“认为大语言模型（LLM）不适用于机械工程，这种看法已经过时了。”

在11日举行的Dassault Systèmes Korea“Simulia User Data 2026”大会上，LG Electronics VS事业本部研究委员Kim Yongyeon在主题演讲中表示，LLM难以应用于机械工程领域的固有认知正在被打破。随着制造企业加快引入Agent AI，业界对AI输出结果的信任度也在明显提升。

Kim Yongyeon表示，过去LLM更多应用于软件开发和面向一线业务的场景，在硬件研发领域相对存在感不强。但在最近一年，这一局面出现了明显变化。

他指出，LLM在工程领域已逐步被认可具备“专家级可用性”。以ContiTech等全球汽车零部件企业为例，企业已不再局限于传统的文本和图像解析、嵌入式处理方式，而是开始引入多模态视觉语言模型（VLM），并构建基于本体的知识图谱，相关输出结果的可信度较过去大幅提高。

在他看来，约4年前，行业关注的重点仍是通过数据加工和可视化提升效率，即数字化转型（DX）；而如今，多数企业已将基于LLM的AI转型（AX）作为核心课题。从硬件工程师的视角看，AX的进入门槛反而低于DX。以LG Electronics为例，AI的引入已经在假设验证、流程优化等DX阶段较难实现的环节取得了明显成效。

Kim Yongyeon强调，AX的关键不在于是否引入技术本身，而在于能否提升工程师的决策质量。企业推进AX，不能简单理解为“上AI”，而应将其视为一次工作流程重构。

据他介绍，LG Electronics曾对研究所工程师在研发工作中的实际时间分配进行全面调查。结果显示，工程师耗费在各类应对性事务和杂项工作上的时间，甚至超过了真正用于核心研发工作的时间。

与此同时，数据割裂也是制造企业面临的现实难题。数据分散在个人工作站、笔记本电脑以及公司服务器中，研究所、质量、采购、生产等部门之间也普遍存在信息孤岛，协同效率因此受到制约。

在此背景下，LG Electronics对从产品企划到量产的全流程进行了分析，发现单个产品开发所涉及的任务超过440项。公司随后逐项评估这些任务适用AI的程度，按阶段梳理最佳实践，并据此重构开发流程。Kim Yongyeon表示，核心并不是让AI取代人的工作，而是把重复性事务剥离出来，让工程师将精力集中在关键判断上。

他认为，在全球制造业竞争持续加剧的背景下，围绕“提升决策质量”这一AX本质所展开的战略价值只会进一步上升。他还特别提到，需要高度关注中国在全球汽车市场上的快速崛起。

Kim Yongyeon表示，全球汽车行业平均产品开发周期通常在30个月以上，而中国企业可在18个月内完成相关开发。不仅速度更快、成本更低，质量水平也在迅速追赶。“一年前还有观点说，已经能从后视镜里看到中国；但现在，中国已经跑到了前面。这个现实或许让人不那么舒服，但它就是事实。也正因为这种压力，企业更应认真面对AI。”他说。