Bentley拿一座百年大桥,公开测了一次AI,最后还是得工程师收尾

简介: 最新、最前沿的工程AI内容,总来自AI4ELAB。

来源:AI4ELAB,工程AI科技产业智库

大家好,我是秦明。最近在AI4E HOT采集到一条来自 Bentley 的技术博客。Bentley 是全球基础设施软件的头部公司,做的是桥梁、公路、铁路、电力、水务这类大型基建项目里设计师和工程师用的工具——从画图建模、到结构分析、再到运维管理,国内的不少央企设计院、大型施工集团也都在用他们的软件。

这条博客让我比较好奇的是,Bentley 把 AI 嵌进了自家的建模和结构分析两条核心工具链。我比较想了解的是它具体做了什么、做到了什么程度。这件事背后还藏了一层我想追问的东西——一家做工程软件的大厂愿意把 AI 推到工程师真正能用的位置,对行业来说到底意味着什么。

Bentley 在这次技术博客里公开了几样东西。

给自家的三维建模软件 MicroStation做了一个 AI 接口,走的是 MCP。给自家的结构分析软件 STAAD(专门算桥梁、建筑受力的工具)也配了同样的接口,让 AI 不只是画图,还能参与力学计算。外部 AI 助手方面,点名了 GitHub Copilot、Claude Desktop。整个工作流跑在工程师的本机上,不上云。

Bentley 用一座百年大桥做公开测试——加拿大魁北克大桥。这座桥最早 1900 年代初提议,1917 年才最终完工,从提议到完工走了大约三十年,中间塌过两次。桥本身是钢制悬臂桥,主跨 549 米(一千八百英尺),用钢六万六千吨,是当时世界上最长的悬臂桥,号称「世界第八大奇迹」。

Bentley 的原话是:地球上最长的悬臂跨度项目,历经 17 年且三次尝试才得以完成。一个 Bentley 系统工程师在了一个多世纪后,利用自然语言驱动的可重复使用的 AI 工作流程,在几天内重新构建了这座桥梁的几何结构,并将其用于结构分析。详细视频过程可以看这个视频👇

但让这件事真正立体起来的,是 AI 解决不了的部分。

刚开始,AI把这座悬臂桥的轮廓和旁边平行的 Pierre-Laporte 悬索桥混在一起、两种桥型串味;K 形桁架画错,用了普通桁架;没有做真实坐标的地理配准等。

Bentley工程师,采用「详细计划 + 人工把关」模式:先写一份完整书面规范,写死几何尺寸、坐标系、结构布置、比例、施工顺序,并明确禁止 AI 自己编造尺寸,幻觉显著下降。流程拆成小阶段,每一步人工目视复核通过才往下走。

还有 AI 搭出来的模型,肉眼看着没问题,但结构分析能找出肉眼看不出的受力隐患。这一步也跑了一遍 STAAD,得由结构工程师来验。

最后,让行业在意的,我理解有这么几点:头部软件公司把 AI 嵌进核心工具链,意味着这件事已经不是概念演示,接下来肯定会愈演愈烈;其次,大厂划出的这条边界——AI 有创造力但缺工程纪律,真实场景中需要人来善后。

(完)

相关文章
|
2月前
|
传感器 人工智能 算法
2026中国具身智能三大产业技术路线对比:本体控制、VLA 模型与平台化架构研究
本文分析具身智能产业三大技术路线:机器人本体与运动能力型(宇树、波士顿动力)、人形机器人与具身模型型(智元、Figure AI)、平台型(仙工智能),对比技术架构、模型方案与商业化路径,探讨各自优势与落地挑战。
|
2月前
|
存储 人工智能 编解码
国产 AI 视频生成 HappyHorse‑1.1 详解:技术架构、能力边界、计费与开发落地
AIGC内容生产赛道持续迭代,AI视频生成模型已经从简单静态图片微动,进化到具备完整镜头叙事、角色稳定、原生音画同步的工业级生产能力。HappyHorse‑1.1作为迭代升级后的新一代AI视频生成系列模型,基于统一单流Transformer架构打造,针对前代版本普遍存在的动作僵硬、角色变脸、残影涂抹、音画脱节、长提示词理解失效等行业痛点完成大规模优化,支持文生视频T2V、图生视频I2V、多参考图生成R2V三大主流工作模式,输出最高1080P分辨率短视频,原生支持音视频联合生成,广泛应用于短剧片段、电商广告、社交媒体短视频、数字人短片、影视概念预览、营销物料批量生产等场景。很多开发者在接入该模型
266 1
|
2月前
|
人工智能 API 数据库
通义千问深度拆解:技术架构、场景落地、计费规则与实战代码教程
在通用人工智能快速演进的时代,大模型已经不再局限于简单问答,而是逐步成为企业数字化、应用开发、内容生产、智能体构建的底层基础设施。通义千问作为阿里云通义实验室自研的通用大模型体系,覆盖从旗舰高能力版本到轻量高速版本的完整产品矩阵,同时具备原生多模态、百万级超长上下文、工具调用、结构化输出、Agent自主执行等全套能力,广泛应用于互联网、金融、政务、法务、软件开发、零售等众多行业场景。很多开发者和企业在选型的时候,常常分不清不同子版本之间的能力边界,对API计费、接入方式、实际落地约束缺乏清晰认知。本文将从模型家族划分、核心能力、底层性能优势、各行业落地实践、官方定价体系、API实操调用、选型建
3245 1
|
1月前
|
人工智能 自然语言处理 安全
|
5月前
|
应用服务中间件 文件存储 nginx
测试 NAS 容器服务恢复时的 Docker Compose 排查记录
节后恢复NAS测试环境,Jellyfin、PhotoPrism、Home Assistant容器页面异常。本文记录分层排查过程:从磁盘空间、镜像拉取、Compose状态,到挂载路径、端口连通性及Nginx反向代理配置,精准定位三处问题并修复。(239字)
|
3月前
|
人工智能 前端开发 定位技术
本地流量破局:GEO 地理搜索优化实操全教程(AI 开发技术干货)
本文聚焦 GEO 地理搜索优化技术,对比其与传统 SEO 的底层逻辑差异,完整讲解站点地理结构化埋点、地图 API 同步开发、区域分层页面搭建三大实操开发流程,附带本地技术服务行业真实落地优化案例,拆解优化前后流量数据变化。同时梳理开发过程中容易踩中的权重作弊、标签堆砌等技术坑点,给出合规优化方案,帮助开发者搭建全域 SEO + 区域 GEO 双优化技术架构,低成本获取本地精准自然检索流量。
|
3月前
|
SQL 自然语言处理 监控
Loop Engineering:从 Prompt Engineering 到迭代式智能体工程
Loop Engineering 是2023年起在Agent实践中沉淀的工程方法论,核心是将大模型从“单次问答机”升级为“持续决策循环”(Observe→Think→Act),通过结构化多轮交互提升任务整体成功率,而非仅优化单次prompt质量。
419 1
|
3月前
|
弹性计算 人工智能 Serverless
查文档太累?阿里云文档 MCP 工具帮你一站搞定
API MCP Server 现已正式集成阿里云帮助文档检索能力。通过 4 个文档工具——SearchDocuments、GetDocument、GetDocumentTree、GrepDocuments,Agent 可以在回答阿里云相关问题时实时检索最新官方文档。所有示例均基于真实工具调用结果整理,可直接复用。
|
4月前
|
存储 人工智能 运维
拍封面,识唱片:UNHEARD 携手阿里云向量 Bucket,用 AI 重新定义实体唱片发现体验
UNHEARD 是一款专为黑胶爱好者打造的数字工具,依托阿里云 OSS 向量 Bucket 与百炼多模态模型,首创“以图搜碟”功能——拍封面即识专辑。集海量唱片数据库、唱片店地图、垂直社区于一体,助力用户轻松发现、识别、管理实体唱片。
998 0
拍封面,识唱片:UNHEARD 携手阿里云向量 Bucket,用 AI 重新定义实体唱片发现体验