大模型赋能工业CAD/CAE实践｜马洪喜-AiDD深圳站2026

议题提交

2026.11.21 · 深圳湾万丽酒店

演讲嘉宾：马洪喜 · 行云创新总经理

时长 60分钟

大模型赋能工业 CAD/CAE 实践经验分享及关键技术解析

所属论坛：AI+工业软件开发

马洪喜

行云创新总经理

内容简介：

工业领域从业者普遍关注：大模型能否赋能 CAD/CAE，复刻 AI‑Coding 对软件研发的变革，将三维数模设计、仿真求解的效率提升十倍乃至百倍？这究竟是远期愿景还是不切实际的设想？分享嘉宾结合大量制造业智能化落地实践给出判断：既不是五年之后，也不是短短数月，而是当下即可开展落地。
在 CAD/CAE 这类工业核心研发场景中，航空、汽车等大型制造企业最关心哪些具备强落地价值、能够快速见效的智能化切入点？背后又依赖哪些关键技术？本次分享以实战案例为牵引，结合深度技术拆解，逐层剖析并给出解决方案。

演讲提纲：
1.为什么通用大模型落地工业核心研发场景这么难？
AI 深入工业核心业务时，通用大模型能力难以直接复用。以 CAX 场景为例：同样使用 CATIA，航空与汽车设计的对象、业务流程、专业知识体系差异巨大；即便是审图这类通用动作，不同企业的校验规则、风险关注点、验收标准也无法直接复制迁移。
2.航空、汽车等领域 CAD/CAE 智能化实践经验分享：
覆盖零部件单一体系设计（发动机壳体、轴系、飞机尾翼、火箭一级栅格舵等）与整机总体设计闭环（风洞天平设计 - 仿真闭环、精密铸造浇注系统设计 - 仿真闭环），拆解场景的复杂性、数据连通难点、系统整体性要求，并展示项目落地带来的实际业务收益。
3.如何解决挑战的关键技术点展开细说:
3.1云原生智算调度与 CAD/CAE 执行负载管理技术
3.2通用 AI-CAX框架，对接主流 CAD，CAE执行器
3.3领域语料治理、模型训练及知识图谱技术
3.4工业智能体通用开发平台及人机交互技术
4.AI+工业发展趋势企业能在1年内能规模化落地：
4.1AI 定位是工程师的数字协同伙伴，不是替代工程师。AI嵌入 CAD、CAE 软件，自动查图纸、做仿真前处理、审图、写仿真报告，解决工程师最耗时间的重复工作，快速看到效率收益。
4.2工业 AI 的重心从比拼大模型基础能力，转向企业自有工业知识资产建设。通用大模型易出现工程幻觉；知识图谱沉淀行业标准、仿真规则与专家经验，作为可信业务大脑；由大模型理解业务意图，知识图谱保障输出合规可信，二者协同是 CAX 场景落地的关键。
4.3工程智能体将成为主流形态：它听得懂工程师自然语言指令，自动调用 CAD 建模、调度算力、提交 CAE 仿真、汇总结果，打通设计到仿真的闭环。而且可以在平台上低成本扩展，快速搭建多智能体。
4.4支撑 CAD/CAE 迭代闭环的弹性智算调度将成为基础设施。针对物理仿真任务算力波动大的特点，云原生智算实现资源按需调度，有效降低企业硬件投入成本。

听众收益：
1.案例收益：了解企业已落地、可快速见效的智能化切入点，直观掌握 AI 在设计‑仿真链路带来的真实业务收益。理解如何借助 AI 助手把工程意图转化为可制造设计，解放工程师精力，使其聚焦产品创新决策；了解如何利用 AI 实现 CAD/CAE 全流程闭环，构建企业可迭代的工程数据资产。
2.技术收益：深度认知工业研发场景落地难点，厘清通用大模型在 CAD/CAE 场景的现实瓶颈；系统理解云原生智算、AI‑CAX 框架、工业知识图谱、工业智能体完整技术体系，掌握工程幻觉消除、工业软件打通、仿真算力调度等核心痛点的解决思路。
3.落地收益：把握未来1年内可规模化落地的工业 AI 方向，明确优先试点场景与需要沉淀的企业知识资产，找准企业研发数字化转型切入点。

26年软件产品研发和管理经验，曾在Oracle, Citrix公司担任架构师、技术总监。为上汽、一汽、海尔、格力、蜂巢锂电、中石油、南方电网等众多制造、能源类企业提供数字化、智能化咨询服务，以云与 AI 融合技术为核心支撑，聚焦 AI 技术自主研发、AI 赋能工业升级两大业务方向，助力企业依托 AI 大模型完成业务智能化升级，加速推进产业数字化、智能化转型。
信通院云计算领域专家成员，参与云原生成熟度模型、开发上云等相关标准定义
连续11年微软最有价值专家MVP称号，MVP区域总监。