近日，最新一代AI模型GPT-4發布。距離上一代ChatGPT-3.5發布還不到4個月，OpenAI的技術儲備讓業界再度調高了對人工智能發展速度的預期，生成式設計AI影響越來越大。作為技術人員以及工程師，有必要了解一下AI領域的新技術對工業軟件研發的影響。

首先我們要了解一下ChatGPT能做什么工作。個人認為ChatGPT作用有以下幾個方面：

1. 升級版本的Google。現在是一個信息，知識大爆炸的時代，以往查詢研發中出現的問題，一般baidu+google，還有就是StackOverflow，以及一些常用的論壇以及幫助文檔。要在這些海量數據中搜索出所需要的內容，常常依賴搜索技巧，知識儲備，文檔整理，外語等各方面。而現在只需要輸入足夠多的信息，ChatGPT就能幫助把信息全部歸納整理好，更重要的是這種能力還在不斷提升。比如關于QT/C++的基礎知識，可以搜索出詳細解釋和演示代碼。

2. 代碼能力。根據本人的開發經驗，ChatGPT已經表現出了非常強的編碼能力，其內容涉及到OCC，ACIS，PARASOLID，網格生成，VTK渲染，線性方程組求解，QT，NP問題，常用各種數值計算方法包括無網格，等幾何，量子計算等一些前沿計算。以上ChatGPT都可以直接用C++寫出示例的源碼：就是給出需求，立馬能自動生成C++代碼。其中ACIS，PARASOLID以及商用線性方程組也可以直接生成。按照道理這些內容應該已經無法免費獲取了，不知道背后的業務邏輯是什么，有可能是抓取了老版本的幫助文檔。此外輸入一段代碼，ChatGPT可以找出潛在的問題。根據描述，ChatGPT已經支持常用編程語言。另外可以利用ChatGPT自動生成各種測試用例，解放測試人員。

3. 幫助軟件需求分析和設計。只需輸入需求信息，ChatGPT已經能夠幫助生成原始的UML圖。在規范軟件分析和流程中，各種文檔必不可少，寫文檔是研發人員頭疼的內容，而這正是ChatGPT的強項。在軟件設計階段，有很多規范，比如接口定義，模塊劃分，技術選型等，這些都可以不同程度從ChatGPT獲得知識和幫助。

4. 我們經常說，工業軟件研發需要長期技術積累，這種積累一方面來自于軟件研發本身，還有一種是實踐而來的經驗。這兩種其實規范化的數據和資料都非常少，大部分都零零散散。而ChatGPT基于大數據，很大程度地搜集了這方面的信息和資料，并能對數據做出分析和預測。

5. 在工業軟件設計和研發中，一個很重要的內容就是參數，這種參數化的內容體現在各個方面，從CAD設計，到仿真，優化以及制造。利用ChatGPT可以利用這些參數，讓這些參數在實際研發中發揮作用。比如做一個簡單的拓撲優化，以往需要多次仿真迭代，修改參數，而利用ChatGPT可能直接利用已有訓練數據加少量仿真，就能給出最優解，提高效率。雖然我們知道AI的重要性，很多企業也嘗試將AI應用到工業軟件領域，但實際效果并沒有達到預期。其主要原因還是計算量太大，參數過多，無法建立有效模型。如果能深入了解ChatGPT底層的研發邏輯，可以加快AI在工業軟件領域的落地。

6. AI需要強大的算力，而工業軟件，特別是在仿真領域，一般都是海量計算數據。如何從這些數據里提取出有效信息，可以是AI的一個方向。比如，我們常用的自適應迭代網格，目前的迭代規則比較固定，而實際上不同場景的迭代規則不同，利用AI可以自動化找出這些規律和潛在最佳方案，提升仿真效率和精度。

7. 利用ChatGPT，已經可以替代大部分簡單重復勞動，比如初級編碼，日常文檔，數據分析，常用設計等。毫無疑問，下一步的目標就是直接操作軟件。比如輸入“用catia畫一個1*1*1的立方體”，則會啟動catia，創建幾何，保存。所以以后沒有業務背景的簡單重復勞動都會被AI替代，這只是時間問題。就如筆者在?“工業軟件” 語錄摘要100句一文中提出，對于研發人員而言，編程語言能力快速提升可能就在畢業后1，2年時間，而后續就需要把精力放在業務和設計上，因為這些是融合諸多因素，需要具體問題具體提分析的內容，也是最不容易被AI替代的。

知乎上有個問題：低代碼+ChatGPT能否替代程序員。個人認為，至少現在在工業軟件領域還不行，但是可以預見的是：AI以后會越來越多承擔程序員的工作內容。