ZD至顶网CIO与应用频道 03月13日 人物访谈(文/王聪彬):与制造相关的企业都离不开在设计研发上的持续投入,但设计思维也会随着客户的需求不断变化,就像最近几年比较火的电动汽车、互联汽车变化趋势。
所以说机会来自于对产品思维的变化,设计什么样的产品去符合这样的趋势。当然制造业还要在这个过程中创造新型价值点,这就需要在技术上不断革新,实现从设计思维转变到技术思维转变。
本文的主人公是一个年过半百的传统制造企业,1966年信昌机械厂股份有限公司于台北县新庄市正式创立。1991年随着业务逐渐扩展到大陆,首先在无锡市成立了信昌集团(以下简称“信昌”),2004年成立福州设计研发中心。经历20多年的发展,信昌的足迹已遍布大江南北,在无锡、福州、上海、天津、北京等地拥有20余家汽车零部件配套企业。
信昌作为国内五大汽车零部件制造商,制造范围涵盖汽车机构件、内饰件及模夹量治具等各种产品。50年间信昌已经从一个接受委托的专业代工生产商,成长为可以帮助客户进行设计与制造相关产品的制造商。
作为主机厂的配套厂,拥有大量车厂客户的信昌可以说是产品发展变化的第一个触点。
台湾信昌机械福州设计中心副总经理、董事长特别助理奚仲强在与客户多年的接触中看到其中的变化,之前汽车技术基本是从欧美导入,在比较成熟后才会进入中国。而现在外资品牌在新技术上已经同步发布,这一效应也影响到中国自主品牌更快的接触和接受这些新技术,当然这一变化也要求信昌要放眼全球更早的理解各种新技术,走到价值链的前端影响主机厂。
台湾信昌机械福州设计中心副总经理、董事长特别助理奚仲强
在客户需求演进的过程中,设计的变化也逐渐影响到技术的变化。尤其随着信昌业务的不断扩展,跨部门的沟通让信息非常分散,不能有效利用。信昌的想法是把研发、设计、产品制造、业务整合在一个平台之上让数据得到共享,所有部门都可以同一时间获得最新的信息,快速的响应客户需求的变化。
奚仲强提到设计领域的数据整合是最困难的,工程师大多是独立工作,很难在工作的同时及时分享,这很可能造成重复投入相同资源产生出相似或者效果类似的产品设计。
信昌先后采用达索系统CATIA、ENOVIA、SIMULIA等3DEXPERIENCE平台,应用与设计研发、验证分析与模拟仿真等程序。同时Bid To Win解决方案能够帮助信昌快速发现问题,以及调整实际运作中发生的问题。
信昌的理念是不设定哪些零件在某一地区进行设计,目前信昌的研发团队分别在台湾和福州两地,两个设计中心实现了在不同设计环境下信息的整合、管控、运作,实现设计的协同,达到缩短产品制造周期、资源整合、降低成本的效果。
在航空航天、汽车行业之外,作为渠道代理商广州杰索信息技术有限公司总经理杨晓春看到涉及机械、电子、软件的智能产品,在整个系统优化时同样非常需要CAD、PLM、3D体验平台软件的支持信息的共享。
这就不得不提到另一个在制造过程中跨越信息鸿沟实现互通的案例“格力”。
这既是一个危机也是一个机会,中国家喻户晓的品牌格力在家电上早已开启了智能时代,其在智能产品上需要解决从工程BOM到制造BOM中间的管控。格力有研发和制造系统但中间过程没有支撑,使得信息不能有效的传递和沟通,产生信息的鸿沟。通过达索系统DELMIA可以帮助企业根据客户需求进行调整,真正实现两者之间的管控。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
浙江大学等高校研究团队开发的VolSplat系统,通过"体素对齐"替代传统"像素对齐"方法,实现了快速高质量的3D场景重建。该技术仅需6张普通照片即可生成精确3D模型,在RealEstate10K等标准数据集上显著超越现有方法,为机器人导航、增强现实、建筑设计等领域提供了新的技术选择,代表了3D重建领域从二维思维向三维思维的重要转变。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
武汉大学团队与字节跳动公司合作,提出MAPO混合优势策略优化方法,解决AI训练中的"一刀切"问题。该方法能根据问题难度动态调整评分策略,避免传统方法中的优势反转和优势镜像问题。通过轨迹确定性判断和权重动态调整,在几何推理和情感识别任务上都取得显著提升,为AI自适应学习提供新思路。