一直以来,PTC都在针对劳动力短缺、自动化、可持续发展、SaaS四个方面进行投资,帮助客户应对常见的工程挑战、加快产品上市时间、提升产品质量、加速产品创新。
PTC公司CAD部门副总裁兼总经理Brian Thompson的主要工作是观察并寻找市场上的最新技术趋势,并且通过评估每一类技术,决定哪些可能与设计过程相关,并将其纳入到PTC的产品路线图中。
Brian Thompson看到,2022年,全球企业软件销售额中,SaaS软件首次超过了本地软件,而且他还看到SaaS的趋势将在未来几年持续影响工程行业。
去年Creo就计划推出SaaS版Creo+,今年5月Liveworx 2023也正式发布了Creo10和Creo+。
PTC公司CAD部门副总裁兼总经理Brian Thompson
一个新选择Creo+
Creo+使用了Creo的代码库,包括Creo 10的所有功能,Creo+的特点是易于使用、易于配置和部署、而且总是最新的版本。
Creo+使用Atlas平台实现云功能,Atlas是PTC以5亿美元收购Onshape之后所创建的,Onshape是世界上唯一一个完全在云中运行的3D CAD。
但是Creo+并不等于Creo10上云,而是Add-on对现有本地化Creo的能力扩充,其拥有实时设计协作工具,使多个团队成员能够审查、探索和编辑产品设计。以及提供给管理员一个控制中心,能够轻松的创建用户和管理权限和组,可以分配Creo许可,了解和控制用户的使用状况,实现Creo许可的配置。
Creo+的部署非常易操作,本地版Creo卸载旧版本并安装新版本需要将近30-45分钟,Creo+则从登录到完成整个部署仅需要大约5分钟,而且在云端企业不必担心安装脚本或其他问题。PTC全球资深副总裁兼大中华区总裁刘强说,云的续签比例远高于本地版,上SaaS后,98%的客户基本都会续签。
PTC全球资深副总裁兼大中华区总裁刘强
“企业迁移到Creo+和迁移到最新版本Creo一样都非常简单高效。”Brian Thompson说,Creo+和Creo的数据、工具集都是完全兼容的,用户在Creo+里就可以打开Creo的数据模型,快速用保存的操作保存成Creo+,这也得到了早期客户的验证。
Creo还在持续进化
Griffin Securities独立分析师发现,Creo是行业中增长最快的CAD产品,Creo在过去16个季度中的12个季度,包括2022年全年,活跃套数百分比增幅最大。Brian Thompson认为,这证明了PTC在市场上做得非常好,我们的战略受到了市场的的认可和欢迎。
Creo 10持续提高整个产品的易用性并引入重要的新功能,以提高每个用户的生产力;改进人机工程设计,提高人机交互易用性,扩展触摸到达能力,更新人体模型库,增加视野功能;持续关注基于模型的定义,引入新的注释放置选项,增加通用轮廓的公差;扩大增材制造能力,增加高速铣精加工;新增复合材料设计包括设计、仿真、加工能力;电气化设计协同,线束设计实现重用;仿真驱动设计将ANSYS深度集成在Creo中,增加了非线性接触、非线性材料和复合物理场的分析。
Creo正在集成越来越多的新技术,帮助工程师们在日常设计过程中就可以轻松使用。PTC看到AI在设计领域应用的两个重大机遇,第一,创成式设计,通过指定设计空间、操作环境条件、材料和制造约束条件,然后借助算法生成一个或多个可能的解决方案,Creo10全面支持创成式设计;第二,将分析和学习应用于平台,在以往的结构设计基础上,用AI的方式指导设计师进行更好的设计,提高效率。
Brian Thompson说,PTC采用的是将客户放在Creo的中心,通过客户需求引入创新技术,所以这也让Creo的核心持续投资与新技术投资间取得了平衡。
针对Creo和Creo+,PTC的战略是同时提供本地和云两个方向的产品,企业可以无缝的切换两者,让客户根据自身需求使用不同的产品,助力设计师更高效开展设计工作。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。