> **来源：[研报客](https://pc.yanbaoke.cn)** # 工程领域转型：从成本中心到增长引擎 ## 核心内容 当前，工程部门正面临前所未有的变革压力。随着软件定义产品、更严格的法规以及持续的成本压力，工程部门必须在适应性和速度上取得突破。到2030年，适应性和速度将成为衡量工程绩效的关键指标。 工程不再只是产品开发的执行者，而是企业增长的重要引擎。通过系统性地重构工程流程、数据架构、工具链和协作模式，企业能够实现更短的开发周期、更高的工程效率和更强的市场竞争力。 ## 主要观点 - **工程正处于转折点**：传统系统和工具已无法满足现代工程需求，尤其是在AI应用方面。 - **工程需要从成本中心转变为增长引擎**：通过提高效率、减少重复劳动、增强产品可靠性，工程可以成为企业创新的核心驱动力。 - **AI的应用是关键**：AI不再只是辅助工具，而是可以作为工程流程中的数字助手，执行从规划、编码到验证的全过程。 - **系统性变革是必要的**：工程的转型需要从流程、数据、工具、角色和跨职能协作等多个层面进行重构。 ## 关键信息 ### 工程面临的挑战 - **生产力损失**：全球每年因工程流程低效造成的生产力损失估计达390亿美元。 - **系统割裂**：77%的高管和工程领导者表示他们维护超过200个工程应用，仅4%实现了端到端的数字线程。 - **工程时间浪费**：工程师每天约有一半时间用于文档、报告和信息搜索，而非核心工作。 - **合规与验证压力**：50%的高管和工程领导者将验证频繁软件发布视为主要挑战。 ### 五项关键变革措施 1. **将V模型转变为持续证据系统** - 明确每个阶段的“好”标准，包括输入、输出、决策点和冻结点。 - 通过AI识别决策漏洞，生成检查清单，提高证据一致性。 - 实现开发数据的实时追踪，减少后期验证的不确定性。 - **案例**：宝马通过Azure平台和AI助手，将数据查询效率提升约10倍。 2. **转向模型驱动、模拟优先的开发** - 在设计阶段就建立模型与需求的直接关联，减少后期修改。 - 通过AI加速模型诊断，识别重复失败模式，优化设计假设。 - **案例**：西门子能源通过集成数字线程，完成26次设计迭代，交付全球首个100%氢气燃气轮机。 3. **规模化自动化验证与合规** - 将验证和合规嵌入开发流程，而非后期突击完成。 - AI辅助识别模糊需求，生成测试案例，持续更新合规证据。 - **案例**： Daiichi Elektronik通过Codebeamer平台，将合规框架建设时间缩短至一年内，减少重复工作。 4. **重新设计人才模型以适应AI增强工程** - 建立“人类+AI”协作模式，减少低价值任务，提高高价值决策效率。 - 明确跨领域决策责任，AI辅助识别技能缺口并推荐学习路径。 - **案例**：ABB通过NVIDIA Omniverse实现99%的模拟与实际一致性，降低部署成本40%。 5. **构建结构化合作伙伴协作机制** - 定义核心与合作伙伴的边界，制定数据共享规则。 - 使用AI进行数据分类、权限推荐和异常检测，确保数据安全与一致性。 - **案例**：大众在合肥建立工程中心，与XPeng合作实现30%的开发周期缩短。 ## 关键技术与工具 - **数字线程（Digital Thread）**：连接产品全生命周期数据，实现跨系统、跨部门的统一视图。 - **云原生数字核心**：为数据治理、集成和访问提供统一平台。 - **AI工程代理（如Eigen Engineering Agent）**：能够规划、编码、验证和迭代工程任务，输出可直接使用的成果。 - **模型驱动开发（MBD）**：通过模拟优先的方式优化设计流程，提高开发效率和产品质量。 ## 总结 工程转型不仅是工具和流程的更新，更是组织文化、协作模式和人才结构的系统性重构。通过构建统一的数据访问平台、引入AI辅助、优化模型开发流程、加强跨职能协作，企业可以将工程转变为持续增长的引擎，提升产品开发速度、降低风险、增强市场竞争力。