洞见 | PTC如何利用AI为客户创造价值
十多年来， PTC不断推出基于AI的软件功能。无论是将机器学习还是创成式AI等最新技术应用于我们的产品，我们都专注于这一指导原则 — 大规模且负责任地为客户创造价值。
制造商将从AI创新中获得巨大收益。麦肯锡 (2018) 估计，AI可以使全球经济增长13万亿美元，使GDP增长16%。Gartner (2023) 报告称，工程领导者已经优先考虑AI投资，排名仅次于云计算。在制造业，麦肯锡 (2023) 报告称，AI可以通过工厂自动化创造1.2至2.1万亿美元的价值，而IDC (2023) 预测，70%的G2000 OEM将应用AI自动触发或提供服务建议。
但挑战也随之而来。在企业IT领域，制造商需要处理跨多个软件系统的分散数据，而这些数据又在复杂的产品开发流程中进行管理。此外，这些解决方案需要满足合规性要求并解决成本和生产力等关键业务目标。
在实施大型语言模型 (LLM) 等新的AI技术时，这些挑战会更加严峻。鉴于大语言模型（LLM） 过于前沿及企业软件高度复杂，目前人们认为对创成式AI (GenAI) 的期望过高了，仅不足10%的公司发布生产解决方案也就不足为奇了 (Gartner，2024年)。
PTC在AI方面的优势
PTC在AI方面的优势
PTC在应对AI机遇和挑战方面具有独特优势。我们敏锐地意识到制造商想要解决的问题，我们知道如何构建企业级软件，并且我们在利用AI实现实际应用方面拥有良好的记录。
例如，我们在ThingWorx中应用了机器学习 (ML) ，以实现工厂的预测性维护和OEE根本原因分析。在服务领域，我们应用机器学习（ML）通过Servigistics实现备件库存管理，并通过ServiceMax实现现场服务交付的远程故障排除。
我们将继续在我们的产品中发布AI功能。为此，我们通过将分析模式应用于多种产品来寻找扩大AI投资的机会。例如，我们目前正在Windchill中开发一种解决方案，该解决方案利用Vuforia的计算机视觉功能来搜索3D形状，从而实现检测重复零件或协助对零件ID进行分类等用例。
除了产品创新，我们还在不断寻找改进运营执行的方法。其中一个重点领域是我们的AI治理计划，该计划于2023年制定。这是一个跨职能小组，负责监控和指导PTC的AI使用。其中包括我们的员工如何使用AI以及我们如何在产品中应用AI。根据IDC（2024年）的数据，我们在AI治理方面的先驱地位代表了前17%的公司。这些治理活动不仅增强了AI使用的合规性及合乎道德规范，还促进了团队之间的协作。
整个产品生命周期中由AI实现的价值驱动因素
整个产品生命周期中由AI实现的价值驱动因素
在对我们的产品进行战略评估时，我们确定了受益于AI的重要的价值驱动因素。在工程、制造和服务方面，有几个主题位居榜首，包括（但不限于）缩短上市时间、降低成本和员工支持。
工程领域的AI
工程领域的AI
加速产品开发、降低销售成本以及管理质量和合规性成为受益于AI的工程价值驱动因素。本次评估的主要趋势包括：
利用创成式AI实现软件驱动的创新
Codebeamer等ALM解决方案提供了丰富的非结构化数据，非常适合大语言模型（LLM）用例。例如，根据INCOSE标准快速分析需求或通过获取外部文档自动编写需求。这样的AI功能对于制造商来说至关重要，因为他们需要在竞争激烈、资源有限的市场中加快生产速度，同时又不影响质量，以应对软件驱动工程或复杂供应链需求等主题。
使用大型语言模型 (LLM)
在Codebeamer中搜索相似或重复的需求
Codebeamer结合DeepSeek+Open WebUI的需求相似性分析的演示
PLM中的多管齐下的AI策略
PLM软件管理的产品数据在数字主线的多个用例中受益。鉴于这种多样性和范围，制造商在实施AI时须采取多管齐下的方法。例如，机器学习（ML）可以应用于变更管理数据以检测瓶颈或预测项目交付日期。创成式AI（GenAI）可用于产品数据管理，执行文档搜索或评估设计审查文档质量等任务。此外，计算机视觉技术可以搜索3D零件并实现零件重复使用，从而解决单个制造商每年高达数百万美元的持有成本问题。
DeepSeek与Windchill结合在“智能助手”应用场景的演示
CAD中的智能自动化
CAD中的AI创新以智能自动化为中心，并且通过一个成熟度模型来实现这一价值。该模型目前通过由AI驱动的工具给出提示，并可以通过AI助手来为培训以及故障排除提供支持。下一个级别是使用Creo创成式设计等工具增强设计师的工作能力，其中由AI驱动的功能可接收用户的输入，然后独立执行任务，例如根据材料优化参数生成新的3D模型。最终将实现完全自动化。在此级别，AI模型可以在极少甚至完全不需要人工输入的情况下解决复杂问题。例如，自动将网格和点云转换为实体几何体，或者从简单的文本提示生成新的CAD零件，就像我们今天在生成文档和2D图像的大语言模型（LLM）中看到的那样。
使用遗传搜索算法优化Creo或Onshape中的CAD几何形状
制造业中的AI
制造业中的AI
在我们对制造业主要价值驱动因素的评估中，面向制造的设计、提高运营效率和提升劳动力技能位居榜首。该领域的亮点包括：
生死攸关：整合企业系统
集成PLM、ERP和MES软件所产生的数据可以创造利用AI实现高价值的机会。例如，在面向制造的设计用例中，PLM管理产品质量和工艺计划数据，ERP提供生产订单和库存数据，MES系统跟踪性能和工作指令执行数据。借助这些数据，AI可以根据公差要求对生产质量进行基准测试，或提供材料库存水平分析。在前瞻性用例中，创成式AI(GenAI)可以自动创建基于PLM工艺计划以及ERP中的资源标准的工作指令，然后针对特定的MES规范优化这些工作指令，例如为操作员翻译内容或为工作指令步骤创建参考图像。
AR和IoT是赋能技术
增强现实(AR) 和物联网(IoT)等赋能技术对于在工厂中实现AI驱动的功能至关重要。以ThingWorx等物联网软件为例，它可以连接到工厂资产和Kepware等工业软件，以提供持续改进解决方案。借助机器学习（ML），ThingWorx可以快速分析数据并找出生产效率低下的根本原因，从而缩短解决问题的时间。
同样，Vuforia还可以利用计算机视觉技术处理空间数据流，并用数字资产增强这种物理映射。这使操作员能够实时查看工具、产品、机器和其他内容的数字表示，并查看其物理空间，从而助力培训和工作指导程序。AR还可以通过使用计算机视觉检查生产线末端交付物或验证维护装配程序来验证制造质量。
AI即服务
AI即服务
优化备件管理、提供主动服务和降低服务交付成本是我们对服务领域进行战略评估时非常重要的价值驱动因素。该领域的关键亮点包括：
将可持续性作为备件管理的战略级主题
AI在优化服务供应链中发挥着至关重要的作用。通过利用PLM、ERP和服务数据，像Servigistics等工业软件可以解决诸如需求不稳定或由COVID等事件引起的供应链中断等复杂问题。Servigistics通过创建设备和相关服务供应链的预测孪生体来利用 机器学习（ML）和专有算法，以实现精确的库存优化、零件需求预测并改进服务组件的定价策略。
该领域的新兴主题是可持续性。例如，使用AI来提供有关整个服务生命周期、服务备件的碳足迹的洞察，或运行预测性故障来管理重复使用和更换用例。这样的功能使公司在管理成本方面获得优势，并满足日益严格的监管要求，例如《企业可持续发展报告指令》（CSRD），要求制造商报告产品足迹（欧盟委员会，2023年）。
使用机器学习（ML）分析Servigistics中的备件供应链的碳足迹
现场服务领域的先发优势
现场服务管理软件（例如ServiceMax）具有从创成式AI中获益的战略优势。有许多方法可以加速这一创新。ServiceMax存储了文本丰富的工作订单数据，非常适合大语言模型（LLM）分析。SaaS交付在服务领域应用广泛，可提供与大语言模型（LLM）模型改进相关的一致更新。此外，服务技术人员大量使用移动设备，文本和聊天交互很常见，这是与AI助手交互的主要媒介。由于这些协同效应，服务组织就可以从 大语言模型（LLM）用例中获益，例如请求AI助手总结先前的工单或要求提供调度优化方面的支持。鉴于 大语言模型（LLM）能够快速扫描大规模数据集，此类功能可以扩展组织中的知识并加快查询速度。
利用AI助手功能询问有关服务工作订单历史记录和调度的问题
PTC的下一步计划
PTC的下一步计划
对于制造商来说，这是一个激动人心的时代。我们面前即有巨大的机遇又有重大的挑战，而我们可以共同解决这些问题。而我们所能够利用的有AI创新以及其他领域发展趋势，例如软件驱动的工程、可持续性或服务优化等。
在我们提供未来的AI应用程序并优化内部运营的同时，我们将继续专注于以负责任的方式为客户创造价值。我们邀请您和您的团队与我们联系，以便我们共同规划在您的业务中实施AI的实用方法。我们将评估的AI创新领域包括：
创成式AI应用程序，包括特定产品中的新功能以及从多个软件系统获取数据的功能
构建关键集成，实现PTC和外部系统中跨数字线程的数据整合
将AI模型结合在一起，以便我们拥有能够产生更高价值结果的多模式AI系统
研究通过聊天和音频界面与工业数据交互的新方法
监测法规和合规领域的进展，以确保数据安全和AI的应用合乎道德规范
与微软等公司建立并深化战略合作伙伴关系，以在市场上扩大AI解决方案的规模
建立一个社区，让大家可以共同探讨AI创新中的价值、数据、技术和变更管理等主题
- THE END -
PTC整理发布，转载请注明出处
