达索系统帕斯卡·达洛兹：AI赋能工业要瞄准“登月级”痛点，拒绝微小增量

　    近日，达索系统董事会主席兼首席执行官Pascal Daloz(帕斯卡·达洛兹)到访中国，在工作间隙，他就人工智能发展趋势、工业AI落地布局、工业软件与人工智能的融合替代关系、中国工业制造企业数智化转型对策等话题，同《中国信息化周报》在内的多家媒体进行了深度交流与对话。

　　帕斯卡·达洛兹表示，人工智能绝非浮于表面的外置工具，而是深度融入底层的核心能力。发展新质生产力，需要加快生产力的学习与进化进程。当前诸多领域仍依赖“干中学”的传统经验积累模式，若人工智能能够让专业知识便捷触达从业者，将为行业带来颠覆性变革。正因如此，达索系统将人工智能全面融入各项业务的核心底层。

　　帕斯卡·达洛兹进一步解释说，达索系统所构建的人工智能系统与通用大模型有着本质区别。不可否认，大语言模型在文本处理领域具备强大能力，但达索系统的业务体系以对物理世界的深度理解为根基，因此公司正在开创一个全新范式的、新一代的人工智能模型——工业世界模型。该模型的核心是物理AI与工业AI的深度融合，既要实现对客观物理规律的精准认知，也要掌握将物理规律转化为实际生产力的方法。

　　锚定工业AI规模化落地 构筑通用技术体系

　　今年年初，达索系统宣布与NVIDIA达成长期战略合作伙伴关系，旨在为各行业的关键业务场景下的AI应用，建立共享的工业AI架构。

　　对此，帕斯卡·达洛兹表示，当前，人工智能正从实验阶段迈向大规模工业级部署的新阶段。打造具备规模化扩展能力的人工智能，需要构建稳固的技术基础。要做到这一点，关键不仅在于引入NVIDIA或其他企业的GPU或代码库等加速计算技术，更在于定义一套通用架构。这正是我们与NVIDIA合作推进的重点。

　　“我们正在联合定义专为工业AI量身定制的通用架构，赋予其处理海量多源知识的强大算力，并同步实现规模化应用。一方面，我们将人工智能与建模仿真技术深度融合，打造出备受瞩目的工业世界模型，以实现我们所追求的科学级精度;另一方面，这也让我们有能力在全球范围内实现这些服务的规模化交付。”帕斯卡·达洛兹如是说。

　　对于开放合作，在与帕斯卡·达洛兹的对话中获悉，达索系统已有明确计划与中国人工智能企业开展合作。他表示，当前中国AI领域的优质企业众多，达索系统正审慎筛选合作对象，以确保最终合作的伙伴不仅具备长远发展的硬实力，更能与达索系统在战略愿景上高度契合。“我们已经在中国市场发现了具备这种物理DNA的优秀企业，并非常期待与他们展开合作。”帕斯卡·达洛兹如此说道。

　　帕斯卡·达洛兹解释说：“归根结底，我们的战略是纵向深度整合，横向全面开放。这意味着，如果未来我们需要在中国市场深度集成中国本土的基础人工智能技术，我们完全有能力做到，因为我们的架构自设计之初便锚定于此。”

　　纯流程驱动的软件业务极易被AI替代

　　在被问到，当工业AI发展到一定阶段的时候，工业软件是否会被其取代时，帕斯卡·达洛兹表示，这是一个行业关注的核心问题。而为了让与会者能够直观的感受到哪些企业能够被AI所替代，帕斯卡·达洛兹通过第三方AI评估平台deathbyclawd.com进行了演示。

　　据了解，该平台底层采用Anthropic模型，可评估企业被AI替代的风险。测试结果显示，某流程型软件公司面临较高替代风险。当同样的测试用于达索系统时，输出结果显示，达索系统被AI替代的市值风险不足1%，仅定价环节存在小幅风险。具体的解释则是：“作为Anthropic，我绝对无法用一个Markdown文件替代在航空航天领域沉淀了四十年的CAD与PLM工程底蕴。如果你认为可以做到，请永远不要靠近任何飞机，因为那太危险了。”

　　“因此，请大家务必记住这个核心论断：真正面临被AI替代风险的，是那些纯粹由流程驱动的软件业务，而深深根植于科学规律与工业知识土壤之中的软件，则拥有强大的护城河。”帕斯卡·达洛兹说。

　　投资发力工业AI 拒绝低效AI赋能项目

　　2025年7月，达索系统与凯辉基金、静安产业引导基金宣布合作成立凯辉(达索)数字工业基金。据帕斯卡·达洛兹介绍，目前，凯辉(达索)数字工业基金已正式完成设立，达索系统已向基金注资7.5亿元，剩余7.5亿元注资将于今年5月到位。

　　帕斯卡·达洛兹表示，该基金的投资方向完全聚焦工业AI领域，不仅涵盖技术端的物理AI企业，也包括那些将其落地应用的企业。核心布局三大赛道：机器人与人形机器人、电动垂直起降飞行器(eVTOL)、智能制造。“基金以AI技术为核心导向，重点关注工业AI在实体产业中的落地应用，同时筛选可率先承载物理AI技术的实体领域进行布局。”帕斯卡·达洛兹如是说。

　　基于此，在谈到对于中国工业制造企业数智化转型的建议时，帕斯卡·达洛兹表示，毫无疑问，当前AI技术极其强大，但如果用如此强大的技术去解决一些本就轻而易举的琐事，那将毫无价值可言。因此，应该将AI技术这把“利刃”，挥向那些极难攻克的业务痛点。例如新材料性能研究、业务规模化扩张与人力供给不匹配等问题。

　　“我对所有见面交流的业界同仁都会提出一条诚恳的建议：一定不要将资金浪费在那些最终只能带来微小增量改善的项目上。在技术赋能上，我们需要瞄准‘登月级’的性能爆发。为此，我通常给自己团队定下这样一条硬性筛选法则：如果一项AI技术不能带来10倍的卓越成果、10倍的效率、10倍的成本削减，我便绝不愿在其上投入过多资源。”帕斯卡·达洛兹说道。

(本文不涉密)
责任编辑：路沙

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。