BOM Voyage

Siemens и Salesforce соединяют Teamcenter Service Lifecycle Management с Agentforce. Новый сценарий выводит product truth и digital twin из PLM/SLM непосредственно в агентные sales/service workflows. Например, сервисный агент сможет определить правильную запасную часть для конкретного серийного номера, а продавец — предложить только технически допустимые и производимые модернизации. Siemens прямо говорит об объединении industrial digital twin и autonomous AI и называет это одним из компонентов industrial AI operating system, связывающей engineering, operations и business processes https://press.siemens.com/global/de/pressemitteilung/siemens-und-salesforce-vertiefen-ki-partnerschaft-um-vertrieb-und-service-der

Autodesk открыла облачный Fusion Compute MCP: агент получает почти весь CAD/CAM Fusion без запуска desktop-приложения. Public Beta предоставляет через один MCP-инструмент более 7 000 операций TypeScript API: агент может создавать и изменять параметрические эскизы и features, сборки, CAM setup и toolpaths, выпускать NC-код, работать с Fusion Team и экспортировать STEP/STL. Autodesk показывает сквозной сценарий, где агент проектирует корпус, строит пресс-форму и программирует обработку в одной сессии; результат остаётся нативной моделью Fusion с историей построения, а не mesh. Это один из наиболее существенных на сегодня шагов к полноценному CAD/CAM runtime для внешних агентов вроде Codex, Claude и Antigravity. https://www.autodesk.com/products/fusion-360/blog/fusion-compute-mcp/

Стажер ML-инженер в Ланит Удаленно / Гибрид / Офис в Москве Требования: Поддержка и доработка текущих приложений, разработка новых модулей и сервисов; Обёртка моделей в API, контейнеризация (Docker), мониторинг; Участие в работе с большими языковыми и визуально-языковыми моделями.… Узнать подробнее 🔵

GPT-6 Astra умеет решать действительно сложные задачи с пространственными ограничениями: от разъединения сцепленных деталей до продевания верёвки через три кольца. Можете попробовать сами https://qinengwang-aiden.github.io/demos/constraint_demos/

Engineering AI от SimScale теперь доступен непосредственно внутри Onshape от PTC. SimScale запустила Engineering AI Agent для Onshape, интегрировав CFD, тепловое моделирование, электромагнитные расчёты и FEA прямо в CAD-среду, где принимаются проектные решения. По одному запросу агент может помочь подготовить CAD-геометрию, предложить настройки расчёта, построить сетку, выполнить моделирование физических процессов и интерпретировать результаты — без выхода из Onshape. При этом инженер может вмешаться на любом этапе, проверить исходные предположения или изменить настройки расчёта. Цель — дать инженерам-конструкторам доступ к результатам моделирования на более ранних этапах проектирования, устранив дополнительную передачу работы между CAD и средствами инженерного анализа. SimScale Engineering AI Agent теперь доступен через магазин приложений Onshape. https://www.simscale.com/press/simscale-launches-engineering-ai-agent-for-onshape/ (сейчас оно правда 503 Service Temporarily Unavailable)

恒远科技 (Hengyuan Technology) подробно раскрыли архитектуру своего промышленного H4 OntoAgent, включая интеграцию с PLM. Само семейство H4 OntoX было представлено раньше, поэтому это не новый продукт. Однако вчера компания впервые опубликовала достаточно подробное инженерное описание именно агентного runtime, из которого стало понятнее, как она пытается решать проблему недетерминированных LLM в производственных системах. Их H4 OntoAgent — это платформа для промышленных ИИ-агентов, где языковая модель отвечает за анализ и выбор действий, а выполнение идёт через строго определённые функции с проверяемыми параметрами. Это позволяет точно работать с оборудованием, заказами, материалами и технологическими процессами, учитывать права и ограничения и сохранять прослеживаемость каждого действия. Основой служит OntoOS — исполняемая модель предприятия, описывающая объекты, их связи, правила и допустимые операции. Перед выполнением система проверяет объекты, параметры, права и ограничения, а агент получает связанный производственный контекст. Результаты сохраняют происхождение данных, поэтому цепочку от запроса до действия можно восстановить. Кстати интересно использование OntoOS как исполняемой промышленной онтологии. Оборудование, материалы, технологические операции, заказы, персонал и другие объекты представлены не только данными, но также отношениями, правилами и разрешёнными действиями. Перед каждым вызовом инструмента отдельный семантический шлюз проверяет существование объекта, тип и диапазон параметров, обязательные поля и полномочия. После выполнения система сохраняет, какие объекты, отношения и правила послужили основанием результата. Запрос проходит через проверку модели, планирование, вызов инструментов и контроль результата. На этом уровне работают аудит, журналирование, подтверждение критических операций и защита данных. Для сложных задач главный агент может привлекать специализированных агентов по диагностике, обслуживанию, стоимости или нормативным требованиям. Платформа ориентирована на машиностроение, эксплуатацию оборудования и другие процессы, где автоматизированные действия должны оставаться контролируемыми и прослеживаемыми. https://caifuhao.eastmoney.com/news/20260914141827628247810

Здесь так и просится сравнение c российским техническим опытом в вопросе стремления к суверенитету в CAD системах. Ядро КОМПАС-3D десятилетиями развивалось вместе с промышленной CAD-системой и накапливало решения для реальных операций моделирования и пограничных случаев. Булевы операции осложняют почти совпадающие поверхности, касания, малые рёбра, вырожденные участки и численные погрешности. Зрелость КОМПАС-3D обеспечивается развитой системой допусков, специальными алгоритмами и большим объёмом практики на реальных моделях. Tianshu Yaoguang использует ту же классическую основу точного CAD — поверхности, топологию и B-rep, — но пытается решать часть проблем на уровне представления геометрии. Особое внимание уделяется обрезанным поверхностям: после множества пересечений и булевых операций их параметрические области усложняются и становятся источником нестабильности. Tianshu исследует нормализацию и перепараметризацию таких участков, превращая их в более регулярные фрагменты, у них куча патентов в этой области. Другой акцент — согласованность общих границ соседних граней. В традиционном ядре одна физическая линия на двух поверхностях из-за погрешностей может представляться немного разными кривыми, создавая микрозазоры. Обычно это компенсируется допусками, сшивкой и исправлением геометрии. Tianshu же явно пытается атаковать часть этих проблем более фундаментально и согласовывать границы уже при построении поверхностей и их параметрических представлений. Так что КОМПАС-3D достигает устойчивости через многолетнюю эволюцию и накопление решений для частных случаев, а Tianshu Yaoguang пытается уменьшить часть типичных проблем B-rep за счёт более регулярного представления поверхностей, перепараметризации и более строгого согласования геометрии и топологии. КОМПАС сегодня фактически стал целым набором самостоятельных компонентов. Геометрическое моделирование, constraint solving, конвертация форматов и визуализация могут использоваться как отдельные технологии. Но это результат постепенного отделения инфраструктуры КОМПАС от самого КОМПАС. Tianshu с самого начала проектирует именно platform architecture: геометрический engine должен быть независимым компонентом, пригодным сразу для разных классов CAX. Это похоже скорее на то, как сегодня проектировали бы новый Parasolid, чем на историю КОМПАС.

^^ Кстати, 天枢 Tianshu и 瑶光 Yaoguang — первая и последняя звёзды китайской традиционной схемы Большой Медведицы. Компания объясняет это как символ идеи «end-to-end» китайского промышленного ПО — попытки контролировать весь фундаментальный технологический стек, а не строить очередной CAD поверх иностранного kernel.

В Китае есть компания Tianshu Yaoguang — 天枢瑶光（北京）科技有限公司, также известная как COCsoft, которая занимается одним из самых сложных слоёв CAD: собственным ядром трёхмерной геометрии и базовыми геометрическими алгоритмами. Технически они работают примерно на том уровне, где в западной экосистеме находятся Siemens Parasolid, Dassault CGM, Spatial ACIS или, с оговорками, Open CASCADE. В основе лежит не интерфейсе моделирования, PLM или готовая механическая CAD, а математический слой: B-rep и топология → кривые и поверхности → пересечения → trimmed surfaces → boolean operations → sweep/loft/blend → tessellation → поверх этого уже можно строить CAD. Это существенно отличает компанию от многих китайских «国产 CAD» проектов. Они действительно занимаются kernel-level geometry, то есть проблемами, которые обычно скрыты глубоко внутри Parasolid или CGM. Кроме того они участвуют в Open3DGMBE — китайском открытом проекте базового 3D CAD geometry engine. Это уже довольно крупная кооперация: Tsinghua University, Peking University, Beihang, Huazhong University of Science and Technology, Tongji, промышленные компании и Tianshu Yaoguang. CEO Tianshu Yaoguang Guo Rui входит в совет Open3DGMBE, а Li Hengyu от компании — в Technical Oversight Committee. И вот там строят довольно полноценный стек: геометрическое ядро → B-rep → intersections → constructors → boolean operations → sweep/loft/blend → геометрические ограничения → STEP/IGES → assembly → tessellation/geometry queries для CAE. Проект прямо заявляет целью создание независимой китайской основы для 3D CAD, включая aerospace, shipbuilding и electronics. Так вот, они объявили, что теперь их геометрический CAD-движок теперь дополняют моделью GENVIS и агентом COCAX. GENVIS позиционируется как специализированная модель для геометрического проектирования и оптимизации, а COCAX — как интеллектуальный агент оптимизационного проектирования. https://www.iyiou.com/news/202609151140238

Интересно, в основе бизнеса CoreWeave предоставление ИИ инфраструктуры, видимо конкуренты Nebius, но они идут по стеку вверх - поглощает и отраслевые приложение. Поглотили - Weights & Biases — эксперименты, оценки, наблюдаемость и жизненный цикл моделей; - OpenPipe — дообучение агентов с reinforcement learning; - Marimo — среда разработки и notebooks; - Monolith — инженерный ML, испытания, физические модели; + собственные Mission Control, inference, Serverless RL, AI Object Storage и т. д. Называет это «deepening vertical integration across its technology stack». В 2026 году они уже формулируют общую концепцию как AI Loop: training → inference → observability → evals → feedback → improvement. То есть они хотят владеть не только машиной, на которой работает AI, но и циклом, который постоянно заставляет эту машину работать. То есть Monolith одновременно открывает CoreWeave вход к BMW/Nissan/Honeywell-подобным промышленным заказчикам и создаёт для инфраструктуры новые вычислительные нагрузки. Именно поэтому покупка Monolith выглядит несколько иначе, чем покупка обычного CAE-продукта: CoreWeave приобретает своего рода «генератор industrial AI workloads». Кроме того диверсификация клиентов. В 2025 году Microsoft обеспечивала около 67% годовой выручки CoreWeave. К Q2 2026 концентрация заметно снизилась: три крупнейших клиента давали примерно 36%, 26% и 10% квартальной выручки, хотя компания по-прежнему прямо считает концентрацию клиентов существенным риском. При этом заключены огромные долгосрочные контракты с OpenAI и Meta. Выход в enterprise, промышленность, robotics и Physical AI создаёт второй источник спроса помимо нескольких гигантских AI labs/hyperscalers. Но риски трения (отсутствие нейтральности, одновременно инфраструктура и отраслевые приложения - возможные конфликты с партнёрами) всё равно присутствуют, хотя такая стратегия зависит от грамотности работы с подобным. Плюс организационная сложность. Удивлён что услышал про них только сегодня.

Немного их Дашбордов с их сайта

CoreWeave launches Physical AI Field Engineering CoreWeave объявила о запуске Physical AI Field Engineering — направлении по внедрению ИИ в инженерные и производственные процессы. Специалисты CoreWeave работают вместе с командами заказчика и используют результаты расчётов, испытаний и моделирования, производственную телеметрию и данные оборудования. На их основе создаются модели для прогнозирования поведения систем, поиска отклонений и отказов, сокращения физических испытаний и оптимизации параметров. Модели проверяются на данных реальных физических систем, а предприятие сохраняет контроль над данными и решениями. Направление создано на базе технологий и команды Monolith AI, ранее приобретённой CoreWeave. Работа начинается с выбора инженерных задач, где можно использовать накопленные данные, после чего подготавливается вычислительная среда, данные и модели, встраиваемые в существующие процессы. Отдельно развиваются системы, где ИИ может влиять на физическое оборудование: менять параметры, предупреждать отказы или управлять роботами. В Aston Martin Formula One такая система одновременно обрабатывает около 40 радиоканалов и извлекает информацию для решений во время гонки. Physical AI Field Engineering охватывает путь от расчётов, моделирования и испытаний до производства и эксплуатации. Инженеры заказчика участвуют в создании моделей и затем могут самостоятельно использовать, изменять и переобучать их. —- Monolith AI — британская компания, основанная в Лондоне в 2016 году Ричардом Альфельдом на основе исследований в Imperial College London и работ, связанных с NASA. Компания разработала инженерную платформу машинного обучения для данных расчётов, моделирования и физических испытаний. Система строит модели поведения изделий и процессов по накопленным данным, прогнозирует результаты для новых сочетаний параметров, помогает анализировать влияние параметров и причины отклонений. Платформа ориентирована на инженеров и позволяет обучать и проверять модели без самостоятельной разработки программ машинного обучения. Отдельное направление связано с верификацией и испытаниями. Monolith анализирует измерительные каналы, обнаруживает аномалии, помогает калибровать нелинейные системы и оптимизировать планы испытаний. Модуль Next Test Recommender использует активное обучение и определяет, какое следующее испытание даст больше новой информации, сокращая число экспериментов. Тот же подход применяется к численному моделированию, где приближённые модели позволяют быстро исследовать дополнительные варианты конструкции. Monolith используется в автомобилестроении, аэрокосмической отрасли, испытаниях аккумуляторов, промышленном оборудовании и автоспорте. Среди пользователей — BMW, Nissan, Honda, Rolls-Royce, BAE Systems, Siemens, Webasto, Vertical Aerospace и Cadillac Hertz Team JOTA. В 2025 году Monolith приобрела CoreWeave. Её технологии и команда затем вошли в направление Physical AI Field Engineering, объединяющее машинное обучение с инфраструктурой CoreWeave для расчётов, испытаний, разработки и эксплуатации физических систем. https://www.monolithai.com

Autodesk показывает своего assistant. Нутак, простенько, скорее для не сильно инженерных приложений, а 3D рисование, благо у autodesk в портфеле такого много

9 сентября в США представлен двухпартийный законопроект Stop Rogue AI поручающий NIST разработать стандарты именно для обнаружения, проверки и контроля ИИ-агентов. Предлагается, вы будете смеяться, вести машиночитаемый реестр всех агентов, устанавливать проверяемую идентичность и происхождение каждого агента, контролировать его действия в реальном времени и обнаруживать выход за разрешённые пределы. Самое существенное — требование обеспечить возможность в любой момент разрешить, запретить или отозвать доступ агента, его действие или взаимодействие. Для федеральных ведомств и подрядчиков эти механизмы должны войти в процессы закупки и эксплуатации. https://gottheimer.house.gov/posts/release-gottheimer-introduces-bipartisan-bill-to-stop-rogue-ai-agents-and-keep-people-in-control

Министерство промышленности и информатизации Китая представило программу развития программного обеспечения с использованием искусственного интеллекта. До 2028 года планируется внедрить такие технологии как минимум у 20 тысяч крупных разработчиков, провести около 100 проектов интеллектуальной модернизации и создать 100 показательных внедрений агентных систем. Отдельное направление посвящено инженерному ПО: предусматривается глубокая интеграция ИИ с CAD, CAE и EDA для автоматизации черчения, проектирования, моделирования и других инженерных операций. Наряду с развитием существующих продуктов предполагается создавать системы, где модели ИИ изначально входят в архитектуру и выполняют часть функций приложения. Предприятия и разработчики должны преобразовывать технологические знания, производственный опыт и параметры процессов в повторно используемые библиотеки моделей, компонентов, профессиональных навыков и баз знаний. Эти ресурсы предполагается использовать в промышленных системах и подключать к агентам для автоматического выполнения задач. Программа также предусматривает многоагентные системы для анализа данных, производственного планирования и совместного выполнения задач. Для этого должны развиваться среды выполнения агентов, механизмы их взаимодействия и подключения к существующему инженерному и корпоративному ПО. Отдельно требуется контролируемое и проверяемое поведение агентов в производственных и управленческих процессах. CAD, CAE, EDA, промышленные знания и агентные системы рассматриваются как связанные элементы общей программной инфраструктуры. https://www.xt96871.com/2026/09/12/%E5%B7%A5%E4%BF%A1%E9%83%A8%E4%B8%BE%E8%A1%8C%E3%80%8A%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E8%BD%AF%E4%BB%B6%E4%B8%93%E9%A1%B9%E8%A1%8C%E5%8A%A8%E5%AE%9E%E6%96%BD%E6%96%B9%E6%A1%88

Не могу не заметить что у производителя сборочных инструкций восхитительная картинка в шапке

Anduril Selects Dirac to Power AI-Driven Work Instructions Across Its Factories Американский производитель средство доставки энтропии Anduril выбрала Dirac BuildOS для автоматизации производственных инструкций. Из-за частых изменений конструкций инженерам приходилось вручную обновлять последовательности сборки, инструкции и данные производственных систем вслед за изменениями CAD-моделей и структуры изделия. BuildOS связывает геометрию, состав изделия, варианты, операции сборки, рабочие места, инструменты и движение материалов в единую модель, из которой формируются и обновляются инструкции. По данным Anduril, время подготовки одной инструкции сократилось примерно с 12 часов до 90 минут. Искусственный интеллект анализирует геометрию CAD-моделей, помогает определять последовательность сборки и зависимости между операциями, а изменения конструкции переносит в производственный процесс. Это позволяет автоматически корректировать связанные операции без полного переписывания инструкций. Система также учитывает оснастку, стоимость, производительность и технологичность и может передавать эти ограничения обратно конструкторам. BuildOS связывает проектирование, технологическую подготовку и производство, интегрируется с PLM и MES, разворачивается в защищённой облачной среде Anduril и входит в её производственную платформу Arsenal OS. Сайт Dirac BuildOS - https://www.diracinc.com

И вот как раз CONVERGE 6: AI-Driven Automation, Expanded GPU Solver, and ARROW Combustion Workflow Mark a Major Leap for Reacting Flow CFD Представили CONVERGE 6 — инженерную систему Convergent Science для вычислительной гидродинамики. В ней ИИ встроен непосредственно в процесс инженерного моделирования. К CONVERGE Studio можно подключать внешние языковые модели и давать им доступ к операциям над расчётным проектом. Агент может открывать существующую модель, менять параметры, включать физические модели, настраивать расчёт и строить графики результатов. Языковая модель здесь выступает не только как справочный помощник, но и как исполнитель: по текстовому заданию инженера она формирует последовательность действий в системе. При этом ИИ не заменяет физическую постановку задачи и проверку корректности результатов. Он автоматизирует работу с существующими средствами CONVERGE, тогда как CFD-решатели, физические модели и химическая кинетика остаются специализированными инженерными компонентами. Инженер формулирует задачу на естественном языке и контролирует её постановку, а агент переводит это в конкретные операции внутри CONVERGE Studio. Эту автоматизацию дополняют расширенные GPU-расчёты и новый процесс ARROW, который сокращает большие механизмы химических реакций и подбирает их параметры для трёхмерного моделирования. В результате CONVERGE 6 объединяет несколько уровней автоматизации: ИИ-агент управляет рабочим процессом, специализированные алгоритмы готовят физические модели, а GPU выполняет ресурсоёмкие вычисления. https://convergecfd.com

Prediction of water entry loads and motion trajectories for a delta wing cross medium vehicle using a physics guided LSTM model работа по гибридному surrogate-моделированию экстремально нестационарной CFD-задачи — входа летательного аппарата с дельта-крылом в воду. Авторы сначала получают высокоточные данные в STAR-CCM+ с VOF, Navier–Stokes и 3-DOF динамикой, а затем обучают гибрид LSTM + PINN, где LSTM отвечает за временную динамику, а уравнения движения твёрдого тела встроены в функцию потерь как физические ограничения. Модель одновременно прогнозирует силы, моменты и траекторию движения и показывает лучшую согласованность с CFD, чем отдельные LSTM и PINN. При исключении целых комбинаций угла и скорости из обучающей выборки она сохраняет способность прогнозировать внутри исследованного диапазона условий. Здесь важен сам класс задачи — это не относительно гладкий стационарный аэродинамический surrogate, а сильнопереходный многофазный процесс с короткими пиками нагрузки, свободной поверхностью и связью fluid → load → body motion. Такие режимы особенно трудны для чисто data-driven моделей. Работа показывает практически полезную архитектуру: дорогой CFD остаётся генератором эталонных данных, LSTM восстанавливает историю процесса, а известная механика удерживает прогноз физически согласованным. Потенциальное применение — быстрые параметрические исследования, оптимизация угла и скорости входа и модели для real-time управления.