关于人工智能（AI），尤其是AI智能体（agents）潜力的文章层出不穷。尽管其能力毋庸置疑，但实际应用效果完全取决于基础数据的质量。本文探讨制造企业如何充分释放AI潜力。
AI早已超越工具范畴，它正日益成为企业战略的核心组成部分。这一趋势不仅体现在与工业企业的交流中，更得到IBM商业价值研究院最新研究的印证：64%的AI预算被分配至核心业务职能。然而，近年来仅有四分之一的AI项目实现了预期投资回报，而达到全企业规模部署的项目比例更低至16%（IBM首席执行官研究）。
导致这一结果的原因虽多，但两个事实尤为关键：72%的受访CEO认为企业自有数据是有效运用生成式AI的核心要素，同时有50%的受访者承认其技术基础设施存在碎片化与缺乏协同的问题。
这种情况我们屡见不鲜。数据常分散于彼此隔离的文档和系统中——即所谓的数据孤岛——且存在多种格式与质量等级。这种碎片化导致数据几乎无法有效用于AI应用，难以实现预期成果。此外，流程仍处于割裂状态，阻碍跨职能协作。开发与生产环节往往各自为政，导致变更检测延迟、产品质量下降，效率低下，进而抑制创新。
从孤岛到智能化产品全生命周期
首要任务是建立统一的技术基石——构建贯穿产品全生命周期的集成化数据驱动体系，覆盖从最初始的需求定义、设计开发到制造、服务，再回溯至产品定义与研发的全流程。当融入AI技术后，该体系便升级为智能化产品全生命周期（Intelligent Product Lifecycle）。
其核心在于贯穿企业全领域的产品数据。这些数据承载着企业的基因——即知识产权与独特价值主张。全生命周期内准确、实时的产品数据企业级共享，是提升效率、降低成本、加速创新产品上市的关键，同时为跨职能、跨流程部署AI奠定必要基础。
从研发到服务，再回到研发
智能化产品全生命周期的起点是产品开发阶段，基础数据在此生成——定义硬件、软件、系统需求及材料规格。这些是构成3D CAD模型和物料清单（BOM）的基础。
研发过程本身包含众多环节：从需求分析、产品线工程到测试、设计、仿真、物料清单及配置管理。为确保跨环节协作与可追溯性，相关系统必须实现集成。
随着实体产品对软件的依赖日益加深，通过统一的产品数据视图协调软硬件开发变得至关重要。这要求确保软件需求与对应物理组件之间的关联性及双向可追溯性。
由此在开发过程中形成产品数据的“单一真实数据源” （Single Source of Truth）。关键在于，这并不要求所有数据集中存储于单一系统——集成机制可实现按需数据聚合。
效益显而易见。例如某全球机械制造商与PTC合作后，设计变更从完成到投入生产的时间从数周缩短至实时同步。变更、BOM和3D工作指令的即时同步，显著提升了投产速度、降低了废品率、增强了敏捷性，并实现了跨国跨洲的协同工作。
在此基础上，AI能实现信息即时访问并生成宝贵洞察。生成式设计使工程师能更快开发更优方案。AI智能体可自动检测需求变更、设计数据或系统模型变化，分析其影响并识别相关对象，同时通知团队成员并建议后续行动方案，助力及时采取措施——从而优化并加速产品开发。在识别可复用组件或解决方案方面，AI同样不可或缺，这正是提升效率的关键驱动力。
除了开发环节，这个集成化的产品数据主干还能惠及整个企业。制造工程师可利用精准的产品数据提前准备生产流程，从而优化规划与协调。数据还能回流至工程部门实现持续改进。基于PLM的3D工作指令从这些数据中衍生而来，在提升质量的同时进一步减少返工和浪费。
这种集成化还支持“随处设计，随处制造” （design anywhere, build anywhere）模式——在地缘经济不确定性和供应链动荡的时代，这已成为重要的竞争优势。
采购部门能更快地响应设计变更，增强供应链韧性。服务运营同样受益于全面的产品数据访问权限——优化维护排程、备件管理及首次修复率。此外，这些能力催生了新型“即服务”业务模式。例如性能监测服务使制造商能与客户建立长期互利关系。
AI智能体在此发挥关键作用。以PTC的ServiceMax现场服务管理解决方案为例，其采用多智能体架构：服务历史智能体可基于工单数据回答自然语言查询，调度智能体则能核查技术人员日程并据此规划相应任务。
众多制造商已开始利用物联网设备的运营数据。通过AI和机器学习，可制定预测性维护计划以提升设备运行时间。当这些数据融入智能化产品全生命周期时，还能为更智能的营销销售策略提供依据，优化客户体验，并反哺产品开发——从而打造真正创造客户价值的卓越产品。
实施AI的关键成功要素
当上述集成化的技术基础设施就位后，企业就已为有效部署AI奠定了基础。为确保成功，需要重点考虑三大关键要素：
1. 建立正确的框架
为了输出精准可靠的洞察，AI不仅需要整合系统，还需明确治理规则，并实现需求文档与物料清单等核心资产间的关联。
2. 从小处着手
通过精选定义明确的用例启动项目，可降低风险并快速取得阶段性成果——这对维持利益相关方的支持至关重要。初期应保持AI与人类的紧密协作，随着信任度和实际价值提升，再逐步扩展自动化与AI的可扩展性。
3. 建立AI优先的思维
数字化转型不能仅靠技术实现。团队需具备AI素养、建立负责任使用的治理框架，并培育促进人机协作的企业文化。
面向未来的保障
在不久的将来，AI智能体将释放更大潜力——从辅助角色进化为特定任务的自主执行者。基于坚实的技术基础，智能体AI将能够在CAD、PLM、ALM、ERP、MES、SLM及物联网平台等支撑系统间协同运行。
核心原则在于无缝集成，确保AI功能与工作流、规则及访问控制相协调。唯有实现这种透明度，才能建立对AI的信任。
技术先决条件包括通过标准化接口实现开放性和互操作性。基于开放、可扩展平台架构的企业将获得长期的灵活性，并为AI未来的发展做好充分准备。
【撰文/ PTC全球工业顾问 Florian Harzenetter】
- 头部物流企业全部接入阿里通义千问 – 2025年11月12日
- 思科人工智能研究：97%的AI领导者实现规模化价值 基础设施决策成就领先优势 – 2025年11月12日
- 为工业领域铺设AI基础 – 2025年11月12日