这项名为《工程领域中的人工智能现状》的最新研究，对美国和欧洲跨国汽车、航空航天和工业/制造业企业的163名高级工程领导者进行了调查，全面深入地揭示了AI在工程产品开发中的应用现状和观点。
该研究是工程产品开发领域的首例，阐明了工程领导者在开发工作流程的验证和验证阶段面临的挑战和关键优先事项，以及智能AI解决方案如何支持他们更快速地获得更好的结果。
"工程领域正在酝酿一场风暴，因为围绕可持续性和数字化的市场趋势正在产生更多棘手的物理问题，而当前的验证和测试方法可能无法解决。"Monolith首席执行官兼创始人Richard Ahlfeld博士说，正如这项研究的数据显示的那样，随着保持盈利和竞争力的压力增加，工程领导者正处于以新方式创新的道路岔路口。
在一个快速开发创新、有效的解决方案至关重要的行业中，工程师们感受到了更快地将产品推向市场的压力。事实上，这项新研究的数据显示，71%的受访工程领导者表示，他们需要找到加速产品开发以保持竞争力的方法。
调查数据显示，许多工程领导者感到没有能力实现变革，超过一半(55%)的受访者表示他们缺乏所需的有效工具，现有的虚拟验证和仿真工具也不足。
对于工程决策者来说，这些缺陷对业务成功影响的严重性是显而易见的，82%的受访者指出，产品发布延迟一个月会使他们的业务损失数百万甚至数十亿美元。
虽然现有的物理测试和仿真方法无法满足工程师对产品设计通过验证的需求，但行业领导者认为AI是一个理想的工具，可以增强他们为市场生产高效解决方案并取得商业成功的努力。
根据这项研究，与尚未实施AI的企业相比，已经实施AI的工程团队获得收入、盈利能力和竞争力增长的可能性要高出43%。
尽管AI有能力为工程领域的企业带来有意义的结果，但许多工程组织却错过了先进AI技术的全部潜力；不到19%的工程领导者表示使用无监督学习算法来分析历史或当前测试数据，不到一半的人使用了他们的工程测试数据。
Monolith通过其定制的SaaS平台将AI民主化，它使用无代码的机器学习软件，使领域专家能够利用现有的宝贵测试数据集进行产品开发。该平台从这些信息中进行分析和学习，使用它来生成准确、可靠的预测，使工程团队能够减少昂贵、耗时的原型测试程序，并在原有一半的时间内开发出更高质量的产品。
Ahlfeld博士补充说："借助人工智能，工程领域的专家可以快速理解并即时预测复杂的物理学，使他们能够减少测试，了解更多，更快地进入市场。"通过这项调查发现的新见解，突显了AI等先进技术的广泛实施正变得多么重要。该行业现在需要采取必要措施，为数据驱动的未来做好准备。
