老一代PLM为什么难以满足新的研发需求？新一代PLM的8个关键变化

在制造企业中，PLM（产品生命周期管理）已经应用多年。图纸管理、版本控制、物料清单（BOM）管理和工程变更，都是传统 PLM 系统的重要应用场景。

但随着产品结构日益复杂、研发协作范围不断扩大，企业面临的问题也在发生变化：图纸虽然集中管理了，跨部门协作却未必顺畅；工程变更已经发起，相关部门仍可能依据旧版本执行；研发过程中积累了大量经验，却很难在新项目中有效复用。

这说明，企业对 PLM 的需求正在从产品数据的集中管理，逐步延伸到研发过程协同、模型驱动、知识复用和智能化应用。

蜂巢新一代PLM（原名 PI-PLM）融合 AI 智能体等智能化技术，以 MBD 模型驱动为重要方向，持续拓展产品数据管理与研发协同能力。 本文从行业发展角度，梳理新一代 PLM 相较于传统 PLM 的八个关键变化，并分析企业如何判断自身是否需要升级。

一、为什么传统 PLM 已经上线，研发协同问题仍然存在？

传统 PLM 的价值并没有消失。它为产品数据建立统一管理机制，在图纸归档、版本控制、BOM 管理和工程变更等方面发挥着重要作用。

问题在于，部分企业的 PLM 建设仍然停留在文件管理层面，系统没有充分融入研发业务流程。

常见情况包括：

• 数据集中，但业务仍然分散。 图纸和文档进入了系统，需求、设计、仿真、工艺等环节却仍然使用不同工具，数据关联不足。
• 流程已经线上化，但变更影响难以快速识别。 一项设计变更可能影响多个零部件、BOM、工艺文件和采购任务，相关人员仍需依靠人工逐项确认。
• 数据持续积累，但知识复用不足。 历史项目中沉淀了大量设计经验和问题处理记录，新项目却难以快速找到相关信息。
• 系统功能丰富，但使用体验与实际工作脱节。 如果操作复杂、业务适配不足，工程师仍可能借助即时通讯工具和本地文件完成日常协作。

因此，新一代 PLM 的关键并不是简单增加功能模块，而是进一步打通产品数据、研发流程、业务规则和知识应用之间的关系。

二、新一代 PLM 的八个关键变化

变化一：从文件管理转向产品对象管理

传统文件式管理主要围绕图纸、文档和文件版本展开。随着产品复杂度提高，仅管理文件已经难以完整表达产品的结构与关联关系。

新一代 PLM 更强调对产品对象及其关系的管理，例如零部件、产品结构、BOM、技术文档、设计模型和变更记录等。

这些对象不仅需要独立管理，还需要建立关联关系。例如，设计模型发生变化时，系统应能够依据已有的数据关系，帮助识别关联的零部件、产品结构及相关业务对象。

这里的关键不是把文件换一种方式存储，而是让产品数据具备更完整的结构、语义和关联关系，为后续协同、校验和智能化应用提供基础。

变化二：从单点流程管理转向研发全流程协同

产品研发通常涉及需求、设计、仿真、工艺、制造和服务等多个环节。各环节使用不同系统并不必然构成问题，真正的挑战在于数据和业务状态能否有效衔接。

新一代 PLM 更强调跨阶段、跨部门的业务协同，包括：

• 需求与设计任务之间的关联；
• 设计数据与仿真分析之间的衔接；
• 产品结构与工艺、制造数据之间的协同；
• 工程变更与相关业务任务之间的联动；
• 产品交付后相关数据与服务活动之间的关联。

这并不意味着所有业务都必须集中在一个系统中完成。更合理的方向是以统一的产品数据和业务规则为基础，通过系统集成明确数据来源、业务责任和状态流转。

变化三：从图纸驱动逐步走向 MBD 模型驱动

MBD（基于模型的定义）强调以三维模型及其关联的产品制造信息表达产品定义，减少对独立二维图纸的过度依赖。

在模型驱动的研发模式下，三维模型不再只是设计结果的可视化载体，还可以成为产品定义、技术信息传递和下游协同的重要依据。

但需要注意，MBD 并不等于把二维图纸全部取消，也不等于仅仅使用三维设计软件。企业还需要建立模型规范、技术信息表达方式、数据关联机制和下游应用规则。

在新一代 PLM 建设中，MBD 的价值在于推动产品定义从分散文件逐步转向结构化、关联化的数据表达，为设计、工艺、制造等环节提供更一致的数据基础。

变化四：从产品数据管理扩展到产品与项目协同

研发活动既包含产品本身的结构和技术数据，也包含项目进度、任务分工、资源安排和交付节点等管理内容。

如果产品数据与项目管理相互割裂，项目人员可能难以及时判断某项设计任务是否完成、当前产品版本是否满足交付要求，以及变更会对哪些项目节点产生影响。

新一代 PLM 更关注产品管理与项目管理之间的关联，让任务、产品对象、交付物和变更状态能够建立对应关系。

这种协同的重点不是简单地把项目管理模块与 PLM 放在同一个平台，而是让项目执行能够关联实际研发对象，使项目进度与产品状态之间形成可追踪的联系。

变化五：从经验分散存储转向知识关联与复用

制造企业的研发知识不仅存在于技术文档中，也存在于设计规范、历史项目、工程变更、问题处理记录和工程师经验中。

传统知识管理往往依赖分类、标签和人工搜索。当知识之间缺乏关联时，工程师即使知道历史项目中存在类似问题，也不一定能够快速定位可复用的经验。

新一代 PLM 可以进一步通过产品对象关联、知识关系建模和可视化知识图谱等方式，组织产品数据与研发知识之间的联系。

例如，企业可以探索将零部件、设计规范、历史变更和问题处理记录建立关联，帮助工程师从当前研发对象追溯相关知识。

说明：知识图谱能否产生实际价值，取决于数据质量、关系建模和业务应用，而不只是是否提供图谱可视化界面。

变化六：从相对封闭的系统走向开放集成

研发工具链通常包括 CAD、CAE、CAPP、仿真平台、ERP、MES 等不同类型的系统。PLM 如果无法与这些系统有效协同，就容易形成新的数据孤岛。

因此，新一代 PLM 更重视开放接口、应用扩展和跨系统集成能力。

开放性至少涉及三个方面：

• 数据集成： 明确不同系统之间的数据来源、交换方式和版本关系。
• 业务集成： 让跨系统任务和业务状态能够衔接，减少重复录入与人工传递。
• 应用扩展： 根据企业业务变化，接入新的工具、服务或应用能力。

在这一方向上，蜂巢新一代PLM 的产品发展强调开放应用集成，并将其作为连接研发业务、产品数据与智能化能力的基础之一。具体可集成的系统范围、接口方式和交付条件，应以对应版本的实际能力为准。

变化七：从功能堆叠转向工程师体验与业务适配

PLM 的使用者包括设计工程师、工艺工程师、项目经理、研发管理人员和其他业务角色。不同角色关注的数据、流程和操作方式并不相同。

如果系统虽然功能完整，但需要工程师频繁切换页面、重复录入信息，或者无法适配实际工作流程，使用效果仍然会受到影响。

新一代 PLM 的建设应更加关注：

• 围绕工程师的实际任务组织操作入口；
• 减少重复录入和不必要的流程跳转；
• 根据岗位和业务场景提供相应的数据视图；
• 让产品对象、流程状态和操作权限之间保持一致；
• 在保证数据规范的前提下，降低日常使用成本。

这里的核心不是追求界面更现代，而是让系统更贴近研发工作本身。最终效果需要结合真实用户的任务完成效率、操作反馈和使用情况进行评估。

变化八：从规则驱动进一步走向 AI 辅助的研发协同

传统 PLM 主要依靠预设规则、流程和权限来保障数据规范与业务执行。随着 AI 技术发展，研发系统开始探索将智能体引入知识检索、规则校验、信息分析和流程辅助等环节。

例如，在具备相应数据和规则基础的情况下，AI 可以辅助工程师查找相关技术资料、识别潜在的数据问题、汇总变更影响信息，或为后续处理提供参考。

但 AI 并不能自动替代所有工程判断。其实际效果受到知识质量、数据完整性、规则准确性和权限控制等因素影响。涉及产品安全、设计定型和关键工程决策的环节，仍需明确人工审核与责任边界。

蜂巢新一代PLM（原名 PI-PLM）融合原生研发 AI 智能体，探索业务、数据与智能体的协同。对于 BOM 智能校验、工程变更风险预审等具体能力，应根据实际发布版本、适用条件和验证结果进行描述，不宜将技术规划直接等同于已交付功能。

三、企业应该如何判断是否需要升级 PLM？

新一代 PLM 并不是所有企业都必须立即部署的系统。企业是否需要升级，应首先看现有系统能否支撑当前的研发复杂度和业务协同要求。

可以重点检查以下问题：

1. 数据管理： 产品结构、图纸、模型和技术文档是否存在多个版本并行、来源不清的问题？
2. 工程变更： 变更发生后，是否能够识别受影响的产品对象和相关业务环节？
3. 跨部门协同： 设计、仿真、工艺和制造之间是否需要大量人工传递数据？
4. 知识复用： 历史项目、设计规范和问题处理经验能否被有效检索和复用？
5. 系统集成： 现有 PLM 是否能够与企业研发工具链和业务系统稳定协同？
6. 智能化应用： 企业是否已经具备可用的数据、明确的业务规则和适合引入 AI 的具体场景？

如果问题主要集中在数据规范和流程执行，企业可以先完善现有系统的数据治理与流程管理；如果问题已经涉及跨系统协同、模型驱动和研发知识应用，则可以进一步评估架构升级或新一代 PLM 方案。

评估时还应考虑历史数据迁移、系统集成、人员培训、业务连续性和长期维护成本，而不是仅比较软件功能清单。

四、关于新一代 PLM 的常见问题

1. 新一代 PLM 与传统 PLM 的主要区别是什么？

两者的基础目标都是管理产品数据和支持产品研发。新一代 PLM 更强调结构化产品对象、跨业务协同、模型驱动、知识复用、开放集成及 AI 辅助能力。具体差异仍取决于产品架构、版本和实际交付范围。

2. MBD 是新一代 PLM 的必要条件吗？

MBD 是推动产品定义结构化和模型驱动的重要方向，但不同企业的产品复杂度、行业规范和数字化基础不同。企业应根据实际研发流程确定实施范围，而不是把 MBD 当作衡量 PLM 新旧的唯一标准。

3. PLM 与 PDM 有什么区别？

PDM 通常更聚焦产品数据管理，例如图纸、文档、版本和产品结构。PLM 通常覆盖更广泛的产品生命周期管理和研发协同。实际产品的功能边界可能存在重叠，应以具体系统的业务范围和交付能力为准。

4. 新一代 PLM 能否同时支持离散制造与流程配方行业？

不同制造行业在产品对象、工艺流程、物料管理和质量追溯等方面存在差异。平台能否覆盖离散制造与新材料、涂料、医药等流程配方场景，需要分别核实相应的数据模型、业务模块、行业适配和项目验证情况，不能仅凭“统一平台”判断。

5. AI 智能体能否替代研发人员？

AI 智能体更适合在明确的业务边界内辅助信息检索、数据校验、知识应用和流程执行。研发人员仍需承担专业判断、关键决策与结果审核责任。企业应根据任务风险、数据权限和验证结果确定自动化程度。

五、结语：PLM 的演进，最终要回到研发业务本身

从产品数据管理走向研发协同，并不意味着传统 PLM 的基础能力已经失去价值。相反，结构化数据、可靠的版本控制、清晰的产品关系和可执行的业务规则，仍然是模型驱动与 AI 应用的重要基础。

新一代 PLM 的价值，在于进一步打通产品对象、研发流程、业务规则和知识应用之间的关系，让产品数据不仅能够被存储和追踪，还能更有效地服务于研发协同与工程决策。

蜂巢新一代PLM（原名 PI-PLM）围绕模型驱动、研发协同、开放集成和 AI 智能体等方向持续拓展。企业在选型时，应结合自身业务场景、实际产品版本、交付能力和可验证案例进行评估。

了解产品及其具体能力，可访问 蜂巢互联 PLM 产品页面。

注：本文讨论的是新一代 PLM 的行业发展方向。涉及具体产品功能、适用行业和交付范围的内容，应以官方发布资料、对应版本说明及实际项目验证为准。