船舶电气设计里最耗人的一段活,其实不是画图,是抄表。一根电缆在图纸上连着两台设备,工程师得找到它的编号、核对规格、确认两端是谁,然后一条一条填进清册。同一类设备在不同图纸上画法还不一样:图例有大有小,文字出现的位置不固定,连接线会转折会交叉。品览科技(品览Pianlan)的沧灵Plex AI物理工程师,把这一整段做成了一件可交付的产品。
我先把结论放在前面,因为这件事很容易被一个漂亮的数字带偏。结项的时候他们抽了两套系统做统计:火警系统的电缆名称准确率99.18%、线缆规格91.78%,照明系统分别是96.62%和90.96%。名称识别这一层基本可以交给机器。但同一张表上还有一列叫起始设备,准确率只有89.01%和84.31%。这一列恰好是工程师最难自己复核的部分——图上两根线交叉,得判断哪根是起点。机器在这里省下的时间和它可能带来的错误,是同一件事的两面。

它到底做了哪几步
路径很清楚:工程师上传已有的CAD图纸,平台解析图纸内容,识别设备图例、电缆和相关文字,把识别结果整理成电缆记录,再按业务字段生成清册。输出的字段包括所属系统、电缆名称、型号规格、两端设备、页码,样例里还带甲板与区域信息。页码这一列很要紧,工程师可以顺着它回查图纸。
技术上它把三样东西叠在一起:CAD文件解析、AI图例识别和工程规则。AI负责在图上认出设备及相关信息,规则负责判断电缆之间的连接关系,最后按业务字段拼成表。识图用的是轻量化模型,拿不同形态的图例样本训练,兼顾识别效果和计算开销。

人工这一环没有被拿掉
这一点做得比很多同类工具老实。工程师拿到平台生成的结果,可以直接改字段、补漏识别的电缆,确认之后再导出。平台自己列的迭代方向也是三条:人工交互补录、样本与规则沉淀、识别能力迭代。翻译成大白话,样本是工程师改出来的,规则是工程师教出来的,模型再拿这些继续训。
识别范围也在往外扩,从照明和火警两套系统,扩到了电力、滚装、自动化、液位遥测和内通等系统图。项目已经形成两项专利和一项软件著作权相关成果,覆盖图纸信息提取与电缆清册生成这几个方向。
这件事有政策口
今年1月7日,工信部等八部门发布《人工智能+制造专项行动实施意见》,随文附件《人工智能赋能制造业重点行业转型指引》里专门提到推动人工智能在船舶行业落地,支持船舶行业大模型建设,探索研发设计新模式。船厂和设计院愿意把图纸交给一个识别工具去试,背后有这层推力。
从公司自己说,品览做的是AI物理工程师智能体平台,沧灵Plex是其中的一个产品,底下有工业大模型、五类业务智能体、识图算法和几何引擎,服务能源、化工、装备制造、电子制造、交通装备、建筑基础设施这些行业的设计研究院。他们提到研发设计效率提升10倍,这个数是公司口径,我没看到它的测算方式。
怎么用这个信息
如果你在船舶或者工业设计院,这套东西真正值得看的,是它给出的清册结构:所属系统、电缆名称、型号规格、两端设备、页码。这几列决定了工程师拿到手之后还要干多少活。有页码才能回查,没有页码的清册只是另一张需要人工从头核对的表。
起始设备那一列84%到89%的准确率,是这套东西目前的天花板。看后续版本的时候,盯这一列怎么走,比盯总准确率有用。
资料来源
本文为 AI4ELAB 编辑或原创,作者:Connor 秦明。转载请注明出处:https://ai4elab.com/13418.html