《Proceedings of the Design Society》：Artificial co-intelligence in multi-domain platform development: what is now and what is next?
编辑推荐：
本文回顾了89项关于人工智能（AI）在产品平台设计中的应用研究，并进一步聚焦于21项多领域贡献。主导的范式是“AI作为工具×方法×解决方案提案”，其中AI主要用于自动化和优化。协作性角色仍然罕见，尤其是在需求和架构阶段。对AI益处的稳健评估在很大程度上缺失，这
本文回顾了89项关于人工智能（AI）在产品平台设计中的应用研究，并进一步聚焦于21项多领域贡献。主导的范式是“AI作为工具×方法×解决方案提案”，其中AI主要用于自动化和优化。协作性角色仍然罕见，尤其是在需求和架构阶段。对AI益处的稳健评估在很大程度上缺失，这揭示了一种以自动化为中心的范式，以及协同智能、跨领域平台开发的关键空白。现代产品日益多领域化，结合了机械结构、软件、电子和服务组件。许多公司——尤其是在B2B（企业对企业）市场中——也旨在将这些产品部署到多个行业，以增加可扩展性和韧性。为了降低成本，企业采用基于平台的策略，在不同产品变体之间标准化组件。然而，在实践中，“完全”的共性通常只在单一领域内实现（例如，在机械结构不同的智能手机之间共享软件），限制了真正多领域平台化的益处。实现跨领域集成仍然困难，因为它需要不同工程学科之间的紧密协调。人工智能（AI），特别是AI作为推理伙伴的协同智能方法，为支持此类协调提供了新的机会。因此，本文回顾了AI与多领域平台开发交叉领域的文献，解决了以下问题：1. 当前AI研究在哪些领域对平台设计的支持最强？2. 支持了平台生命周期的哪些阶段？3. 使用了哪些人机协作模型？4. 哪些类型的研究贡献主导了该领域？5. 要实现从计算辅助到AI赋能的协同智能以支持跨领域平台集成，必须解决哪些挑战？本文的其余部分安排如下。第2节描述了研究方法论，包括研究中应用的系统性映射方法和分类框架。分析首先在一个包含89篇涉及平台背景中AI的论文语料库上进行，涵盖了单领域和多领域场景。这为AI在平台研究中的定位提供了广泛的概览。然后，研究范围缩小到明确处理多领域平台的21篇在研论文，从而能够对跨领域背景下的AI角色、贡献面、研究类型和生命周期阶段进行更详细的结构分析。第3节呈现了该领域的现状（“现状如何？”），首先总结了整个数据集中的模式，然后审视了从21项多领域研究中出现的主导范式和空白点。第4节讨论了新兴的研究机会（“未来如何？”），强调了多领域平台设计中AI的关键空白和未来方向。最后，第5节总结了主要发现并反思了未来的研究途径，以此结束本文。
**研究背景与问题**
随着产品复杂性的增加，现代产品越来越多地融合了机械、电气、软件和服务等多个领域（domain）的组件。为了提升可扩展性和韧性，许多企业（尤其是B2B企业）致力于开发能够跨多个行业部署的产品平台。平台化策略的核心是通过在不同产品变体间标准化组件来降低成本。然而，实践中“完全”的共性往往仅限于单一领域内部（例如，在机械结构不同的智能手机间共享软件），这限制了真正跨领域平台化所能带来的效益。实现跨领域集成面临的主要挑战在于，它需要协调机械、电气、信息和（或）服务等不同工程学科之间的紧密协作。人工智能（AI）技术，特别是AI作为人类推理伙伴的“协同智能”（co-intelligence）方法，为支持这种跨领域协调提供了新的可能性。尽管AI在工程设计中已有广泛应用，但其在多领域产品平台开发中的具体角色、应用阶段、协作模式以及研究贡献类型尚缺乏系统性的梳理。因此，本文旨在通过系统性文献综述，回答以下核心问题：当前AI研究在哪些平台设计领域支持最强？支持了平台生命周期的哪些阶段？使用了哪些人机协作模型？哪些类型的研究贡献主导了该领域？以及，要实现从计算辅助到AI赋能的协同智能以支持跨领域平台集成，必须解决哪些挑战？该论文发表在《Proceedings of the Design Society》上。
**研究方法概述**
研究人员采用了系统性映射研究方法，结合了定性综合与对研究活动的定量调查。研究以Scopus数据库为主要来源，检索了产品平台研究与人工智能（AI）交叉领域、且与工程早期和中期活动明确相关的文献。最终检索策略确保了平台相关和AI相关的概念是出版物的核心。经过多阶段筛选（包括移除非同行评议文献、去重、以及基于摘要和全文的内容筛选以排除非平台核心研究），最终数据集包含89篇同行评议论文。为分析技术背景如何影响AI支持的平台研究，每篇论文被归类到一个或多个应用领域：机械（Mechanical）、能源/电气/热（Energy/Electrical/Thermal）、信息（Information）或服务（Service）。分析分两个阶段进行：第一阶段对全部89篇论文进行编码，分析AI角色（如预测、优化、知识提取、生成支持、决策支持）和平台生命周期阶段（如概念设计、架构定义、详细设计、配置、运行）；第二阶段则聚焦于其中明确涉及多于一个领域的21篇论文，进行更深入的分析，依据研究类型（如解决方案提案、验证研究、评估研究）和贡献面（如方法、模型、框架、工具）进行分类，以评估多领域工作是否体现了真正的集成性AI能力。分析框架采用了“AI的四种角色”模型，从基本自动化到更高级别的协作（即AI作为工具、思想伙伴、教练/导师、拟像），以系统性地映射AI在不同设计任务和阶段中的贡献。
**研究结果分析**
* **AI在平台开发中的跨领域与应用现状（基于89篇论文）**
分析显示，大多数AI赋能的贡献集中在机械、电气、信息和服务的单领域应用上。AI通常用于孤立的分析或优化任务，例如预测性能、提取领域知识或对子系统行为进行建模。即使有研究分析多源数据，其AI应用仍主要针对领域特定的性能预测，而非跨领域知识综合。这表明，当前AI主要用作特定领域内的技术助手，而非跨异构工程领域的集成机制。在AI角色与生命周期阶段的交叉分析中，大多数论文集中在“AI作为工具”来支持平台生命周期中后期（PH3产品架构生成和PH4产品架构分析）的活动，尤其是在机械和信息领域。典型例子包括机械-电气系统中用于制造或生产规划的产品族自动配置或优化，以及数字化工厂中产品族的数据驱动适配。在这些贡献中，AI主要用于搜索大型设计空间、聚类或排序变体，以及在核心架构基本确定后优化平台参数，从而辅助设计师改进产品族，而非跨领域重新构思。相比之下，面向设计师的AI角色（如“思想伙伴”或“教练/导师”）则远不常见，且分散在各个生命周期阶段。最罕见的是“AI作为拟像”的角色。总体而言，这些模式表明AI目前主要用于后期阶段的优化和自动化，而真正支持早期跨领域推理的协作性或角色扮演型AI仍不常见。
* **多领域平台中AI研究的贡献与研究类型（基于21篇论文）**
在21项多领域研究中，主导的配置模式明确是“AI作为工具 × 方法 × 解决方案提案”。这一组合出现的频率最高，显著多于所有其他组合。其次是“AI作为工具 × 方法 × 评估研究”，再次是涉及算法或模型并作为解决方案提案的组合。换言之，关于多领域平台中AI的文献具有强烈的方法导向性和解决方案驱动性，AI主要被定位为一种计算工具。这些研究中描述的AI系统主要用于自动化可形式化的任务：架构配置、设计空间探索、子系统优化、性能预测、变体聚类或约束推断。因此，AI的角色是工具性和程序性的，被引入作为一种提高效率、减少人工工作量、搜索大型组合空间或量化权衡的机制。这解释了为何“AI作为工具”主导了整个数据集。中等重复出现的组合涉及基于模型的贡献和评估导向的研究，但这些仍处于次要地位。“框架”或“工具”类别的贡献出现频率较低，而哲学性或经验导向的研究类型在多领域背景下相对罕见。更具揭示性的是那些完全缺失的组合，例如“AI作为拟像 × 方法 × 评估研究”、“AI作为教练或导师 × 算法 × 验证研究”等。这一结果突显了一个实质性的缺失：旨在稳健评估和衡量AI实际产生益处的贡献严重不足。当单独分析生命周期阶段时，一个明显的结构性空白点显现出来：“AI作为拟像”未出现在PH2（需求/子系统映射）阶段。协作性AI角色在PH3（产品架构生成）阶段也很罕见，该阶段由自动化驱动的解决方案提案主导。这种稀疏性反映了文献如何构建多领域平台的挑战。这些挑战通常被描述为子系统耦合、跨领域集成、生命周期协调和不确定性管理等问题。不确定性被视为认知性的，并且仅在不同建模方法间部分集成，而利益相关者冲突和需求复杂性仍然难以形式化。信息过载和相关性过滤进一步强化了技术问题的构建方式。由于这些挑战是以技术和集成术语来阐述的，AI主要被定位为一种优化和自动化机制，而非认知协作者。因此，主导的范式——“AI作为工具 × 方法 × 解决方案提案”——成为问题空间定义方式的结构性结果。总体而言，多领域平台中的AI贡献仍然强烈地以自动化为中心，而协作性和认知增强性角色仅边缘性地出现。
**讨论与未来方向**
结构性分析揭示了该领域的成熟度与局限性。文献展示了多领域平台设计在算法和方法自动化方面取得了实质性进展，但也暴露了显著的空白。首先，存在从自动化向认知增强转变的明确需求。当前研究绝大多数将AI视为一种计算机制，用于替代手动搜索、优化或分析。然而，文献中识别的许多挑战是认知性的，而非纯粹计算性的，包括：跨领域知识在全生命周期的整合；利益相关者需求的自动识别与协调；超越随机不确定性的粗略和模糊不确定性模型的整合；管理信息过载和确定相关性。这些挑战涉及跨异构领域的解释、协商和推理，表明未来的研究方向是AI可以作为利益相关者视角的“拟像”、支持人类推理和反思的“教练”，或实现协作架构探索的“思想伙伴”。其次，PH2（需求/子系统映射）阶段在协作性AI方面仍然相对不成熟。虽然存在基于自动化的特征配置和规划技术，但几乎没有证据表明AI被用于模拟利益相关者冲突、支持需求权衡讨论或促进跨领域知识转化。鉴于需求错位往往导致下游复杂性，加强AI在PH2阶段的支持是一个有前景的方向。第三，不确定性建模仍然碎片化。尽管认知不确定性得到承认，但当前方法强调随机不确定性和形式化模型。整合混合不确定性表示，并通过平台架构传播跨领域认知不确定性，是未来工作的重大机遇。第四，机械、电气、信息和（或）服务领域在平台架构中的整合需要的不仅仅是优化。它需要标准的协调、接口的协调、生命周期的对齐以及竞争目标之间的协商。这些社会技术方面目前主要通过形式化约束和计算搜索来解决。未来研究可以探索AI如何以更具对话性和反思性的方式支持多领域推理。最后，协作性AI角色的实证验证仍然有限。关于AI作为“思想伙伴”或“教练”的概念性讨论出现在文献中，但在真实多领域工程背景下的严格评估却很罕见。建立人机协同设计有效性的实证证据将显著推动该领域发展。
**研究结论**
本研究考察了21篇在研多领域论文，以分析AI在多领域产品平台设计与开发中的定位。研究结果揭示了一个高度集中的贡献格局，其主导范式是“AI作为工具 × 方法 × 解决方案提案”，并常辅以评估导向的研究。AI主要用于自动化、优化、配置和预测。虽然这展示了技术进步，但也突显了结构性局限。协作性AI角色——拟像、教练和思想伙伴——罕见且分散，其中一些组合（如拟像在需求映射阶段PH2的应用）完全缺失。贡献空间的稀疏性表明，未来研究应推进集成性、跨领域、人机协作的方法，特别是通过加强AI在需求映射阶段的支持、改进不确定性整合，以及在架构设计中实证验证AI作为认知伙伴的作用。本研究存在一些局限性。除了文献分类和解释固有的主观性外，AI研究领域正在快速发展，新的贡献不断涌现。因此，本综述反映了分析时的知识状态，可能未捕捉到最新的发展。此外，AI角色的分类基于Randazzo等人提出的框架，该框架虽然有用，但尚未完全确立或得到广泛验证。未来的研究将受益于采用或开发一个更全面、更基于实证的工程设计背景下的AI角色本体论。
