在Dassault Systemes Korea于11日举行的模拟用户大会上，Samsung Electronics、LG Electronics等韩国制造业龙头企业分享了工程研发场景中的AI应用案例。长期以来，制造工程一直被视为AI较难快速见效的领域，而此次发布的案例显示，AI正开始在天线设计、仿真流程优化以及CAE数据管理等环节加快落地。

Samsung Electronics产业协作团队的Shin Yong-seon在会上介绍了基于机器学习的天线性能预测技术。他表示，AI并非只适用于通用办公或软件开发场景，同样可以进入天线设计等工程研发流程。

Shin Yong-seon在天线研发领域已有20多年经验。按他的说法，即便近年来AI能力持续提升，业界过去仍普遍认为，机器学习在天线设计中的工程价值并不明显。这一判断背后有较强的现实依据。

他指出，天线性能不仅取决于天线自身结构，还会受到整车或终端周边结构以及复杂介质环境变化的显著影响。同时，AI训练所需的大规模数据也不易获得。即便借助有限元法（FEM）求解器生成仿真数据，也往往需要付出较高的时间和成本。再加上设计变量输入与性能结果输出之间存在高维非线性关系，仅靠传统数学建模很难形成便于应用的预测模型。

不过，Shin Yong-seon表示，自去年3月启动天线AI模型开发项目以来，他已经改变了原有看法，认为AI完全可以用于天线开发。项目初期，他本人既不熟悉编程语言，也不了解数据集构建方法；在Dassault Systemes支持下，团队开展了概念验证（PoC），并在虚拟环境中建立起仿真自动化流程，直接验证了AI应用的可行性。

据介绍，该项目显著减少了原本需要反复运行数百次的CST仿真，并可在初始设计阶段提前筛选出更有可能通过规格验证的候选方案，从而将开发周期大幅压缩。技术层面上，项目也证明，即便在数据集有限的条件下，仍可构建具备可靠预测能力的元模型。

谈及下一步计划，Shin Yong-seon表示，后续将把应用范围从单一天线模块扩展至LTE和Wi‑Fi复合多频段天线，并把车身底盘结构、玻璃、支架位置等形状变量纳入模型，逐步构建公司级标准化设计验证基础设施。在他看来，当工程师能够以明确的设计目标和领域知识主导AI流程时，就可以减少重复调参和仿真耗时，加快关键设计决策，使AI成为战略性工程工具。

LG Electronics生产技术院的Choi Sang-hyeok则介绍了利用AI Agent构建SPDM CAE数据库的方案。

据其介绍，LG Electronics于2019年底基于Dassault Systemes解决方案启动SPDM（Simulation Process and Data Management）平台试点，并于2022年4月完成总部层面的部署。但在早期两到三年间，由于各事业部CAE组织较为分散，一线工程师对系统的使用积极性并不高。为解决这一问题，LG Electronics开始推动将原本停留在数据湖形态的报告文件，转化为可量化、可分析的数值数据库。

其核心思路是“不改变工程师的工作方式”。也就是说，一线人员仍按照既有习惯上传PowerPoint报告，再由系统自动抽取其中的数值并完成数据库化处理。

Choi Sang-hyeok表示，项目实施过程中遇到的最大难点在于，普通大语言模型难以准确读取复杂PowerPoint中的表格和对象数据。为此，团队引入能够同步分析视觉信息的视觉语言模型Qwen3-VL，并构建了四阶段数据抽取流程。建成后的数据库目前已被用于一线异常分析、设计模式分析和趋势分析。

他表示，该项目最重要的成果，是在不改变一线工程师工作方式的前提下，将非结构化报告数据转化为结构化资产。通过AI Agent流程，团队突破了以往必须人工录入数值的限制，提升了数据库的可访问性和使用便利性，同时也为后续AI建模打下了高质量工程数据基础。