SOLIDWORKS 2026：工业AI的实用主义

在工业软件的更新史里，不是每一次版本号的变化都值得写进行业编年史。SOLIDWORKS 2026 可能会成为一个例外：它当然带来了自动工程图、AI 紧固件识别、选择性加载大型装配体等看得见的功能升级，但真正值得在未来被反复提及的，是这次更新让作为CAD工具的SOLIDWORKS，真正拥有了一个相对清晰、明确的 “工业 AI” 应用逻辑和标准，使得对于企业用户而言，对于AI的应用不再是一个单纯的技术标签，而是一个可衡量、可落地、可复制、可实践的新的工作模式。

事实上，工业领域的AI技术应用，在最近两年有颇多讨论。然而对于AI技术到底应该从怎样的角度为应用企业提供具体的价值，却并没有在行业中形成一个具有共识的意见：AI技术到底是作为辅助工具，帮助工程技术人员更高效地完成工作？还是从管理者的角度，为流程优化、降低成本、提高效益等方面给出更多有建设性的建议？或者直接颠覆现有的业务模式、商业模式，提出一个更具创新性的工业企业模型？换句话说，AI到底应该是一个聪明的助手，还是一个具有创新能力的管理者，抑或是一个隐藏在背后的数据调度大师？应用方向的不确定，不仅关系到AI本身技术的走向，更重要的是，企业用户会因为缺少判断依据和考量标准，对投入AI保持观望态度。

具体到CAD领域，情形也是一样：虽然此前曾经短暂出现过譬如 “创成式设计” 等具有一定AI属性的设计工具，但始终没有得到用户层面的普遍应用。

“我认为：AI既要能帮助工程师减少工作量，同时也需要能帮助他们产生创意。” Gian Paolo Bassi，达索系统3DEXPERIENCE Works与客户角色体验高级副总裁，当被问到 AI 技术在CAD当中的价值，是帮助工程师减少重复工作，还是让工程师更有创意时，他强调说：本次SOLIDWORKS 2026新版本中的AI自动化小工具， “可以减轻他们重复的工作” ，同时，AI 在仿真方面 “可以作为一个桥梁，让这些工程师也可以用到一些更高级的工具” ，从而在设计上 “更有创意和创造性” 。

达索系统3DEXPERIENCE Works与客户角色体验高级副总裁  Gian Paolo Bassi

这是一个相当实用主义的AI技术应用逻辑：好的工业 AI，不是替代工程师，而是要整体提高企业的工程能力。换句话说，对于企业用户而言，不需要过分关注未来AI技术的应用路径和方向是怎样，只要AI工具能够为企业来带现实的价值，那就是好的工业AI——企业用户判断工业AI的依据从对AI技术走向的观望，转移到了对企业自身能力的判断。

而这种将企业用户作为技术价值唯一考量的软件应用思路，实际上也是SOLIDWORKS在过去30年的时间里，唯一在坚持重复做的事：从 1995 年在 Windows 平台上推出经济实惠、易于使用的 3D CAD，降低 3D 设计门槛，到今天已经发展为覆盖多学科设计、云协作、仿真、制造、数据管理的一整套工作流程支持，SOLIDWORKS始终以用户的视角在开发软件，其秉持的 “易用、实惠、用户友好” 的底层宗旨和逻辑，以 “将工程师和设计师的创意转化为切实产品” 为目标的价值观，如今也赋予着工业AI最实用的价值锚点。

在此次SOLIDWORKS 2026 的发布中，SOLIDWORKS第一次把 AI 从零散功能升级为一个成体系的工程方法论：其围绕工程师真实工作流程，对AI做了一次结构化重建，将AI划分出 “自动化、辅助、协同创作” 三层能力。

在最底层，AI 被用于 “自动化” 。它负责处理大量重复性、机械性、完全可以标准化的工作，例如装配配合的自动识别与生成、重复特征的自动处理、结构焊件的快速生成、紧固件的自动检测和装配等。过去工程师每天消耗大量时间在做的 “非创造性劳动” ，在这一层被AI接管，让人从繁重操作中被解放出来，把更多精力用于设计思考而不是机械操作。

在此基础上，SOLIDWORKS 2026 的 AI进入 “辅助” 阶段，它开始真正理解工程师的习惯、判断和意图。系统会根据用户的建模路径、特征结构、约束逻辑与历史操作轨迹，自动预测下一步最可能的操作，并给予可选择的建议。它会自动挑选最合理的视图、自动补全尺寸、推断可能的约束关系，甚至在装配或草绘时提前给出 “最优下一步” 的提示。这一层的 AI 不替工程师做决定，但会让工程师的决定更快、更稳、更少错误。在企业实际使用中，这意味着经验不再依赖于 “跟人学” ，而可以由系统主动推送给每一个工程师，让团队整体能力在结构化知识的帮助下抬升一个台阶。

最上层，SOLIDWORKS 2026 把 AI 推向 “协同创作” 。这里的 AI 已经不再是工具，而是参与到 “方案生成” 的环节中。系统可以根据用户的输入条件自动生成工程图布局，自动生成 2D/3D 的设计草案，分析特征结构并提供多种可能的设计方案供工程师筛选，还能对布局、支撑结构、特征组合等提出具备可制造性的优化建议。工程师不再从零画起，而是从 AI 生成的初稿中挑选、修改、评估与迭代。决策过程不再是线性的，而是人和 AI 并行思考、实时推演。这意味着设计部门不再只执行任务，而是将创造力前置，让试错成本更低、方案空间更大、创新速度更快。

显而易见，SOLIDWORKS 2026已经把 AI 不再当作 “某些功能点的集合” ，而是明确拆解成了三条彼此递进的能力链路：自动化（Assistive）— 辅助（Predictive）— 协同创作（Generative），自动化负责 “效率” ，辅助负责 “判断” ，协同创作负责 “创造力” 。对于中国制造企业而言，这一体系尤其具有现实意义。在工程师资源紧张、经验传承困难、重复劳动占比高、设计到制造的周期不断缩短的背景下，这种 AI 的三层结构恰恰对应了当前最急迫的升级路径。它让中小企业第一次拥有了 “用得起、装得上、带得动” 的工程 AI，让传统依赖个人经验的工作模式转向知识结构化、流程智能化和协同创作化，真正把 CAD 从 “画图工具” 转变为 “工程智能平台” 。换句话说，SOLIDWORKS 2026 不是在让软件变聪明，而是在让整个工程团队变强。

“实际上对于SOLIDWORKS而言，我们从十年前就已经开始在我们的软件当中加入了具有AI属性的功能。” 陈超祥，达索系统SOLIDWORKS亚太区高级技术总监强调：SOLIDWORKS并非是为了AI而AI，而是真的希望通过SOLIDWORKS 2026所传递的AI应用理论，为应用企业提供更多有关业务流程优化和工程方法进阶的价值和助力。

达索系统SOLIDWORKS亚太区高级技术总监  陈超祥

除了应用AI的方法论，对于工业AI还有一个技术问题没有办法绕开：工业领域的AI与应用大语言模型的泛行业AI有怎样的差异？大语言模型是否能够直接应用于工业领域？

“现在很多人把注意力放在ChatGPT上，但是我们认为：与工业相关的知识才是最重要的。” Gian Paolo 强调，因为通用大语言模型 “不具备工业的知识” ，它虽然可以理解问题并用文字回答，但 “背后没有很强大的工业知识” ，因此 “我们的AI不是简单地应用通用大语言模型” 。在他看来， “达索系统做AI，是专注在工程技术相关的AI，我们叫作工业领域AI” ，它必须 “懂那个行业的语言” ，包括复合材料、CNC 编程、化学等， “这些语言不是一般的日常用语” 。 这实际上也为 “工业 AI” 提出了一个非常高的门槛：它不是一个可以从通用语料中学出来的模型，而是要建立在行业积累之上——“我们在这个行业里经营40多年，很多客户都是从不同行业进来的，所以我们累积了很多不同的行业经验” ，这些知识和数据才是 SOLIDWORKS 以及达索系统用 AI 去解决问题的基础。

在目前的大环境下，任何全球性软件在进入中国市场时，都还有一个现实问题：这套方法论如何在中国市场落地？

吴俊杰，达索系统大中国区专业客户事业部副总裁，过去的20年里一直负责SOLIDWORKS中国市场。在他看来，SOLIDWORKS现在中国市场拥有170多家合作伙伴，超过3000多名工程师， “我们的理念就是帮助用户实现成功，而我们的合作伙伴会在其中为用户提供最具价值的服务。” 因此对于中国的企业而言，使用 SOLIDWORKS 2026 不再只是 “买一套 CAD” ，而是接入一个已经在本地深耕 20 多年的行业网络，并且获得积累多年的行业知识。

达索系统大中国区专业客户事业部副总裁 吴俊杰

“我们 (SOLIDWORKS) 有30年的历史，全球有几百万的用户，还有历年积累下来行业知识和成果。” 达索系统专业客户事业部高级销售总监马学湖补充强调，SOLIDWORKS 2026 是 “一整套的解决方案，而不是只有一个CAD” ，其中包括三维建模、机电一体化、设计仿真一体化、无纸化、基于三维的 PLM。 因此对中国企业来说，这恰恰是一套从 “工具采购” 走向 “能力组合” 的实践路径：如何在 CAD 的基础上，有节奏地引入仿真、PDM、甚至云端 PLM，把 AI 真正用到 “端到端” 的工程链条里。

达索系统专业客户事业部高级销售总监  马学湖

从这个角度看，SOLIDWORKS 2026 给中国企业提供的，可能远不止一份 “功能清单” ，而是一套可操作的方法论雏形：从工程师个人，到设计团队，再到企业级的产品数据体系，如何一步步让 AI 成为 “懂行的同事” ，而不是 “聊天的玩具” 。如何把过去 30 年沉淀下来的全球工程经验，转化为自己组织里的日常做事方式。

结合SOLIDWORKS 2026对于AI应用的自动化、辅助、协同创作的三层结构，其实际上也为中国的企业用户规划里一条相对清晰的进阶逻辑：首先是对工程师时间结构的 “减负重构” ，让工程师的工作从 “忙到没空想” 变成 “有精力做设计评审、有时间做方案对比” ，再谈创新和 AI 参与决策；然后是对工程知识结构的显性化重构，用得最熟的 CAD 界面，逐步把仿真、数据和 AI 串起来，而不是另起炉灶做一套AI 项目；最后则是对企业商业模式的“价值重构”，在生成式经济的视角下，给自己的产品、服务和数据预留一种“可服务化、可平台化、可跨行业”的未来可能性。

对于中国企业而言，也许真正值得关注的不是 “这次新版本多了多少 AI” ，而是：你是不是已经开始应用AI工具？你尝试过把AI工具系统化吗？你的AI应用规划是否为企业未来的发展提供了更多的可能性？这些问题，大概比 “AI 能不能替代设计师” 更现实，也更决定接下来十年的胜负。