9月8日至9日，2026年航空航天材料与制造工艺大会在贵州安顺举办。大会以“翼展未来，材联世界”为主题，来自中国商飞、航空工业、中国航发、高校科研院所及产业链企业的代表齐聚一堂，围绕航空航天先进材料、制造工艺与智能化技术的融合发展展开交流。
大会首日，适创科技产品总监史浩受邀作《以链式仿真+AI智能体重构航空航天研发制造效率》主题报告。围绕航空航天关键零部件制造面临的高质量要求、长工艺流程及研发周期压力挑战，从航空发动机叶片、涡轮盘等典型零件的制造过程出发，分享了以一条更早识别风险、更快完成验证、更高效沉淀工程知识的研发制造提质增效的新路径。
高质量要求下的长流程制造挑战
航空航天零部件服役环境严苛，性能要求高、结构复杂、工艺流程长且质量容错率低。尤其是航空发动机叶片、涡轮盘等关键零部件，制造过程往往需要经历铸造、锻造、热处理、机械加工等多道工序。
在这一过程中，前一道工序形成的温度场、应力应变、组织状态和潜在缺陷，会直接影响后续工序。铸造过程中产生的偏析与缺陷可能在锻造环节继续演化，锻造形成的组织和残余应力又会影响热处理后的变形与最终性能。
传统研发模式通常以单点工序为单位开展仿真分析，不同环节使用不同软件和数据格式，仿真模型、过程数据和结果数据难以连续传递。一旦成品出现组织异常、尺寸偏差或性能波动，工程师往往只能从结果反向排查，难以快速判断问题从何产生、如何演化，以及会对后续工序造成的影响。
因此，面对航空航天的高质量要求与长流程制造之间的复杂命题，制造效率的提升，不能只依靠某一环节计算速度的提高，更需要建立跨工序、可追溯的数字化研发链路。
基于这一判断，适创科技提出构建“先进材料制造工业智能体”：以自主CAE求解器还原真实物理过程，以链式仿真贯通材料加工全过程，在可信物理模型和连续过程数据的基础上，引入工业AI智能体，由工业智能体调用模型、数据和工程知识，参与方案评估、设计验证、缺陷诊断与制造决策，形成“数据贯通、机理可知、风险可判、方案可优”的智能研发制造新模式。
链式仿真基座与超级工业智能体
据介绍，适创科技基于自主研发的网格、流体、传热、结构求解器及高性能计算体系，打造链式仿真平台，将铸造、锻造、热处理等关键工序连接起来，为多工艺、多物理场的连续计算提供统一底座。
通过网格继承、场数据继承与工序数据管理，平台可以将前序几何以及温度、应力应变、微观组织等物理量传递到后续工序，同时完成跨工序任务调度与数据追溯。由此，工程师便能够沿着完整制造链路观察材料状态和缺陷的产生、传递与演化，并对仿真任务、工艺参数和计算结果进行统一管理与追溯。
以涡轮盘锻造为例，平台可以持续跟踪材料流动、型腔充填与模具接触状态，辅助识别折叠、欠充等成形风险；在齿轮盘、花键轴等构件的淬火与回火分析中，则可连续预测温度、组织、残余应力和变形，为工艺参数优化提供依据。验证数据显示，“链式仿真”能够大幅减少跨环节数据处理中的人工干预，使仿真效率提升40%以上。
适创科技产品总监史浩介绍，“在链式仿真形成连续物理数据的基础上，我们进一步推出工业级超级智能体SupreXI，让先进制造研发与生产从经验驱动迈向自主感知、自主决策、自主执行和持续优化。”
在设计阶段，SupreXI可以理解二维图纸与三维模型，调用企业标准、设计规范、历史案例和专业分析工具，对壁厚、拔模角、尺寸公差及复杂结构风险进行识别，自动生成可制造性分析报告；基于AI代理模型技术，发起快速仿真，让物理场预测进入秒级时代，实时“辅助设计”；参与浇排系统、顶出系统和冷却系统设计，根据零件结构与工艺要求生成候选方案，完成规则校核、冲突检查和迭代优化。
进入制造场景后，智能体的作用沿着“感知-决策-执行”的链路展开。在感知环节，智能体可以连接设备、工艺和质量数据，结合X光、红外、蓝光等工业视觉手段，识别内部缺陷、异常模温和产品变形；在决策环节，智能体可以综合设备状态、过程参数、仿真结果与质量数据，开展缺陷诊断和工艺寻优；在执行环节，智能体则可将优化结果转化为参数建议与控制策略，辅助设备报警、工艺点检、预测性维护和动态调控。
据悉，智能体的相关能力已在极氪汽车、长安汽车一体化压铸智慧工厂得到应用验证，为后续面向航空航天复杂构件的智能检测、工艺优化与制造控制拓展积累了技术基础。
以工业智能重构航空航天制造效率
当前，“人工智能+制造”正在加快进入产业深水区。工业和信息化部等八部门印发的《“人工智能+制造”专项行动实施意见》明确提出，打造航空航天智能化制造体系，开发人工智能仿真平台，并在设计、制造、运维和管理等环节开展智能体应用。提高研发制造效率，已经成为航空航天产业应对技术复杂度上升、加快创新成果转化的关键能力。
面向这一进程，适创科技表示，将继续面向航空航天先进材料及复杂构件制造场景深化技术与产品能力，推动物理模型、工程数据和专业知识更高效地参与研发制造过程，为航空航天产业智能化发展提供有力的工业软件与工业智能支撑。