摘要：当前，从国际PLM巨头到国产PLM厂商，都在加速PLM与AI的融合布局，那么其路径有何异同？PLM+AI能给产品研发带来哪些变革，又面临哪些落地挑战？
当前，从国际PLM巨头到国产PLM厂商，都在加速PLM与AI的融合布局，那么其路径有何异同？PLM+AI能给产品研发带来哪些变革，又面临哪些落地挑战？
- 文章信息 -
本文由e-works编辑部黄菊锋原创发布。
最近几年，AI技术的发展可谓是日新月异。2025年初DeepSeek的火爆出圈，不仅让全球各界为之震撼，也加速了AI的普惠化进程，百余家工业软件厂商争相接入。PLM作为支撑制造企业产品研发创新的数字化平台，也迎来与AI融合的加速发展期。
01
盘点AI赋能的 PLM 软件创新实践
当前，在与 AI 融合的赛道上，国内外众多PLM软件厂商纷纷发力，结合自身产品特点，推出了极具创新的智能化方案。
01
达索系统：
基于统一平台的智能辅助设计与快速订单配置
达索系统在最新推出的第7代解决方案3D UNIV+RSES中，通过与人工智能公司Mistral AI合作，将多种生成式AI技术嵌入3DEXPERIENCE平台，使客户更好地利用3D设计、虚拟孪生和PLM数据，实现改进设计、简化协作等。
另外，在2025年3DExperience World大会上，达索系统发布了在3DEXPERIENCE 平台上的AI产品AURA。作为一款虚拟助手，AURA整合了设计、仿真及PLM，为用户提供智能辅助设计与优化。其具备独特的模型上下文理解能力，回答和建议都基于用户自身的数据和知识，能够学习用户行为，为用户提供指导，并自动执行复杂任务。据了解，AURA将于2025年7月正式上线。
达索系统还基于3DEXPERIENCE平台推出了AI驱动的业务解决方案SOLIDWORKS CPQ。SOLIDWORKS CPQ通过连接产品组合的管理、开发、制造和销售环节，可帮助企业根据客户需求配置产品，并迅速生成精准报价。
02
西门子：AI驱动PLM流程智能升级
西门子通过Teamcenter深度集成AI技术，实现PLM的4大核心流程效率再升级。具体包括：
Teamcenter AI Chat采用检索增强生成架构，使企业能高效查询PLM环境中基于文档的数据，可向机器人提问并获得准确回答，且信息来源可追溯。
Teamcenter for Microsoft Teams利用生成式AI和自然语言技术，使企业可使用自然语言在移动设备上实时创建问题报告，并自动联系相关人员解决，有效缩短报告时间，降低未报告问题数量。
智能助手Teamcenter Assistant通过分析企业的学习模式，依据上下文、历史记录及使用频率推荐命令与数据，并借助“导师模式"，将专家过往的实践经验分享给更广泛的用户。
Teamcenter Classification，将机器学习功能引入PLM核心流程，加速零部件分类，最高可减少90%分类工作量。
西门子基于AI驱动PLM四大流程
另外，西门子通过Teamcenter+DeepSeek的联合，以本地化方式建立企业私有知识库，利用RAG框架将工业领域知识嵌入，实现基于产品设计的智能问答及与3D模型交互，如快速获取设计规范、制造相关知识和资源，找到与模型相关的设计和制造要求，包括文本注释和尺寸标注等。在即将发布的Teamcenter 2506，还将提供BOM Copilot，实现以自然语言交互的方式即可辅助工程优化分析。
03
PTC：构建AI驱动型PLM
PTC在2025年汉诺威工业博览会上，展示了其预览版的Windchill AI产品生命周期管理助手。这是一款生成式人工智能驱动的PLM产品，可利用 Windchill 中存储的所有产品数据，使工程师能够更高效地访问信息，实现任务和工作流程自动化，并做出更明智的决策。
Windchill AI预览版包括Document Vault AI代理，它使工程师能够从Windchill中存储的文档中提取与产品相关的信息。Document Vault AI代理的用途可包括获取对质量控制至关重要的技术文档、用于比较和决策的零件规格，以及用于质量保证的过去测试结果和方法。
04
华天软件：全面接入DeepSeek
破解PLM快速检索与复用难题
华天软件自主开发的“PLM智能助手”通过接入DeepSeek，实现InforCenter PLM产品数据（如零部件、项目、任务、问题、风险等）与产品技术文档（如图文档、技术方案、技术标准规范等）的智能检索与问答，并可列出相关内容的定位链接。
系统还支持利用深度学习技术实现产品设计的智能推荐，针对工程师的搜索，生成置信度高的推荐列表，方便查阅引用，提高企业研发设计知识的重用率。
05
开目软件：DeepSeek+“小沐”AI引擎
推动设计制造一体化智能升级
开目软件将KMPLM CLOUD全面接入DeepSeek，已形成多场景融合应用：
数据知识检索：实现物料、图纸、设计文档、工艺方案、变更信息等的快速检索，并从设计工艺制造一体化的视角迅速理解用户意图，提供合理建议和回答；
研发数据关联解析：自动提取用户上传的零件图纸、数模或设计规格中的关键信息，与既有数据进行解析对比，实现对零件的智能分类及动态对比，并推荐最优工艺方案；
智能报表动态生成：以自然语言交互理解用户的查询意图，快速输出数据结果，并以可视化图表展示，还可对图表数据进行综合分析，智能输出分析报告及评估建议。
开目还自主研发了定位于设计工艺制造一体化的“小沐”AI智能引擎，能将CAx、PLM、ERP、MES等系统，通过AI智能体交互方式进行关联，实现核心数据集成到开目AI平台进行集中管理，并支持研发与生产相关数据的智能检索与问答，机加工艺和装配工艺路线规划自动推理和工作指导书智能生成，多模态文档解析与知识图谱自动构建，以及产品全生命周期数据分析与决策支持。
开目“小沐”
06
天喻软件：深度融合AI智脑"小天"
重塑PLM交互体验
天喻软件通过深度集成IntePLM与其智能辅助工具AI智脑"小天"，实现以自然语言交互替代复杂的高级查询操作，支持通过规格参数、材料属性等关键信息精准匹配物料，同时提供基于相似度的智能检索功能，大幅提升物料查询效率。
值得一提的是，AI智脑"小天"是天喻软件研发的首款深度集成AI的独立服务系统，可灵活接入多种大模型，支持企业本地私有化部署，并能集成多源知识资产，挖掘企业历史问题清单数据，助力企业快速构建专属智能知识库，实现高效检索。
天喻软件IntePLM与AI智脑"小天"的融合应用
07
天河软件：协同DeepSeek
加速设计文件生成
天河软件将天河PLM数据库作为设计知识库，与本地化部署的 DeepSeek 协同作业。在产品设计过程中，系统能够快速调用 PLM 数据库中的设计知识，为快速生成各类 BOM（物料清单）和配置相似设计文件提供有力支持。
08
中车信息：依托DeepSeek
开启PLM智能化“三级跳”
中车PLM系统通过与DeepSeek的深度集成，实现了三大核心升级：1）利用AI精准解析海量用户需求文档，自动生成结构化产品特性矩阵，需求转化效率大幅提升。2）构建跨部门知识图谱，实现设计标准、工艺经验、失效案例的自主关联与智能推荐。3）工程师通过自然语言交互快速检索相似设计方案，AI自动生成多维度对比报告。
09
鼎捷数智：多维度AI赋能
实现高效检索与智能生成
鼎捷数智通过将PLM接入DeepSeek大模型，助力PLM企业用户实现高效数据检索与智能生成。包括：
构建知识问答智能体，实现数据的智能检索与问答，还支持专业私有知识库的建立；
帮助用户做优选物料的智能推荐，对用户提出的问题进行快速思考，并将整理后的相似性优选数据生成新的内容呈现给用户；
自动生成研发图纸，不仅能够高效完成研发图纸的变型设计和合规性审查，还可一键生成BOM，并能通过解析语义、读取文件和图片内容，精准推理图纸设计需求，并与模型知识库中的数据智能匹配，快速生成三维模型文件，无缝对接CAD系统进行编辑和修改。
此外，鼎捷数智在2023年发布的新一代PLM中，融入了基于鼎捷知识中台和GPT技术构建的企业级知识机器人ChatFile，从而让使用者以人机对话的方式，轻松获取想要了解的知识和讯息；2024年还发布了鼎捷PLM“文生设计”，工程师可根据订单要求输入内容，AI直接生成改型设计图纸。
10
金蝶：基于苍穹AI平台
驱动知识与需求管理智能化
金蝶云PLM是在其金蝶云·苍穹AI平台基础上所构建。通过苍穹AI平台的企业级AI Cosmic管理助手，金蝶云PLM可协助企业构建智能研发知识库，实现基于AI的智能知识搜索和问答，及场景化知识推送；通过AI解析海量用户需求文档，实现需求搜集、提炼与清洗等。
据了解，金蝶云PLM将集成DeepSeek大模型，结合豆包、通义千问等引擎，构建“基础大模型+行业小模型”生态，助力企业实现业务流程优化与决策效率提升。
11
智石开：双引擎加持
重塑PLM四大能力
智石开（原用友 PLM 事业部）YonSuite研发云通过融合DeepSeek与YonGPT的双引擎，提供多种AI辅助工具：
研发知识助理：通过深度挖掘企业研发知识库，实现快速检索与智能推荐。
项目管理AI秘书：支持主动采集项目关键数据，自动绘制可视化图表，生成详尽的项目阶段报告，并进行问题分析与风险预警。
技术文档智能助手：能协助工程师快速搭建文档大纲，提炼技术文档要点，还能在线搜索相关技术文献，为文档创作提供丰富素材。
BOM智能配置助手：支持设计EBOM向制造MBOM智能化转换，推动BOM多视图的智能演变与协同。
YonSuite研发云提供多种AI辅助工具
12
橙色云：DeepSeek+行业知识库
确保合规高效研发
CRDE智橙PLM通过接入DeepSeek等多个AI大模型，推出了基于DeepSeek-R1的智橙AI助手，并结合阀门等行业知识库，实现用户需求的快速理解和提供合理建议，同时确保产品研发的合规性、趋势洞察的准确性。
智橙AI助手生成阀门设计方案
总的来看，当前PLM 厂商在 AI 技术发展上，主要聚焦于生成式AI与自然语言交互，以推动效率提升、知识沉淀与交互简化。不同在于国际厂商如达索系统、西门子，更侧重于全流程、多环节的深度整合与优化，通过底层技术整合实现复杂任务自动化；国内厂商，则多通过接入DeepSeek等大模型实现智能升级，且更注重特定 PLM 痛点和垂直场景的突破，如快速检索、特定行业的AI应用等。
02
PLM+AI
如何变革传统产品研发？
AI凭借其在自然语言处理、知识整合、数据分析以及生成推理等方面的出色表现，能够从海量数据中挖掘有价值信息，发现数据之间的潜在关系，自动化处理重复性任务，并生成创新方案。AI技术的融合，为PLM注入了强劲智能引擎，推动产品开发模式从流程驱动转向数据、知识驱动，甚至向更智能、更自主的“认知协同”迈进。
具体而言，PLM与AI的融合可从以下方面为制造业带来变革：
01
交互方式的革新
AI通过自然语言处理技术（NLP），使PLM系统能够理解并响应用户的自然语言指令，实现更直观、便捷的交互。例如，用户可以通过语音或文字指令查询产品信息、生成报告，未来还可触发设计变更、审批等自动化流程。
同时，AI通过NLP和机器学习技术，对PLM系统中的大量非结构化数据（如研发文档、图纸、会议纪要等）进行智能解析，自动抽取关键信息，对其进行分类、标签化和结构化整理，形成易于检索和使用的知识条目，实现信息的快速检索。并对信息进行可视化图表展示和分析，输出分析报告及评估建议等，以及结合VR/AR技术，实现沉浸式的数据呈现。
02
产品开发流程的智能化升级
AI与PLM的整合，可简化工作流程，使得产品研发整个过程更自动化与优化，从而提高效率并缩短上市时间。
在设计辅助与创新方面，AI通过对PLM中大量历史设计数据的分析，利用相似性匹配和模式识别技术，快速定位与当前设计需求相似的历史案例，为设计人员提供参考，如相似物料、设计方案等，从而提高设计效率和质量。利用生成式AI生成新的设计方案，帮助设计师探索更多可能性。如基于现有设计生成多种变体，结合政策、市场趋势或客户反馈辅助生成创新概念设计方案，激发团队创意。此外，生成式AI可支持BOM的快速生成，从而使个性化与定制化更容易实现。例如，达索SOLIDWORKS CPQ能基于客户需求定义产品配置与精准报价。
在工艺规划与优化方面，AI通过分析大量历史工艺数据，挖掘影响加工质量、效率和成本的关键因素，并在此基础上进行工艺参数的自动优化。通过对产品的几何、物理等特征的识别和提取，将其转化为计算机可理解的信息，并利用工艺知识库和智能算法，进行推理和决策，自动生成合理的工艺方案，包括加工方法、工艺路线、工艺参数等。如开目AI Agent“小沐”利用模型相似性分析、可制造性审查与成本估算等手段，实现机加工艺和装配工艺路线规划自动推理和工作指导书智能生成。
在需求管理方面，通过NLP技术中的文本收集和预处理，研发团队可以快速提取客户、市场或内部需求文档中的关键信息，利用高频词提炼技术识别关键需求点、功能要求和性能指标，减少人工阅读和理解需求的时间，提高需求的准确性和一致性。在需求优先级分析过程中，可以基于技术经验，对分析工作设定相应地参数边界条件，通过分析条件设定机器算法排列方式，达到自动分析需求的重要性和紧急性，为研发团队提供需求优先级排序的建议，帮助团队更合理地分配资源和时间。
在文档自动生成方面，AI可根据设计参数自动编写产品技术文档，如用户手册、技术规格书等，减少人工编写的时间和错误。智石开YonSuite已能协助工程师快速搭建文档大纲。
03
知识库的高效构建与利用
AI加持的PLM可重塑企业数据管理边界，涵盖从私有域知识库的构建，到企业知识的充分挖掘，到跨部门知识的协同。AI利用其自然语言理解和内容生成能力，能够将大量非结构化数据，转化为结构化的知识条目，且擅长将那些分散在不同文档、报告和经验中的隐性知识转化为显性知识，纳入知识库中。结合知识图谱技术，还能更清晰展示不同知识概念之间的关联，方便企业对知识的检索和利用，并保证知识的动态更新。未来，传统PLM的静态BOM表或将演变为实时更新的知识网络。
04
风险预测与决策支持
AI支持产品全生命周期数据分析，如设计变更次数、测试合格率、研发运营/绩效等数据分析，为风险预测与动态决策提供数据支撑。例如，通过对历史数据的分析，系统可以识别出哪些设计方案更容易出现问题，从而提前采取预防措施。通过分析产品变更记录与质量问题库，可预警潜在设计冲突或供应链风险，辅助管理者优化资源配置。
此外，随着PLM与AI融合的持续深化，AI将渗透至产品生命周期管理的各个环节，实现从需求分析到产品维护的智能闭环、跨组织的智能协同设计等。工程师和设计师也将越来越关注高层次的问题解决、战略思考和创造性创新，而AI则处理更多的日常任务。
03
写在最后：融合之路，任重道远
AI的融入赋予了PLM软件强大的“智能化内核”。然而，目前AI与PLM软件的融合尚处于初级阶段，多数厂商主要集中在NLP交互和知识检索等基础应用领域，对于创新设计方案生成、知识工程等复杂任务仍处于探索之中，且部分功能落地并非易事。以知识库和知识图谱的构建为例，尽管 AI 算法能够加速其构建流程，但它们的创建与维护仍需大量人工干预和专业知识。
同时，AI与PLM的融合，面临诸多技术挑战。
第一，数据瓶颈。设计数据通常涉及高度敏感的知识产权和商业机密，难以获取足够多样和丰富的AI训练样本。同时，PLM涉及CAD模型、仿真数据、文本报告等多模态数据，需解决AI模型统一表征问题。另外，研发数据具有体量中等但单位价值高的特点，微观级别的错误就可能影响模型效果，导致错误决策。不同于工业设备数据，其体量大单位价值低，即使部分数据丢失或错误，通过规则化清洗即可处理修复，对模型影响有限。此外，数据安全防护体系亟待完善，既要确保研发数据的安全性和隐私保护，又需建立针对AI模型的防御机制，防范模型被恶意攻击或操纵等安全威胁。
第二，AI 模型的可靠性。一方面，生成式 AI模型往往是“黑箱”式的，难以解释其内部决策过程和推理机制，一旦输出错误或异常的设计建议、工艺优化方案，难以快速定位问题。另一方面，PLM与具体行业的工艺、材料、法规等深度绑定，通用AI模型难以直接适配，需结合垂直专业领域知识优化。还包括生成式AI带来的幻觉现象，可能导致错误的优化建议，需有效解决。
第三，系统集成复杂度。将 AI 技术融入到现有的 PLM 系统中，需要解决技术兼容性、接口设计、系统架构调整等一系列问题。此外，还需要考虑AI对于算力的高要求。
[1] 浅述AI在产品生命周期管理系统（PLM）中的应用cwc
[2] AI在新产品开发过程中的应用与展望
[3] DeepSeek在产品研发的应用探讨
来源：数字化企业一点号