数十年来，人工智能（AI）一直被视为是 “下一个重大突破”。2022年11月ChatGPT横空出世，引发颠覆性变革。如今，生成式AI的时代正式到来，催生前所未有的数据中心投资热潮，各行业迫切推动与AI的全面整合。PLM业界也在积极融合生成式AI及其他AI的技术能力。

围绕这一行业紧迫性，本届论坛CIMdata将重磅发布AI在PLM领域应用的全新全球研究成果。该研究为工业企业及助力实现PLM战略目标的软件及服务提供商，提供了基于事实的行业基准，清晰呈现AI在PLM应用中的现状、已取得的成果及未来规划。我们正处于关键转折点——AI已从理论概念演进为全球经济的核心驱动力，我们与业界共同期待未来蓝图。

从科幻构想至摩尔定律：人工智能的发展基石

人工智能生命体概念最早可追溯至1872年，塞缪尔・巴特勒在其乌托邦小说《埃瑞璜》中首次提出该构想。与后续众多科幻作品相似，他担忧人类将被自我复制的机器所取代。这一核心思想在后续不断延续：1950年，艾伦・图灵提出了经典问题“计算机会思考吗？”；1956年，在达特茅斯人工智能夏季研讨会上，约翰・麦卡锡及其同事正式创造了“人工智能（AI）”这一术语。

摩尔定律的持续演进堪称“不竭的馈赠”。它不断提升单位成本下的计算、存储及网络能力，提供了强大的算力支撑，助力一代又一代AI解决方案迭代升级。IBM的深蓝（Deep Blue）在国际象棋领域、沃森（Watson）在电视节目《危险边缘》（Jeopardy）中的辉煌战绩，证明了计算机在特定专项任务中能够超越人类。谷歌的AlphaGo更胜一筹，在复杂度极高的围棋项目中击败人类冠军。值得关注的是，AlphaGo并未采用传统的人类创建数据库训练模式，而是运用了机器学习与树搜索技术。

2022年11月，OpenAI以免费“研究预览版”形式推出ChatGPT，这一举动引发了全球广泛关注。根据DemandSage 2025年10月7日发布的ChatGPT用户数据，其用户规模实现翻倍增长——2025年2月周活跃用户为4亿，10月已增至8亿。ChatGPT日均处理20亿次查询，日均活跃用户达1.906亿，每秒访问量高达2206次。美国以15.1%的流量占比居首位，印度紧随其后，占比9.42%。

尽管生成式AI是近年才出现的创新技术，但PLM领域应用AI的历史实际已超过30年。例如，Altair早在20世纪90年代便引入了创成式设计，近年来随着计算单位成本的下降，该技术的实用性大幅提升；机器学习技术被用来分析机械计算机辅助设计（MCAD）系统的使用模式，从而优化用户体验；Autodesk也是早期采用IBM 沃森（Watson）进行客户支持呼叫分诊的企业之一。

数据领域的天作之合：PLM与生成式AI

生成式AI与PLM堪称“数据领域的天作之合”。生成式AI善于从数字主线提供的数据中挖掘内涵与关联，这或许能减少其在其他应用场景中出现的“幻觉”问题。二者的融合已成为企业的战略必选项。

以数字主线为核心的PLM系统，能够管理生成式AI蓬勃发展所需的海量结构化与非结构化工程数据。这种潜在的融合路径有望将静态数据转化为动态的“智能系统”。然而，与其他计算及网络技术的引入过程类似，生成式AI在PLM领域的应用也面临着独特且高风险的挑战，与历史上的行业焦虑一脉相承：

知识产权（IP）风险：利用专有产品数据及设计知识训练AI模型，引发了关于所有权、归属权及数据安全的核心担忧——这一问题此前也曾延缓了云基础设施的普及进程。

信任与准确性问题：尽管数字主线能帮助生成式AI模型“锚定”经过验证的工程数据，但确保在关键产品开发决策中的输出一致性、可追溯性及可靠性，仍是首要任务。

寻求清晰方向：PLM业界对AI的回应

PLM业界与众多其他市场领域一样，正积极行动，致力于将AI融入其产品及业务流程。尽管用户正积极在个人及工作场景中尝试这项技术，但初期应用效果参差不齐，这也凸显了对客观公正、权威可信指导的迫切需求。

为厘清PLM业界及其服务的工业企业的快速变化动态，CIMdata发起了一项关于AI在PLM领域应用的全球综合研究，覆盖三大核心群体：工业用户、软件提供商及服务提供商。