BOM Voyage

JoyIndustrial / 京东工业 (JD Industrials) представили VisCAD — 27B-модель для параметрического CAD и сборок. VisCAD: A Foundation Model Suite with Multimodal Industrial CAD Intelligence VisCAD-M1 принимает не только текст или CAD-рендер, но и обычные фотографии промышленных изделий и двумерные инженерные чертежи, а результатом является исполняемая программа FreeCAD Python, то есть параметрическое построение, а не mesh. Модель имеет 27 млрд параметров. Обучение разбито на три этапа: почти миллион доступных CAD-программ для освоения геометрических операций и API, около 150 тыс. изображений промышленных изделий для расширения предметного охвата и примерно 10 тыс. тщательно отобранных примеров с циклом «генерация → выполнение → проверка → обратная связь». Данные дополнительно включают каталоги промышленной автоматизации, STEP/STL-модели и инженерные чертежи; после фильтрации авторы получили 21 крупную категорию и 128 подкатегорий механических изделий. Ещё интереснее VisCAD-H1 для сборок. Здесь используется не схема «LLM сразу пишет большой CAD-скрипт», а промежуточное инженерное представление. Система сначала формирует BOM и предполагаемый порядок сборки, затем независимо описывает геометрию, интерфейсы и ограничения каждой детали, после чего выполняет глобальную проверку сопряжений и положения компонентов и лишь затем переводит результат в команды конкретной CAD-системы. Промежуточное представление не привязано к одному ядру: авторы показывают перенос одного плана сборки на FreeCAD, SolidWorks и Autodesk Fusion. По сути, агент работает с явными сущностями «деталь — интерфейс — сопряжение — положение», а CAD используется как исполняющая среда. Одновременно команда выпустила RealCADBench — пожалуй, не менее важную часть работы. В нём 12 632 задачи по 19 категориям оборудования промышленной автоматизации: текстовые требования, 2D-чертежи, фотографии реальных изделий и рендеры, причём есть и отдельные детали, и сборки. Публичная оценочная выборка содержит 1770 задач. Проверяется не только то, запустился ли CAD-код, но также объёмное и поверхностное геометрическое совпадение и сохранение характерных признаков изделия. Результаты показывают важную проблему нынешнего AI-CAD: успешно исполнившийся код совсем не гарантирует правильную инженерную модель — распространены потеря мелких элементов, изменение идентичности детали и неправильное размещение компонентов сборки. RealCADBench: Benchmarking Parametric CAD Modeling from Industrial Design Intents

IDC: Organizations should be aware of agentic AI risks IDC рассматривает проблему массового внедрения автономных ИИ-агентов: компании могут потерять понимание того, какие решения принимаются машиной, на каком основании и с какими полномочиями. По мере роста числа агентов становится сложнее отслеживать, кто инициировал действие, какие данные использовались и почему были получены те или иные права. Так возникает «долг решений» — массив машинных действий и выводов, для которых недостаточно прозрачно зафиксированы основания и история изменений. Отдельная проблема связана с цифровыми идентификаторами агентов и управлением доступом: традиционные механизмы рассчитаны прежде всего на людей и постоянные служебные учетные записи, тогда как права агентов могут меняться в процессе работы, а сами они — запускать другие агенты и обращаться к разным корпоративным системам. Перед вводом таких систем в эксплуатацию IDC предлагает проверять не только качество модели, но и поведение агента в корпоративной среде: устойчивость к подмене инструкций, действия при ошибках, соблюдение ограничений доступа и возможность остановки или отмены операций. Работа агентов должна сопровождаться журналированием, позволяющим восстановить последовательность действий. После запуска признаками проблем могут быть необычные действия, необъяснимое расширение прав, пробелы в журналах и сбои передачи решения человеку. Для PLM и инженерных систем это относится к действиям агентов с изделиями, документами, требованиями, расчетами, технологическими данными и другими управляемыми объектами. P.S. Человек должен получать сводку - какие решения были приняты, какие развилки были в ходе работы, какие альтернативы рассматривались, почему были отвергнуты. Иметь возможность восстановить контекст - объекты, документы в том виде, в котором они были в контексте агента в момент принятия решения, произведения действия. Видеть какие последствия будут у этих решений. И ставить подпись под этим, по крайней мере там где последствия значительны. Трассируемость — главная проблема которую придётся решать всем разработчикам агентных систем, без этого будет то, что написано выше. —— AI agents are moving into the workplace faster than companies know how to manage them Проблема автономных ИИ-агентов возникает, когда они получают право не только рекомендовать, но и самостоятельно действовать от имени организации. Тогда необходимо заранее определить, кто отвечает за их решения, какими полномочиями они обладают и где проходит граница самостоятельности. Автор предлагает рассматривать каждого агента как отдельного участника корпоративной среды с собственной цифровой идентичностью, владельцем и явно заданными правами, а не как программу под общей учетной записью. Это позволяет связать действие с конкретным агентом и проверить, соответствовало ли оно его полномочиям. Уровень самостоятельности предлагается задавать по последствиям действия и возможности его отмены: рутинные операции выполнять автоматически, более рискованные — только после подтверждения человеком, а критические действия не передавать агенту. Права должны пересматриваться при смене назначения, владельца или используемых систем. Ограничения закрепляются технически через пределы полномочий, обязательные согласования, возможность остановки и журнал действий. Для PLM и CAx это относится к агентам, работающим с инженерными данными, изменениями изделий, требованиями, расчетами, документацией и процессами согласования.

ChipAgents Helps Andes Technology Dramatically Accelerate Custom Processor Design and Verification Andes Technology, разработчик процессорных ядер на архитектуре RISC-V, рассказала про использование платформы ChipAgents для автоматизации части работ по проектированию и проверке цифровых схем. Система работает со спецификациями, RTL-кодом, зависимостями между блоками и инфраструктурой тестирования, помогая инженерам разбираться в существующем проекте, вносить изменения и подготавливать проверки. В одном из проектов ChipAgents применялась при доработке блока LSU, отвечающего за операции процессора с памятью. Работа, на которую обычно уходило около 8,5 недели, была выполнена примерно за шесть недель. Агентная система использовалась для анализа существующей реализации, выявления связанных участков проекта и сопровождения изменений в RTL. Другой пример связан с проверкой блока BIU, обеспечивающего взаимодействие процессора с системной шиной. Здесь требовалось согласовать изменения в спецификации, обновить тестовое окружение и подготовить сценарии для сложных сочетаний параллельных операций. Цикл таких работ сократился с двух-трех месяцев примерно до трех недель, а подготовка отдельных сложных тестовых воздействий — с одной-двух недель до одного-двух дней. ChipAgents в этом процессе связывает требования, реализацию и средства проверки, формирует изменения и помогает анализировать результаты тестирования. Andes постепенно распространяет применение таких агентов на разные этапы разработки процессорных ядер — от работы со спецификациями и RTL до верификации. В описанных проектах ИИ используется не как отдельный помощник для генерации кода, а как часть инженерного процесса, где агент получает контекст проекта, работает с несколькими связанными представлениями изделия и сопровождает изменения вплоть до проверки их корректности. https://www.andestech.com/en/2026/09/02/chipagents-helps-andes-technology-dramatically-accelerate-custom-processor-design-and-verification/

Ну, за архвиз!! Astra в Codex фигачит полноценную 3D-визуализацию дома: от идеи и планировки до детальной сцены в Blender, кинематографического видеотура и интерактивной версии в Unreal Engine 5. Это слишком прекрасно, чтобы суммаризировать или делать пост. Поэтому я просто попросил Гемини перевести это (chatGPT сегодня еле ворочаеццо) и чтобы не мучить вас артиклой, сложил это в Телеграф. Кому интересно, откроет. https://telegra.ph/Arhitekturnaya-vizualizaciya-s-Astra-09-05 Оригинал: https://developers.openai.com/blog/architectural-visualization-with-astra @cgevent

Навайбкодили симпатичное

И собственный результат (разработка ПО) По итогам ночного run скажу что Альфа хороша в архитектуре. Нашла много замечаний к тому что Fable и Sol на максималках проектировали 3 недели. Но нашла ладно - это было ожидаемо, важно что все полностью было принято без малейших изменений. Проработка каждого пункта, формулирование, описание пробелов и как следует закрыть были просто идеальными. Блох не было, все что нашла - было очень по делу

Весь интернет сегодня ломится от таких вот отчетов

GPT‑6 Astra помогает мне проектировать печатную плату системы управления полётом дрона: от принципиальной электрической схемы до разводки платы и размещения компонентов — он берёт на себя весь процесс. После завершения проектирования он самостоятельно проверяет схему, находит проблемы и устраняет их.

https://x.com/GoGoFly23/status/2096145124950708512 Перепечатывать все смысла нет, но их много, гораздо больше чем было в предыдущих итерациях подобного. Впрочем, вероятно, все больше людей втягиваются и пробуют, и пробы все более подготовленные - люди осваиваются, то есть это не только признак качества модели, прорыва, скорее накопление критической массы эксперементаторов и их экспертизы.

GPT-6 Astra делает разводку печатной платы в KiCad

Nomic AI — компания, которая начинала как разработчик инфраструктуры для работы с неструктурированными данными и локальными LLM, но к 2026 году довольно резко сфокусировалась на архитектуре, инженерном проектировании и строительстве — AEC. Сейчас они позиционируют себя не как очередной «чат с документами», а как доменно-специализированный AI-слой над инженерными данными и существующими системами. Nomic специально подчеркивает, что не хочет заменять Autodesk, Bentley, SharePoint и другие systems of record. Их цель — создать «neutral intelligence layer», который работает поверх существующей инженерной информационной среды. В их продукте есть несколько готовых агентных сценариев. Например, агент может проверять комплект чертежей на соответствие внутренним QA/QC-правилам, сопоставлять чертежи со спецификациями, выполнять первичную проверку submittal, искать информацию по прошлым RFI, проверять требования строительных норм, находить детали в тысячах старых проектов и формировать замечания непосредственно к PDF. Интеграции заявлены с Autodesk Construction Cloud, Bentley ProjectWise, SharePoint, Egnyte, Trimble ProjectSight, Fieldwire и рядом обычных файловых и коммуникационных систем. Они вводят понятия approved sources, permissions, cost limits, review thresholds и границы между автоматическим действием и обязательным одобрением специалистом. Результаты должны оставаться трассируемыми, а исходные BIM/PDM/документные системы не заменяются — над ними строится нейтральный intelligence layer. Для PLM это хороший внешний пример того же направления: агентный слой постепенно становится самостоятельной системой управления инженерной работой, а не функцией одного приложения. И вот, они хвастаются что получилили стратегические инвестиции от Aurecon и Arcadis и одновременно перешли от пилотов к масштабному внедрению инженерных агентов. Aurecon распространяет платформу на организацию примерно из 6 700 сотрудников; Arcadis после шестимесячного пилота с примерно 150 инженерами в 12 странах начинает встраивать агентов в свою модель выполнения проектов. https://www.nomic.ai/news/announcing-nomics-strategic-funding-round-and-partnerships-with-aurecon-and-arcadis

Сбер и «Объединенная авиастроительная корпорация» (ОАК) начали совместную работу по применению инструментов искусственного интеллекта в авиастроении. Об этом сообщил первый заместитель председателя правления Сбера Александр Ведяхин в интервью ТАСС на Восточном экономическом форуме. По его словам, банк и ОАК реализуют пилотный проект по применению генеративного ИИ в проектировании деталей авиационной техники. Работа ведется в рамках внедрения отечественного PLM-решения T-FLEX разработки «Топ системы», ГК «Росатом». Ведяхин уточнил, что демонстратор технологии совместно разработали АИРИ и «Топ системы». Решение создали на базе GigaChat. Технология позволяет увеличить скорость синтеза типовой конструкции нервюры в 11 раз. «Совместно разработанный АИРИ и Топ Системы демонстратор технологии на базе Gigachat позволил нарастить скорость синтеза типовой конструкции нервюры (поперечного силового набора каркаса крыла) в 11 раз относительно стандартного процесса, реализуемого человеком без помощи ИИ», — подчеркнул он. Первый заместитель председателя правления Сбера также оценил задачи российской авиастроительной отрасли. По его словам, отрасль получила сверхсложную задачу по завершению разработки, масштабированию производства и созданию системы послепродажного обслуживания полностью импортозамещенных российских самолетов https://www.gazeta.ru/business/news/2026/09/03/29246443.shtml

Пятница

Astra умеет работать непосредственно внутри программ, а не просто давать пользователю инструкции.

В демонстрациях модель создавала 3D-игры, разрабатывала печатные платы в KiCad, работала в Unity, FreeCAD и Blender, а также заполняла черновик налоговой декларации на основе формы W-2.

Штош, посмотрим

Хотелось бы отдельно проговорить:

Мы часто постим провальные технические проекты про которые в целом хотелось бы отдельно следующее: Все мы конечно любим и уважаем Gall’s law, который “A complex system that works is invariably found to have evolved from a simple system that worked”. И это действительно так, no exceptions. Но никто почему-то не говорит, что эта работающая простая система берётся из обломков сложных неработающих систем, которых мы попробовали до того.

Flying high at JetZero JetZero разрабатывает Z4 — пассажирский самолёт интегральной схемы, где фюзеляж и крылья образуют единую несущую поверхность. Такая компоновка должна снизить аэродинамическое сопротивление примерно на 30%, расход топлива — до 50% и обеспечить аэродинамическое качество 22:1. При размахе крыла 58 метров самолёт совместим с существующей аэропортовой инфраструктурой и использует сертифицированные двигатели Pratt & Whitney. Их размещение над корпусом уменьшает шум в салоне и на земле. Аэродинамика, центровка, прочность, компоновка и производство Z4 тесно связаны, поэтому JetZero объединяет их в общий цифровой процесс. Масштабные модели Pathfinder служат для проверки аэродинамики и устойчивости, полноразмерный Demonstrator — для лётных испытаний, а серийный Product — для глубокой цифровой оптимизации. Параметрическая модель в nTop охватывает внешнюю форму, силовую конструкцию, профили, мотогондолы, шасси и внутренние объёмы. При изменении параметров геометрия автоматически перестраивается и передаётся в расчётные системы. ИИ-агенты задают параметры, запускают построение и анализ вариантов, распределяют вычисления и собирают результаты. Для каждого самолёта также планируется цифровой двойник с детализацией наиболее важных узлов. Первый полёт Demonstrator намечен на конец 2027 года.

Отдельная проблема которая сейчас всеми решается в агентских системах — "non-human identity", идентичность агентов. Будут они работать от имени пользователя, связано с каким-нибудь пользователем, или будут иметь полностью собственную идентичность. Точнее когда будет как, т.к. полностью автономные агенты мало смысла связывать с пользователем, а запускаемые вручную - надо. Как будет устроена инфраструктура с этим, что надо поменять в существующем для поддержки. Как криптографически устанавливать достоверность трейса операции, как управлять сессионно, как передавать авторизацию между приложениями, между контурами и организациями. Как это оформлять в API. Как и где хранить секреты. Как всё это делать технически и сочетать с уже существующими механизмами подобного для людей.

广州工控工业智能科技 / 工控智科 (Guangzhou Industrial Control Industrial Intelligence) рассказали про своего агента для чертежей, 3D-моделей и несерийного проектирования. Опубликованный 2 сентября подробный материал раскрывает «工控智脑» — промышленную агентную платформу дочерней компании Guangzhou Industrial Control Group. Для инженерного контура создан отдельный «图纸工艺智能体» — агент чертежей и технологии. Его специализированная мультимодальная модель обучается на 2D-чертежах и 3D-моделях и должна распознавать геометрию детали, отверстия, пазы и поверхности, топологию и ограничения, а затем связывать это с технологическими данными. Агент подключается к PDM/PLM, ERP, SRM и MES и сопоставляет геометрию с продуктовой номенклатурой, технологическими маршрутами, стандартами проектирования, закупками и себестоимостью. В пилоте на одном из предприятий группы система обработала около 220 тыс. чертежей: около 7% были признаны полностью дублирующимися, ещё примерно 30% — сильно похожими. Это уже вполне узнаваемый сценарий AI+PDM/PLM: классификация и нормализация инженерного наследия не по именам файлов и атрибутам, а непосредственно по геометрическому и технологическому содержанию. Для сложных несерийных заказов платформа объединяет отраслевую модель, граф знаний, «самопланирующий» механизм и библиотеку проектных правил. Из требования заказчика агент сам определяет, какие нормы и данные необходимо найти, обращается к внутренней документации и формирует вариант решения; отдельные навыки оформлены как вызываемые действия — например получение закупочных данных из ERP или обращение к журналам оборудования. Компания утверждает, что традиционный процесс межфункционального согласования длительностью одну-две недели в некоторых сценариях переводится в режим минутного отклика. Пока опубликовано лишь «первичное подтверждение» эффекта, без открытого benchmark качества решений. По сути это пересечение PDM/PLM, CAPP и configuration/ETO engineering. Это не типичный CAD-вендор, а промышленный AI-разработчик внутри крупной производственной группы, что здесь скорее преимущество: система выросла из данных и процессов нескольких сотен предприятий группы и теперь начинает предлагаться внешним производителям. Технически это выглядит заметно содержательнее обычного RAG над документацией, поскольку в центре находятся 3D-геометрия, технологические признаки и реальные корпоративные системы. https://m.21jingji.com/article/20260902/c728d35b4be27cc0433af866b9e742a2.html —— 数码大方 (CAXA) показала работу своих агентов сразу в проектировании изделия, подготовке технологии, программировании и симуляции обработки и управлении инженерными данными. Отдельно заявлено промышленное применение у производителя арматуры 中核苏阀 — CNNC Sufa Technology Industry. Компания сама поставляет 2D/3D CAD, CAPP, CAM и PLM/MES, поэтому потенциально может строить агента не через набор внешних API, а поверх единого собственного инженерно-производственного стека. Например, существующий CAXA CAM уже связывает CAD-модель, построение траекторий, симуляцию, генерацию и проверку управляющего кода и передачу на станок; CAPP работает с технологическими картами и технологическими знаниями. Агентный уровень теоретически может оркестрировать этот уже связанный инструментарий. Архитектура агентской системы, впрочем, не раскрывается https://www.ruanfujia.com/post/11706764/

В Китае прошла очередная стадия внедрения национальной системы стандартов взаимодействия ИИ-агентов «Искусственный интеллект — взаимодействие интеллектуальных агентов». Интереснее самих уже выпущенных стандартов новое раскрытие контура безопасности: разрабатываемый обязательный стандарт «Базовые требования безопасности применения интеллектуальных агентов» смещает контроль с содержания ответа модели на автономное исполнение. В качестве основных механизмов прямо называются идентичность агента, полномочия, доступные инструменты и аудит; цель формулируется как возможность агента быть явно уполномоченным, ограниченным и подотчётным. Запущена платформа управления идентификаторами, через которую агент может регистрироваться, подтверждать свою идентичность, публиковать сведения о доступных возможностях и устанавливать доверенное взаимодействие с другими системами. Эта инфраструктура рассматривается как основа для промышленного применения агентов, в том числе в средах, где совместно работают инженерные и производственные системы разных организаций. Вокруг стандартов уже формируется экосистема разработчиков программного обеспечения и ИИ-сервисов. Параллельно разрабатываются требования безопасности, ориентированные не только на содержание ответов моделей, но и на действия агентов: их полномочия, доступ к данным и инструментам, защиту контекста, фиксацию операций и последующий аудит. В дальнейшем стандартизация должна охватить также межагентные транзакции, аудит и отраслевые профили применения, формируя общий технологический слой от идентификации и обнаружения агента до выполнения действий и регистрации их происхождения. https://finance.sina.com.cn/stock/t/2026-09-02/doc-iniqkzma1335662.shtml

SYSPRO, разработчик ERP-систем для промышленных предприятий и дистрибуции, представила Torque — платформу искусственного интеллекта для автоматизации производственных решений. Она получает данные из ERP, MES, SCADA, складских систем, заказов, запасов и производственных расписаний, после чего агент может выявить отклонение, определить действие и либо передать его человеку на утверждение, либо выполнить автоматически. Для каждого решения сохраняются использованные данные, правила и выполненные операции. Основой Torque служит промышленная модель знаний, содержащая структуру данных и бизнес-логику производственных процессов. Платформа тесно интегрирована с их ERP, но рассчитана и на другие корпоративные системы. Для подключения приложений предполагается использовать в том числе MCP. Рабочие процессы можно задавать на естественном языке: специалист описывает требуемую операцию, а система формирует последовательность действий и связывает ее с нужными данными и функциями. Уровень автономности задается отдельно для каждого процесса. Одни агенты только готовят предложения, другие могут выполнять разрешенные действия без подтверждения человека. Все операции журналируются, поэтому решение можно проследить до исходных данных и правил. Torque также позволяет оценивать стоимость выполнения процессов и отслеживать использование агентов. Сейчас проходит ограниченное внедрение у производителей и дистрибьюторов пищевой продукции, промышленного оборудования и металлоконструкций. https://www.syspro.com/press_release/syspro-launches-torque-the-industrial-ai-platform-that-transforms-manufacturing-decisions-into-auditable-automatic-action