随着的火热，以及最近GPT-4的发布，生成式设计AI影响越来越大。作为技术人员以及工程师，有必要了解一下AI领域的新技术对工业软件研发的影响。
首先我们要了解一下能做什么工作。
个人认为作用有以下几个方面：
1. 升级版本的。现在是一个信息，知识大爆炸的时代，以往查询研发中出现的问题，一般baidu+，还有就是，以及一些常用的论坛以及帮助文档。要在这些海量数据中搜索出所需要的内容，常常依赖搜索技巧，知识储备，文档整理，外语等各方面。而现在只需要输入足够多的信息，就能帮助把信息全部归纳整理好，更重要的是这种能力还在不断提升。比如关于QT/C++的基础知识，可以搜索出详细解释和演示代码。
2. 代码能力。根据本人的开发经验，已经表现出了非常强的编码能力，其内容涉及到OCC，ACIS，，网格生成，VTK渲染，线性方程组求解，QT，NP问题，常用各种数值计算方法包括无网格，等几何，量子计算等一些前沿计算。以上都可以直接用C++写出示例的源码：就是给出需求，立马能自动生成C++代码。其中ACIS，以及商用线性方程组也可以直接生成。按照道理这些内容应该已经无法免费获取了，不知道背后的业务逻辑是什么，有可能是抓取了老版本的帮助文档。此外输入一段代码，可以找出潜在的问题。根据描述，已经支持常用编程语言。另外可以利用自动生成各种测试用例，解放测试人员。
3. 帮助软件需求分析和设计。只需输入需求信息，已经能够帮助生成原始的UML图。在规范软件分析和流程中，各种文档必不可少，写文档是研发人员头疼的内容，而这正是的强项。在软件设计阶段，有很多规范，比如接口定义，模块划分，技术选型等，这些都可以不同程度从获得知识和帮助。
4. 我们经常说，工业软件研发需要长期技术积累，这种积累一方面来自于软件研发本身，还有一种是实践而来的经验。这两种其实规范化的数据和资料都非常少，大部分都零零散散。而基于大数据，很大程度地搜集了这方面的信息和资料，并能对数据做出分析和预测。
5. 在工业软件设计和研发中，一个很重要的内容就是参数，这种参数化的内容体现在各个方面，从CAD设计，到仿真，优化以及制造。利用可以利用这些参数，让这些参数在实际研发中发挥作用。比如做一个简单的拓扑优化，以往需要多次仿真迭代，修改参数，而利用可能直接利用已有训练数据加少量仿真，就能给出最优解，提高效率。虽然我们知道AI的重要性，很多企业也尝试将AI应用到工业软件领域，但实际效果并没有达到预期。其主要原因还是计算量太大，参数过多，无法建立有效模型。如果能深入了解底层的研发逻辑，可以加快AI在工业软件领域的落地。
6. AI需要强大的算力，而工业软件，特别是在仿真领域，一般都是海量计算数据。如何从这些数据里提取出有效信息，可以是AI的一个方向。比如我们常用的自适应迭代网格，目前的迭代规则比较固定，而实际上不同场景的迭代规则不同，利用AI可以自动化找出这些规律和潜在最佳方案，提升仿真效率和精度。
7. 利用，已经可以替代大部分简单重复劳动，比如初级编码，日常文档，数据分析，常用设计等。毫无疑问，下一步的目标就是直接操作软件。比如输入“用catia画一个1*1*1的立方体”，则会启动catia，创建几何，保存。所以以后没有业务背景的简单重复劳动都会被AI替代，这只是时间问题。就如笔者在“工业软件” 语录摘要100句一文中提出，对于研发人员而言，编程语言能力快速提升可能就在毕业后1，2年时间，而后续就需要把精力放在业务和设计上，因为这些是融合诸多因素，需要具体问题具体提分析的内容，也是最不容易被AI替代的。
知乎上有个问题：低代码+能否替代程序员。
个认为，至少现在在工业软件领域还不行，但是可以预见的是：AI以后会越来越多承担程序员的工作内容。
—End—
注：转载、添加白名单以及商务合作请在公众号后台留言，未经许可、不得转载，不得随意修改及盗用原文。
相关文章
