当300万个零部件成为“沉默的资产”：一家千亿制造企业的数据觉醒

       在年产值超千亿的装备制造集团，300多万个零部件的背后，是研发人员日复一日的“重复造轮子”，是采购部门看不见的成本黑洞，更是企业对数据价值的集体觉醒。

       “这个零件，我们部门去年至少设计过5次。”

       在一次内部复盘会上，一位工程师无奈地指着屏幕上看似简单却又不完全相同的几份图纸。同样的功能需求，同样的结构原理，只因换了产品线、换了设计团队、甚至只是换了设计师，就变成了编号各异、却又本质相似的“新零件”。
这不是个别现象。

       在这家年产值超千亿元的装备制造集团，300多万个零部件正在沉默地见证着同一个困境：数据越积越多，价值却越沉越深。研发端，不同部门的人为相似的问题反复“发明轮子”；采购端，相似物料的采购记录散落在各个角落，价格、周期、供应商信息无人串联；管理端，庞大的物料库日益臃肿，标准化推进缓慢，成本控制力不从心。

       这300万零件，本该是企业最宝贵的知识资产，却在系统割裂与经验壁垒中，沦为沉重的管理负担。

       直到一个问题被摆上桌面：如果我们能让每个零件“开口说话”，告诉设计师“我已经存在了”，告诉采购员“我的历史价格是多少”，告诉管理者“我们可以在哪里做减法”——会发生什么？

一、行业的困局：数据“沉睡”，轮子“重复”

       今天的高端装备制造业，正站在数字化转型与供应链安全的两大交汇点上。

       一方面，行业竞争从产品层面延伸至研发效率与成本管控的深层博弈。谁能更快推出更具性价比的产品，谁就能在市场上占据先机。另一方面，国际形势的不确定性让工业软件的自主可控成为关乎企业生存的战略命题。

       但现实往往是：企业积累了海量的历史数据，却缺乏让数据“活起来”的工具。三维模型躺在PDM系统里，工程图纸藏在文件夹中，采购记录散落在ERP数据库的各张表格里。设计师无法快速找到可复用的旧零件，只能重新设计；采购员难以精准比对历史采购价，只能凭经验议价；管理者面对不断膨胀的物料库，却无从下手推进标准化。

       这就是“重复造轮子”的根源——不是不想复用，而是找不到、看不清、用不了。

二、破局：当AI学会“看懂”零件

       2023年，这家集团做了一个在当时看来颇具前瞻性的决定：引入智程AI三维特征检索系统，用AI技术让沉睡的300万零件“活过来”。
 
       第一重突破：让AI理解“形状”

       传统的搜索靠关键词、靠编码，但零件不说“人话”。设计师脑子里想的是形状，而数据库里存的是编号。如何跨越这道鸿沟？

       智程团队给出的答案是：用深度学习让AI学会“看懂”三维模型。系统通过对数千万级模型的特征提取与训练，能够像人眼一样识别零件的几何特征——无论它被旋转、缩放，还是镜像对称，都能在海量数据中精准找到“长得像”的那一个。

       在复杂模具、镜像件、细长件等工业典型场景中，系统用千万级探针数据测试，成功召回相关模型的比例从早期的约三分之二，大幅跃升至超过九成。这意味着，设计师输入一个模型，系统能可靠地找出90%以上的相似历史零件，真正让“复用”从理想变为现实。

       第二重突破：从“形似”到“神似”

       但光看形状还不够。两个零件长得再像，如果材料不同、技术要求各异，也不能直接复用。

       这就引出了系统的第二次进化：在几何相似性的基础上，引入“工程图技术要求智能提取与比对”功能。系统自动解析图纸中的材料、公差、工艺要求等关键参数，将“长得像”与“用得上”结合起来，实现对零件真实相似度的综合判断。

       这一突破的意义在于：它让AI从单纯的“视觉识别”升级为真正的“业务理解”。系统不再是简单地告诉你“这个零件和那个零件很像”，而是告诉你“这两个零件几何相似度90%，但材料不同，建议进一步确认”——这是资深工程师的判断逻辑，如今被算法沉淀下来，成为可复用的组织知识。

       第三重突破：打通研发与采购的“数据孤岛”

       当研发端具备了智能检索能力，一个更大的想象空间被打开：如果把采购数据也加进来呢？

       采购人员在面对询价、比价时，最需要的不是供应商的一面之词，而是真实的历史成交价和供货周期。而这些数据，恰恰就藏在企业内部——只是它们与研发数据之间隔着一道看不见的墙。

       本期升级的核心之一，就是将系统应用场景从研发端延伸至采购端。采购人员通过网页端的智能搜索界面，可以像研发人员一样，按模型、按图纸、按模糊描述快速查找相似物料，即时查看历史采购价格、供应商信息、供货周期等数据。研发与采购第一次基于同一套“零件语言”对话，成本管控从“事后议价”走向“事前设计”。

三、实效：数字背后的管理变革

       三年时间，智程AI三维特征检索系统在这家集团内部完成了从“试点工具”到“管理基础设施”的蜕变。如下图2所示，系统从2023年到2025年展现的数据变化。
 
       数据层面：系统实现千万级数据秒级检索，检索速度提升10倍以上。在核心的检索准确率指标上，平均物料有效检出比例从65.6%提升至91%，意味着系统能够为业务人员提供超过九成的有效历史线索。

       业务层面：通过系统主动推荐与标准化审核，试点产品线新增零部件数量增长率同比下降22%，设计重用率提升超过15%。在采购端，相似物料的历史价格智能推送，帮助相关品类采购成本实现年均3%-8%的优化，仅单事业部年化节约即达数百万元。

       战略层面：系统已完成从AI训练、模型优化到推理应用的全流程国产化环境部署，在国产硬件与操作系统上稳定运行，为集团核心数据安全与工业软件自主可控提供了坚实底座。

四、启示：从“数据仓库”到“知识引擎”

       这家集团的实践，为行业提供了几个值得深思的启示：

       第一，数据的价值不在于“存”，而在于“用”。 300万零件如果只是静静躺在服务器里，就是300万个负担；但如果能让它们被看见、被检索、被复用，就是300万个可调用的知识资产。从“数据仓库”到“知识引擎”，需要的不是更多的数据，而是更好的“打开方式”。

       第二，AI的应用场景应从“替代人”转向“增强人”。 这套系统从未试图取代设计师或采购员，而是让他们的经验被放大、被沉淀。设计师不用再凭记忆和运气找零件，采购员不用再靠“翻历史记录”比价——AI做的是“海选”，人做的是“决策”。这才是人机协同的正确打开方式。

       第三，数字化转型不是“上系统”，而是“改流程”。 系统上线只是开始，真正的价值产生于流程的再造。当“检索相似件”被嵌入新零件设计流程，当“历史价比对”成为采购议价的必经环节，当标准化审核有了数据支撑——管理才真正实现了数字化。

结语：让每个零件都“开口说话”

       今天，这家集团的300万零件正在“开口说话”。它们告诉设计师：“我在这里，不用重新设计”；告诉采购员：“我的历史价格是这个，你可以参考”；告诉管理者：“哪些零件可以合并，哪些物料需要清理”。

       这不仅是技术的胜利，更是管理理念的进化。在数字化转型的浪潮中，最难的不是引进多少新技术，而是让数据真正流动起来、被看见、被使用。当每个沉睡的零件都被唤醒，当每次“重复造轮子”都被阻止，企业的核心竞争力便在无声中完成了一次跃升。

       而这，或许就是智能制造的真正起点。

       关于SET

       南京智程信息科技有限公司（SET）是专业为制造业提供智慧工程软件咨询、实施和服务的高科技企业，其全新一代的基于数字化知识库和智能模型应用的智慧工程解决方案，覆盖了从工业设备、电子高科技、航空航天国防、汽车及零部件、家电、通讯、装备、电力、重工等众多行业。SET凭借先进的数字化、智能化、MBD、平台模块化、人工智能、大数据分析等技术，同时联合全球合作伙伴和工程技术资源，分别为大规模定制和大规模生产两种类型的客户提供全面的智慧工程解决方案，满足其在研发、工艺、制造、销售等方面的效率提升、成本控制、质量提升等若干需求，助力智能制造。