工程

工程，是AI的试金石

工程领域的人对工程本身的认知非常深，这是他们的专业，也是非常重要的优势，否则你甚至不知道真正应该做什么问题。

它不是工程和智能的简单相加，而是因为传统工程领域中存在大量今天技术难以直接解决的问题。

所以，工程智能可以有一个比较正式的定义：人工智能与工程实践的深度融合，利用人工智能技术深入解决工程领域的核心问题，实现对工程实践规模化赋能的变革性技术范式。

华院长认为，工程智能不是AI与工程的简单相加，它既要用已有AI技术解决工程问题，也要从复杂工程系统中倒逼新的AI理论和方法，更要把这些能力沉淀为平台、模型、智能体和操作系统，让工程智能从单点突破走向规模化复制。

交通是交通工程，能源有能源工程，材料、医学、海洋等领域里也都有工程问题。

如果稍微收窄一点，可以理解为传统工科所关注的工程问题，包括建造、制造、能源、汽车、交通、海洋等。

我们发展新的AI理论与方法去解决这些工程问题，一方面推动工程学科和工程技术的发展，另一方面也推动人工智能技术本身的发展。

我们现在同时在做三件事：第一，用现有技术去看工程问题；

这个世界上的工程问题太多了，如果都只能依靠少数顶尖专家一对一解决，就很难形成规模化。

这就需要构建系统、平台和工具，让更多人能够使用，而不是每一个工程问题都必须由顶尖AI专家和顶尖工程专家坐在一起才能解决。

中国本身也是工程大国，但今天的工程系统越来越复杂。

复杂工程系统也是这样：难以建模，模型建不好，就更谈不上推演、预测和优化。

于是，工程智能在这里获得了双重含义：一方面，它是AI进入复杂工程系统的技术路径；

对话从“工程智能究竟是什么”开始，一路延伸到复杂工程系统、产业规模化落地、工程智能操作系统、灵感计算、人机互信，以及AI时代人的位置。

工程系统往往非常复杂，比如建一座桥、优化一座城市的交通、调度一个城市的能源或电力系统，这些都是复杂系统。

做AI的人AI能力强，但对工程本身问题的认知不够。

第一个维度是工程本身的需要。

两边甚至可能互相觉得对方做得不够好：AI人可能觉得工程方法太简单，工程人可能觉得AI人没有做到正确的问题上。

比较偏工程方法的，都可以归入工程范畴。

从学校层面看，最早的初衷是新的工程学科建设需要人工智能介入。

同济的工程学科是优势，我来到同济做工程智能，也是希望发挥同济工程学科的底座，把工程智能真正变成一个词，而不是两个领域的松散拼接。

工程世界就是这样的系统，它关乎楼宇是否安全、桥梁是否可靠、交通是否顺畅、能源能否稳定调度、城市能否持续运行。

站在今天回看，这些经历让您对AI进入工程世界有了哪些不同判断？