构建数据底座，PTC助力制造业AI应用落地

AI技术快速发展及应用，为行业发展注入新的增长动能。“调查报告显示，目前88%的制造企业正在尝试AI应用，但只有6%的AI应用能落地在生产环境。”PTC全球资深副总裁兼大中华区总裁刘强认为，AI在制造业的规模化落地面临三大挑战，企业要构建统一的产品数据底座，才能让AI释放真正的价值。

AI不替代工业软件，而对行业进行重塑

在工业领域，效率不是唯一标尺，而质量、准确度和安全是行业发展的核心要素。这也导致大量企业已启动AI试点，但真正进入规模化应用的仍是少数。此外，AI在制造业的规模化落地还需要解决三大难题：一是高质量工业数据不足，尤其中小企业信息化积累薄弱；二是“老师傅”长期积累的经验和行业知识，不能沉淀为知识资产，变成可以AI所用为的知识库；三是复杂建模、知识图谱与可靠落地能力不均，企业即使想用AI，也未必具备工程化能力。

2025年PTC提出了“智能产品生命周期（IPL）”战略愿景，致力于通过统一的产品数据底座和AI能力，让数据真正创造价值。从传统PLM（产品生命周期管理）到数字主线，再到IPL，PTC的技术演进路线完整对应了制造业信息化、数字化、智能化的三个阶段：PLM负责将产品数据规范地记录下来，数字主线解决的是数据孤岛和跨部门协同，而现在AI带来的不是增加某个功能，而是让数据真正流动起来、创造价值。

刘强认为，“AI不会取代工业软件行业，但是会对整个行业进行重塑。” 未来，ERP、PLM、MES等系统将越来越回归“记录系统”的角色，负责存数据、管合规、保追溯，而大量原本固化在软件里的操作流程、扩展功能，将由AI智能体动态完成，让传统软件不断瘦身。

布局两大AI建设主线

围绕IPL战略，PTC在两个方向布局AI能力。第一，基于现有产品开发内嵌AI智能体，以提升现有软件使用者的效率；另一方面，通过搭建开放的AI平台（Orion），助力更多企业基于PTC的PLM、ALM等系统扩展创建自己的AI应用。

刘强表示，布局AI能力的过程要实现数据的访问、模型的创建、工作流的优化。数据层，通过构建MCP的API，让智能体更容易实现数据访问；模型层，快速构建“本体模型”，把散落在工程师脑中的经验，转成可复用、可约束的企业知识；应用层，提供业务流程建模动态与业务上下文管理，让企业自己生成、迭代适配于自身业务的智能体。

PTC把AI能力嵌入到核心产品线中，其中最具代表性的是最新发布的Creo 13。今年Creo 13实现突破性的功能升级——首次引入了Creo AI Assistant，大幅提升设计工程师的效率，优化工作流程。Creo AI的功能演化包括Advisor、Assistant、Automate三个阶段。AI Advisor基于知识与规则问答，帮新手工程师快速查规范、找命令、学用法；AI assistant能理解当前3D模型上下文，批量重复性操作执行。例如发动机缸盖数十处倒角的批量圆弧修改，过去操作要几十分钟到数小时，现在AI可分钟级完成；AI Automate则根据提供的参数要求自动生成模型，并调用内置算法验证是否满足设计指标的要求。

据刘强介绍，前两个阶段能力已经嵌入到PTC产品之中，第三阶段已有原型，可能在下一个版本的产品中发布出来。

以数据为底座，打通AI落地路径

“十五五”规划纲要提出深入实施“人工智能+”行动、推进新型工业化，AI智能体正成为制造业从数字化迈向智能化的关键引擎。

PTC基于传统软件优势，从以下三个方面助力AI落地：第一、缩短实施周期，快速沉淀高质量数据。通过AI工具将传统PLM等软件项目的实施周期大幅缩短，降低中小企业数字化的门槛，帮助企业在更短时间内建立规范、可用的产品数据基础。第二、集成本体模型，构建企业知识库。将本体模型与现有软件的数据模型进行集成，帮助企业把长期沉淀的经验快速抽取、固化为知识图谱，并在此基础上生成高质量、安全可靠的AI智能体，让企业知识真正发挥价值。第三、提供工具赋能，弥补技术能力短板。通过提供更多易用的平台和工具，降低AI建模与智能体开发的技术门槛，帮助技术能力不足的企业快速搭建自己的AI应用。

随着AI从展厅里加速走进研发中心、车间、产线，制造业的产品生命周期才真正开始“智能”起来。