这个智能体是如何诞生的?一切还要从研发降本中一个常见的瓶颈说起。
壁厚还能不能再薄一点?材料能不能再便宜一点?尺寸能不能再小一点?
这些问题,工程师并不陌生。但当一款产品经过多轮优化,能够调整的空间越来越小,降本往往就会陷入瓶颈:方案做了不少,成本却很难继续下降。再往前走,又可能触及性能、质量和可靠性的边界。
问题究竟出在哪里?
在许多企业中,研发降本主要围绕两个范围展开:一是现有零部件的局部优化,二是本行业产品的对标。设计人员习惯于思考“这个零件怎样做得更便宜”,却较少追问“这个零件为什么必须存在”;习惯于研究竞品采用了什么方案,却较少关注其他行业如何实现相同功能。
当大家围绕相似的产品架构、材料和工艺反复优化,降本空间自然会越来越窄。
突破瓶颈,需要扩大寻找方案的范围。让这种能力在企业中持续发挥作用,则需要进一步完成三个环节:形成方法论,把方法论转化为标准工作流程,再用AI扩大方法论的应用价值。
这也是“智慧降本”希望回答的问题。

在长期研发降本实践中,我逐步形成了原创的“三维降本”方法论。它通过高度、深度和宽度三个维度,帮助工程师系统地寻找降本机会。

1. 高度,对应第一性原理思维
从产品必须实现的功能出发,重新判断零件、结构和模块存在的必要性,运用减法原则和功能搜索,寻找更简单的实现方式。
例如,一个塑胶支架负责定位,它是否必须独立存在?已有金属支架能否通过增加定位特征承担相同功能?如果可以,减少的可能包括塑胶支架,以及配套螺丝、装配动作和管理成本。
微波炉旋钮开关也是类似的例子。面对两个独立弹片,除了调整材料和厚度,还可以评估:两个弹片能否合并为一个,在保留必要作用位置和弹性功能的前提下,减少独立零件及取放、定位、装配动作?
这种思考,让降本进入了产品结构本身。
2. 深度,对应逻辑思维
在产品架构和功能实现方式明确后,继续深入材料选择、制造工艺、紧固工艺,以及面向制造、装配和成本的设计,逐项消除材料、加工和装配中的浪费。
深度,这是目前很多企业正在努力做的事情。
但如果一直局限在深度,那就会陷入成本降无可降的困境。
3. 宽度,对应横向思维
通过跨业对标和规范对标,将寻找方案的范围扩展到本行业之外,并重新核对设计要求的依据。
交换机和服务器属于不同的产品场景,但都需要安装电路板。服务器的电路板安装方式,是否可以为交换机提供借鉴?新能源汽车中显示与控制的功能分工,能否启发两轮电动车重新划分显示屏和整车控制器的职责?
跨业对标的关键,在于识别可以迁移的功能和工程原理,再根据自身产品的工况重新设计、验证。
三个维度共同构成了完整的降本空间:既能审视零件是否必要,也能寻找其他实现方式,还能把选定的方案做得更经济、更容易制造。

但企业掌握了方法论,并不意味着已经具备稳定的组织能力。
同一个产品交给不同工程师,分析深度和方案质量可能差异很大。有经验的人能够快速发现机会,其他人却不知道从哪里入手。培训现场能够理解的方法,回到项目中也可能难以持续使用。
因此,方法论还需要转化为工程师能够执行、团队能够评审的标准流程。

产品的功能是什么?零部件数量、材料、制造和紧固工艺是什么?成本由哪些部分构成?哪些性能必须保持?哪些尺寸受到安装接口限制?哪些要求来自标准,哪些只是历史设计的延续?
这些信息需要通过产品拆解、BOM和功能分析整理清楚。否则,看似有吸引力的降本建议,很可能建立在错误的前提上。
针对减法原则,检查零件能否删除、合并,或者由已有结构承担功能。针对功能搜索,寻找同一种功能的其他实现方式。针对跨业对标,寻找其他行业中的相似功能与结构。针对材料和工艺,分析成本动因与替代路线。
第三步,统一方案评审
方案输出也需要统一要求:修改什么、为什么能够降本、预计影响哪些成本、需要验证什么,以及与其他方案能否同时实施。
标准化的对象,是分析过程、信息要求和判断依据。产品不同,最终答案仍然需要工程判断。
完成这一步,AI才能更有效地进入研发降本流程。
如果只是把产品图片交给AI,让它“想几个降本方案”,通常容易得到减薄、减重、换材料等通用建议。建议数量增加了,却未必更接近工程落地。
当产品信息、功能约束和三维降本方法共同进入分析流程,AI的作用就会更加具体。
它可以围绕不同方法,辅助展开多个方向的候选方案;可以从功能描述出发,扩大跨行业检索范围;也可以按照统一格式整理方案,标记缺失条件、归并相似建议,为工程评审做好准备。
以光伏接线盒为例,分析二极管“旁路保护”这一功能时,可以进一步提出:现有的3个独立二极管,能否集成为一个多芯片模块,在模块内部保留3路旁路功能?原来依靠6片弹片实现的压接连接,能否通过模块内部互连与直接安装来替代?在满足电气性能和散热要求的前提下,是否有机会减少独立器件、连接接口和装配工序,从而降低成本?

▲Eureka 降本智能体推理生成的方案
这些问题能够把讨论从“怎样把二极管和弹片买得更便宜”,推进到“实现同一功能,能否采用更简洁的结构”。
但模块集成后的电路连接是否正确、各路电流与反向耐压能力是否满足要求、芯片之间的热耦合是否导致温升过高,以及直接安装后的连接可靠性和实际成本,仍然需要研发团队通过仿真、样件测试与安规验证确认。
从三维降本方法论到Eureka AI 降本智能体,落地的重点就在这里:将工程问题、分析方法和验证要求连接起来,让AI输出能够进入研发评审流程。
AI带来的价值,既包括更快地展开方案,也包括让更多工程师有条件采用系统的方法开展分析。经过验证的方案和适用条件,还可以继续沉淀为企业知识,为后续产品提供参考。
这样,研发降本就能够逐步形成持续积累的工作闭环:产品信息支撑分析,方法论引导方案,工程验证筛选结果,项目经验反过来完善知识与流程。
对于企业而言,智慧降本最终要提升的是持续发现、验证和实现降本机会的能力。
方法论帮助我们看见更大的方案空间,标准化让团队能够稳定地开展工作,AI则让搜索、分析和知识复用覆盖更多产品与项目。
当这三个环节真正连接起来,降本才有机会从少数专家的经验,发展为企业可以持续积累的研发能力。
1️⃣ 原创了"三维降本"(高度×深度×宽度)方法论,把降本从零散技巧变成了一套可以系统推演的工程方法。
2️⃣ 写了三本降本方面的书:《面向制造和装配的产品设计指南》《面向成本的产品设计》《研发降本实战:三维降本》。第四本《颠覆式降本:马斯克改变成本结构的七层逻辑》预计2027年出版。机械工业出版社"十四五"优秀作者。3️⃣ 已为200余家企业提供咨询,累计赋能企业降本超100亿元。在高度内卷的制造行业成功推动多项突破性降本落地。
来源:降本设计