发表于2025年9月4日
自方舟计划启动以来，已经一年有余，在此期间我们的开发团队也经历了国产定制化算法开发交流的小热潮。截至今年7月底，专业性的技术问询多达70余家，相继的深度合作也已经陆续开展。在这个技术进步的逆潮中，我们深刻地感受到了大家其实都在思考未来的变化，也都在寻觅各种突围的可能。我们也针对行业的反馈在持续地迭代着技术成果，今天在这里向大家汇报一些过去半年里的功课。
近一年的研发：
技术底层国产化变成了刚性需求
从今年年初国家发布的一些相关科研课题的申报方向分析，以及不少国央企业对于未来科技研发布局释放的信号来看，国产化的技术底床几乎已是刚需。从当下的世界形势来看，我们对底层技术国产化的需求程度之深，应该是大部分一般软件用户所无法想象的。
所以国产化其实一直也是诺亚团队过去几年的研发工作重心、甚至是科技发展的本质问题。为何诺亚2迟迟没能上线，其实就是因为“底层国产化”的行业信号在逐年的增强。
E3实现全流程底层国产化
可以说，E3的出现为国人的数字化设计领域提供了一款国产的无代码图形编程工具、参数化设计工具、制图类AIAgent开发工具、智能化算法研发工具、结构化数据模型定制工具等等等等。E3的标签和定位很多，但都没有【底层国产化】这个标签重要。
它的意义是我们国人有了自己的设计图形编程平台、工程信息模型平台。它意味着我们在此基础上付出的科研努力，迭代的科技成果，不再会被乱扣“帽子”，不再会被境内外的合作质疑，不再会被锁死开发的“上下游”，不再会面对各种底层尴尬而无法解决。真正意义的做到了“国人做国人自己的东西。”
一棵自己养大的树，长在了境外，总还是有遗憾的……我相信熟识我们的朋友都能认可我们曾经为行业的数字化生态做过的贡献，也能理解如今的我们对“叶落归根”的心愿。
所以E3何来？方舟计划何来？是因为使命让我们填补这个空白。
2022-2025，历经三年研发，如今的E3已成一款独立且强大的图形无代码编程软件
E3的上线计划：
目前E3的内测已经结束，即将开始 诺亚同行者公测 （主要测试的范围是服务器压力、新用户的工具操作的接受程度以及工具在网络中更新迭代的适应性、稳定性等任务），公测结束后我们会发布它正式的上线时间，面向全国的图形开发者开放，期待大家的持续关注。
企业数字化转型难：
一步一个新学科
另一个维度上，行业数字化转型遇到的瓶颈、传统意义上的数字化工作缺乏完善的信息化体系和项目数据载体，面向日新月异的AI大模型开发则面临底床不可控、上限又被封顶的双重尴尬。其中容易被忽略的一个本质问题是我们要如何理解【创新】？信息化体系的标准制定要创新，数字化模型的结构设计要创新，AI智能体的设计方法论要创新，用于机器学习的数字资产的类目要创新……大家不难理解的是把现有的技术进行拼图式的组合其实很难破局，因为每个维度都不仅是消化整合新的领域，更是缔造新的学科。新学科需要学习新的知识、尝试新的思考、学习新的工具，创造新的方法。所以很多的“难”，其实难在【创新】这里了。
E3打通AI自动化制图六大基础维度
方舟计划：诺亚研发技术的对外开放。初衷是将我们多年探索的研发方法及经验分享给大家，为行业提供数字化转型破局的方法论和工具平台。只是工具目前仍不能代替行业去做【创新】的这个过程：每个流程怎么设计？每个信息模型怎么构建？每个生成过程如何取舍？这些都需要有创新意识的设计师逐一去定夺，而非向AI索要一个完美答案。也正是因为这些创造都依赖于人的智慧和经验，我们才确信这种技术在未来一定是可供人来经营且有行业生态的。
那么我们的E3提供了哪些技术底床呢？
1-参数化设计：解决用程序（代码）建模制图的基础几何问题
2-自定义信息模型：解决了编程对象可塑性以及与各种信息模型平台打通的问题
3-AI专家系统：解决了设计类型问题判定、决策流程选择、信息化数据生产的问题
4-RPA开发流程：解决了专项制图模块编程流程“拟设计思维化”的问题
5-自定义API接口：解决了和AI大语言模型打通、制图类AIAgent二次开发的问题
6-信息化模型数据库：解决了数字资产存储及AI工具开发二次利用的问题
这些技术模块的加持，足以帮助我们完成任意领域的机器人自动化制图工作。一方面它们构成了诺亚面向全行业提供定制化开发服务的基础，另一方面多方的合作共识也论证了这套技术方法论及工具集的可实施性。
所以直观来看这些技术能做什么？
我们一层层剖开来看：
最底层就是设计制图的自动化，当设计目标和标准是确定的情况下，这套技术能够实现全流程的项目问题判断、方案设计、任意深度标准的图纸及模型输出。（注意我指的不是AI来自动做这件事，而是用E3能够开发出这样一套定制化的设计成果生成程序）
这套程序并不是简单的模型重载、固定图纸导出。它可以被设计成是自动面向不同复杂的项目情况做出判断，从而获得截然不同的设计制图成果。也可以被设计成包含了大量风格和图库的程序使其在变量组合中衍生千遍万化的成果。它可以阅读方案生成过程中和生成结果的所有程序信息数据，进行判断、进行推演、进行对比、进行总结。
所以更直白来讲，我们是在开发一个解决指定设计问题的机器人，设计师向其中录入设计方法、设计图库、设计规则，然后让它来自动生产，就像一个画图助理一样。
在传统设计模式下，设计师是不需要这个助理的，因为设计目标多变，设计因素复杂。但在两种场景下其实设计师非常需要这个画图助理：
第一类应用场景：是想把一套固定的设计标准、通用方案大量复刻。大家不要急于反驳我，我们思考一下城市生活之中有没有这种需求，其实到处都是。这种技术可以让好的东西走进千家万户，也能为设计师的客户也就是一般业主得到精致化的、高品质的设计价值。所以任何一个设计个体，无论大小，都可以由自己的“旗舰型”设计产品，并使其能够无限地自动化输出成果。再发散来讲，设计流程和图纸被记录在了程序之中，它们是可以不断深化迭代的，也就是设计成果被永久保留且能复用，设计深度可以线性叠加，不断优化迭代升级产品。
第二类应用场景：通俗讲叫“等人去设计已经来不及了。”我们把设计的自动化，当中一个工程领域面向全社会赋能的职能模块，我们会发现很多需求是存在的，只是不会给我们设计思考的时间。举个特别但更好理解的例子：我们去年接触到一个救灾场地规划的技术可行性咨询，这类需求就是灾情出现，抢救方案就要进入执行阶段。不是不需要设计，而是缺乏系统性设计的时间。另一个需求案例来自于物流仓储的库房，物流库房的储存方案不同于布置家具和设备，它是一个实时动态的过程，需要实时的提供存储方案设计。所以随着设计产品技术形态、功能形式的不同，我觉得各个行业中需要我们提供专业服务的需求还是处处可以挖掘的。
再往上一层AI智能体，从未来的视角来看。人工智能和机器人程序的衔接是行业科技迭代的抓手，没有制图机器人意味着在工程设计领域很难吃到人工智能的时代红利。近几年不少AI大佬都尝试过进入工程设计领域，和我们关系较好的企业多次表达了机器人制图是必修科目。
再往上一层训练大模型，我们复盘工程图纸大数据的机器学习问题，共识问题就是数据质量问题。这个问题甚至卡住了我们的学科在各个维度上的AI应用研究，而机器人能够解决数据生产和模拟的问题。只要是数据的问题，它就不是不能被解决的，还是前文提到的，数据也需要创新，创新的工具、创新的方法。
此次E3的底层技术上手有学习成本
诺亚计划在E3上开发上述的技术模块和技术教学。不同于诺亚叁数智能化设计系列产品，E3开发是有学习成本的。某种意义上讲，能学的东西越多，人的价值才越大，技术的生态才越繁荣。这和现在主流的AI开扇即用的工具设计理念截然相反，但事实上是，所有的E3开发者都有机会借助E3实现自己的产品程序开发。
所以为行业现状孵化科技生态，为科技转型尽匹夫之力。希望能够迎来更多志同道合的伙伴继续同行。感谢诸位一直以来的关注和理解。诺亚初心不变，依然怀揣少年热血，即将以新的姿态与大家见面。