3月28日-30日，以“夯实电动化推进智能化实现高质量发展”为主题的中国电动汽车百人会论坛（2025）在京隆重召开！本届论坛汇聚20+政府有关部门领导、30+院士专家、100+汽车及相关领域的企业代表，共议汽车产业变革新路径。在30日召开的汽车“三新”变革论坛上，科盛科技公司共同创始人、ACMT协会理事长蔡宏铭发表精彩演讲。以下内容为现场发言实录：


科盛科技公司共同创始人、ACMT协会理事长 蔡宏铭

今天很高兴来到百人会报告我们的成果，以及相关研究的事情。这个题目我们是从国内分析相关的数据，专注在塑料注塑平台情况之下，发现在过去的过程当中，从模具、机台、材料，都是各自独立的部分情况。我们透过模拟分析软件做了很好的集成分析的结果，我们也发现过去我们专注在于整个虚拟分析的结果，现在结合高分子的数据库，从以前纯粹的CAE到后面有IOT之后，不仅有虚拟数据，机台的数据、材料的数据、模具数据都可以做一些整合，通过过去CAE的算力以及AI新的工具，我们可以透过AI来驱动高分子的材料库，来打造一个智能的注塑成型应用的平台。

Modex3D与ACMT协会，源于台湾清华大化工系CAE研室。Modex3D成立于1995年，全球第二大塑料模流分析软件公司。ACMT成立于2004年，是产学研技术交流平台。

高分子材料数据库的建构与解析，AI模型开发与训练，以及智能注塑成型应用平台。所以我们在过去的时候会发现，我们的模具设计、产品设计、模具制造、试模、量产这些过程都是独自进行，数据很难进行整合的情况之下，过去通过CAE模的软件，可以做实际的分析，做好设计评完过去做设计是不是好的设计，如果不是好的设计，后面就是灾难，因此过去CAE的角色扮演很好的设计的品管。设计品管做的好，有可能T零可以量产，设计的好、做的准的情况之下，如何从设计、品管转移到制造品管，所以设计的好，后面模具做的准，机台的性能很稳定，材料也稳定，可以稳定生产。所以从过去把这些数据都解析完，在虚拟的过程当中，我们通过CAE的方式检验产品设计，检验模具设计，检验功率条件、材料的情况之下，我们累积30几年塑料产品开发的数据库。我们过去通过对纯粹CAE的数据做了研究。有过去几年IOT的蓬勃发展之后，如何让虚拟数据跟真实的数据结合，我们发现要做的一件事情就像是说在电动车现在走向智能驾驶，我们的下一个系统让注塑机也有自动驾驶的功能。这种情况如何让它稳定？我已经有了虚拟的资料，如何把高分子的塑料库的参数都能够了解完，我也知道这个模具的情况，还有IOT的方式去取得注塑机的温度、速度、压力的情况之下，我就可以做结构的微调。

我们也透过CAE的过程当中，透过智能设计数据的管理平台，所有的过程部分我们都有数据化。大量的数据，这样的情况下还是虚拟的，加上有IoT真实的数据，这个虚实整合的威力是非常强大。在过去几年开发的过程当中，并没有像最近AI的功能，所以我们发现AI的功能加进来之后，我们可以加速，并且有更大的能量可以提供我们做智能成型过程的应用。

所以在整个过程当中，要先有数据才能支撑起AI的训练。过去CAE的数据非常多了，在IoT注塑的行业情况不是很好，90%以上注塑机上面的速度曲线、压力曲线是没有人在看的。不理解这是什么意思，或者是说当我们在做210度调到210度的情况时候，过去大部分只调料管的温度，200度调整到220度响应速度要5-10分钟，但是调料温可以通过转速条，跟螺杆有关系，这个时候大数据可以提供很大的功能，有大量的数据，过去只是调料管的温度，速度慢，但它的稳定，大部分是调不稳转速，转速很复杂，我们有数据就可以做。有我们CAE的算力加上大数据助力的情况之下，就可以给你一个很好的温度怎么调、转速怎么做、备案怎么做，我可以有智能的数据情况或者了解机台的性能。注塑机在生产过程当中，每一天性能都在变差当中，之前的工艺条件三个月之后可能就不适用了，必须逼着现在机台的性能来调整。

因此，Modex3D可以做，只要给它不同的设计、不同的条件、不同的位置，它可以变成AI的模型。你可以调整我的一些参数去拉动，不用以前每一个分析跑1小时、2小时。当然这个过程要训练它，同一个模具给10组分析的结果，10组设计，就有小模型的结构之下，在这个基础之下就可以快速的得到一个结果，不需要跑1个小时的情况。这个在虚拟的CAE已经完成了，接下来要做的是如何将这样的能力、经验延伸到制造，因此我们提出了用AI来驱动模具T零量产与成型的高质量生产。所以模具如果做的好，设计的好，我们从模具的设计品管，以前CAE做到了设计品管，设计品管表示设计是很好的设计，之后制造品管，模具做的准，机台做的稳，材料稳定的情况下，可以做高质量的生产。

过去我们有一些经验，比如说在辅导的过程当中有一个CAE分析出来是99.2 millimeter，但是现在现场出来是99.6 millimeter，他觉得有4‰的误差。但是我们可以理解，同样一个模具，早上的注塑跟晚上的注塑可能不是99.6%，没有一杆进洞，过去一起探讨为什么没有一杆进洞，没有探讨CAE要赶快推杆进洞就好了，推杆AI做就好了，只是微调，很多的时候是线性的，不是非线性这么严重，这种情况下CAE一杆进入，接下来通过AI，这样的情况下虚实结合就能够打造注塑机的自动驾驶。针对机台性能的变化、规格，不同规格的注塑机，不同性能的注塑机我们可以来做处理。

我们发现这部分是说基于这样的情况，我们从模具到机台，模具做的准可以量得到，机台也看得到，但是材料看不到，到底有没有被吃掉也不知道。针对高分子材料做多维度矩阵式的来料检测，以前我们做材料检测需要做高分子的毛细管相关的评测，需要好几个礼拜。但是我们开发多维度，比如用MI值的方式，三个重量，三个温度，就用9个点，用工程的方式，只要9个点跟上一批料一样，就觉得没有变化太大，如果在高温、高重量，已经跑掉了，这批料跟上面就不一样了，所以这个维度用9个参数，再加上PVT，再加上比热三个维度，这样的方式来料检测让速度很快，半天、一天就可以做来料检测，这个数据可以累积下来，多维度、矩阵式的来料检测有助于我们在工程的应用。所以以前是科学的理论，我们现在是工程的实践，如何从科学的理论到工程的实践，虚实整合的情况。因此材料的部分我们做到数字双生，我们有科学的数据，相关成型的参数，通过这个参数完成MHC材料云，可以在上面取得你所有的资料，甚至可以做线性的A料跟B料的情况之下过程当中里面的一些参数。我们也可以去透过AI的方式找出新的料的配方，A跟B的方式，或者是我们有经验，同样的一次料换成白色的、黑色的，不同颜色黏度跑掉，着色不一样。通过AI处理方式，可以通过洁净材料、非洁净的燃料，白色的燃料，黑色的设备的情况之下，我们可以在不用量测的情况之下，通过数据预测换成白色颜色、黑色的颜色这样的情况，我们通过大量材料知识库可以协助我们的工作，这样的方式把数据也都可视化了。替代料的建议、成品的建议、成品相关的服务，材料有关的数据完成之后，透过AI，AI里面有大量的产业知识，你可以发现上网查材料问题的时候，都是说这个料的问题怎么解决，这时候AI产业大数据会协助我们到一定程度，后面那些参数就是160度到170度之间，那样的数据很适合CAE做模拟的结果，再做验证。

我们将高分子材料的数据库通过AI提供我做成型的意见，不需要所有都通过CAE的情况之下，这是我们通过这样材料库的结构，让现有的资料，并且推测还没有的资料的情况。这样的情况之下，我们团队已经有完整的材料量测中心，这是属于科学理论的。数据要能够准确，要能够稳定的量测，经过这样的情况之下，材料、模具、机台相关自动化的知识，再做CAE也可以自动，做量测也可以自动，做调机也可以自动方式进行，因为它的逻辑已经出现了。

最后我们虚实整合的关键，材料射出的数字分身完全做完了，CAE的资料、IoT的资料，从设计到制造数据的管理平台地图，提供智能制造的云地整合的方案。

最后做一个总结，第一过去我们只有CAE这样的工程分析，加上了IoT，有机台数据、模具的数据、材料数据之后我们可以做虚实整合。现在再加上AI，让我可以大量的分析这个资料，大量将我过去的经验整理出来，让我有机会把技术直接自动调试。互联网IoT技术实时监控生产过程，实时智能生产，我们设计过程数据化之后就可以做AI了，如何让我的设计过程，模具的设计，模具的制造，模具的管理，模具的维修、保养，数据化之后，AI帮我整理完，让我知道我目前的状态。第二材料物性的情况加上AI分析，最后这个事情都是在注塑机上，模具放上去，以前只能看结果，现在可以透过CAE的研究以及线上的资料，未来不管是来料多维度矩阵式的检测，注塑机台有快速黏度比热的检测方式，这个数据再回馈到材料上面去进行。因此有了高分子数据库之后，我可以更优化我的工艺条件，这个工艺条件久了之后又可以助力材料的改进动作，初步已经达成模具的T零量产，可以一次就做对，但是每一次的注塑都是稳定的，高质量生产需要QoM做的对，希望通过AI+DoM，AI+MoM，AI+QoM打造注塑机上面的自动驾驶。谢谢各位！