本文研究 AI 在协同工程工作流中的应用，以欧洲探测车挑战赛 (ERC) 为案例。ERC 要求学生团队在单个学年内完成复杂探测车的需求定义、子系统设计、集成测试，时间紧张且子系统高度耦合。我们向 ERC 2025 参赛队发放 40 题、可自适应角色的问卷，收集 14 支队伍 104 份有效回复，覆盖团队结构、知识转移、任务管理、集成实践、沟通模式以及现有 AI 使用情况。
调查显示，团队普遍面临文档缺失、需求不清、沟通碎片化、任务监控非正式以及大量集成返工等瓶颈。基于这些痛点，我们提炼出 AI 增强协同工程工作流的关键需求：① 任务与需求澄清辅助；② 合规性与变更追踪；③ 沟通内容自动摘要；④ 集成风险预警；⑤ 持续知识捕获与复用。针对需求，本文提出初步系统架构，包括用户交互层、凭证管理、服务调度、专用 AI 服务（如自然语言理解、代码生成、风险推理）以及与 CAD、仿真、版本控制等工程工具的接口。该架构旨在通过人机协同降低信息不对称、提升任务可视化、提前发现集成冲突，从而加速整体开发周期。
点评