Altair Copilot的案例
行業分享丨Data+LLM：AI 在智能制造數字化轉型中的應用
wx_fmt=png&from=appmsg"></p><p>我們基于大型模型結合圖數據庫或知識圖譜的檢索方式，推出了自己的大模型應用——Altair Copilot。以下是 Altair Copilot 在企業內部應用的框架圖示。</p><p>我們的目標是解決以下問題：首先將企業內部的數據轉換為知識圖譜，然后使用大型模型對知識圖譜中的數據進行查詢。這樣可以實現對企業內部結構化數據和非結構化數據的有效查詢。此外，在某些場景中，我們還可以查詢以往構建的機器學習小模型，并調用這些模型以獲得對未來數據的預測結果，例如銷量預測或其他相關模型的結果。</p><p>通過這一架構，Altair Copilot 不僅能夠高效處理企業內部的復雜數據，還能結合歷史模型的預測能力，為企業提供更加精準和有價值的洞察。</p><p><br></p><p class="ql-align-center"><img src="https://mmbiz.qpic.cn/sz_mmbiz_png/EBaibcQicPxgx96XPPq4S2xnBe7dICibo9gx6K1WcEJ7RPsfo1aw5ibxYfHPjxrbf8hrygX0pgVF7CvnpXYm7ic1u8Q/640?wx_fmt=png&from=appmsg"></p><p>再回到大模型結合知識圖譜本身來說，從技術層面上看，大模型和知識圖譜是如何結合以回答用戶的自然語言問題的呢？我們繪制了一個流程圖來展示這一過程。</p><p>當用戶提出一個問題時，大模型首先會對問題進行自然語言處理，分析出問題中的關鍵點，包括主體數據及其相互關系。例如，在某個問題中可能涉及供應商（supplier）、分發中心（distribution center）和國家（country）等主體，同時還可能包含一些附加條件，如評分需高于 0.7。
展開 數據分析與AI丨利用知識圖譜實現 AI Fabric 治理
<strong>Altair CoPilot 是一款利用知識圖譜的對話助手，其工作流與數據架構實現了無縫集成。</strong></p><p><br></p><p>任何智能代理工作流程都可以對“運營商規則與合規圖譜”進行查詢，以此確保用戶請求符合企業和國家的相關指導方針。</p><p><br></p><p>例如，當AI工作流請求包含地址、姓名或其他個人身份信息的數據時，由于這些數據被標記為高風險數據，系統響應會觸發人工審批流程。在數據訪問方面，<strong>從完整數據集到單個數據點，都可以在靈活的粒度級別上進行限制、標記或分類。</strong></p><p><br></p><p>一旦出現不當的數據請求，會在工作流中直接被標記并處理，同時詳細記錄用戶、相關法規等元數據。這些日志還可以進一步存儲在數據架構中，以便進行全面的合規性分析。</p><p><br></p><p><strong>治理合規性的未來</strong></p><p><br></p><p>Altair RapidMiner 通過<strong>將數據架構中創建的知識圖譜與AI工作流相結合，構建出完整的AI Fabric，形成了一個強大的系統，以此確保治理合規性</strong>。這種集成式的方法，不僅保障了合規性，還使企業能夠快速適應不斷變化的監管環境。
展開 數據分析與AI丨Graph+LLM 如何重塑傳統 BI 的未來
在 Altair 的實踐中，選擇了 知識圖譜與圖數據庫結合大模型的方式。這種方式能夠高效解決針對關系型數據的問答需求。由于 Text-To-Query 的技術架構特性，查詢結果具有高度精確性——前提是生成的查詢語句無誤。一旦查詢成功，基于圖數據庫的特性，返回的數據一定是準確的。這種機制在很大程度上緩解了大模型在企業知識問答或數據問答場景中的“幻覺問題”。這也是采用 Text-To-Query 技術的核心原因。</p><figure style="text-align: center;"><figure class="figure-image" contenteditable="false" data-img="https://img.jishulink.com/202510/attachment/8b4333d3618d457391cd3546656a625d.png" style="display: inline-block;"><img src="https://img.jishulink.com/202510/attachment/8b4333d3618d457391cd3546656a625d.png"></figure></figure><p><br></p><p class="ql-align-justify"><strong>3.Altair Copilot 如何回答企業用戶問題</strong></p><p class="ql-align-justify">Altair Copilot 通過大模型與知識圖譜結合，幫助企業內部用戶高效解答問題。其流程分為四個關鍵步驟：</p><ul><li class="ql-align-justify">主體與關系提取。
展開 HyperMesh 新界面功能與技術升級深度解析
7AI 賦能與二次開發優化
7.1 AI 對話助手 Altair Copilot Beta
新版 HyperMesh 集成了一個專屬的 AI 工具叫 Copilot，它是基于 Altair 的技術文檔、社區資料定向訓練的，和通用 AI 相比，對 HyperMesh 的知識回答更準確。如果它沒學到相關內容，會直接告知 “沒有這方面信息”，不會編造答案。
目前 Copilot 支持英文提問，大家可以問 “某個功能怎么用”“實現某個需求需要哪些工具”，它會給出具體指導。更實用的是，它能幫大家生成二次開發腳本 —— 告訴它要實現的功能，比如 “生成某零件的網格劃分腳本”，它就能輸出對應的代碼。不過目前這個功能還處于初級階段，對簡單模型（比如幾個零件的建模、網格劃分、加載約束）支持較好，能生成完整流程腳本；但針對復雜的實際產品，可能還需要進一步調整，不過至少能幫大家生成基礎功能的代碼，降低二次開發的門檻。
7.2 二次開發生態升級
過去 HyperMesh 的二次開發主要用 TCL/TK 語言，雖然容易上手，但比較小眾，網上查找代碼資源不方便。最近幾年，我們一直在推進 Python 二次開發的兼容，現在 HyperMesh 以及 HyperView、HyperGraph 等后處理工具，Python API 的覆蓋率已經達到 98%-99%，絕大多數功能都能用 Python 調用。
如果偶爾用到沒兼容 Python 的小眾功能，也支持 Python 和 TCL 混合編程，不用完全重構代碼。而且 Python 腳本支持錄制 —— 在界面上操作一次，HyperMesh 會生成對應的 Python 代碼，還會彈出交互界面，把用到的 API 函數和取值列出來，大家可以把固定取值改成變量，方便后續復用。
展開 
技術干貨丨HyperMesh 新界面功能與技術升級解析
7.AI 賦能與二次開發優化
7.1 AI 對話助手 Altair Copilot Beta
新版 HyperMesh 集成了一個專屬的 AI 工具叫 Copilot，它是基于 Altair 的技術文檔、社區資料定向訓練的，和通用 AI 相比，對 HyperMesh 的知識回答更準確。如果它沒學到相關內容，會直接告知 “沒有這方面信息”，不會編造答案。
目前 Copilot 支持英文提問，大家可以問 “某個功能怎么用”“實現某個需求需要哪些工具”，它會給出具體指導。更實用的是，它能幫大家生成二次開發腳本 —— 告訴它要實現的功能，比如 “生成某零件的網格劃分腳本”，它就能輸出對應的代碼。不過目前這個功能還處于初級階段，對簡單模型（比如幾個零件的建模、網格劃分、加載約束）支持較好，能生成完整流程腳本；但針對復雜的實際產品，可能還需要進一步調整，不過至少能幫大家生成基礎功能的代碼，降低二次開發的門檻。
7.2 二次開發生態升級
過去 HyperMesh 的二次開發主要用 TCL/TK 語言，雖然容易上手，但比較小眾，網上查找代碼資源不方便。最近幾年，我們一直在推進 Python 二次開發的兼容，現在 HyperMesh 以及 HyperView、HyperGraph 等后處理工具，Python API 的覆蓋率已經達到 98%-99%，絕大多數功能都能用 Python 調用。
如果偶爾用到沒兼容 Python 的小眾功能，也支持 Python 和 TCL 混合編程，不用完全重構代碼。而且 Python 腳本支持錄制 —— 在界面上操作一次，HyperMesh 會生成對應的 Python 代碼，還會彈出交互界面，把用到的 API 函數和取值列出來，大家可以把固定取值改成變量，方便后續復用。
展開 新聞速遞丨Altair HyperWorks 2025 發布：再次升級AI驅動設計與仿真能力
更多技術亮點
數字工程：互聯生態系統
通過將產品生命周期內的數據、團隊和流程結合在一起，Altair 可提供更加統一全面的設計與仿真方法。增強的數字孿生與數字線程技術可實現無縫數據流并使虛擬模型與物理系統保持一致。為了滿足可持續性目標，專有材料數據庫為材料決策提供了單一真實來源，包括二氧化碳 (CO?) 影響分析工具。
AI賦能提升求解器效率
Altair? OptiStruct? 創新性地采用 “單一模型，全面求解”方法，簡化了結構仿真，實現了隱式分析和顯式分析之間的平穩過渡。通過部署 Altair? PhysicsAI? 模型作為求解器，用戶可以使用 AI 備用方案顯著提升仿真效率。
電子領域多物理場仿真
最新功能更新簡化了電子設計領域中熱、電磁與功率相互作用的控制管理。ECAD 分網功能改進提升了冷卻與耐久性分析效率，而增強的電磁熱耦合則提供了更完善的系統性能預測。此外，電力電子仿真功能更新優化了電機驅動與轉化器建模，從而提高了工作效率。
CAE 即設計工具
Altair? Inspire? 通過提供方便設計人員使用的仿真功能，輕松實現結構、流體和運動分析，可對各種生產過程和優化工作流程進行詳細分析，使得 CAE 的作用愈發不可或缺。Altair? CoPilot? Beta 是一款嵌入在 Inspire 中的智能 AI 助手，提供按需指導、問答和工作流程支持，而諸如圖像平面（用于草圖繪制和擴展隱式建模）等新工具則簡化了幾何圖形的創建與探索。
高級材料仿真
隨著材料復雜性、可持續性需求和 AI 工作流程的發展，Altair材料解決方案為用戶提供了強有力的工具支持，使得企業能夠高效處理復合材料、聚合物和增材制造等先進材料的高精度數據采集、標準化及仿真分析。
展開 Altair HyperMesh 2024 新版本的最亮點&二次開發指引【9月26直播】
copilot幫你查資料，寫代碼；</p><p>?? 網格與幾何的融合；</p><p>?? HyperMesh2024新功能亮點;</p><p>?? 注塑件和鑄造件中面網格快速建模;</p><p>?? 基于Python的HyperMesh二次開發。
