在“AI+”开启工业设计“造梦工厂”的进程中，厦门长臂猿设计有限公司员工们紧跟时代，认真研究有关数据大模型，正在启动自己的思维模式，有机会进入AI 数据大模型在工业设计领域的向善应用。可以总结出以下六条经验：
1. 找准AI赋能业务场景切入点：工业领域庞大且复杂，难以用一个大而全的模型解决所有问题。企业应向垂直领域扎根，寻找具体价值点，如概念设计用大语言模型提炼市场文档形成需求，结构设计用客户优化算法实现文件减重，细节设计用AI工具进行图纸检测等。
2. 推动研发模式智能化转型：传统研发模式深度依赖资深工程师经验，成本高、周期长且面对海量数据和复杂需求时优化空间受限 。而AI时代，产品研发将向以AI智能驱动，实现研发过程智能化和自动化的范式转变，覆盖从概念到服务的全过程。
3. 注重研发智能体的稳步落地：虽然在工业制造场景中已找到智能体应用的丰富场景，但智能体受模型幻觉、通信协议不统一等问题制约，还无法满足所有业务场景需求。研发场景中打造好用的智能体难度大，落地需以点及面、逐步推进。
4. 强化数据的收集与分析利用：AI算法效果依赖于输入数据的质量和数量。企业要重视数据收集，建立完善的数据管理体系，对工业设计各环节产生的数据，如市场需求数据、产品设计数据、生产工艺数据等进行有效收集、整理和存储。通过对这些数据的深入分析，为AI在工业设计中的应用提供坚实的数据基础。
5. 促进跨领域的深度协同合作：工业设计涉及多领域知识技术，实现AI技术与工业设计有效结合，需要不同专业背景人员密切配合。例如，设计师、工程师、数据科学家和AI专家共同组成团队，设计师提出创意和设计需求，工程师提供技术实现方案，数据科学家负责数据处理和分析，AI专家开发和优化AI模型，共同推动工业设计智能化发展。
6. 培养复合型专业人才：既懂工业设计又掌握AI技术的复合型人才是推动“AI+工业设计”发展的关键。高校和职业院校应优化课程设置，开设跨学科专业，培养具备工业设计知识和AI技能的人才。企业也需加强内部培训，为员工提供学习AI技术的机会，提升员工运用AI工具进行工业设计的能力 。
