“正式落地仅4至5个月，但已经出现了一些不错的成功案例。有客户的效率提升了50%至60%。”Dassault Systèmes旗下SolidWorks CEO Manish Kumar近日在接受采访时表示，随着面向工程场景的AI助手“Virtual Companion”投入实际应用，工程领域的AI化已成为不可逆转的趋势。

Virtual Companion最早于去年年初首次公开，其中Aura率先亮相。今年年初，Dassault Systèmes又以预览版形式推出面向更复杂工程任务的Leo和Marie，并于7月正式发布。

据介绍，Aura主要用于创意挖掘与方案探索，可连接企业内部数据以及外部网络知识，帮助用户将设计想法进一步具体化。Leo定位于工程场景，重点评估设计方案的可制造性，并提出更贴近实际生产条件的优化建议。Marie则聚焦基于科学方法的仿真分析，适用于跌落测试、人体工学评估以及医疗器械法规应对等复杂场景。

Manish Kumar表示，SolidWorks一直在向使用云端3DEXPERIENCE平台的用户提供Token 额度，以推动客户体验Virtual Companion。虽然上线时间不长，但相关效果已经开始显现。目前该系列虽然只有Aura、Leo和Marie三款产品，但围绕具体产品场景的能力和技能仍在持续扩展，后续还会加入更多高级能力。

他举例称，已有客户基于自有数据集测试了利用Virtual Companion生成2D图纸的功能，仅这一项就带来了50%至60%的效率提升，并计划在未来6个月内将提升幅度进一步提高至90%。

在Manish Kumar看来，2D图纸在制造业中仍占据很高比重。即便设计环节已大规模转向3D，工厂实际运转依然高度依赖2D图纸。无论是零部件还是装配体，最终都离不开2D出图，而设计人员约有三分之一的时间花在图纸制作上。他表示，很多人热衷于做设计，却几乎没人喜欢反复处理2D图纸；如果这项工作的效率真能提升90%，对行业的影响将非常明显。

除2D图纸外，制造流程中还有不少不得不做却又高度重复的工作。Manish Kumar认为，这类任务交由AI处理，无论对企业还是员工都是利好。他以装配环节逐一校对零部件孔位为例称，这类工作繁琐枯燥、几乎没人愿意做，但一旦出错，代价往往非常高。

他还强调，Virtual Companion并不只是服务于设计环节，而是支持多种制造流程。依托Dassault Systèmes的3DEXPERIENCE平台，企业可以从最初构思一路追踪到产品部署至客户现场，能力范围早已超出单纯的设计软件范畴，因此Virtual Companion也覆盖了创意构思、数据管理等多个环节。

随着工程AI赛道持续升温，主打相关能力的初创公司也不断增多。对此，Manish Kumar认为，Dassault Systèmes在技术广度和深度上都具备竞争对手难以跨越的优势。

他表示，Dassault Systèmes的基础能力建立在对“物理”的长期积累之上，公司关注的是不同于大语言模型（LLM）或通用世界模型的“工业世界模型”。在他看来，LLM主要学习语言的统计结构，并据此预测下一个词，但无法判断一架无人机在1秒或2秒之后会处于什么位置；而世界模型则是根据物体当前状态预测下一状态，通常通过图像和视频进行学习。工业世界模型不能停留在模式匹配层面，而必须建立在真实物理规律之上，理解结构、流体力学等复杂约束，才能真正用于产业现场。

Manish Kumar进一步指出，覆盖完整制造流程同样是Dassault Systèmes的重要优势之一。公司已经形成从设计建模到仿真的完整工具链，可支持从分子尺度到波音777这类大型飞机的仿真任务，覆盖不同尺寸和不同物理领域；与此同时，公司还积累了长期沉淀的形态数据与物理数据。他表示，具备这些条件的企业要么只有Dassault Systèmes一家，要么也只是极少数。

目前，Dassault Systèmes正以云端Virtual Companion为切入点，重点面向难以自建GPU基础设施的制造企业推进AI落地。

Manish Kumar表示，借助云端AI，企业无需自建大规模基础设施，也能获得相应的知识能力与算力资源，同时实现数据隔离保护。在软件行业，不少初创公司正是通过这种方式向大型企业发起挑战。他同时强调，Dassault Systèmes训练AI模型时仅使用自有数据和合成数据，未经客户书面同意，不会使用客户数据；客户数据始终保持隔离，控制权也掌握在客户手中。

在他看来，随着AI在工程领域持续渗透，工程师的角色也必然发生变化。

Manish Kumar表示，工程师的核心价值在于确定正确的意图，包括明确设计意图、设定模型不能突破的边界条件，并对输出结果进行评估。最终责任仍然由人承担。如果直接采用AI给出的方案而导致Bug出现，不能以“这是AI生成的”为由推卸责任，后续修复同样必须经过工程团队验证。随着AI能够提出越来越多设计方案，如何从中筛选出最合适的方案并完成验证，将变得更加重要。

他进一步总结了AI时代工程师需要具备的三项关键能力。

首先是提出正确的问题。他表示，AI可以给出答案，但不会主动发现问题；在多个问题之间判断优先级、决定先解决哪一个，仍然必须由人来完成。

其次是软技能，即与同事和客户建立良好关系并推动协作。在他看来，当AI让越来越多的人具备执行能力后，相比“能力很强但态度傲慢的明星员工”，企业会更倾向于选择更容易协作的人。

第三是跨领域能力。Manish Kumar表示，机械工程师也应掌握电气电子、软件等相关知识；而处于物理AI前沿的机器人，本身就是这些领域融合的产物。