SolidWorks CEO Manish Kumar:AI生成越多设计,验证正确性就越有价值
达索系统SolidWorks CEO Manish Kumar在2026年11月韩国记者团采访中提出:AI使设计生成变得容易,但当输出数量暴增时,证明哪个模型是正确的反而成为工程师最核心的价值。他以REACT推理-行动框架和割草机机器人设计为例,说明工程师的角色从执行命令转向定义意图、设置约束和判断结果。
达索系统SolidWorks CEO Manish Kumar在2026年11月接受韩国记者团采访时,给出了一个关于AI与工程师关系的明确判断:AI会让设计制作变得极其容易,但制作物越多,证明哪个结果是正确的就越重要。他认为,这正是工程师价值显现的地方。
这个判断不是空泛的'AI不会取代人类'。Manish Kumar给出了具体的机制。他以REACT(Reasoning and Acting)框架为例解释AI如何在设计流程中工作:当用户请求一张工程图纸时,AI面对的是视图选择、尺寸标注位置、剖面图安排等近乎无限的可能性组合。AI不是直接输出一个答案,而是通过推理模型决定'为什么把尺寸放在这个视图',执行后观察结果,再根据需要调整。这个过程本身是迭代的、自主的。
但关键转折在这里:AI可以执行这个迭代过程,前提是人告诉它要什么。Manish Kumar用了一个割草机机器人设计的例子。假设一个工程师接到任务:在不增加成本的前提下把机器人重量减轻15%,同时保持疲劳寿命不变。这需要修改设计、运行仿真、遵守成本约束。他说,大多数工程师都知道怎么做,只是需要大量命令、点击和流程步骤,所以耗时。
AI能接管这些步骤。但Manish Kumar认为,工程师的核心价值从来不在'点击命令',而在'找到正确的意图'——定义目标、设定模型应该做什么和不应该做的约束条件、然后基于AI给出的结果评估利弊。
他把这个关系比作司机和引擎:工程师坐在驾驶座上,AI是引擎。引擎让车动起来,但方向和目的地是司机的责任。
这一论点有一个具体的产品背景。达索系统今年将SolidWorks的生成交互AI推进到'agentic AI'层级:不是简单问答,而是人给出具体任务,多个专业AI agent在后台按学习到的流程完成工作。这套系统包含三个'虚拟同伴'——Aura、Leo、Marie——分别对应不同专业领域。Leo拥有机械设计、性能分析、机械编程等'能力'(Competency),每个能力下再细分'技能'(Skill),如概念设计、详细设计、制图等。
商业层面,达索系统对过去两年购买SolidWorks的用户提供每人2100个Blue Token用于AI功能。每个Token定价5美分,按执行技能和产出价值而非文本量扣减。Manish Kumar称商业化五个月内客户已使用数百万Token,并提到一个客户用生成式绘图功能将数据集生产性提升了50-60%,目标六个月内达到90%。
这些数字来自厂商自报和单一客户案例,没有公开可复现基准。但Manish Kumar的核心论点不依赖这些数字成立:当生成成本趋近于零时,稀缺资源从'能做出设计'转移到'能判断哪个设计是对的'。这个逻辑对任何使用AI生成工具的工程领域都适用,无论具体产品如何。
需要保留的边界是:Manish Kumar是SolidWorks产品的CEO,他的论述同时是技术观点也是商业定位。他说'AI使设计更容易'的前提是自家工具确实能做到这一点——目前尚无独立验证表明生成式AI在复杂工程约束下的可靠性已达到全面替代人工执行的程度。他的论点描述的是一个方向,而非已经完成的事实。