ZDNet至顶网软件频道消息:当前,随着互联网风暴席卷全球,全球正在由产品经济转向体验经济。在体验经济时代,企业提供的不再仅仅是商品或服务,而是提供充满感情的产品体验。消费者消费的也不再仅仅是商品,而是追求通过产品所带来的一种情绪上、体力上、智力上甚至精神上的体验。而这也正是达索系统在2012年提出3D体验战略的原因所在。
从最初的3D设计,到后来的3D建模,再到之后的PLM,每隔十年达索系统都会发布新的战略,达索系统3D体验是PLM的升级,是达索系统的最新定位。达索系统3D体验平台是一个协作的平台,其基础架构是V6协作平台。3D体验平台把企业打造成一个全新的“社交企业”,可让企业内外部更多的相关人员如设计师、工程师、市场推广人员甚至终端消费者都参与进来,它是一种全新的工作模式,消费者在产品未投产前就能获得真实的体验并给与反馈,通过在虚拟世界不断地体验和验证,保证真实世界的产品一次就能够做到最好。
6月5日,达索系统在京举行“2014 大中华区3D体验高峰论坛”。来自法国赛峰集团、特斯拉汽车、TCL的高管分享了各自在使用达索系统3D体验平台的心得。其中,最吸引小编眼球的就是特斯拉的演讲。
据介绍,特斯拉汽车在概念研发、工程和制造阶段,都大量使用了达索系统产品,在研发阶段,设计师使用SolidWorks进行设计,当模具变得复杂时,改用CATIA进行3D建模以及ICEM Shape Design用于A级曲面。特斯拉工程工具主管Paul Lomangino表示,随着特斯拉跑车的开发,集成PLM系统的重要性逐渐显现出来。当特斯拉将用CAD工具开发的部件汇聚在一起时,程序和设计的审查会因为文件间的格式转换而变得一团糟。工程师也需要花费大量的时间来确保在转换过程中无信息遗漏。花精力检查破损数据常对公司的产品质量保证造成威胁。
特斯拉选择了达索系统ENOVIA V6协作平台。“V6 PLM对于特斯拉的运作方式起到核心作用。”Lomangino说道,“它为我们每天的协同产品发展和生产提供了通用语言。同时还帮助我们制定了合理的程序开发规则并保持工作流程的条理性。V6几乎涉及了特斯拉运营的所有方面,从概念发展到工程、制造、质量保证和销售——以至于公司里的每一位员工,甚至是特斯拉的供应商都能参与进来并提供更有效的帮助。”
2014年,达索系统推出了增加云功能的2014x版3D体验平台最新解决方案,实现本地和云端的无缝化切换,所有虚拟建模设计可随时随地进行,并可即刻投入生产。该解决方案能全面满足12个不同行业、不同规模的企业需求,有效降低企业IT硬件的部署成本。首批试用用户均给予其高度评价,该方案让产品研发、协同设计更加高效,帮助企业获得更多的业务增长。
达索系统大中华区总经理王皓峰表示,中国尽在3D体验时代,“达索系统一直非常重视倾听中国企业的需求和声音,并非常愿意把我们在全球30 多年来丰富的行业经验和成功案例分享给更多的中国企业。3D体验平台是智慧的高度集合,我们将深耕行业,以客户的业务需求为导向,继续践行为用户创造绝佳的创新体验,帮助中国企业在未来3-5年完成转型。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。