目前，工程师仍然是人类，但人工智能（AI）已经准备好检查他们的工作了。

　　工程协作技术公司CoLab近日发布了新型AI工具——AutoReview，它是一个可以自动审查 2D 图纸和 3D 模型的 AI 系统。开发人员表示，该工具可以自动查找工程文件中的错误并提出修复建议。通过摄取历史数据和公司标准，AutoReview 还可以从过去的错误中学习，以提供量身定制的建议。

　　“我们认为它会成为各类设计审查的第一道关卡：捕捉所有易于解决的问题、识别设计缺陷、找出那些可能被遗漏的细节，并给出优化建议。”CoLab 联合创始人兼首席执行官Adam Keating谈道。

　　CoLab 公司由Adam Keating 和联合创始人 Jeremy Andrews 于 2018 年创立，是一家致力于帮助工程团队更快、更一致地进行设计审查的科技公司。这对机械工程师对他们认为过时且不充分的设计软件感到沮丧，于是开始为工程团队开发更好的协作和决策工具。

　　成果便是 CoLab 的设计协作系统（Design Engagement System，简称 DES）—— 一个基于云的设计决策与协作平台。DES 能够增强并整合产品生命周期管理（PLM）系统，包括Siemens Teamcenter、PTC Windchill和 SolidWorks PDM等。

图1： DES系统旨在促进工程师的设计决策和协作。本文图片来源：CoLab

　　如果说DES系统是 CoLab公司的核心业务，那么在新产品AutoReview 中，公司或许找到了与核心业务完美互补的 “黄金搭档”。Keating说，AutoReview 标志着 CoLab 第二章的开始。而这一款新产品与公司现有的 DES 紧密相连。

　　“大约两年前我们意识到，我们坐拥一座有趣的‘知识金矿’——客户的历史数据。”Keating 说。PLM 系统存储的是设计决策的最终结果，而 DES 记录的是决策如何做出的过程。把这些信息输入自研的机器学习模型，CoLab 认为他们可以发现有价值的见解，为未来的设计审查提供信息。

　　这一想法演变成了如今发布的 AutoReview 的核心功能之一。能够基于“经验学习”的 AutoReview 在很大程度上依赖于现有的客户数据。它能够分析几何、元数据、文本和图像以查找常见问题并提供自定义反馈。

　　测试版用户将其描述为“肩膀上的导师”。“最常见的反馈就是它能把一些要点浮出水面，尤其对初级工程师帮助很大。”Keating 说。

　　AutoReview 的工作原理是扫描文档并立即识别常见问题，包括图纸错误和制造设计（DFM）优化。例如，它会标记图纸中是否存在缺失或不正确的埋头孔，这些测量负责确保螺钉头部齐平或刚好位于表面下方。它还检查设计中的成型尺寸，以确保壁厚尺寸有效，并且模具易于拆卸以进行制造。

　　该软件还可以在审查使用相似几何形状或相同零件的工作中设计时自动显示从过去程序中吸取的经验教训，有助于避免在不同设计中复制代价高昂的错误。这可以通过降低废品率和保修索赔来节省大量成本。

图2：AutoReview 标记了从以前的设计中吸取的经验教训。

　　AutoReview 的另一个功能是同行检查器（peer-checker）。“同行检查器顾名思义：由AI自动进行 2D/3D 审查，” Keating说，你导入一个文件，为其添加检查清单，它最终会为你标注文件修改处，或在 3D 模型上添加注释。

　　总的来说，AutoReview 本质上相当于 DES 的一个 “人工” 用户，它会先进行首轮设计评审，用户可根据需要采纳其建议。它能识别数据不一致、信息缺失、标准违规、潜在制造问题及其他设计缺陷。

　　在航空航天、医疗科技等复杂制造行业，漏掉一项尺寸检查可能意味着要重新绘制图纸，或是延误关键的产品里程碑。AutoReview 能够验证 Creo、NX、SolidWorks、CATIA 等不同软件中的 2D 图纸和 3D 模型，从而替代冗余的人工检查，确保（设计）更具一致性，并严格遵守公司特定的设计规则。

　　“这些设计团队中的校验人员目前要花数小时检查每个表面的尺寸是否合规，而 AutoReview 几分钟内就能完成这些检查，” Keating表示，“这让工程师有更多时间专注于增值工作，比如降低物料清单（BOM）成本 —— 这种成本节约对于抵消这些公司目前面临的关税和供应链压力至关重要。”

图3：AutoReview 可提供有关 3D 模型的设计反馈。

　　如果你对 AutoReview 感兴趣，并非个例。CoLab 已收到大量工程师的申请，加入早期访问等待名单，目前人数已达约 2.7 万。“我们希望到本季度末，能有足够的资源来顺畅地让用户加入。” Keating说。

　　为所有 DES 用户直接开启 AutoReview 并非易事。“我们正努力指导首批客户，直到我们有信心让他们无需‘辅助轮’也能独立使用。” Keating补充道。待 AutoReview 全面开放后，将通过 AI 积分系统进行授权。CoLab 的 DES 提供多种针对不同用户数量的订阅层级，用户还可购买额外的合作令牌，为供应商、客户及其他外部团队提供访问权限。

　　尽管需求旺盛，但 AutoReview 只有真正发挥作用，才能获得工程师的认可。那么它的表现究竟如何？在开发 AutoReview 时，CoLab 的初始目标是让 AI 提出的建议中有一半能被明确认为有价值。通过模型改进和用户反馈，公司期望 AutoReview 的表现会越来越好。

　　“从长远来看，我们的目标是让 80% 到 90% 的反馈基本上能被立即采纳，” Keating说，“我们正在全力迭代优化，这是我们目前的首要任务。”

　　假设 AutoReview 能达到 CoLab 期望的准确率，这款 AI 工具还有着潜在的拓展空间：如果 AI 能自动标注设计错误，或许有一天它还能自动修复这些错误。它还有可能与外部工程工具整合，对设计进行模拟分析。

　　“未来会有一整套产品融入这个新的‘操作系统’。” Keating说，“我们正看到把现有能力串联起来，并深入特定行业应用场景的机会。” 虽然AutoReview 仍需证明自身价值，但工程团队对它的热情已显而易见。错误向来是学习的机会，而如今，它们也成了机器学习的机会。