工业 AI仿真里程碑！达索SIMULIA 2027x 三大虚拟助手完整落地场景拆解

今天是行业数字化发展的里程碑时刻：在工业人工智能时代，虚拟智能助手套件 —— 奥拉（Aura）、里奥（Leo）、玛丽（Marie）现已在 3DEXPERIENCE 平台软件即服务（SaaS）版本全球正式上线。

虚拟智能助手不只是普通 AI 助手，更是沉淀数十年工业知识与实操经验的可信行业专家。它们能够理解用户设计意图，依托遵循物理定律与材料科学的行业全域模型开展逻辑推演，统筹产品全生命周期内各类业务动作，助力研发人员洞悉隐性设计问题，在实体产品投产前攻克各类工程难题、实现突破性创新。

本次更新并非简单在现有工具内叠加 AI 功能，而是开创一种全新协同模式：人类工程师与虚拟智能助手安全、规模化协同共创，共同攻克各类复杂工程挑战。

3DEXPERIENCE 平台集成 AI 驱动的虚拟智能助手与生成式体验两大核心能力，全面提升研发效率、加速产品创新落地。

下文将分别解读虚拟智能助手与生成式体验两大核心概念。

虚拟智能助手(AI)与生成式体验

虚拟智能助手与生成式体验可稳定完成并自动化各类业务工作，覆盖技术数据分析、交付文件自动生成、复杂工程问题求解全场景。

虚拟智能助手

虚拟智能助手是 3DEXPERIENCE 平台 SaaS 版本搭载的 AI 虚拟工作团队。

它们具备逻辑推演、任务规划、业务执行能力，可通过自然对话形式与用户交互、解决复杂工业问题。

每一款虚拟智能助手都拥有专属业务定位，依托各类专业能力完成对应业务工作，同时具备独特交互风格。

专业能力指完成特定业务工作的专项能力，一套完整专业能力覆盖完整业务领域，由多项细分技能构成，虚拟智能助手承载全套专业能力。例如：奥拉（Aura）对应项目管理专业能力，里奥（Leo）对应机械工程专业能力。

平台共推出三款定位差异化的虚拟智能助手：

1、奥拉（Aura）—— 业务专家

依托企业沉淀的知识与实操经验赋能全岗位用户。

2、里奥（Leo）—— 工程专家

高效解决全工程学科下各类技术难题。

3、玛丽（Marie）—— 科研专家

为工程师与科研人员提供深度专业科学知识支撑。

生成式体验

生成式体验依托行业专业知识与实操经验，实现工业流程自动化作业。

该能力可创建、完善虚拟孪生模型，同时保障成果符合行业标准与企业内部规范，满足合规要求。

生成式体验可高效处理复杂、重复性工作，全面提升个人、团队与企业整体运营效率。

由其承接低附加值重复工作后，研发人员、团队及企业可聚焦创意、战略等高价值工作，持续激发创新活力。

SIMULIA 生成式体验将经过验证的世界级物理求解器与人工智能深度融合，无缝嵌入企业原生设计环境，并非后期外挂独立工具。依托企业自有知识沉淀与工程实操经验，无论资深专家还是普通设计人员，都能基于物理规律而非粗略近似值，自信完成下一代高性能产品的设计与优化。

模型基于实测物理数据与高保真合成仿真数据（虚实融合数据集 V+R）完成训练，既能拓宽设计迭代区间，又能复用过往成熟设计方案，构建稳健、泛用性更强的物理行为预测模型。

深度捕捉设计人员核心意图：不仅读取几何外形与性能指标，更识别设计师底层设计目标与约束条件，大幅缩短优化设计的迭代周期。

深度嵌入设计迭代闭环：基于物理仿真的反馈结果直接推送至设计师日常操作流程，无需单独跳转独立仿真模块。

全程保持高保真物理计算精度：即便提升运算速度、降低工具使用门槛，仿真级计算精度始终不变。

这也是 SIMULIA 核心发展愿景：将 AI 驱动解决方案与虚拟孪生体系延伸至完整工程全生命周期，让业务流程更智能、自适应，让每一位使用者都能便捷运用基于物理仿真的高性能计算能力。

不同工程业务领域操作流程存在差异，每一款虚拟智能助手均配套适配对应业务场景的专属专业能力模块，以下为面向用户的落地应用详解：

虚拟智能助手配套专业能力实战场景

场景一：里奥（Leo）—— 设计性能分析能力

业务痛点

设计人员与机械工程师仍依赖个人经验反复试错，手动搭建仿真计算工况，多数人员缺乏高阶物理仿真工具深度使用经验。仿真工具学习门槛高，企业内部最佳实践仅留存于员工个人经验或零散文档中，并未固化至标准化流程。

由此带来诸多问题：将设计目标、关键性能指标转化为合规仿真工况需要大量人工操作，平台缺少引导式自动化工具与场景化智能辅助。最终造成研发效率低下、项目延期、人员工作负担重，拖慢设计决策进度，同时提升设计出错与返工风险。

解决方案

里奥设计性能分析模块支持用户通过直观自然语言交互，获取结构、运动两大领域深度物理仿真分析结论。模块自动生成设计性能数据与物理关键指标，将仿真工况搭建、结果研判转化为引导式对话交互流程，自动标记仿真结果中的核心关键信息，辅助工程师根据自身研究问题搭建适配仿真工况。

依托企业标准化最佳实践知识库与自然语言交互能力，里奥降低仿真技术使用门槛，无论有无仿真使用经验，工程师均可自主搭建、运行仿真并分析结果，全程稳定可控。

落地收益

在结构、运动仿真全流程中，更快将工程设计意图转化为基于关键性能指标的分析结论，覆盖线性静力学、模态分析、运动分析场景；

无需深厚物理仿真经验，即可遵循统一标准化仿真流程，客观对比多套设计方案优劣；

大幅减少人工操作，快速完成仿真工况搭建并输出设计优化决策。

场景二：里奥（Leo）—— 设计性能分析进阶能力

业务痛点

复杂仿真任务中，模型与仿真结果的管理本身就是巨大工作量。用户需要 AI 自动处理复杂仿真逻辑、批量执行作业，简化操作流程，从而聚焦核心研发工作。而实现该能力的前提是 AI 能够集中调取全部相关数据与业务场景上下文。

解决方案

用户仅输入简短自然语言指令，里奥即可解答模型相关问题、调整可视化显示方案、辅助完成仿真工况合规校验。用户依托 AI 辅助浏览、管理全部关联数据，简单文字指令即可替代多步骤复杂操作流程。

数据汇总与全局概览：里奥可输出项目完整概况，包含项目研发目标、系统总成零部件、待分析关键性能指标，以及网格数量、边界条件等仿真专属参数；

可视化自定义：用户可直接提出模型显示需求（例如展示结构仿真网格），无需在多层菜单中手动查找对应功能；

工况合规校验：里奥以清晰可读格式输出网格质量、材料属性、仿真工况参数，自动标记潜在风险点并配合用户排查；

仿真结果深度研判：输入简易指令即可自动运算、展示仿真输出数据，无需人工逐项设置。

落地收益

仿真工况校验、结果分析效率提升，缩短产品上市周期；

自然语言交互降低工具学习门槛，实现仿真能力普惠化，消除专业技术壁垒。

生成式体验实战场景

场景一：生成式虚拟孪生物理行为模型构建

业务痛点

仿真工具长期仅专业工程师可操作，工况搭建与运算耗时极长；市面其他物理 AI 工具均为独立外挂程序，难以规模化部署，且与企业完整产品生命周期流程割裂。

解决方案

生成式物理行为模型构建提供端到端、深度嵌入设计环境的完整流程，用于训练、部署 AI 物理行为预测模型，全部计算依托经过验证的精准物理算法，而非粗略近似估算，赋能企业快速研发高性能产品。

落地收益

覆盖完整产品生命周期，并非仅适配设计迭代阶段：物理行为模型已打通设计、合规认证、知识产权溯源流程，制造与产品服役阶段集成方案正在迭代规划中，模型复用与可信性覆盖产品全流程；

原生搭载企业级追溯能力：与知识产权管理模块深度集成，完整记录每一组训练数据来源，企业可清晰掌握 AI 物理模型训练依据，保障结果可信度；

无缝嵌入企业现有设计、仿真环境，直接复用历史物理仿真数据，无额外操作成本；

智能化训练数据筛选，优化模型精度：在三维环境批量浏览全部训练数据集，识别并剔除异常离群数据，提升训练质量与模型稳定性。

场景二：生成式结构性能预测

业务痛点

早期设计阶段极少运用物理仿真分析，最终导致产品研发成本高、成品性能不达标、设计迭代周期冗长、原材料大量浪费。

解决方案

生成式结构性能预测将可迭代优化工作流、性能预测能力直接交付设计人员，本文以塑料包装件设计为例演示落地效果。该功能打破仿真仅属于专家、独立于设计流程的现状，转变为设计人员可直接使用的轻量化高频工具，快速批量评估多套设计方案，实时完成产品优化。

落地收益

提升效果十分显著：

单次评估设计方案数量：1 套 → 100 套；

产品完整验证耗时：2 小时 → 20 分钟；

研发流转周期（设计师转交仿真工程师）：3 天 → 20 分钟单人完成。

以真实落地项目测算：仅首批项目就节省 12 个月整体开发周期，年塑料耗材使用量从数千瓶降至数百瓶，减少 1500 吨塑料废弃物。基于物理仿真的设计分析从高成本、低频校验环节，转变为研发日常标准化操作。

补充场景：虚拟孪生物理行为预测模型

业务痛点

设计方案每一次修改，仿真分析都需要从零重新搭建。复杂产品若对每一套设计变体、每一轮迭代均重新建模、重跑仿真，将耗费大量工时，拖慢整体研发进度。

解决方案

虚拟孪生物理行为模型是依托 SIMULIA 仿真工具可靠物理计算数据训练而成的 AI 虚拟孪生，可极速预判各类设计方案性能表现。用户交互式调整设计参数，瞬时获取设计变更带来的性能影响反馈。

落地收益

加速产品开发，缩短仿真运算与设计迭代周期；

将专业仿真经验封装至训练 AI 模型，降低仿真使用门槛，实现仿真能力普惠；

交互式遍历完整设计区间，辅助研发人员权衡各项性能指标，完成最优方案优化。