近日，以“人工智能AI赋能研发创新——IBM ELM（即IBM Engineering Lifecycle Management，工程生命周期管理平台）全行业智能化升级”为主题的研讨会在上海圆满举行。本次研讨会由IBM联合南京浩博、神州数码等合作伙伴共同举办，汇聚了美团、蜂巢传动、CSN、UL Solutions等80多位来自汽车汽配、轨道交通、能源电力及低空经济等行业的研发负责人、技术专家及业内知名认证咨询机构，共同探讨一个时代命题：当AI进入研发全流程，真正的分水岭不再是模型大小，而是我们能否用结构化工程数据、严谨治理体系与人机协同决策，驯服AI的“不确定性”，将其转化为可量化、可追溯、可信赖的工程生产力。

 

聚焦制造业数字化转型，IBM深化AI与软件战略布局

“AI已从概念走入实践，但它的真正价值不在于替代人，而是作为‘放大器’——前提是必须构建可信的数据底座，并始终坚持‘人机协同’ （Human-in-the-loop）的责任边界。” 这是IBM携手生态伙伴举办本次AI赋能研发研讨会的核心共识。作为一家在过去十年完成从硬件到软件与AI双引擎战略跃迁的科技企业，IBM软件营收占比已超45%，正以混合云与AI为核心，聚焦制造业“研产供销服”全链路，用“咨询+科技”双轮驱动，助力中国企业实现数字化升级与全球化合规出海。

IBM中国总经理侯淼在致辞中分享了IBM自身的战略转型：“当硬件算力不再是瓶颈，应用爆发式增长，IBM选择在两者之间构筑软件的价值桥梁。过去十年，我们通过自研与收购并进，构建了覆盖AI、数据、安全、自动化与多云管理的完整软件版图——在中国，这一切正聚焦于高端制造业的研发主战场，用工程数据底座与全球化合规能力，成为企业数字化转型与扬帆出海的关键伙伴”。

（侯淼，IBM中国总经理）

IBM中国科技事业部ELM业务总经理王胜航指出：“AI时代已从‘要不要用’进入‘怎么用好’的深水区，真正的挑战不在于技术本身，而在于我们能否用正确的工程数据、清晰的治理规则和人类的责任判断，让AI真正为研发赋能，实现提质增效。AI是一个放大器，如果没有可信的底座和好的上下文，可能会招来很多麻烦。我们希望搭建一个开放生态，让不同行业的客户有机会分享AI实践中的体会与新需求，帮助大家正确用好AI。”

（王胜航，IBM中国科技事业部ELM业务总经理）

南京浩博科技总经理蔡浩表示：“作为IBM ELM的资深合作伙伴，非常开心能携手前行。浩博从2020年组建AI团队起，就一直坚持‘工程+AI’的策略。AI要在制造业真正落地，前提是先把数据治理做扎实，让模型和企业的工程数据深度结合，才能真正发挥价值。”

（蔡浩，南京浩博科技总经理）

构筑可信底座：结构化数据与工程治理是AI落地的基石

在技术分享环节，IBM技术专家指出，通用AI模型缺乏工程上下文，易产生“幻觉”，无法满足高安全领域对可控、可追溯、可审计的严苛要求。因此，IBM ELM平台凭借细粒度、结构化的工程对象、开放的接口和严格的工程治理能力，成为AI在研发领域落地的最理想载体。

场景驱动：AI在需求、建模与质量追溯中的经验实践

本次研讨会不仅停留在理论层面，更通过多个已落地的客户实践案例，生动展示了AI在研发具体环节的突破性价值：

1. 智能需求工程：现场演示了AI如何对上下游需求进行语义冲突、分解完整性及参数一致性的自动化质量检查，并生成修改建议。更进一步，AI能基于上游需求自动生成下一层级的候选需求，工程师确认后即可一键写入系统并建立追溯关系，极大提升了需求拆分的效率与准确性。

2. MBSE（基于模型的系统工程）加速：AI正在将MBSE（基于模型的系统工程）从“数周的人工建模”压缩为“数小时的智能生成”，但这并不意味着系统工程师可以被取代——恰恰相反，工程师的角色变得更加关键。过去，工程师花大量时间在画图、建模、写代码上；现在，AI可以自动从需求生成用例图、活动图、序列图、状态机，把机械性的工作快速完成。但工程师的工作重心必须前移：提前验证需求的准确性。

3. 规模化质量AI追溯：AI在质量追溯上的价值，不是简单地替代人工，而是将“偶尔做一次、一做做三周”的定期评审，变成“天天做、全覆盖、标准统一”的常态化质量监控。

针对人工追溯效率低（120小时/文档）、覆盖漏率高（>30%）、标准不统一三大行业痛点，南京浩博分享了其基于IBM ELM平台构建的AI质量分析系统——这也是其“工程+AI”策略的一次落地实践。该系统采用智能体（Agent）架构，结合企业知识库与业务规则，实现了端到端的全量追溯分析，将分析耗时从10天降至40分钟，覆盖率达100%，问题发现率超85%，真正实现了高频、一致、全覆盖的质量管控。

“人机协同”成为共识：AI辅助决策，人工守住责任底线

会议提出了“人机协同” （Human-in-the-loop）的核心原则，强调在需求定义、安全合规审查、成果审批等关键节点，必须由工程师进行最终确认与签字，确保责任归属明确。

美团硬件流程IT负责人豆庆华提出“软快硬慎”原则：“信息越软、反馈越快、修正越便宜的环节，如需求文档生成和代码辅助编写，要果断用AI；信息越硬、反馈越慢、过程越不可逆，越要守住人的责任底线。”以城市低空物流的探索为例，他强调，无论是无人机自主飞行还是智能调度网络，其背后都依赖从需求到测试的全链路工程管理与AI的深度融合。豆庆华表示，AI赋能的系统工程并非停留在概念层面，而是要在真实的研发体系中生根发芽。

（豆庆华，美团硬件流程IT负责人）

蜂巢传动技术总监戴民：当前汽车行业竞争激烈，对研发赋能的诉求日益强烈，IBM ELM作为行业主流ALM工具在AI技术加持之下能力是否能够获得大幅提升是非常值得关注的，而本次会议正好提供了一个非常及时的展示机会，多个会议报告的内容都十分精彩，既为当前用户增强了信心，又为行业提供了丰富的想象空间。

（戴民，蜂巢传动技术总监）

CSN（中国汽车软件过程改进与能力测定联盟）主席王轶群博士指出，汽车行业正从规范驱动转向数据驱动，核心是构建数据闭环与持续迭代体系。他同时抛出一个深层追问：当AI能帮我们生成需求与设计时，我们反而要回归软件工程的本源——为什么需要写需求？为什么需要写设计？因为这不仅是技术问题，更是对人类认知过程的模拟与反思。

（王轶群博士，CSN主席）

UL Solutions AI安全高级顾问宋晓飞从合规角度指出，欧盟AI法案虽将嵌入式AI实施推迟至2028年，但“以人为本、透明可追溯”的监管方向已定。企业应优先建设AI管理体系与风险管理体系，而非急于用AI替代人工决策。

（宋晓飞，UL Solutions AI安全高级顾问）

模型是引擎，数据是燃料，业务融合才是护城河

在AI能力日益同质化的今天，企业真正的护城河在于自身的私有数据资产、行业洞察与业务流程的深度结合。模型是引擎，而高质量、结构化的工程数据才是驱动引擎的燃料。

IBM表示，将继续秉持开放生态策略，以IBM ELM为可信底座，融合咨询与科技的双重优势，赋能中国制造业在AI时代实现从“制造”到“智造”的跨越，并顺利走向全球化舞台。