5月28日，达索系统与安托智造联合举办的“AI+MBSE 模智融合 数驱未来”研讨会在北京举行。来自中国星网、航天五院、南航深研院等单位的专家齐聚，围绕AI与MBSE深度融合展开系统性探讨。本文整理核心干货。

传统研发模式：需求、设计、验证文件分散，信息孤岛严重，周期长、协同难、成本高。MBSE通过“统一数字模型”打通需求、架构、仿真与验证，让研发从“文件驱动”转向“模型驱动”。当AI融入MBSE，安托将生成式AI与智能体技术融入建模全流程，建模效率提升超过30%。

带来的价值：更短的研发周期、更高的系统一致性、更低的设计返工成本、更强的跨团队协同能力、更快的复杂系统创新速度。

达索系统CATIA品牌全球销售副总裁Guillaume VAUR先生展示了以AI虚拟助手、MBSE、多学科仿真、嵌入式软件为一体的工业元宇宙底座。

安托总经理方治先生表示，工业研发正在从“数字化”迈向“智能化”，AI+MBSE有望成为高端制造迈向自主化、智能化的重要支撑。

在技术分享环节，达索系统CATIA行业顾问张春妹女士介绍MBSE 2026最新方案与新能力。达索系统Cyber Systems高级专家吴玲燕女士分享了SysML2.0方案及基于MBSE的创成式AI方案。

中国星网专家陈晖先生分享了AI4MBSE在航天系统的实践应用，强调引入AI辅助的必要性、规范性与复用性，并规划向SysML2.0及跨语言数字员工演进。

航天五院范海涛博士围绕基于模型的航天器协同设计环境，提出构建SysML元模型、基础模型库及Modelica通用模型库，实现模型高效复用与快速构建。

安托建模工具应用专家赵文强先生分享了SysML自定义插件研发与工程应用。

南航深研院杨淑群院长针对跨MBSE工具的复杂装备智能设计，提出引入AI辅助需求捕获、功能定义、架构生成与模型检测，实现“AI增强、人决策”的智能设计闭环。

安托数字主线产品部专家耿涛先生介绍了AI+MBSE在汽车动力系统设计与仿真的深入落地案例。

本次研讨会最值得关注的两个趋势：

趋势一：从“要不要做MBSE”到“AI怎么进主流程”。多家企业代表提到，过去MBSE容易陷入“过度建模”，模型建得漂亮但用不起来。现在的解法是引入AI辅助——让AI帮助捕获需求、生成架构、检测模型，人只做最终决策。这是从“理念验证”到“规模化应用”的关键转折。

趋势二：SysML2.0+创成式AI成为下一波技术焦点。达索介绍了SysML2.0方案及创成式AI，中国星网规划从SysML1.x向2.0演进。SysML2.0更强大的表达能力和AI的结合，有望大幅降低建模门槛。

安托提出的30%效率提升，不是实验室数据，而是基于真实项目实践。背后逻辑是：将生成式AI用于建模流程中的重复性、规则性工作，比如自动生成架构草稿、智能补全模型元素、自动检测模型一致性。这种“AI增强”模式，不替代工程师的判断，而是让工程师更聚焦于高价值决策。对于正在推进MBSE的企业，这或许是一条可复制的路径。

【互动一下】

你们单位在推进MBSE过程中遇到的最大挑战是什么？是标准不统一、工具难用、建模门槛高，还是AI可信度问题？或者你对SysML2.0有什么期待？评论区聊聊。

未能到场？后续“安托智造”账号将放出各主题演讲的完整视频回放，敬请期待。