謝至恩生成式 AI 逐步進入企業軟體，但對製造、工程與材料等工業場景而言，能夠回答問題，不等於足以支援設計、模擬與製程決策。達梭系統全球執行副總裁暨亞太區總裁 Samson KHAOU 表示，公司推動工業 AI 的方向，不是在既有解決方案上附加 AI 功能，而是將 AI 直接嵌入產品設計、模擬、最佳化及決策流程，並透過與 NVIDIA 合作，結合規模化運算能力、虛擬雙生與產業知識。
NVIDIA 提供運算能力 達梭系統補上產業理解
達梭系統與 NVIDIA 已建立長期策略合作關係，共同打造橫跨不同產業的工業 AI 架構。在雙方分工中，NVIDIA AI Factory 提供建立及規模化運行 AI 所需的運算能力；達梭系統則透過虛擬雙生技術，建立對產品、製程與產業情境的理解。
Samson KHAOU 指出，這項合作希望將「智慧」與「理解」連結起來。一方面，達梭系統的代理式 AI 平台採用 NVIDIA 的運算能力；另一方面，NVIDIA 也使用達梭系統的虛擬雙生解決方案，設計及模擬 AI 工廠。相較於單次合作發布，後續重點將落在代理式 AI 的實際應用，以及 AI 工廠與虛擬雙生技術的相互整合。
虛擬雙生涵蓋產品與製程資訊，也納入製造流程中的回饋資料。企業可利用這些資訊模擬及最佳化產品與流程，使 AI 不只處理文字或生成內容，也能在具體的工業情境中協助分析。
產業世界模型整合知識、模擬與複雜系統
代理式 3DEXPERIENCE 平台以產業世界模型 (Industry World Model) 為基礎。模型首先納入企業長期累積的專業知識與技術，其次整合建模及模擬能力，用來呈現產品並驗證設計；面對日益複雜的產品與製程，則進一步採用模型化系統工程 (Model-Based Systems Engineering, MBSE)，處理主系統與次系統之間的關係。
在此架構下，大型語言模型、多模態 AI 與推論技術可用於產生設計或最佳化選項，但選項仍須透過企業知識、建模及模擬結果進行驗證。 Samson KHAOU 認為，工業應用不只要求系統完成模擬，也必須進一步最佳化產品或製程，提供可供決策的選項，並調度決策後需要執行的動作。
這也是代理式平台與一般 AI 助手的主要差異。一般 AI 助手多以大型語言模型搭配軟體功能，較常用於工作自動化；代理式平台則結合產業世界模型與多個 AI 代理，讓 AI 能依據決策觸發後續行動，而虛擬助手則作為工程師及企業決策者與 AI 互動的介面。
三類虛擬助手對應不同專業問題
達梭系統目前規劃的虛擬助手涵蓋通用知識、工程知識及科學知識，企業可依問題類型選擇不同的專業能力。由於模型能結合企業本身的知識與技術，使用者也可將內部經驗納入判斷，而非只依賴通用大型語言模型的既有資料。
Samson KHAOU 表示，內部比較顯示，虛擬助手與一般 AI 助手所產生的選項，在準確性上有約 30％差距。不過，目前並未進一步說明測試方法、樣本規模及適用情境，因此這項數字仍須配合實際工作與驗證條件解讀。
對工業場景而言，答案是否「大致正確」並不足夠。若 AI 產生的選項無法符合產品認證、安全或製程要求，就不能直接用於工程決策。透過限定任務範圍、導入經整理的產業知識，以及結合模擬與真實世界的物理原則，可降低通用生成式 AI 產生錯誤或過時資訊的風險。
台灣企業下一步從數位轉型走向 AI 原生
達梭系統自 2006 年進入台灣，2026 年屆滿 20 年。 Samson KHAOU 觀察，台灣電子、資通訊及半導體業者已深入 AI 基礎架構供應鏈。展望未來十年，企業面對的關鍵不再只是完成數位轉型，而是能否成為 AI 原生企業。
所謂 AI 原生，是將 AI 嵌入企業流程、產品價值創造及客戶服務，而不是將 AI 視為獨立工具。 AI 將進一步影響企業如何設計產品、調整組織，以及與客戶和消費者互動。達梭系統也正進行相同轉型，並計畫以既有產業經驗協助台灣客戶推進相關工作。
對傳統製造業而言，AI 同樣逐漸成為轉型商業模式及提升競爭力的工具。達梭系統臺灣戰略客戶銷售總監張銘輝指出，部分希望進入半導體供應鏈的中小企業，必須面對更快的迭代速度、更精確的規格及更短的回應時間，也需要拆解半導體客戶要求的指標，才能運用既有經驗回應新需求。
Samson KHAOU 表示，中小企業未必有足夠資源建立完整的模擬工程團隊；結合通用知識、建模與模擬能力的虛擬助手，可協助企業先累積內部技能並進行模擬，再依發展階段擴充專業團隊。至於 Edge AI，公司目前仍處於技術評估與研發階段，尚未公布完整的產品或市場策略。