洞见 | AI智能体如何加速工业数字化转型

设想你的竞争对手将生产力提升了30%，产品上市速度超出预期。但这并非因为他们聘用了更多的工程师，也并非因为他们将生产外包，而是由于他们部署了带有 AI 智能体的软件。智能化的软件可自动执行常规任务并挖掘深层洞见，让员工得以专注于高附加值工作。

如今，当您的团队还在手动追踪产品关联性并为设计变更协调数据收集时，他们的工程师已全心投入创新研发。这并非痴人说梦。人工智能正在重塑工业运营格局，善用AI智能体的制造商将能够持续保持竞争优势。 

如今，软件研发机构正通过GitHub Copilot等AI编程助手实现两位数的生产力提升（麦肯锡，2023）。服务部门正借助AI智能体缩短解决问题的时间，这些智能体能够诊断问题并协助排队故障（微软，2024年）。AI智能体正在重塑供应链 — 优化库存水平、管理供应商并简化物流流程以降低成本（麦肯锡，2024年）。 

更广泛地说，创成式AI技术使用户能够通过自然语言与其工业数据进行交互，从而提升用户体验。这些AI系统能够汇总海量数据、加速分析进程并优化决策机制，从而在整个企业范围内大规模捕获洞察力。此外，AI智能体可以协同工作，形成智能、协作的AI网络，这些网络能够跨软件系统与数据及工作流程进行交互。  

在这个充满变革的AI时代，制造商需要加速推进数字化转型。在从传统方法迈向数字化的征程中，他们需要采用由AI智能体驱动的软件 — 这些基于AI的软件服务能够辅助、增强并自动化核心产品开发流程，赋能价值链各环节人员实现更高效的工作。

PTC可以凭借独特优势，助力制造商迈向数字化转型的新阶段。我们拥有一套屡获殊荣的数字化主线软件产品组合，贯穿工程、制造和服务全流程。我们拥有十余年将AI应用于产品的经验。基于这一战略定位，我们与微软等超大规模云服务商及验证产品市场适配度的制造商联盟展开深度合作。  

在接下来的章节中，我们将剖析AI智能体技术栈的构建模块，阐述一个由三部分组成的框架以增强AI智能体的能力，并会分享一个工程领域的应用案例概念。最后，我们将探讨制造商在这段AI之旅中将面临的机遇与挑战。 

数字智能正通过AI驱动的软件，实现价值链上产品开发的全面数字化。这一转型的基础建立于工业级企业软件之上（包括ALM、PLM、CAD和FSM等系统），并与由AI智能体组成的智能软件栈深度融合。 

这场数字化转型的核心在于企业级软件。PTC的产品组合可以提供横跨工程、制造到服务等领域的全球顶尖软件，制造商们每日依赖这些工具来管理各行业垂直领域的商品与服务。

每款产品都支撑着关键业务运营并能够管理数据质量，这对于借助AI获取洞察力及推动自动化至关重要。

十余年来，我们通过应用人工智能持续拓展软件价值。包括在ThingWorx中进行与资产维护相关的预测性分析，利用Creo中的遗传算法优化CAD设计，运用机器学习通过Servigistics管理备件供应链，或采用计算机视觉在Windchill中检测重复零件。

基于这一创新，我们正将AI智能体及相关的创成式AI技术深度整合至产品之中。例如，我们在ServiceMax中应用了先进的智能体工作流，正在Codebeamer中推出智能体等新功能，并持续与客户及微软等合作伙伴携手，共同拓展我们软件的价值空间。

为了解AI智能体如何融入企业软件，我们将其核心技术栈分解为四层—用户交互层、应用服务层、数据管理层和软件生态层。每一层级都涉及特定的技术考量，且对制造商而言具会产生特定影响。

与AI智能体交互有三种模式：

• 聊天：用户通过聊天界面请求信息或完成任务，例如服务技术人员在ServiceMax中通过AI聊天生成工单摘要。 

• 行动：用户可通过传统界面触发智能体工作流，例如需求工程师点击Codebeamer中的"运行分析"按钮，即可驱动智能体根据INCOSE标准对需求进行评估。

• 自主运行：AI智能体在后台自主运行，无需用户直接启动或监督即可执行任务。例如，Windchill中的AI智能体可主动标记工程变更请求中的合规风险。

这些交互方法的核心原则在于无缝集成，即确保人工智能功能与现有工作流程、规则及访问控制机制完美契合。信任与透明度同样至关重要，需确保AI使用情况能够可视化，并建立记录系统来追踪AI驱动的决策与行为，尤其是针对自主智能体的审计环节更应如此。

既然我们已经了解了用户与智能体的交互场景，接下来让我们深入探讨智能体的运作机制—从基础模型到高级架构，以及它们通过协同构建智能体网络的方法。

智能体是基于人工智能的应用服务，具备规划、推理与执行能力。智能体能够执行基础或高级操作，并能协同工作。

1.基础智能体：基础智能体可协助用户获取信息，根据上下文数据回答问题。例如Windchill文档库智能体可以使工程师能够针对数据表、质量文件、测试报告和其他文档中的存储信息进行提问。

安装有AI聊天界面的Windchill文档库智能体

2.高级智能体：此外，还有高级智能体能够增强或自动化执行特定任务。例如，服务技术人员可以通过AI聊天询问排期问题，基于用户情境，智能助手能自动创建新的日历事件。这些高级智能体利用大语言模型处理自然语言，推断用户意图，并监控任务进度。此外，他们还能利用生成能力创建用户响应或生成代码片段，从而触发其他工具或智能体中的操作。

3.多智能体架构：多个智能体可以协同工作。可以安排多个协调智能体负责分配行动并监督智能体活动，它们就像一组智能体的团队管理者。其他智能体则是专为执行特定任务而设计的专家型智能体，根据独特指令运行。例如，ServiceMax部署中了一个协调员智能体，专门协调多个针对现场服务管理 (FSM) 进行优化的智能体。其中，服务历史记录智能体可根据工单数据解答问题，而排程管理智能体则能查看技术人员的日程表，并依据用户、工单及客户情境来安排活动。

ServiceMax AI：多智能体架构

现在我们已经探讨了各类AI智能体及其在企业软件中的作用，现在让我们转向驱动其智能并使其能够采取有意义行动的数据。

AI智能体依赖存储并管理于企业软件中的数据，以确保可信性与可操作性。实现智能体不可或缺的三大核心要素 — 向量数据库、语义层与API接口。

1.向量数据库：向量数据库可存储结构化和非结构化数据，尤其擅长处理文档、视频等非结构化内容。它们使AI智能体能够搜索、总结并从中提取难以分析的文件洞见，可为企业知识的交互开辟新途径。例如，Onshape用户无需手动查阅文档即可咨询培训或故障排除问题。

利用向量数据库的应用场景能快速见到成果，因为问答聊天机器人只需极少量的专业编程即可实现。如果已建立索引机制（如Windchill的Solr索引引擎）来管理文档，则尤为适用。然而，由于许多向量数据库基于云端，企业在考虑采用该技术时必须兼顾知识产权安全与合规性问题。

2.语义层：语义层充当了复杂企业数据与AI智能体（或报表仪表盘等其他工具）之间的桥梁。它能将业务友好型问题转化为精确的数据库查询。例如，当Windchill用户询问“哪些未解决的更改请求会影响X备件时，语义层将：

• 识别关键术语，如“更改请求”和“X备件”。 

• 将其映射至系统中正确的数据对象。 

• 生成查询以获取准确结果。

通过处理这一转换过程，语义层使AI智能体能够在使用企业软件复杂数据结构的同时，提供清晰且符合商业需求的答案。

语义层的另一关键优势在于优化软件集成。当多个系统构建了语义层后，AI智能体就能在企业系统间无缝地调用数据。例如，将ALM、PLM和FSM等系统间的语义层进行映射，可解锁新型闭环应用场景—如Codebeamer中的智能体程序处理来自ServiceMax的问题报告，据此更新需求规格，进而触发Windchill中的变更项目。

3.API：API 能够让AI智能体从企业软件中获取结构化数据，对向量数据库执行语义搜索以提取非结构化洞见，并在各系统间协调各项操作。API不仅仅是数据通道，它能让AI智能体调用专业工具、触发工作流并在企业内无缝交互，确保其作为智能数字工作者而非被动响应者运行。作为企业软件中的成熟工具，API为智能工作流提供了可扩展且安全的基础架构。未来，随着AI智能体在软件生态系统中广泛运行，API监控与计量将变得日益重要。

高效的数据管理对于AI智能体可靠运行并提供可操作情报至关重要。然而，AI智能体并非孤立运作—它们依赖于更广泛的软件生态系统，该系统为扩展其能力提供了必要的基础设施与集成支持。

AI智能体并非孤立运作—它们依赖更广泛的软件生态系统来获取数据、执行任务并创造商业价值。这一生态系统中的三大关键角色分别是独立软件供应商 (ISV)、超大规模云服务商以及制造商。

1.独立软件供应商 (ISV)：随着AI智能体在企业软件中日益普及，独立软件开发商会逐渐在软件系统内部及跨系统间采用多智能体架构。刚开始时，ISV成熟度模型通常将AI智能体嵌入到单个软件系统中，例如PTC的CAD或PLM解决方案。在此阶段之后，有两种选择方案。一种选择是在ISV产品组合中的软件之间创建智能体集成，或基于第三方解决方案创建目标集成。在某些情况下，产品组合内的集成具有战略意义，例如利用Creo与Windchill之间的现有集成来为设计工程师提供支持。或优先考虑Windchill PLM与外部ERP及MES解决方案的集成，以为制造商关键的下游运营提供支持。

在每个集成场景中，高质量的API、AI监管治理框架以及智能体应用的商业模式，对独立软件开发商和制造商而言都至关重要。

2.超大规模云服务商：超大规模服务商为智能体提供关键的AI服务与基础设施 — 提供大规模算力、模型托管及企业级解决方案。例如，微软部署了超过1800个大型语言模型，提供全面的人工智能与数据平台Microsoft Fabric，并正在为制造业等行业构建专业的知识图谱，如制造数据解决方案。正因如此，PTC选择与微软建立战略合作伙伴关系，以充分利用其尖端的人工智能基础设施和规模化安全运行的人工智能服务体系。此外，我们将这段由AI驱动的征程视为展示团队协作契机，共享技术与卓越实践对于支持制造商在其运营中采用并扩展AI至关重要。

3.制造商：制造商是人工智能驱动的软件生态系统的核心，他们既为挖掘商业价值提供方向指引，又同时扮演着AI软件使用者和开发者的双重角色。对制造商而言，采用人工智能的动机源于加速产品开发与获取竞争优势的需求。他们正全力以赴地寻找AI智能体能够创造更大价值的领域。通过优先考虑高影响力用例，制造商不仅可以规划自身的人工智能战略，更能引领着整个市场走向，指引独立软件开发商和超大规模云服务商聚焦更具价值的应用领域。作为消费者，制造商致力于通过定制化解决方案加速实现价值回报。作为创造者，制造商可以开发自有AI智能体时，需要遵循与独立软件开发商相同的治理、集成和可扩展性原则，以确保其在整个信息技术生态系统中实现无缝运作。

总之，软件生态系统对AI智能体至关重要，它能确保智能体无缝融入各类软件系统，借助超大规模云供应商提供的前沿可靠基础设施实现规模化，并为制造商创造商业价值。

更广泛地说，我们已经涵盖了由AI智能体驱动的技术栈核心要素。AI智能体所具备的嵌入式、智能化与协同化特性，使其成为一股变革性力量。正因如此，众多思想领袖断言这类智能体技术必将应用于各类软件应用之中。

将智能体视为AI驱动世界中的新应用，那么每个企业都将拥有一个由智能体构成的体系。

我们正处于将AI智能体应用于企业软件的初期阶段。尽管像Gartner样的市场分析师预测AI智能体将得到大规模应用，预计到2028年采用率将达到33%，但目前企业中的实际采用率还不足1%（Gartner，2024）。

为让由AI智能体驱动的世界早日到来，制造商需采取渐进式策略，从简单易实现的项目入手，逐步扩大成功规模。在这段AI探索之旅中，我们建议从三大核心能力维度构想智能体—辅助 (Assist)、增强 (Augment) 及自动化 (Automate)，三者层层递进，为企业运营持续创造更高价值。

AI智能体并不局限于单一功能。智能体可根据用例上下文和相关软件环境实现多种能力。例如，一个由人工智能驱动的工程智能体不仅能检索相关的产品规格（辅助），还能基于法规合规性和成本建议替代材料（增强）。随着时间的推移，可对同一智能体进行配置以与PLM与ERP系统集成，自动实施已批准的设计变更（自动化）。

接下来我们逐一审视这些功能，重点探讨它们的作用、独特价值、技术考量因素以及实际应用案例。

设想一家全球化制造商正在开发下一代由软件定义的产品—一辆电动汽车、一台智能医疗设备，或是智能工程机械。工程复杂度极高，需在需求分析、系统工程与设计团队间实现无缝协作。

为展示AI智能体如何重塑这一流程，我们将剖析四个关键应用场景，呈现从传统方式到企业数字化软件、再到AI智能体集成的演进路径 — 通过强化企业协作、获取数据洞见和加速工作流来推动变革。

1.数字化追溯与协作：可追溯性智能体会监控ALM和PLM软件中需求、设计与系统模型的变更（自动化），向工程师发出变更警报并提出更新建议（辅助）。如需求变更，智能体将根据数据本体自动关联新增或更新的对象（自动化）。

工程师们减少常规数据关联的时间消耗，转而专注于监控变更、确保质量并加强协作。

2.企业变更管理：管理工程变更十分复杂，某一处系统的改动往往会影响其他系统。变更管理智能体负责分析软件、机械及电气领域间的依赖关系（辅助），在实施前预测变更影响，并自动生成影响报告（自动化）供工程师审阅。

工程师会迅速洞察变更影响，确保加快审批流程并减少后续问题。

3.产品线工程：AI智能体根据自然语言描述动态生成系统模型（自动化），帮助工程师在产品线变更时实现组件与配置的跨产品标准化。

工程师能够通过动态更新减少系统模型绘制时间，提升与利益相关方的协调效率。

4.虚拟产品验证：人工智能自动生成测试场景与验证工作流程（自动化），加速创建软件和硬件组件所需的交付成果，确保其在物理原型制作前即满足合规性、安全性和性能要求。

工程师提升了产品验证的质量，并减少了处理繁重文档任务的时间。

在这场由AI驱动的变革中，人工智能并非取代工程师，而是放大其影响力—让工程师专注创新，而AI则负责挖掘洞见、优化流程并精准自动化工作流。这些AI能力无缝集成至现有企业系统之中，显著提升了既有工作流程及其管理数据的价值。

接下来，我们将通过分享制造商在AI转型之路上遭遇的阻力与有利因素以作为本文的结语，并阐述PTC如何作为值得信赖的伙伴，驱动贯穿数字主线的AI赋能创新不断发展。

工业数字化转型不是短跑冲刺，而是一场马拉松。企业应该从速赢着手，逐步实现更大价值，将成功经验扩展到整个业务运营中。

迈向数字智能的征程以此战略为基调，如同过往的奋斗历程，虽似一场马拉松，但前进的路线却在不断变化。人工智能的进步、法规变更以及竞争格局的演变，要求制造商必须适应并构建组织实力，以把握这一转型机遇。

下一章节，我们将剖析影响人工智能应用进程的阻力与有利因素，重点阐述制造商必须应对的三大关键挑战与机遇。

• 数据复杂性与数据管理：人工智能依赖易获取且结构化的数据才能蓬勃发展，但制造商们的数据成熟度往往参差不齐 — 从文件驱动器中的陈旧文档到完全受控的企业系统都有，不一而足。释放人工智能的全部潜力需先理顺数据基础，这一进程已随着数字化转型举措逐步展开，例如从以文档为核心转向以零部件为核心的PLM系统，或将需求管理从Excel迁移至可追溯的Codebeamer等平台。随着 AI对高质量数据的需求不断加大，确保企业为此做好准备比以往任何时候都更为关键。 

• 法规变动：人工智能的发展速度远超法规制定的速度，使得制造商在复杂的合规要求中艰难前行。人工智能系统必须透明、可解释，并符合各项标准（《通用数据保护条例》、国际标准化组织标准、《欧盟人工智能法案》等）。在这方面，法律与监管团队发挥着关键作用。在PTC，我们选择直面这些挑战；我们借鉴微软责任人工智能原则，迎难而上，组建了专注于人工智能负责任使用的AI伦理治理委员会。

• AI技术创新：AI已发展数十年，从基于规则的系统演进至机器学习，每一阶段都实现了更高程度的自动化与更深层次的洞见。然而，创成式人工智能领域的新突破正以前所未有的速度推动创新—为企业数据交互、内容生成和复杂任务自动化开辟了全新途径。这些进步不仅仅是理论上的；它们正通过将智能嵌入企业软件，从根本上改变制造商设计、构建和维修产品的方式。多模态人工智能、推理智能体以及自我优化模型的快速发展，确保了制造商将在产品全生命周期中发现更多高价值的AI应用场景。

当制造商开启在产品开发中嵌入人工智能的征程时，PTC作为值得信赖的合作伙伴，凭借独特优势当仁不让地会助力企业实现人工智能价值。

凭借我们横跨工程、制造和服务领域的行业领先数字化主线产品组合，我们可以提供无缝集成人工智能功能所需的各类基础软件。

十余年的创新积淀，让我们能够借助在人工智能领域的深厚功底确保以负责任的方式规模化应用AI技术，切实推动可衡量的商业成果。随着AI智能体的引入，我们的软件将能够把智能直接融入制造商日常依赖的工作流程中，助力团队更高效、更敏捷地开展工作。

通过我们的战略合作伙伴关系及由行业领军企业构成的全球生态系统，我们有信心助力客户充分释放人工智能潜力，同时确保安全性、可扩展性以及为开发企业级应用做好准备。

数字智能时代已然来临，PTC蓄势领航。 

- THE END -

PTC整理发布，转载请注明出处