近年来，AI正在快速进入工业研发场景。
从 CAD 设计、CAE 仿真，到工艺规划、机器人装配，越来越多企业开始尝试用 AI 提升研发效率、缩短验证周期、降低工程师重复劳动。
但在工业场景中，AI 面临的问题也更加复杂。工业研发并不是简单的文本生成或图像识别，而是一个高度依赖物理规律、工程经验和真实工况的系统性过程。
这也意味着，工业 AI 的核心挑战并不只是“能不能调用软件”，而是 AI 是否真正理解工业对象背后的几何结构、材料属性、受力关系、热传导、流体变化、接触装配和制造约束。
在这一方向上，树为智能正在探索一条以“物理 AI”为核心的工业智能体路线。
基座模型 + 小样本微调，让智能体更快进入装备企业现场
不同于单纯将大模型接入 CAD、CAE 软件，树为智能更强调从物理规律和因果推理出发，打造能够预测未来物理状态的物理因果推理基础模型，让 AI 学会理解工业世界中的真实规律。
与从零训练一个庞大的工业大模型不同，这一路线更强调基座模型能力复用。企业可以基于已有的物理 AI 基础能力，结合自身 CAD 数据、CAE 仿真数据、工艺知识和工程经验，在具体场景中完成小样本适配。
在已验证场景中，树为智能曾基于约10个样本完成场景微调，体现出其在小样本条件下的工业场景适配能力。
这对于装备企业尤其重要。因为工业企业的数据往往不是互联网式的海量公开数据，而是沉淀在三维模型、工程图纸、仿真文件、试验报告、工艺规范和专家经验中的高价值数据。
相比“数据越多越好”，工业 AI 更需要高质量、强约束、可验证的数据闭环。通过基座模型与小样本微调结合，工业智能体可以围绕某一类产品、某一种工况或某一条研发流程快速适配，降低企业从验证到部署的门槛。
同时，对于装备企业来说，核心 CAD 模型、CAE 仿真数据和工艺资料往往不能离开企业内网，因此工业 AI 不能只停留在云端演示，而要能够适配企业真实的数据安全、算力环境和研发流程。
在落地部署中，树为智能相关智能体对算力环境没有高门槛要求，这也让工业智能体更容易进入汽车、航空、装备制造等真实研发现场。
基于这一技术理念，树为智能目前围绕工业研发流程，重点布局了两类智能体：AI-CAD 智能体与 AI-CAE 智能体。
AI-CAD 智能体：出图效率提升 70%
AI-CAD 智能体主要面向工业设计与工程出图环节，覆盖三维模型理解、二维工程图生成、尺寸标注、BOM 输出、工艺信息整理以及图纸规范审核等场景。
与传统 CAD 工具中的单点功能不同，树为 AI-CAD 智能体更强调对几何结构、设计意图、工程规范和制造约束的理解，帮助工程师减少重复标注、人工校核和版本修改工作。
在已验证场景中，树为智能 AI-CAD 相关能力可将出图效率提升约 70%，让部分重复性工程出图工作从人工密集型流程，转向智能辅助与规范化输出。
这类能力的价值，不只是“自动生成一张图”，而是帮助企业提升工程出图效率、图纸规范一致性和设计交付质量，让工程师把更多精力投入到结构设计、方案优化和关键问题决策中。
AI-CAE 智能体：从小时级仿真到秒级预测
AI-CAE 智能体面向仿真分析与工程验证环节，聚焦结构、热、流体、电磁、接触等复杂物理问题。
传统 CAE 流程通常需要经历几何清理、网格划分、边界条件设置、材料参数定义、求解计算和结果后处理。对于复杂装备产品而言，一次完整仿真可能按天计算，多轮方案迭代则会进一步拉长研发周期。
树为智能 AI-CAE 智能体通过结合企业历史仿真数据、物理因果推理模型和工程经验知识，辅助工程师完成仿真建模、边界条件设置、结果预测、方案优化和设计迭代，从而缩短仿真周期，降低对人工经验的过度依赖。
在已验证场景中，树为智能 AI-CAE 相关能力可将过去按小时运行的部分仿真任务，转化为秒级预测，大幅缩短早期方案筛选与参数化对比的反馈周期。
与市场上一些在原有软件中增加 AI 功能的方式不同，树为智能更强调物理可信。在相关验证场景中，其AI-CAE预测误差可控制在10%以内，能够面向工程研发中的快速判断、方案筛选和优化迭代提供辅助支撑。
这意味着，工程师不必在每一个早期方案上都投入完整仿真成本，而是可以先通过 AI-CAE 智能体进行快速预测和风险判断，再选择更值得深入验证的方案进入传统高精度仿真流程。
从工具辅助走向物理智能
从 AI-CAD 到 AI-CAE，树为智能所探索的并不是简单意义上的 AI+CAD 或 AI+CAE，而是基于物理 AI 基座模型，通过小样本微调、低算力部署和工业智能体，把 AI 带入装备企业真实研发流程。
其背后的长期目标，是让 AI 不只是调用 CAD、CAE 等工业软件，而是能够理解几何、理解工况、理解仿真结果背后的物理因果关系，并在设计、仿真、验证和优化之间形成连续的智能研发闭环。
从这个角度看，树为智能所代表的方向，并不是传统意义上的“AI+CAD”或“AI+CAE”，而是推动工业软件能力从“工具辅助”走向“物理智能”。
也就是说，工业 AI 的下一步，不只是让软件更自动化，而是让 AI 真正理解工业世界、预测未来物理状态，并辅助工程师完成更高效、更可信的研发决策。
以下是树为智能在22届中国CAE工程分析技术年会-工业智能与AI大模型仿真应用论坛上分享的PPT：
关于树为智能
树为智能（全称：宁波树为人工智能科技有限公司，曾用名：宁波索为科技有限公司）成立于2024年，是一家专注于工业领域的原生AI企业，核心方向为工业级AI大模型与智能体。
公司致力于工业设计基座模型的开发，以及“AI+工业设计”智能体的研发。通过深度融合深度学习、机器学习、云计算与硬件加速技术，结合物理仿真、生成式设计及制造知识图谱，构建基于工业设计基座模型的工业智能体，显著提升设计效率，加速研发创新。目前公司已覆盖航空航天、汽车、电子电器等行业，为结构仿真、制图等关键设计环节提供解决方案。
树为以打造“中国本土化的AI工业设计加速器”为愿景，致力于让中国制造业打破传统的“规模化生产”模式，推动向“智能化制造”转型。
关注我们，了解更多资讯
联系我们
