感謝四位與會專家帶來的寶貴見解：David Long（INCOSE），Tom Martinek（Ansys），Jan Paul Stein（McKinsey），以及Matteo Nicholich（Aras）。
🚀 Tom Martinek以多年產品開發經驗，分享了AI如何與傳統模擬工具結合的實際應用。他提到，透過AI和機器學習技術，可以更快速地達成傳統物理模擬的結果，甚至能預測產品行為，而不再完全依賴複雜的物理運算，從而大幅縮短設計流程的時間。
David Long則從系統工程的角度，說明AI如何為複雜工程問題提供更多解決方案。他表示：「AI能協助跨領域團隊，提前發現互動關係及潛在的解決方案，讓系統工程變得更加平易近人。」他認為，AI的出現讓工程師能更容易接觸並運用系統工程的工具。
⏩ McKinsey的Jan Paul Stein則聚焦於深度學習代理的應用。他解釋，這種技術能以全面模擬數據訓練AI模型，進一步取代部分傳統模擬方法，讓設計優化的過程更加高效。「現在的重點已不再是單純提升產品性能，而是縮短上市時間。」Jan Paul補充道，尤其在競爭激烈的汽車產業，AI的導入成為提升效率的重要手段。
⚙️ Matteo Nicholich則討論了傳統優化方法與AI驅動方法的互補性。他指出，傳統方法適合局部優化，而AI則能處理更複雜的非線性問題，探索更廣泛的設計空間。他強調，雖然AI擁有更高的靈活性，但有時會犧牲精準度，因此將AI與傳統模型相結合，能取得平衡，讓設計決策更加可靠。
📈 雖然AI與模擬技術帶來了巨大潛力，但座談會也指出，大規模採用仍面臨挑戰。David Long強調，需讓中層管理者理解新技術的益處，才能促進變革的實現。「中層管理常是變革的阻力來源，必須讓他們看見具體的價值。」他說。
Jan Paul則提到，成功導入需要建立團隊間的競爭精神，同時分享成功案例，啟發其他成員。他建議企業從小型案例著手，展示技術如何實際改善工程師的日常工作，逐步推動更大的變革。
🌟 面對AI與模擬技術的未來，與會者都表達了高度期待。Tom Martinek表示：「AI開啟了創新的全新可能性，我很期待看到未來的發展。」Jan Paul則提出，AI與模擬在永續發展上的應用，將能助力設計更節能的電動車或節水的家電產品。
整場座談會展現了AI如何加速上市、優化設計流程，並開創更高效的工程模式。未來的工程師將從繁瑣的例行任務中解放，專注於創意與價值創造。
https://aras.com/en/blog/exploring-ai-and-advanced-simulation-in-digital-engineering-insights-from-industry-leaders
