es.wedoany.com Noticia: Durante la octava Conferencia de Aplicación de Tecnología de Simulación de 2026, Tian Feng, vicepresidente senior de Anshi Yatai, Cui Liang, gerente de producto, y Luo Jiahua, ingeniero de investigación y desarrollo, expusieron desde tres dimensiones —tendencias de la industria, iteración de productos y aplicación de agentes inteligentes— el estado actual y las direcciones de la integración del software industrial con la inteligencia artificial.
Tian Feng, vicepresidente senior de Anshi Yatai, señaló que la inteligencia artificial está nivelando el campo de juego para los gigantes tradicionales del software industrial, y que China cuenta con abundantes escenarios industriales y enormes volúmenes de datos, recursos clave en la era de la IA. Destacó que el software industrial está pasando de la fase 1.0 de herramientas, pasando por la 2.0 de plataformas, hacia la 3.0 de agentes inteligentes. En el futuro, el software ya no dependerá completamente de la operación manual, sino que, mediante la integración de restricciones de leyes físicas, permitirá que la IA comprenda tanto el lenguaje natural como cumpla con las normas de ingeniería. Basándose en 30 años de acumulación en tecnología de simulación, miles de casos prácticos y el conocimiento de ingeniería de miles de empresas, Anshi Yatai ha lanzado el modelo de inteligencia artificial iGPT, que ha sido certificado por la Academia de Tecnología de la Información y las Comunicaciones de China, situándose junto a Huawei y Volcano Engine como uno de los tres grandes modelos industriales de IA confiables de China. Al mismo tiempo, se presentó el sistema Whale, un sistema operativo (Agentic OS) orientado a escenarios empresariales complejos, que permite a las empresas crear, configurar, probar y gestionar agentes inteligentes de forma autónoma, con funciones como control seguro, invocación de herramientas, gestión de habilidades, orquestación de procesos y monitoreo de ejecución, logrando un ciclo completo desde la entrada de requisitos en lenguaje natural, la ejecución colaborativa de múltiples agentes, hasta el seguimiento de procesos y la consolidación de resultados.
Cui Liang, gerente de producto de Anshi Yatai, presentó la dirección evolutiva del producto PERA SIM. Señaló que los proyectos actuales enfrentan desafíos como ensamblajes complejos, mallas masivas, acoplamiento multifísico y la iteración de numerosos diseños, y que la eficiencia de la simulación tradicional ha alcanzado su límite. La nueva versión de PERA SIM lanzada este año ha mejorado significativamente las capacidades de los solucionadores estructurales y de fluidos, y por primera vez se ha presentado el producto multifísico PERA SIM Multiphysics, logrando un acoplamiento bidireccional sólido entre el software estructural y el de fluidos autónomos. En cuanto a las aplicaciones de inteligencia artificial, Cui Liang reveló el producto PERA SIM AIROM de reducción de orden inteligente, que entrena modelos de predicción rápida mediante datos de simulación de alta fidelidad, reduciendo significativamente el costo de tiempo de los cálculos repetitivos, y que en el futuro se utilizará para evaluación de parámetros, exploración del espacio de diseño y optimización en tiempo real.
Luo Jiahua, ingeniero de investigación y desarrollo de Anshi Yatai, presentó las funciones del producto agente inteligente PERA AgentX. Este producto está diseñado para ayudar a los ingenieros novatos a realizar operaciones de simulación directamente, abordando dos obstáculos principales: "la dificultad de operar el software" y "la falta de experiencia en ingeniería". Los usuarios no necesitan dominar menús complejos de solucionadores; al describir las necesidades de ingeniería en lenguaje natural, el agente ejecuta automáticamente las tareas, y las normas de ingeniería estándar integradas ayudan a evitar errores comunes de configuración. Para abordar el problema de las alucinaciones de la IA, PERA AgentX está profundamente vinculado a la base de conocimientos privada de la empresa, y cada análisis se basa en normas reales y datos históricos, garantizando resultados precisos y conformes. Además, los datos de proyectos de simulación históricos de los clientes, incluidos casos exitosos, lecciones de fracasos y configuraciones de parámetros específicos, pueden cargarse en la base de conocimientos. El agente internaliza estas experiencias mediante el aprendizaje y las invoca directamente en nuevas tareas, logrando una acumulación continua de experiencia.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
