自2019年至今,PTC在自研和收购上的总共投资已经超过了30亿美元,PTC 总裁兼首席执行官Jim Heppelmann首先分享了这组数据。
在过去的四年里,PTC的主要收购包括了Onshape(云原生产品开发平台)、Arena(云原生PLM和质量管理系统(QMS)解决方案)、Codebeamer(用于现代产品和软件开发的应用生命周期管理(ALM)平台)和ServiceMax(现场服务管理平台)。“这些收购并未削减PTC的核心业务,相反,他们加强了这一点。”Jim Heppelmann称。
PTC 总裁兼首席执行官Jim Heppelmann
这一系列收购的背后是PTC在整个产品生命周期中建立闭环基于模型的数字主线(Closed-Loop Model Based Digital Thread)的雄心。Jim Heppelmann说,PTC采取的每一项行动都和基于模型的数字主线战略联系在一起,帮助客户降低成本,消除系统维护安装中的复杂性。
Windchill可以与应用生命周期管理(ALM)Codebeamer一起管理软件部分的设计,与计算机辅助设计(CAD)Creo合作管理硬件和数字化的设计。ServiceMax可以与物联网服务ThingWorx、AR服务Vuforia一起合作管理现场服务。
基于模型的数字主线有两个核心系统,一个是产品生命周期管理(PLM)Windchill,主要关于产品的自动化定义,另一个是服务生命周期管理(SLM)ServiceMax,主要关于维护产品,交付客户后的使用情况和表现,两者连在一起,实现了对整个产品生命周期的追溯。
向着SaaS化加速演进
推进SaaS模式一直是PTC的一个长期战略,除了收购云原生产品,同时也在将原有产品进行云化。
LiveWorx 2023最重大的新闻可以说是Creo+的发布,它是最新发布的Creo 10通过Atlas实现的云模式,Atlas则是PTC基于Onshape和Arena技术的SaaS架构。
为什么有了Onshape,还要有Creo+?其实Creo也走了和Windchill一样的上云道路。
“CAD软件里的模型是非常专业的,由于生成模型不同,如果把Creo的模型搬到Onshape上几乎是不太可能的。”PTC全球资深副总裁兼大中国区总裁刘强说,我们通过Creo+帮助他们将本地的产品设计上云。
PTC全球资深副总裁兼大中国区总裁刘强
从产品本身进行分析,Creo更适合复杂产品设计,Onshape更适合快速设计,两者的产品定位不同,客户群也不同,所以把Creo云化和PTC整体的产品占战略并不矛盾。
同时,Jim Heppelmann也以PLM为例解释了SaaS模式的定制化开发问题。他谈到,现在大多数企业PLM部署中的定制需求比过去要少得多,而且SaaS产品是允许在边界范围内定制化开发。
在中国,PTC也在推进云产品的落地,第一个选择在中国落地项目是Arena。刘强说,落地中国是一个复杂的过程,在技术上Arena更加简单,是完全标准化的,所以成为一个实验项目,只要把这条路走通了,Creo+、Windchill +、Onshape都可以实现逐步落地。
预计今年Arena将成为第一个云落地项目,刘强也谈到我们不是为了落地而落地,宁可速度慢一点,也一定要保证落地的模型在将来是可复制的。
AI将渗透到软件中无处不在
生成式AI从去年年底开始就占领了各大新闻头条,成为业界最热的话题。其实PTC在ChatGPT出现之前,就已经超前布局了AI。
2018年PTC收购了一家生成式设计软件公司Frustum,使得工程师能够绕过耗时的手动优化步骤,创建下一代复杂结构的模型,其特征可以基于特定的要求和设计目标。刘强也坦言,生成式设计远比ChatGPT要厉害。
目前PTC已经有三个产品应用了AI技术,第一是生成复杂3D模型的CAD、第二是物联网平台ThingWorx、第三是机器视觉引擎Vuforia AR。
生成式设计与ChatGPT有很大的不同,生成式设计生成的是3D模型,像是一些奇怪的曲线模型,虽然这些模型没有人设计的那么规则,但是却是非常有效的,可以实现用最少量的材料制作出良好、坚固、轻便的设计。
“当你有一个教练的时候,为什么不借助它的力量呢?”
Jim Heppelmann看到了AI带来的机会,ChatGPT和Copilot可以帮助开发团队更加高效的设计。他说,当工程设计人员设计产品时,可以通过Copilot进行辅助设计,例如使用设计部门或服务部门的信息自动生成。
未来AI将渗透到PTC的软件当中,无处不在。
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。