依托 AI+CAD 重塑工业发展格局,夯实新质生产力发展核心动能

OpenClaw-遇到的问题- FailoverError: Model context window too small (4096 tokens). Minimum is 16000 摘要:OpenClaw配置文件中deepseek-reasoner模型的上下文窗口被默认设置为4096 tokens(实际支持128K),导致系统报错"Model context window too small"。解决方案是删除配置文件中的contextWindow和maxTokens字段,让系统自动获取模型真实能力,并重启OpenClaw服务。配置文件通常位于用户目录下的.openclaw/openclaw.json中。 阅读详情

全球制造业数字化、智能化转型迈入深水区,工业软件早已跳出单纯工具范畴,成为保障国内产业链供应链自主安全、释放企业创新效能的关键核心软硬件。在全社会大力发展新质生产力的时代背景下,如何实现研发设计智能化、跨环节协同高效化、核心技术自主化,是国内制造业转型升级必须攻克的关键课题。

面对这场全方位产业变革,国产三维工业软件标杆企业新迪数字交出了一套完整解决方案,既是国内三维 CAD 领域实现技术突围的先行者,也是 AI 技术与工业软件融合创新的行业定义者。

从行业追赶者到赛道定义者:独属于新迪的国产工业软件发展路径

新迪数字拥有行业稀缺的技术研发根基,企业创立初心源于顶尖海外专家归国攻坚国产工业软件的家国理想。

1. 行业顶尖专家归国,筑牢技术底层根基

新迪数字创始人叶修梓博士是全球三维 CAD 领域权威专家,早年作为达索 SolidWorks 创始核心成员、首席科学家,完整见证了这款国际主流三维软件从零到全球普及的全过程。深耕海外前沿技术多年后,他选择回国创业,立下 “让每一位工程师都能用上自主可控的国产 CAD 软件” 的目标,全力攻坚国产工业软件短板。这份源自国际一线研发团队的技术积淀,让新迪数字从起步阶段就掌握底层源代码级研发能力,具备天然技术优势。

2. “高铁模式” 创新路线,实现技术弯道超车

新迪数字摒弃行业普遍 “从零搭建底层架构” 的低效模式,走出一条 “引进、消化、吸收、再自主创新” 的特色发展路径,类似我国高铁产业的突破模式:

  • 夯实底层技术底座:收购西门子 Solid Edge 全套源代码与核心技术资产,直接获取经过全球数百万企业长期验证的成熟软件架构;
  • 牢牢掌握自主主动权:永久持有 Parasolid 几何建模内核、D-Cubed 约束求解器授权,彻底摆脱海外底层技术卡脖子隐患;
  • 聚焦前沿赛道超车:将核心研发资源倾斜 AI 原生集成、云原生架构、三维轻量化协同等下一代工业软件核心方向,抢占行业未来发展制高点。

核心技术底座:打造新一代智能 CAD 完整体系

2026 年,新迪数字搭建完成 “全栈自研 CAD 底层技术 + 原生 AI 智能体系 + 云原生 3D 轻量化引擎” 三位一体技术架构,自研天工 CAD 不再只是单纯的三维绘图工具,更是服务企业全流程研发的智能设计中枢。

1. 全链路自研技术,保障大型模型稳定运行

国内为数不多具备 CAD 全栈核心技术自研能力的厂商,可独立完成大型软件整体架构搭建、几何算法开发、底层引擎研发全链条工作。面对超大装配体、复杂曲面模型等工业高频场景,软件运行稳定性、流畅度具备突出优势。

图片

2. 原生深度融合 AI,打造工程师专属智能副驾

新迪数字是国内首家把 AI 原生嵌入三维 CAD 完整设计流程的厂商,区别于市面外挂式 AI 插件,智能能力深度融入建模、装配、出图、数据检索全流程,全方位降低工程师操作负担:

  • 自然语言建模:无需复杂菜单操作,输入文字指令如 “在零件顶面开设直径 20 毫米通孔”,AI 自动完成建模操作;

  • 图片

  • AI 智能装配:依托三维几何特征识别技术,自动预判零件匹配逻辑,拖拽零件即可完成约束装配;

图片

  • AI 一键生成工程图:内置国标规范与海量工业设计经验,自动排布视图、完成尺寸标注,整体设计效率提升十倍;

图片

  • AI 三维模型检索:依托 3D 模型矢量化技术实现以图搜模型,盘活企业多年积累的设计数据资产,大幅提升历史方案复用效率。

图片

3. 云原生 3D 轻量化引擎,打通企业数据孤岛

作为行业轻量化标准牵头制定单位,新迪自研 3D 轻量化引擎实现 “打开图片般流畅浏览三维模型”:

  • 超高压缩能力:模型压缩倍率最高可达 100 倍,浏览器可秒级打开百兆体量三维装配文件;

  • 全业务链条协同:打通设计、工艺、生产、采购、售后各环节三维数据流转通道,实现跨部门无边界协同办公。

完整产品矩阵,覆盖研发设计全生命周期

依托完善底层技术底座,新迪数字搭建起覆盖前端设计、中端协同、后端数据可视化的完整产品体系,全方位匹配制造企业研发全流程需求。

产品名称

核心定位

关键价值

新迪天工CAD

世界级三维设计平台

全面兼容国际主流格式,功能强大且稳定,支持AI全流程设计。

新迪天工CAD 365

云端协同设计平台

“端+云”融合架构,支持多地研发团队实时协同,彻底解决版本混乱。

新迪3D轻量化引擎

企业级数据动脉

解决非设计部门看图难,支持Web、移动端高效浏览与交互。

3DSOURCE零件库

海量模型库

拥有超2亿个3D模型,标准件/外购件直接拖拽使用,告别重复建模。

新迪天工云库

企业级物料管理

建立私有标准化库,结合AI搜索,大幅提升零部件复用率。

图片

落地行业场景,以实践落地印证新质生产力价值

新迪数字技术方案已广泛落地高端装备、新能源汽车、精密电子、航空航天等关键制造领域,服务比亚迪、中国人寿等大批知名企业,用真实落地成效验证智能化转型价值:

  • 华兴源创(消费电子检测设备龙头):接入轻量化引擎后,企业跨部门协同效率提升 60%,客户需求反馈周期由 3-5 天压缩至 1 天以内;

  • 亨龙智能(金属连接设备标杆企业):售后人员通过平板设备可秒级加载重型底盘三维模型,故障排查效率显著提升,每年为企业节约数十万运维成本。

共建开放共生工业软件产业生态

独行虽快,众行方能致远。新迪数字坚持开放共赢发展思路,携手华为云、百度、中科曙光等头部科技企业,共建覆盖产品设计、仿真分析、工艺规划、智能制造全环节的完整工业软件生态。

新迪数字不只是工业软件产品供应商,更是中国制造高质量发展的数字化赋能伙伴。未来企业将持续以 “AI+CAD” 为核心发展主线,持续推进工业软件智能化迭代升级,为中国智造打造自主可控的工业软件 “核心芯”,助力国内制造业攀升全球产业链、价值链高端。

了解更多案例和AI解决方案可来电咨询

400-0919-606 转 3

司法AI系统的架构设计:法律知识图谱如何辅助智能庭审?架构师亲测 简单来说,法律知识图谱是一种采用图数据结构(节点Node + 边Edge/关系Relation)来组织和表达法律领域知识的语义网络。它以。 阅读详情

相关推荐

Anaconda+清华源加速PyTorch GPU环境安装与CUDA版本匹配指南

深度学习环境管理常面临依赖冲突与下载缓慢问题,通过虚拟环境隔离与镜像源加速可显著提升效率。Anaconda利用conda机制创建独立Python环境,避免包版本冲突;清华源通过国内镜像同步大幅提高下载速度。GPU版PyTorch安装需严格匹配CUDA、cuDNN与显卡驱动版本,否则易出现CUDA不可用错误。该方案适用于图像分割、目标检测等需多版本PyTorch并存的场景,能快速搭建稳定GPU训练环境。本文详解Anaconda安装、清华源配置及PyTorch GPU版安装全流程。

weixin_30522983的博客 235

AI-CAD项目获人工智能创新创业大赛一等奖,引领国产工业设计软件新纪元

而AI-CAD项目团队自主研发的“Raycaver智能设计平台”,其核心创新在于“LLM驱动的几何节点图谱化建模”技术,依托此构建的“工业算法+AI大模型”双引擎驱动架构,颠覆了传统交互模式。该项目瞄准中国工业软件领域长期存在的“门槛高、收费难、品类少”三大核心痛点,以自主创新的双引擎架构,开辟了国产工业设计软件突围新路径,承载着中国工业软件重塑全球格局的决心。在中国人工智能学会的持续推动下,该项目将进一步深化与区域产业体系的协同,以“零门槛设计”普惠制造业,以“弯道超车”重塑全球CAD格局。

weixin_43735236的博客 419

eNSP网络构建—建立小型局域网

企业私有网络构建运维 实战案例——使用模拟器构建局域网络 案例分析 1.架构分析 (1)需求分析 本实验的目的在于建立小型局域网。由于公司由不同部门组成,并分布在不同地点,因此需要划分不同网络实现互联互通。设计以下网络:两个部门各使用一台交换机连接,然后连接到总交换机,再通过路由器与外网以及其他部门网络相连。为了控制网络上的广播风暴,增加网络的安全性,在交换机上需要设置VLAN,在路由器与交换机之...

_ 4万+

解构工业软件下半场:国产厂商如何破局海外巨头垄断?

未来CAD将重构为工业智能底座,竞争核心转向数据价值挖掘与生态构建。国产厂商能否突破技术壁垒、平衡AI实效性与生态开放度,将决定其能否在全球格局中实现换道超车。

胖头陀的博客 238

避坑指南:Qwen2.5-VL图片预处理中常见的5个尺寸错误

本文深入解析了Qwen2.5-VL模型在图片预处理环节中开发者最常遇到的五个尺寸错误,包括动态分辨率对齐、宽高比超标、像素数限制等问题。文章结合源码解读,详细剖析了`process_vision_info`函数和`resize`逻辑,并提供了具体的排查流程图与参数设置建议,旨在帮助开发者构建健壮的预处理流水线,有效规避显存溢出与推理失败的风险。

weixin_29290379的博客 176

0基础手把手搭建 Trae\+Seedance2\.0 真人短剧生成智能体(可直接运行)

前言:本文专为0基础新手编写,全程无复杂代码、无专业术语,一步一截图提示(操作路径清晰),只需跟着点鼠标、复制粘贴,就能搭建出可自动生成真人短剧的智能体,生成的短剧可直接导出发布。核心工具:Trae(字节跳动AI IDE,免费)+ Seedance2.0(真人视频生成API,公测免费),无需提前学习编程、设计,全程10-15分钟搞定。 适用人群:0基础小白、想快速生成真人短剧(自媒体、短视频创作者)、无需懂技术即可实现自动化短剧生成的人群。

skygulangfendouz的专栏 1058

AI+云协同趋势下机械设计CAD选型指南:2026年评估框架与实战避坑

CAD(计算机辅助设计)是机械工程领域的核心工具,其核心原理在于通过数字化建模精确表达设计意图。随着云计算与人工智能技术的融合,CAD正从单机工具演变为协同智能平台,其技术价值在于通过数据集中与智能算法,极大提升了设计协同效率、创新探索能力与知识复用水平。在工业软件与智能制造领域,AI驱动的生成式设计、智能建模与云原生协同已成为关键应用场景。本文聚焦于机械设计CAD软件的选型,系统分析了在AI与云协同深度整合背景下,如何从核心设计能力、云协同深度、AI功能成熟度及总拥有成本等维度构建评估矩阵,并针对Auto

weixin_34268843的博客 433

SAP PP模块 MRP配置实战:5步完成工厂级物料需求计划激活

本文详细介绍了SAP PP模块中物料需求计划(MRP)的工厂级配置实战,通过5个关键步骤从基础环境准备到最终激活。内容涵盖SPRO后台配置、MRP控制者定义、主数据设置及核心参数调整,帮助顾问快速掌握MRP配置清单的完整流程,确保物料需求计划的高效运行。

weixin_30431445的博客 341

人工智能世界观(认知篇)

本文系统梳理了人工智能(AI)的基础知识体系,重点解析了大模型(LLM)的核心原理、技术演进及应用边界。主要内容包括: AI基础认知:从规则驱动到数据驱动的范式转变,强调AI=数据+算法+算力的技术本质,区分了弱AI与通用AI(AGI)的能力差异。 技术发展史:回顾AI七十年发展,从符号主义、专家系统到深度学习的五次技术浪潮,重点分析Transformer架构如何推动大模型革命。 大模型原理:详解LLM的三大支柱(参数量/数据量/算力),揭示自回归生成和注意力机制的工作逻辑,对比GPT与BERT的技术路线差

轻舟已过万重山 549

05、CAN 总线拓扑结构详解,线型拓扑搭建要点

CAN总线拓扑与信号完整性优化 本文通过工程实践经验,深入剖析了CAN总线系统中信号完整性的关键要素。主要内容包括: 终端电阻的核心作用:必须严格在总线两端配置120Ω电阻,形成60Ω等效阻抗以匹配双绞线特性阻抗,避免信号反射导致的波形畸变。 阻抗匹配原理:解释了信号能量管理机制,指出阻抗不连续会导致信号反射,并通过示波器波形特征(如振铃现象)判断阻抗失配问题。 信号完整性多维要求:强调信号质量不仅涉及波形存在与否,还包括边沿斜率、共模电压范围等关键参数,这些直接影响通信可靠性。 工程实践建议:提供了终端电

2401_88858637的博客 178

8.5华为OD机试真题 新系统 - IPv4 等长子网划分与自动分配系统 (Java/Py/C/C++/Js/Go)

8.5华为OD机试真题 新系统 - IPv4 等长子网划分与自动分配系统 (Java/Py/C/C++/Js/Go)

算法大师! 525

企业级智能体开发平台测评:全栈、垂直、开源与低代码多维解析——重塑企业数字员工的工程化路径

《2026企业级AI Agent选型指南:主流方案深度解析》摘要:随着智能体技术进入规模化生产阶段,企业关注重点转向具备全链路闭环能力的"数字员工"。文章对比分析了行动驱动型(实在Agent)、全栈生态型(百度搭子)、架构闭环型(博云)及开源框架等主流方案的技术架构与适用场景,指出选择需考虑企业数字化阶段、IT基础和业务复杂度。关键落地条件包括高质量数据集、算力成本和权限管理,同时强调智能体当前仍存在技术边界,需与规则引擎和人工审核协同。未来,由专业Agent组成的"数字员工矩阵"将成为企业智能自动化的核心

SZ_RPA的博客 245

微信小程序码 createWxaCodeUnlimit 生成总是报错 41030 的解决方案

41030错误本质上就是路径不合法。路径多写了一个斜杠路径带了参数小程序版本未发布或 app.json 配置不一致。如果确认页面存在,可以通过来跳过检查。微信小程序 getUnlimitedQRCode 官方文档路径前不能加 /,参数放 scene,发布版本要有这个页面,不行就关掉 check_path。

代码简单说 Vue、JAVA、PHP、Node.js 熟练运用,接口、架构、性能全搞定。 474

视界新生,多模态破壁 ——DeepSeek 识图模式正式上线

DeepSeek识图模式正式上线,实现国产AI多模态突破。该功能基于DeepSeek-OCR2视觉因果流机制,具备"视觉感知+语义理解+逻辑推理"三重能力,支持物体识别、场景解析、文字提取等五大核心功能。应用场景覆盖办公、教育、医疗等六大领域,如文档图表解析、医疗影像辅助等。技术层面采用原生多模态架构,适配国产芯片,实现全链路自主可控。此次升级填补了国产大模型在多模态领域的空白,推动AI从文字交互向自然交互演进,标志着DeepSeek向通用人工智能迈出重要一步。

浔川社团官方联合会优快云账号 2714

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 355

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 197

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 2万+

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 235

医疗 AI 有两种,别混着谈:一个改流程,一个改范式

InfoXMed 是面向医生、医学生和医学科研人员的 AI 医学工具平台,提供文献检索、全文翻译、AI 解读、指南查询和题库练习等功能,辅助临床学习、科研汇报与医学备考。原文是日本医学会杂志(JMA Journal)的一篇综述(Review Article):基本事实:这一点必须先说清:这篇论文提出的是一个研究纲领。它文中的"预测"指的是科学设想,不是可以拿来用的临床预测能力。文中甚至自己承认了一个硬缺口(见第三节)。本文只谈它的术语辨析与科学方法论,不转述任何可作为临床依据的预测或处置主张。这篇论文的全部

2601_96948740的博客 237

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 191

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 190

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 541

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 558

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 79

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 252

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 629
上一篇: 天工云库:数字化零部件协同平台,全方位赋能机械制造企业转型升级
Source3d
博客等级 码龄3年 404粉丝 71原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值