我國工業(yè)和制造業(yè)的積弊和難處已經(jīng)有很多人談過，但今天，扶搖直上是反常，披荊斬棘是常態(tài)。唯有直面挑戰(zhàn)，更多把干擾轉化為一種工具，一個起點和行動的開端。

本文最大的關注在于，當我們缺少先發(fā)者優(yōu)勢，在落后了幾十年工業(yè)數(shù)據(jù)積累的「廢墟」上，我們仍可以通過一些新萌生的，或歷經(jīng)時日終于成熟的機會，來捕捉尚未實現(xiàn)的可能性。通過發(fā)展新的能力，創(chuàng)造出不止一條「后來者可能居上」的新路徑。

其中有四個趨勢，我們預計將成為未來10年工業(yè)數(shù)字化的主線：一是在工業(yè)各環(huán)節(jié)和產(chǎn)業(yè)鏈上下游實現(xiàn)高效的數(shù)據(jù)互聯(lián)互通；二是工業(yè)智能應用實現(xiàn)工業(yè)生產(chǎn)的「自動駕駛」 ；三是IT架構的云化變革，為「后來者居上」創(chuàng)造先機 ；四是制造技術變革，結合國內工業(yè)生態(tài)環(huán)境孕育原生創(chuàng)新。

文中更多呈現(xiàn)的是一張Playbook的粗略路線圖，更多的玩法、規(guī)則和打怪升級的經(jīng)驗還需要作為創(chuàng)業(yè)者的你來填補。我們相信，冒險會引出更多的冒險，而寶藏會通向更多的寶藏?！覆赡⒐綍r，只有一朵是不夠的；一旦找到第一朵，就會激勵你繼續(xù)往前尋找更多」，工業(yè)數(shù)字化的創(chuàng)新也是這樣。

隨著社會逐步走出疫情的陰霾，我們預期工業(yè)和制造業(yè)產(chǎn)業(yè)升級將成為「災后重建」的頂梁柱，而工業(yè)數(shù)字化、智能化則是重要的升級手段。

在這里先做個簡單的背景回顧。

國內最近一個階段的工業(yè)數(shù)字化創(chuàng)新，大概始于2015年。彼時在「中國制造2025」的宏觀政策推動下，工業(yè)領域的一硬一軟兩個方向——智能制造和工業(yè)互聯(lián)網(wǎng)蓬勃發(fā)展。
同時，老一輩的工業(yè)軟件公司（主要以CAD、CAE、EDA為主）經(jīng)歷了十余載沉浮，在2018年后新國際形勢下，作為解決「卡脖子」問題的全村希望，獲得了資本前所未有的青睞。

回頭來看，8年后的今天，工業(yè)數(shù)字化終于有了歷史上最好的發(fā)展條件。

首先是基礎設施革新。傳感器、5G、物聯(lián)網(wǎng)、云計算的發(fā)展和成熟為工業(yè)數(shù)字化提供了良好的IT和CT基礎設施；新型智能裝備（包括智能自動化設備、機器人、機器視覺等），則在OT層面讓數(shù)字化能夠形成閉環(huán)。

其次是市場需求變化。需求端從增量轉向存量，消費需求從單一爆款邏輯走向個性化；生產(chǎn)端從標準化大規(guī)模生產(chǎn)，走向敏捷、小批量多批次的柔性生產(chǎn)，傳統(tǒng)生產(chǎn)管理模式和供應鏈協(xié)作模式難以為繼，需要數(shù)字化能力支撐。

再是數(shù)字化需求升級。新經(jīng)濟品牌的核心競爭力是設計研發(fā)、營銷運營能力，追求正向設計，對產(chǎn)品全生命周期的數(shù)據(jù)閉環(huán)有更高要求，重視利用數(shù)字化技術提升效率，屬于原生數(shù)字化的新一代企業(yè)。

另外還有原生創(chuàng)新的潛力。我國龐大的產(chǎn)業(yè)基礎帶來的多樣化需求、行業(yè)龍頭的最佳實踐，結合數(shù)字化技術的創(chuàng)新能力，有望催化原生的工業(yè)數(shù)字化創(chuàng)新。

最后是政策的大力推動。工業(yè)數(shù)字化已成為「全面深化重點產(chǎn)業(yè)數(shù)字化轉型」發(fā)展目標的主體部分，各級政府的扶持政策也密集出臺，制造業(yè)儼然替代房地產(chǎn)承載了未來經(jīng)濟增長目標。

以下是幾點展望，在此拋磚引玉，期待和同樣在這個領域耕耘的朋友進一步交流。

第一個機遇：工業(yè)生產(chǎn)各環(huán)節(jié)和產(chǎn)業(yè)鏈上下游實現(xiàn)高效的數(shù)據(jù)互聯(lián)互通

工業(yè)品全生命周期，主要包含研發(fā)設計(CAx/PLM)-供應鏈(SCM)-生產(chǎn)制造(MOM)-產(chǎn)品銷售(CRM)-售后運營環(huán)節(jié)(FSM)，圍繞每個環(huán)節(jié)都有相應的信息化解決方案，但傳統(tǒng)信息化架構在面對數(shù)字化轉型需求時開始捉襟見肘。

以研發(fā)設計端和生產(chǎn)制造端兩個重點信息化部分為例。

研發(fā)設計端信息化承載主體是我們耳熟能詳?shù)腃Ax類軟件和PLM軟件。這些軟件將原來紙質圖版、文檔轉化為數(shù)字化的文件，無論數(shù)據(jù)是2D還是3D，大多以文件形式保存和傳遞。

文件格式首要的問題是格式標準和兼容問題。工業(yè)界自上世紀八十年代開始致力解決格式標準問題，1994年第一版STEP文件格式標準誕生，并在過去20多年持續(xù)迭代，至今文件交換的技術問題還在逐步改善。

然而研發(fā)環(huán)節(jié)以外，在設計-工程-供應鏈-制造的協(xié)作鏈上，PDF等靜態(tài)文件仍是溝通傳遞產(chǎn)品信息的主要承載媒介，溝通手段依然是郵件、IM等自然語言承載的非結構化方式，無法保障溝通時效性和準確度，協(xié)作效率較低。

生產(chǎn)制造端信息化主要是圍繞ISA-95體系搭建的，構建了從業(yè)務經(jīng)營到生產(chǎn)控制各層級的信息化體系和互通能力。

但95體系年代，軟件架構還是以CS架構為主，在開發(fā)靈活性和可維護性方面與今天云原生架構不可同日而語，難以實現(xiàn)敏捷開發(fā)來應對快速變化的業(yè)務需求；各種定制化和層層封裝更是創(chuàng)造了許多沒人敢碰的「信息化怪物」。

數(shù)據(jù)互通方面，點對點的數(shù)據(jù)交互方式（包括離線導出導入或定制接口等方式）隨著業(yè)務復雜度提升又難以維護，無法規(guī)?；瘜崿F(xiàn)數(shù)據(jù)的集成與管理，及時有效的數(shù)據(jù)分析和智能化大數(shù)據(jù)應用更是空談。

總而言之，ISA-95的理想并沒有很好地實現(xiàn)，反倒在實現(xiàn)過程中形成了大量數(shù)據(jù)孤島，「原本的危機應對計劃，成了危機本身」。

實際導致的局面是：

從設計、工程到制造環(huán)節(jié)大量重復勞動，協(xié)作效率低，研發(fā)周期長，難以形成知識積累和正向反饋；

 

質量風險后置，產(chǎn)品可制造性和質量問題到生產(chǎn)環(huán)節(jié)才發(fā)現(xiàn)，質量無法保證，過程浪費嚴重；

 

銷售和產(chǎn)能、供應鏈情況不同步，供需難以平衡，交期無法保證，無法支撐柔性、小單快返的客戶需求；

 

業(yè)務分析管理難，不同系統(tǒng)數(shù)據(jù)割裂不統(tǒng)一，大量時間浪費在查找數(shù)據(jù)、核對數(shù)據(jù)；

 

無法應對供應鏈變化，供應鏈有個風吹草動就會影響有效產(chǎn)能和交期。

 

工業(yè)互聯(lián)網(wǎng)旨在解決以上一些問題，但從過去幾年的實際發(fā)展來看，更多是在設備物聯(lián)和信息化補充建設方面提升了基礎能力；部分數(shù)字孿生也更多是針對單一環(huán)節(jié)的應用（大部分是展示型應用），整體數(shù)字化視野比較局限。

都3202年了，是時候思考和踐行更加廣闊和深遠的工業(yè)數(shù)字化愿景了。

我們認為，在新一代ICT技術體系賦能下，基于模型驅動、通過數(shù)字主線貫穿的工業(yè)數(shù)字化架構，將幫助工業(yè)企業(yè)和產(chǎn)業(yè)鏈上下游實現(xiàn)「感知-認知-預知-執(zhí)行」的數(shù)據(jù)驅動閉環(huán)，支撐工業(yè)企業(yè)高質量、智能化的轉型升級。

說直白點，就是在工業(yè)生產(chǎn)各環(huán)節(jié)、產(chǎn)業(yè)鏈上下游實現(xiàn)高效的數(shù)據(jù)互聯(lián)互通。

模型驅動、數(shù)字主線均不是新概念（可自行搜索），在高端制造行業(yè)已經(jīng)積累了一些實踐。隨著信息技術的進一步賦能，其理念將在更多行業(yè)進行實踐并創(chuàng)造價值。

模型驅動創(chuàng)造了可靠的單一信息來源(Single Source of Truth)和結構化的數(shù)據(jù)格式（不是狹義上的MBSE）；數(shù)字主線保障了可靠的互聯(lián)互通，使數(shù)據(jù)（而不是文件）可以高效安全地流動。當然，創(chuàng)新會從多維度、多角度切入，并逐步拓展，匯聚到一個完整的現(xiàn)代數(shù)字化閉環(huán)體系中。

1. 設計-工程-制造協(xié)作鏈

研發(fā)設計模型是幾乎所有工業(yè)產(chǎn)品的起點，但是受限于客觀技術能力和主觀管理訴求，研發(fā)設計模型通常止步于研發(fā)部門。

基于原生模型數(shù)據(jù)（3D模型數(shù)據(jù)）構建云原生協(xié)作工作流，能大幅提升信息保真度和溝通效率，以及各環(huán)節(jié)之間的反饋循環(huán)。

對比軟件行業(yè)早已實現(xiàn)的持續(xù)開發(fā)、持續(xù)集成的自動化生產(chǎn)組織模式，未來工業(yè)品在新一代協(xié)作軟件的支撐下，從設計到制造的環(huán)節(jié)也有望達到像軟件開發(fā)一樣的效率。

2. 研發(fā)-生產(chǎn)-銷售協(xié)作鏈

為實現(xiàn)C2M大規(guī)模定制、小單快返等柔性制造模式，研發(fā)-生產(chǎn)-銷售的鏈條需要更緊密的互聯(lián)互通。

一方面，生產(chǎn)數(shù)據(jù)可以實時同步到銷售側，提供可靠的產(chǎn)能和交期預估；另一方面，銷售側的市場需求信息也可以高保真的傳遞到研發(fā)和生產(chǎn)端，實現(xiàn)高效產(chǎn)品迭代和生產(chǎn)。

汽車、筆記本電腦行業(yè)在傳統(tǒng)信息化階段實現(xiàn)了這樣的制造能力，代價是昂貴的PLM定制和嚴格的生產(chǎn)管理實踐，難以在更大范圍內直接復制。

基于云原生應用、數(shù)據(jù)架構、人工智能和物聯(lián)網(wǎng)技術，有望打造更高效靈活，更智能，體驗更現(xiàn)代化的新一代數(shù)字化產(chǎn)品，賦能更多行業(yè)領域實現(xiàn)從研發(fā)到生產(chǎn)銷售的數(shù)字化協(xié)作鏈。

3. 銷售-售后-研發(fā)協(xié)作鏈

基于研發(fā)模型數(shù)據(jù)，營銷側以「3D PPT」的方式展示產(chǎn)品特性，準確收集客戶需求并反饋給研發(fā)端，實現(xiàn)準確、實時更新的產(chǎn)品信息互通。

隨著AR/VR技術的成熟還可以提供沉浸式產(chǎn)品體驗，例如汽車、3C領域里的頭部企業(yè)已經(jīng)開始應用這類營銷方式，但如果可以像做PPT一樣大幅降低制作和使用門檻將能在更多場景應用。

售后可以通過交互式說明書幫助客戶更好地使用產(chǎn)品，IoT數(shù)據(jù)可支持實現(xiàn)主動客戶運營和售后服務管理，例如特斯拉在客戶報修時通過車輛數(shù)據(jù)預先遠程診斷問題，準備配件，預估費用和安排工時，實現(xiàn)了更好的售后體驗，同時也提高了備件周轉和維修資源的效率。

以上僅是產(chǎn)品全生命周期中幾段協(xié)作鏈的示例?？梢灶A見隨著工業(yè)數(shù)字化轉型的深入，基于「模型驅動+數(shù)字主線」的架構，更多環(huán)節(jié)之間的協(xié)作鏈將合縱連橫，支撐起不止是單一企業(yè)，而是產(chǎn)業(yè)鏈整體的數(shù)字化和智能化，為產(chǎn)業(yè)上下游各方創(chuàng)造豐富的價值。

第二個機遇：工業(yè)智能應用實現(xiàn)工業(yè)生產(chǎn)的「自動駕駛」

過去10年，大數(shù)據(jù)和人工智能技術從學術走向產(chǎn)業(yè)，已經(jīng)在營銷、金融、安全領域得到了充分的驗證。工業(yè)領域也自然成為其重要的應用場景。

工業(yè)智能是數(shù)據(jù)科學和工業(yè)場景、機理相結合的跨領域創(chuàng)新應用，其中工業(yè)機理則涉及物理化學原理以及具體行業(yè)、設備、工藝、經(jīng)驗等知識的結構化和工程化，領域門檻很高。

即便是在AI基于超大模型走向AGI的今天，工業(yè)領域中的數(shù)據(jù)生產(chǎn)資料依然深藏在這些垂直行業(yè)中，需要懂工業(yè)、懂數(shù)據(jù)的跨學科能力來駕馭。

此外，相較算法、模型和神經(jīng)網(wǎng)絡架構層面的前沿創(chuàng)新，工業(yè)智能更多需要解決技術工程化問題。

一個工藝優(yōu)化問題通常企業(yè)和高校教授團隊可以以項目化的方式解決，但如何規(guī)?；w系化地解決一系列問題、持續(xù)改善并形成商業(yè)價值閉環(huán)，這是工業(yè)智能類應用普遍面臨的挑戰(zhàn)。

▲ 工業(yè)智能是數(shù)據(jù)科學和工業(yè)場景、機理相結合的創(chuàng)新應用

從我們這些年接觸的項目來說，工業(yè)AI的創(chuàng)新落地實際主要集中在兩個方向：

第一類是結合傳統(tǒng)CV和深度學習技術的工業(yè)機器視覺方向。場景主要以識別、缺陷檢測、定位抓取等為主，提升了自動化能力。

這些場景的領域知識門檻相對較低，CV和深度學習技術應用直接，配合自動化機器代人投入產(chǎn)出見效較快，是過去幾年發(fā)展較快的工業(yè)AI應用。

第二類是結合數(shù)據(jù)科學和機器學習技術的設備和生產(chǎn)過程智能化環(huán)節(jié)。場景包括PHM預測性維護、APS智能排產(chǎn)、SCM供應鏈優(yōu)化、RTO生產(chǎn)實時優(yōu)化等，提升工業(yè)生產(chǎn)智能化決策能力。

這些場景涉及復雜的領域知識、工業(yè)機理、業(yè)務邏輯，結合具體場景建模具有較高的門檻，同時還面臨數(shù)據(jù)少、質量差、可解釋性要求高、牽扯業(yè)務環(huán)節(jié)多難以快速閉環(huán)等問題。這類應用此前主要以核心企業(yè)技術驗證和小規(guī)模應用為主。

可喜的是，近年來一些行業(yè)變化有望帶來工業(yè)智能應用的春天。

一是數(shù)據(jù)、框架、算力越發(fā)成熟，更好地支持工程化落地。

數(shù)據(jù)已經(jīng)成為新一代生產(chǎn)資料，工業(yè)客戶更加注重數(shù)據(jù)積累和管理，頭部企業(yè)都在完善基礎數(shù)據(jù)平臺的搭建和優(yōu)化，包括和生產(chǎn)密切相關的時序數(shù)據(jù)；

框架方面，無論是自動化機器學習還是深度學習框架都更加成熟，實現(xiàn)更高效地從model走向production，降低了工程化過程中IT部分的門檻，讓工業(yè)know-how更快變?yōu)楣I(yè)智能軟件；

算力方面，訓練端和現(xiàn)場推理端，都有更多支持AI的芯片解決方案可供選擇，5G工業(yè)專網(wǎng)、邊緣計算等新型基礎設施也在加速部署，支撐更好的云端協(xié)同應用。

二是智能化需求提升。

疫情加速了工業(yè)企業(yè)對于智能化生產(chǎn)的認知和需求，勞動人口紅利的結束預計也將加速各生產(chǎn)環(huán)節(jié)機器代人的需求。

一方面物理的執(zhí)行需要機器替代，另一方面積累的工藝知識、管理經(jīng)驗也需要軟件和數(shù)據(jù)來傳承和優(yōu)化。大量工業(yè)場景需求擺在那里，就看創(chuàng)新技術企業(yè)如何快速交付滿足行業(yè)需求的產(chǎn)品了。

我們相信工業(yè)智能應用會在未來5年加速行業(yè)滲透，尤其是第二類生產(chǎn)過程的智能化場景。工業(yè)企業(yè)的生產(chǎn)制造能力將在更廣泛的場景中得到提升，實現(xiàn)制造環(huán)節(jié)的「自動駕駛」。

第三個機遇：IT架構云化變革，為「后來者居上」創(chuàng)造先機

工業(yè)軟件是伴隨著IT技術的發(fā)展誕生和發(fā)展的，始于1960年代，在1980-2000年這20年間快速發(fā)展。

以CAD為例，過去40年每一次IT范式的大變革（小型機-工作站-PC-云計算），都創(chuàng)造了改變行業(yè)格局的契機，給了后來者居上的機會(PTC、Autodesk、SolidWorks、OnShape)。

云計算是過去20年最大的IT技術轉變。這種轉變是技術、產(chǎn)品和商業(yè)模式的結合。

軟件上云帶來的是軟件部署、應用及開發(fā)方式的變革，帶來更靈活、更開放、更具協(xié)同性的軟件應用方式；與之相伴的訂閱制轉型也幫助軟件廠商實現(xiàn)商業(yè)模式的升級。

如今全面向云轉型已經(jīng)成為主流工業(yè)軟件公司的核心戰(zhàn)略，這些公司在過去六七年從商業(yè)模式到產(chǎn)品架構也都全面擁抱了新時代模式，其中分幾個階段和狀態(tài)：

商業(yè)模式先變，從許可證(license)到訂閱制(subscription)。目前大廠80%-95%的收入模式都是訂閱制。而產(chǎn)品架構的轉變，要比商業(yè)模式漫長得多。

傳統(tǒng)C/S、單機部署的產(chǎn)品很難直接重構為云原生產(chǎn)品，大廠基本通過「收購+自研」的方式逐步構建向云原生變革的路徑。

一般會為傳統(tǒng)產(chǎn)品線拓展線上功能，例如文件/數(shù)據(jù)共享、協(xié)作、云端渲染等（達索3DE、Autodesk Forge、PTC Atlas），成為「cloud-based」新版本（軟件還是C/S架構，好比單機游戲增加了聯(lián)機功能），并開始轉（shou）化（ge）老產(chǎn)品的現(xiàn)有userbase；

收購或自研云原生的新產(chǎn)品線（達索3DE Works、Autodesk 自研Fusion360收購UpChain、PTC收購Onshape/Arena等），一般都是重構的全新產(chǎn)品，全面引入云、AI、IoT、XR等新能力（新物種，類比網(wǎng)游） 。

這兩個轉變過程中，創(chuàng)新能力一般都來自外部，要么是吸收人才，要么是基于收購標的構建新平臺（PTC的Atlas平臺底層基于OnShape的數(shù)據(jù)系統(tǒng)）。

PTC的創(chuàng)始人Jim Helpplemann在收購Onshape時提到：

...no company in the history was able to port existing system with traditional server-based and web architecture to the cloud. All leaders in the SaaS industry built these systems from scratch and not ported existing systems（SaaS行業(yè)所有的領導者都是從頭開始構建系統(tǒng)，而不是移植既有的系統(tǒng)）.

 

客觀上看，國內工業(yè)軟件廠商與海外工業(yè)軟件巨頭在傳統(tǒng)工業(yè)軟件領域的差距或許要十年才追得上。

但在基于云原生新一代技術完整重構老場景產(chǎn)品，亦或開拓新場景產(chǎn)品方面，起跑線是相對接近的。

創(chuàng)新企業(yè)還可以用更敏捷、更開放、更本地化的軟件開發(fā)方式，提供更優(yōu)的用戶體驗和服務。

另一方面，任何技術創(chuàng)新的成功都需要產(chǎn)業(yè)基礎，在一些新興優(yōu)勢產(chǎn)業(yè)領域（如新能源、3C等），基于云原生和現(xiàn)代數(shù)據(jù)架構的數(shù)字化產(chǎn)品有助于更好發(fā)揮數(shù)據(jù)價值，更高效的產(chǎn)業(yè)協(xié)作和共創(chuàng)，助力新興產(chǎn)業(yè)更快速地發(fā)展。

第四個機遇：制造技術變革，結合國內工業(yè)生態(tài)環(huán)境孕育原生創(chuàng)新

增材制造/3D打印是實現(xiàn)完全數(shù)字化閉環(huán)的全新制造方式，能夠實現(xiàn)小批量產(chǎn)品的快速定制，縮短了設計-生產(chǎn)-迭代的產(chǎn)品周期，更加適合當前眾多行業(yè)個性化生產(chǎn)的發(fā)展趨勢，也是對傳統(tǒng)制造手段的有效補充。

得益于供給側（材料、打印工藝）和需求側（定制化、小批量多批次）的不斷發(fā)展和重合，增材制造已經(jīng)應用到了航空航天、3C電子、口腔醫(yī)療、文創(chuàng)、鞋業(yè)等眾多行業(yè)，目前市場規(guī)模已經(jīng)接近200億美金。

由于增材制造與傳統(tǒng)減材、等材的顯著差異和其獨特特性，也讓一些創(chuàng)新型設計方法有了實現(xiàn)制造的閉環(huán)，其中最具代表性的就是生成式設計。

Generative Design（生成式設計、衍生設計），是通過編程、建模，用算法來形成設計，而不再依靠設計師手工繪畫或建模。

與傳統(tǒng)設計方式最大的不同在于，傳統(tǒng)設計始于設計師的知識和創(chuàng)意，生成式設計始于設計約束與參數(shù)，并通過AI算法來生成模型（算法并不知道設計的是什么，只追求滿足設計目標的結果）。
設計師在設計流程閉環(huán)中不斷調整設計參數(shù)，算法同時生成成百上千中不同設計方案，人工智能根據(jù)設計目標分析評估性能（例如CFD仿真）篩選符合設計目標的方案，通過這樣的高效、并行設計流程，能產(chǎn)生性能更優(yōu)、成本更低的設計方案。

這種方法最早在平面設計領域使用（僅需要生成圖像，不需要制造）、建筑領域（單體建筑建造不受大規(guī)模工業(yè)生產(chǎn)能力制約）應用，并產(chǎn)生了專業(yè)化的軟件工具（例如建筑領域的Grasshopper參數(shù)設計軟件）。

但在工業(yè)設計領域，受限于人才缺乏（設計師不會算法和編程）以及生產(chǎn)制造能力（生成式設計方案通過傳統(tǒng)制造工藝實現(xiàn)的成本太高，或根本無法實現(xiàn)），此前并未廣泛獲得應用。

生成式設計方法可以用來解決復雜的工程設計問題，例如優(yōu)化性能、減重、降低生產(chǎn)難度和成本等。由于不受傳統(tǒng)觀念、經(jīng)驗限制，往往能產(chǎn)生創(chuàng)造性的結果。

生成式設計的最佳生產(chǎn)方式就是增材制造，隨著3D打印技術的發(fā)展和成本的快速下降，生成式設計近年來也快速流行起來，越來越多的產(chǎn)品，包括一些量產(chǎn)的產(chǎn)品也開始使用生成式設計。

生成式設計的配套設計工具也在快速發(fā)展迭代。雖然Autodesk、達索、西門子等傳統(tǒng)巨頭都在CAD產(chǎn)品中加入生成式設計模塊，但實際上相關技術還在快速變化發(fā)展中。

例如，傳統(tǒng)CAD的圖形建模是Boundry Representation(B-Rep)模型，即用定點-邊-面來定義實體（并假設實體內部就是簡單的實心）。這個基礎方法從40年前劍橋三劍客發(fā)明以來就沒變過，過去40年CAD行業(yè)最大的技術創(chuàng)新——PTC開創(chuàng)的參數(shù)化建模方法，依然是基于B-Rep模型。

當模型的面大幅增加時（例如不是實心的網(wǎng)格設計，經(jīng)常出現(xiàn)十幾萬到上百萬面），B-Rep方法會產(chǎn)生大量數(shù)據(jù)而導致模型文件體積爆炸，任何對模型的操作都會慢得不行。創(chuàng)業(yè)公司nTopology發(fā)明了新的建模方法——隱式建模。

用SDF方程來表達一個圖形，可以讓模型體積縮小60倍（可以類比像素圖和矢量圖的關系）。nTop還在工程設計工作流上進行創(chuàng)新，在一個平臺上進行CAD、CAE、CAM數(shù)據(jù)集成，在一個工作流中完成產(chǎn)品設計探索、驗證、生產(chǎn)設計，大幅提升了設計效率。

我國增材制造領域已經(jīng)進入快速增長階段，已經(jīng)在3C電子、醫(yī)療、汽車、鞋業(yè)、文化創(chuàng)意等諸多行業(yè)進行應用甚至用于量產(chǎn)產(chǎn)品，增材制造市場規(guī)模預計也將從300億增長到數(shù)千億級別。在這樣的產(chǎn)業(yè)背景下，期待在研發(fā)設計領域也能催生出創(chuàng)新的技術產(chǎn)品。

中國工業(yè)貢獻了世界約1/3的工業(yè)增加值，也擁有全球最富饒的制造業(yè)生態(tài)。雖然任重道遠，我們堅信中國工業(yè)數(shù)字化領域會誕生世界級創(chuàng)新，也期待和正在深耕這個領域的你共同探索。

版權說明：
本文僅代表作者個人觀點，版權歸原創(chuàng)者所有。部分圖片源自網(wǎng)絡，未能核實歸屬。本文僅為分享，不為商業(yè)用途。若錯標或侵權，請與我們聯(lián)系刪除。

本文僅代表作者觀點，版權歸原創(chuàng)者所有，如需轉載請在文中注明來源及作者名字。

免責聲明：本文系轉載編輯文章，僅作分享之用。如分享內容、圖片侵犯到您的版權或非授權發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com