AI赋能研发数字化转型:技术驱动和范式重构电子书

COMMITTEE 丛书编委会

PREFACE 丛书前言

FOREWORD 序一

FOREWORD 序二

FOREWORD 序三

PREFACE 前言

引言 数字革命正在重塑研发创新力

第1章 研发范式的五阶跃迁

1.1 试验驱动范式

1.2 理论驱动范式

1.3 计算驱动范式

1.4 数据驱动范式

1.5 AI驱动范式

第2章 AI技术演进：从规则驱动到生成智能

2.1 AI发展简史：四次浪潮

2.2 机器学习：从理论到实践的全面解析

2.3 深度学习：神经网络的革命性突破

2.3.1 深度学习的跨越式发展

2.3.2 深度学习的核心原理：像剥洋葱一样理解世界

2.3.3 改变世界的力量：三大应用领域

2.4 大语言模型：认知智能的范式革命

2.4.1 技术架构革命：从“教机器思考”到“让机器自己思考”

2.4.2 认知能力跃迁：从“鹦鹉学舌”到“思维涌现”

2.4.3 应用场景重构：从“辅助工具”到“数字神经系统”

2.4.4 暗礁与灯塔：伦理挑战与未来方向

2.5 技术关联与协同进化

第3章 数字化转型的底层逻辑：四层驱动模型

3.1 数字化转型的概念及提出背景

3.2 企业数字化转型历程：从流程效率到业务转型

3.3 数字化转型四层驱动模型：构建企业全价值链的数字竞争力

3.3.1 数字底座层：夯实数据驱动的基石

3.3.2 数字能力层：构建敏捷协同的核心能力

3.3.3 数字业务层：业务流程的端到端贯通

3.3.4 数字应用层：赋能业务创新的智能工具

3.4 数字化转型战略：应对挑战与衡量成功

3.4.1 实施挑战和突破路径

3.4.2 衡量成功：以关键绩效指标为驱动

3.4.3 最佳实践与经验教训

第4章 AI与数字化转型：三要素协同与垂域[1]创新

4.1 AI与企业数字化转型

4.1.1 制造业数字化转型的内涵与目标

4.1.2 制造业数字化转型的关键阶段与演进路径

4.1.3 AI在制造业数字化转型中的驱动作用

4.2 AI三要素突破：制造企业的数据攻坚战

4.2.1 数据要素：制造业攻坚战的核心战场

4.2.2 算法创新：从机器学习到复合式AI

4.2.3 算力支撑：本地部署与云计算的两难之境

4.2.4 协同策略：优化数据、算法与算力的相互作用

4.3 垂域AI模型：从通用LLM到工业大脑的进化

4.3.1 从通用模型到垂域模型：行业应用的必然选择

4.3.2 构建垂域模型：方法论与数据策略

4.3.3 工业大脑：制造业AI的终极目标

4.3.4 构建垂域模型的最佳实践

4.4 制造业AI技术架构

4.4.1 复合式AI：多模型融合技术

4.4.2 模型上下文协议：标准化AI模型交互

4.4.3 边云协同架构：制造业AI部署策略

4.4.4 制造业AI架构战略性选择

第5章 AI Agent：从工具到合作伙伴的跃迁

5.1 AI Agent的定义及核心特征

5.2 Agentic AI与生成式AI的区别

5.3 AI Agent的核心组件

5.4 AI Agent的通用设计模式

5.4.1 反思

5.4.2 工具使用

5.4.3 推理

5.4.4 规划

5.5 多Agent系统

5.5.1 多Agent系统的核心支柱

5.5.2 多Agent系统编排与协作模式

5.5.3 多Agent系统应用挑战及趋势分析

5.6 AI Agent开发框架及最佳实践

5.6.1 Agent开发框架

5.6.2 Agent开发的挑战及最佳实践

第6章 研发数字化重构：平台化AI分层架构

6.1 传统研发范式解构

6.1.1 PLM系统的发展历程

6.1.2 传统研发范式的局限性

6.2 研发范式变革势在必行

6.2.1 内忧外患：我国制造业发展态势

6.2.2 修炼内功：研发范式跃迁正当时

6.3 AI驱动的研发范式：技术与架构

6.3.1 制造企业应用AI的两大技术路径

6.3.2 平台化AI分层架构

6.4 基础设施层：数字企业的物理底座

6.4.1 硬件基础架构

6.4.2 部署模式

6.4.3 LLM平台选择

6.5 数据/知识层：工业数据与知识中枢

6.5.1 系统集成与数据聚合

6.5.2 知识图谱构建

6.6 模型服务层：工业机理的算法载体

6.6.1 模型开发框架与协作环境

6.6.2 模型的部署与服务化

6.6.3 模型的生命周期管理与治理

6.6.4 模型性能监控与优化

6.7 Agent编排层：任务协同与流程自动化

6.7.1 Agent编排的核心：工作流管理

6.7.2 基于Agent的业务流程自动化

6.8 AI应用层：场景价值的实现终端

6.8.1 AI应用的主要形态与分类

6.8.2 AI应用层的关键设计原则

第7章 研发范式跃迁：AI赋能的全链路变革

7.1 AI赋能的研发范式跃迁

7.1.1 AI赋能的研发范式跃迁：流程重塑、方法升级和协作变革

7.1.2 AI赋能的研发范式跃迁的本质：Agent调用设计能力

7.2 需求驱动的正向设计

7.2.1 范式概述：现状与挑战

7.2.2 范式解构：填补需求与设计的鸿沟

7.2.3 范式重构：需求驱动的端到端追溯

7.2.4 AI赋能：从需求驱动到以用户为中心的价值创新

7.3 软件驱动的敏捷产品开发

7.3.1 范式概述：软件定义时代的趋势与挑战

7.3.2 范式解构：从软件敏捷到硬件敏捷

7.3.3 范式重构：硬件敏捷开发体系

7.3.4 AI赋能敏捷产品开发

7.4 基于虚拟数字原型的设仿测协同

7.4.1 传统范式：协同现状与固有局限

7.4.2 范式解构：设仿测的角色裂痕

7.4.3 范式重构：以虚拟数字原型为协同核心

7.4.4 AI赋能：设仿测协同的数据驱动变革

7.5 设计制造一体化协同

7.5.1 范式变迁：现状与系统性挑战

7.5.2 范式解构：设计制造协同的本质

7.5.3 范式重构：数据驱动的闭环协同流程

7.5.4 AI赋能：设计工艺迭代优化的引擎

7.6 基于数字主线的设计质量协同

7.6.1 范式概述：当前质量管理面临的挑战与困境

7.6.2 范式解构：合规与质量的本质

7.6.3 范式重构：基于数字主线的设计质量协同

7.6.4 AI赋能端到端设计质量协同

第8章 AI赋能的研发转型路线图：四维进阶框架

8.1 成熟度模型与四维进阶框架

8.1.1 范式跃迁：从传统研发到AI增强的创新引擎

8.1.2 AI成熟度模型：从试点到全面转型

8.1.3 四维进阶框架：为研发范式跃迁保驾护航

8.2 企业战略：构建AI优先的基石

8.2.1 定义AI优先的企业战略

8.2.2 领导力与负责任AI治理

8.2.3 企业战略落地：从愿景到价值实现

8.3 人才与组织：构建人机协作的新架构

8.3.1 组织结构的重塑：打破壁垒，走向柔性协同

8.3.2 人才能力的转型：适应人机协作的新模式

8.3.3 文化理念的变革：拥抱敏捷与持续学习

8.4 业务架构：从能力在线到业务在线

8.4.1 定义业务架构：连接战略与执行的桥梁

8.4.2 价值流：数字主线的核心载体

8.4.3 业务架构转型：从能力在线到端到端业务在线

8.5 技术架构：平台化的AI引擎

8.5.1 传统架构的局限：单体应用与信息孤岛

8.5.2 现代化之路：微服务与云原生架构的崛起

8.5.3 面向AI的架构特征：数据驱动与智能原生

8.5.4 平台化AI架构建设战略

8.6 研发范式跃迁路径：分阶段实施路线图

8.6.1 认知阶段：战略的基石

8.6.2 试点阶段：从试验到价值验证

8.6.3 业务融合阶段：研发AI能力的工业化

8.6.4 规模化阶段：体系化AI以构筑竞争优势

8.6.5 跃迁阶段：AI成为研发引擎

8.6.6 贯穿全程的成功要素：治理与价值衡量

未来展望

结语