“多年前业内曾提出，未来CAD或将从‘计算机辅助设计（CAD）’转向‘人辅助设计（HAD）’，由AI主导设计、人类仅作辅助，但客观来看，行业距离这一目标仍有漫长路要走。”6月26日，以“AI引领软件产业数智化变革”为主题的2026南京软件大会开幕。中国工程院院士李培根在大会主题演讲中作出上述冷静判断。

　　AI赋能CAD落地不及预期，检索效率是核心攻坚点

　　工业设计是工业软件的根基，也是AI较早落地的赛道，目前整体落地效果不及预期。结合自身机械行业从业经验，李培根表示，工程设计大多并非从零原创，80%的设计工作集中在查找、修改已有零部件与图纸资料，而工程师30%至40%的工作时间都耗费在资料检索上，高效复用企业沉淀的工程知识是行业核心刚需。但当前多数AI赋能CAD工具并未聚焦这一核心痛点。

　　他介绍，过去两年，市面上绝大多数工程领域AI工具缺乏机械工程专业底层能力，即便推出文档对话机器人，也无法解决资深工程师的实际业务难题，看似智能化的功能并不贴合工程实景。行业期待的AI全自动设计、HAD模式短期内难以实现。“我们不能一味追求花哨的全自动生成，AI+CAD首要解决工程师最基础、最刚需的检索痛点。”

　　放眼海外产业探索，业界正从基础层面推进技术落地。行业持续研发机械专用大模型LMM，可直接识别图纸几何特征、尺寸、装配关系与公差等关键机械信息，贴合机械设计底层需求。同时，多款智能检索工具落地应用，Leo AI可打通SolidWorks、PDM、欧特克Vault等多类系统，快速调取工程资料；CrownCAD依托智能体优化工作流程，有效压缩工程师检索耗时。

　　仿真领域迎来三重突破：读懂物理世界、极速推演、知识沉淀

　　在李培根看来，AI与工业仿真的融合，正迎来范式升级，核心是从传统“文本生成”转向“理解真实物理世界”。他指出，物理世界90%的信息难以用文字精准描述，纯文本训练的AI存在天然局限，物理AI的核心价值，是让算法通过视频、传感数据自主理解重力、摩擦力等客观物理规律，适配真实工业仿真场景。

　　海外前沿企业已实现技术突破。PhysicsX打造的物理基础大模型，能够理解流体力学、热力学、结构应力学之间的深层关联，破解多学科仿真协同难题。其研发的反向设计引擎颠覆传统设计逻辑，区别于“先设计、后仿真”的传统流程，工程师只需用自然语言输入预期性能目标，系统即可毫秒级生成最优结构方案，实现以性能目标倒推最优设计。

　　工业仿真同时实现效率革命与知识复用突破。李培根举例，传统汽车碰撞单次仿真需要10至12小时，Luminary推出的SHIFT-Crash技术将仿真时长压缩至5秒。更重要的是，该技术具备迁移学习能力，可沉淀复用历史仿真知识，某SUV车型首轮研发需5000次仿真迭代，二次开发仅需300次，有效规避了以往仿真经验无法传承、重复研发的问题，大幅降低研发成本。

　　具身智能、自主智能体拓宽工业软件应用边界

　　李培根介绍，当前热度较高的具身智能技术，需要工业软件提供底层支撑。依托视觉-语言-行动统一模态VLA技术，机器人可打通感知、指令、动作全链路，实现端到端自主学习，无需多层中间转化。海外Figure公司Helix产品，号称实现视觉、语言、操作一体化融合；国内华中数控将具身智能落地机床装备，设备可实时感知加工过程、自主互动、完成误差补偿，整套智能体系依托工业软件搭建的数字主线与智能底座实现。

　　相较于传统仅能执行预设流程的智能系统，新一代智能体的核心特点是具备自主规划能力，可完成大量未被提前定义的复杂工作。李培根援引Gartner产业观点表示，未来智能体将成为供应链领域的“虚拟劳动力”，改变行业以往依靠压榨供应商、压缩成本的粗放盈利模式，通过优化业务流程创造增量利润，助力供应链摆脱低价内卷。

　　工业操作系统转型提速，行业需匹配AI节奏务实布局

　　AI迭代浪潮下，全球工业软件龙头正在重塑发展定位。李培根举例，西门子联合英伟达布局全新工业操作系统，将战略重心全面转移，从单一工业软件供应商，转型为AI工业操作系统服务商，为制造企业提供统一智能底座，支撑设计、仿真、生产、供应链等全场景数字化应用。

　　李培根认为，尽管HAD式全AI自主设计短期难以落地，但机械大模型、物理仿真AI、具身智能、自主智能体、工业AI操作系统已形成清晰技术演进路径。产业发展切忌追逐表面化、噱头式的智能化功能，要立足制造业真实痛点，夯实智能检索、物理仿真计算、多设备协同等底层能力。

　　“我们必须紧跟AI的发展速度，锚定制造场景真实需求，稳步推进工业软件高质量创新发展。”李培根呼吁，行业要立足产业实际，摒弃浮躁心态，务实推进AI与工业软件深度融合，以数智化工具持续赋能制造业转型升级。（肖春芳）