超越聊天机器人：达索系统 AI 助手如何重构工业工程

探索达索系统的 AI 助手 Aura、Leo 和 Marie 如何通过生成式虚拟孪生技术改变工业设计与制造。

2026年3月10日

工业界正在告别静态软件时代。几十年来，工程师和设计师一直将计算机辅助设计 (CAD) 和产品生命周期管理 (PLM) 工具视为数字绘图板。然而，生成式 AI 的兴起正在将这些工具从被动工具转变为主动协作伙伴。处于这一转变前沿的是法国软件巨头达索系统 (Dassault Systèmes)，该公司花了四十年时间完善“虚拟孪生”技术。

随着 Aura、Leo 和 Marie 等专业 AI 助手的推出，该公司不仅仅是在其界面中添加一个搜索栏；它正在将特定领域的智能直接嵌入到工程工作流中。这些不是用于写邮件的通用聊天机器人；它们是专为处理热力学、材料科学和制造物流等复杂问题而设计的精密仪器。

虚拟孪生遇见生成式智能

要理解为什么这些 AI 助手至关重要，首先必须理解虚拟孪生 (Virtual Twin) 的概念。与简单的 3D 模型不同，虚拟孪生是现实世界物体或系统（无论是喷气发动机、摩天大楼还是人类心脏）在数学上精确且基于物理的呈现。

通过将生成式 AI 集成到这个环境中，达索系统允许工程师从“绘制”解决方案转向“描述”问题。工程师不再需要手动调整支架的几何形状以减轻重量，而是可以要求 AI 使用特定的钛合金针对 3D 打印优化零件。AI 不仅仅是建议一个形状；它还会在虚拟孪生环境中根据物理定律验证该形状。

认识专家：Marie、Leo 和 Dominic

达索系统已经放弃了“一刀切”的 AI 方法，转而选择在不同数据集上训练的专业化角色。这确保了所提供的建议在技术上是可靠的，并且在语境上是相关的。

Marie： 定位为科学专家，Marie 旨在回答有关化学、生物学和材料科学的复杂查询。对于开发新型聚合物的研究人员，Marie 可以从庞大的科学文献库中提取信息，提供有关分子稳定性或监管合规性的见解。
Leo： 这个助手是通往工程世界的桥梁。Leo 旨在处理工业设计的“操作方法”。无论是关于机械应力分布的问题，还是关于复杂机身最佳装配顺序的查询，Leo 都能提供可操作的工程数据。
Dominic： 虽然 Marie 和 Leo 专注于“是什么”和“怎么做”，但 Dominic 充当情境引导者。Dominic 最近在世界移动通信大会 (Mobile World Congress) 上亮相，担任高级导航员，帮助用户管理大型活动的物流，或在 3DEXPERIENCE 平台庞大的生态系统中穿梭。

达索系统欧洲、中东和非洲区 (EMEA) 执行副总裁 Florence Verzelen 将这些工具描述为“超能力”。其目标是消除数据检索和基础计算的“苦差事”，让领域专家能够专注于高层次的创造性问题解决。

从生成式设计到生成式工程

过去十年的生成式设计与当今 AI 驱动的工程之间存在着至关重要的区别。传统的生成式设计使用算法根据设定的约束条件对数千个几何排列进行迭代。它虽然强大，但往往会产生难以修改的“黑匣子”结果。

现代 AI 助手提供了一层自然语言交互。这允许一种“人机回环”的体验，工程师可以与 AI 辩论，要求其解释理由，并实时优化参数。它将设计过程变成了一场对话。如果 Leo 建议一种特定的加强模式，工程师可以问：“为什么选择那种模式而不是蜂窝结构？”并根据项目的特定负载要求获得技术依据。

对制造现场的实际影响

这些助手的影响超出了设计办公室。在制造工程中，成败是以停机时间和材料浪费来衡量的。

功能	传统工作流	AI 助手工作流
问题解决	手动查阅手册和同行咨询	来自 Leo/Marie 的即时技术解答
设计迭代	顺序的、手动调整	基于物理的生成式建议
知识传递	依赖资深员工的经验	沉淀在 AI 模型中的机构知识
数据分析	手动电子表格和仿真审查	AI 驱动的虚拟孪生数据综合

如何为 AI 集成准备您的工作流

采用这些 AI 助手并不像拨动开关那样简单。它需要工业团队管理数据方式的转变。为了充分利用这些工具，公司应考虑以下步骤：

清理数据基础： AI 的效能取决于它所访问的数据。确保您的 PLM 数据结构化，并确保您的虚拟孪生是最新的。
定义专业用例： 不要尝试一次性将 AI 用于所有事情。首先部署 Marie 进行研发或部署 Leo 进行机械优化，看看哪里产生的投资回报率 (ROI) 最高。
投资于针对工程师的提示工程： 教会您的员工如何提出精确的技术问题是新的“绘图”技能。模糊的问题只能产生模糊的设计。
保持人工监督： 始终将 AI 的建议视为假设。最终的验证仍必须通过严格的仿真和物理测试来进行。