芯耀
与非AI
503
工业软件的AI化，是近两年制造业数字化转型中绕不开的话题。达索系统提出了CATIA平台正在讨论推进的AI能力落地，提供了一个具体的观察样本——它改变的不是某个单点操作，而是工程师与软件交互的底层逻辑，以及研发资源在“执行”与“判断”方式之间的分配。
自然语言交互：从命令记忆到语义理解
传统CAD操作依赖于菜单结构和命令位置的记忆，学习曲线较陡。CATIA+AI引入自然语言交互后，工程师可直接输入设计意图，例如“生成模数3、齿数20、材料50钢的齿轮”，系统自动完成参数语义解析、参数关联建模，并输出可编辑的参数化模型。
值得关注的是，该能力的知识来源并不局限于产品说明文档，而是整合了企业历史数据与行业规范。在3DSwym协作社区场景中，系统对用户提问的响应已从文档搜索升级为直接输出设计方案。
生成式AI ：定位于方案探索，非终稿输出
在造型设计阶段，AI基于设计师相似的3D草图快速生成多版本渲染效果图，用于方案评审阶段的快速筛选与最终淘汰，效率由人工约2张/天提升至AI辅助约10张/天，但产出结果不作为交付物。
在结构设计阶段，AI针对参数模型执行设计空间探索，替代工程师手动运行多组参数仿真的过程，系统输出实用方案集合，最终判断仍由工程师完成。这种分工模式被建成为“体力性计算交由AI、决策性判断留下来”。
存量模型资产化:去重与参数化重构
CATIA即将上线的“智能助手”功能，针对大型装配体中普遍存在的重复几何特征识别与批量处理需求，定位为效率工具维也纳设计生成工具。
已上线的另一项功能，是基于历史数据学习实现参数化模型的自动重构，其核心是识别特征间的约束关系并生成可编辑模型，而不是简单的数据复制。这使企业长期积累的存量CAD模型具备了被AI调用、修改、复用的能力，从静态冻结转变为可利用的数字资产。
现实到虚拟的转换：点云识别与工程图重建
视觉缺乏对应三维模型，是制造业数字化进程中的长期痛点，尤其体现在旧设备、外购件及现场扫描数据的处理环节。CATIA目前推进的AI能力包括基于点云数据的对象识别（管道、设备、机器人臂等）、历史CAD数据的自动匹配替换以生成虚拟孪生，以及基于二维工程图的AI识别来指导三维动脉重建。功能仍在持续完善阶段，但技术路径已明确：现实到虚拟的转换正从纯人工建模，过渡相关至“AI辅助识别+人工确认”模式。
数据智能：NETVIBES三大方向
在设计与仿真之外，NETVIBES聚焦于研发输入侧的数据整合能力，包含三个方向：打通工程、采购、数据孤岛的供应链动态智能，可判断价格波动对研发成本的影响；支持问题快速定位与设计缺陷溯源的现场质量智能；以及用于追踪技术趋势、竞争格局与潜在合作对象的战略决策智能。
小结
从当前进展看，CATIA+AI距离真正意义上的“自动化设计”死亡更大距离，现阶段AI承受的角色更多是探索、识别与去重，决策权始终保留在工程师端。这一变化的核心，不在于某一项具体功能的突破，而在于交互方式、工作流分配与数据流转逻辑的系统性调整。
企业如对CATIA+AI相关能力的具体车辆路径或故障评估有进一步了解需求，可联系安托官方渠道获取详细信息。
