#ChatGPT将如何改变产品研发进程 | 我们已经着手

ChatGPT最近实在是太太太火了，拂去繁华，悉心体会，更多是一个多年来人工智能发展成果的形象化应用，由于触手可及且富有趣味，才成为一时间的“流量王”，姑且狭隘的将ChatGPT理解为一种可以对话的搜索引擎。

回到笔者擅长的制造业信息化领域，人工智能将如何影响和改变我们的产品设计过程呢？

作为长期致力于产品研发端三维设计数据资源管理方面的从业者，想就近年来已经着手开发的人工智能应用借着ChatGPT蹭蹭热度，从产品三维设计过程中的零部件选型角度说起，以飨读者。

在日常的机电产品设计过程中，当然我们不会和智能机器人聊天或者呼叫Siri来帮忙，那么人工智能怎么来帮到我们呢，其实我们的设计师们一直在用鼠标和键盘与我们的三维设计工具聊天，只不过不是单纯的文本（Text）内容而已。

调查显示，在三维设计过程中，外购零部件的选型和配置以及历史自制件借用的时间占比相当之高，人工智能将如何帮到我们呢？

就应用场景而言，当我们从零开始或者基于某个现成装配开始新的设计任务时，DesignGPT，由于尚未面世我们先姑且这样称呼它，将适时在我们的三维CAD工具中向我们推荐当前最需要的外购件和自制件，且在参数选择时不断通过高亮方式提示最适合的配置，比如关键尺寸和材质等等。用最简单的例子来说明，当在三维CAD中两个具有相同直径的孔在装配中对准重合时，DesignGPT界面也许会飘出，主动搭讪，告知基于当前的孔位和周边情况，推荐最恰当紧固件组合，以及是否需要加装弹垫，螺栓用外六角还是内六角，不锈钢还是其他材质。

更复杂一点的情形，比如根据轴间位置关系推荐适当的连接机构，或者根据气缸所对应的空间位置和极限运动尺寸确定行程和脚座类型等等，甚至自动推荐“最恰当”的电机和减速机，所谓“最恰当”将会综合考虑技术与非技术因素，非技术因素比如价格、货期、历史使用情况、库存呆滞情况甚至自制与外购推荐等，这些信息来自ERP/PDM系统接口的支持。

是不是有点意思？总之是通过人机对话，以最少的“打扰”达成最佳的推荐，从而达成产品设计效率的最优与产品性能、成本的最佳平衡。

对于实现方式，与大名鼎鼎的OpenAI殊途同归，ChatGPT的聪慧来源于对广泛网络化文字信息的抓取与处理，成就了他的“谈资”，殊不知最了解我们建模习惯的也是那些朝夕相处的CAD设计工具，最了解我们产品迭代时间轴的是PDM，因此对产品设计过程及其周边相关技术与非技术信息的抓取、甄别、整合以及索引化将成就了DesignGPT的大智慧。

简而言之，就是人工智能监听了每一次键鼠操作并结合图形数据的变迁经过智能优化而形成的套路，最简单的包括我们对三维模型的选、换、删、改、编等等，从而基于海量经验对当前设计进程中的节点进行推荐。因此DesignGPT会是基于三维设计工具，涉及PLM时间轴线与物理轴线的对于海量数据的记录与分析。

更方便还是更安全

聪明过头的人工智能技术会不会偷走我的技术和隐私？这的确是一个敏感且无法回避的话题，目前就我所知DesignGPT的设计基于Cloud-Tag方式，由基于广域公共数据的公有索引和基于CAD-PDM运行环境的专有索引共同组成，换句话说，公有索引用于支持常规设计中的推荐性计算，而让DesignGPT变得更加“贴心“和”专业“则依赖于基于企业局域网，以产品研发平台为核心形成的数据与行为索引，从而不断拓展机器学习的广度和深度。

这样就保障了DesignGPT能够成功为设计自行车和飞机的两个设计团队有针对性的提供推荐和支持，而不是基于机械手册的常规内容，与此同时，专有索引位于企业局域网内的索引文件又得以安全的保存和成长，成就了DesignGPT的智慧聪颖。

对比ChatGPT与DesignGPT，后者由于需要服务于更加聚焦的专业领域，且技术密度更高，维度更广，就需要在文本信息的基础上，搭建针对三维数据几何特征与图形信息的识别，并结合时间轴与操作交互信息进行智能识别，最终呈现拟人化的设计推荐。

简明应用场景对比 DesignGPT vs. ChatGPT