“   我們看一個行業的變化的時候，如果能夠稍稍引入一點外部視角，與其他行業的性質和歷史發展做個對比，也許能看得更清楚一點。 他山之石，可以攻玉。 ”

人工智能火起來的那幾年，我也算是對AI的一些歷史、簡單的算法和深度學習入了個門。后來決定死磕有限元，兩相對比，覺得CAE仿真和人工智能有許多相似之處。

2020年，人工智能看上去已經沒有幾年前那么火了，但是不可否認人工智能已經越來越多、越來越深入地改變了每一個人的生活。作為有限元和CAE的從業者，不知道讀者中有沒有人在過去的三四年里曾經考慮過轉行去搞人工智能，反正我前兩年看中國平安保險招科技金融相關崗位的云端宣講會那個人提到，他們部門有個原來搞計算流體力學CFD的轉行搞AI玩的比計算機科班出身的還好。

我們看一個行業的變化的時候，如果稍稍能夠引入一點外部視角，與其他行業的性質和歷史發展做個對比，也許能看得更清楚一點。他山之石，可以攻玉。在我看來，人工智能這個學科分支，和有限元、CAE其實有很多相似的特點。

01

—

對計算資源的需求

人工智能其實也不是新東西了。和有限元一樣，人工智能也基本上是伴隨著電子計算機的出現而出現的。畢竟20世紀后半頁乃至今天我們可以說絕大部分技術創新都離不開信息技術嘛。人工智能這個概念出現的時間和有限元也差不太多，都在20世紀50年代前后。1956年的達特茅斯會議上，“人工智能”這個詞第一次被正式提出。這個時間點和1960年clough首次提出“有限元”一詞的時間很接近。從這一點來看，人工智能和有限元，至今都經歷了六七十年的發展。

參加達特茅斯會議的大佬

當然淺顯的講發展歷史沒啥意思。人工智能和有限元的第一個相似之處就是，它們都對計算資源有著苛刻的需求。

人工智能發展的歷史上出現過兩次“冬天”。第一次是在1973年，那之前人們已經發展出了很多機器學習的基礎算法，SVM、神經網絡等等都已經有了。但是當時明斯基提出神經網絡無法處理異或問題的分類。然后1973年萊特希爾的一份報告將人工智能領域的研究打入冬天，使后來大約十年的時間這個領域的研究者都拿不到資助。后來，人們終于提出了梯度下降、反向傳播算法，這個領域才又有起色。但很快，第二次冬天就到來了。因為當時的人們很快發現，這個算法想要實現他們項目計劃書中設想的機能，比如圖像識別、語音識別，需要的計算資源在當時看來幾乎是天文數字。

人工智能的算法早早的就已經準備好。但是對不起，實現算法需要算力，訓練AI模型需要數據，而這一切都需要等待。等待芯片算力在摩爾定律的推動下再繼續發展十幾年，等待互聯網的成熟以獲得海量的訓練數據。

和人工智能相比，有限元的發展還算是幸運。至少歷史上沒有出現過很明顯的“冬天”這種連續十年整個研究領域拿不到經費的事情。但有限元和人工智能一樣，都借著上世紀末到這個世紀最大的技術發展的“東風”——計算機算力的發展，才有用武之地。當年AlphaGo在圍棋上擊敗李世石一戰成名，靠的是谷歌自研TPU的強大算力。而想要用CAE模擬更多、更復雜的物理過程，想要在虛擬世界里研究飛機的飛行、汽車的碰撞，想要擴展到多物理場乃至實現“數字孿生”，強大的超算幾乎是必不可少的武器。

02

—

都需要數學功底

有限元算法依賴數學，人工智能的基礎理論也同樣是一種數學模型。無論是人工智能還是有限元，想要深入研究理解其理論背景，都需要比較扎實的數學功底。因此，過去很多年，許多領域、公司的有限元分析工作都只能由相關工科專業的博士、碩士來完成。人工智能起步的時候許多公司也都在高薪聘請人工智能研究領域的碩士和博士，就是因為這些領域和CAD、前端等領域不同，需要一定的數學基礎。

也正因為如此，CAE軟件也和人工智能框架一樣，一直都致力于降低使用者的門檻。在CAE領域，從較早期的ANSYS APDL到最近的Comsol、Discovery還有各種CAD軟件的仿真模塊，都在努力讓技術變得更加民主化、更加易學易用。而在AI領域，谷歌開源Tensorflow框架這一舉動就讓人工智能的研究門檻極大降低，后來還有Caffe、Torch乃至中國的PaddlePaddle飛槳、商湯和曠視等公司的自研框架，也都致力于讓使用者以更高的效率完成開發和部署。

03

—

都需要與行業結合落地

錢令希院士曾經說過“力學需要工程，甚于工程需要力學”。的確，力學研究的是許多工程項目中的共性問題。工程力學尤其是有限元，它本身并不能創造價值，必須和具體的工程領域相結合，比如建筑、土木、橋梁鐵路、車輛、機械、航空航天等。

在這一點上，人工智能也和CAE很像。過去幾年互聯網公司和人工智能公司喜歡提“賦能”，其實謙虛一點，就是和某個行業結合將AI技術落地嘛。AI與金融結合可以做風控反欺詐，在工業界落地可以實現質量缺陷檢測、倉儲管理，與能源行業合作可以實現設備故障檢測、風險預警防控等等。吳恩達在演講中說人工智能是新時代的電力，這些技術確實和電力一樣，可以驅動很多行業的應用，但是都要和具體的行業結合。

據說清華“姚班”和“智班”的培養計劃中，前兩年要學習AI相關技術，后兩年要結合其他工程專業，去讓人工智能技術落地。CAE技術也一樣，在做工程上的仿真項目時，也需要深刻理解工程背景，理解行業需求，才能做出正確的分析，讓CAE技術創造價值。

04

—

結語

從短期來看，行業風口不斷轉變，就業市場薪酬待遇高低不一。在工科的就業市場上，十年前最好的專業可能是土木，五年前是CS、金融，三年前是人工智能、數學，今年的熱門也許是集成電路和芯片。如果我們把人才的供求看成一個市場，薪酬就是人才的價格。市場從短期來看是會有很大波動的，因為人才的培養需要周期。大學生要四年才能畢業，培養一個博士更是需要超過十年。2017年入學人工智能專業的同學，按照正常節奏碩士畢業已經是2024年的事情。但長期來看，把目光放到十年這樣的尺度，就業市場還是更多的體現為一個有效市場。

CAE技術沒有像人工智能那樣經歷過兩個明顯的“冬天”，所以CAE行業的從業者大概也沒有顯著地、大規模的逃離過這個行業。過去幾十年，CAE在工業界一直穩步發展。在航空航天、汽車等一些對CAE要求較高的行業里它的應用在不斷地拓寬和深入，但在更多其他工業行業，有限元分析工程師一直處于相對邊緣的位置。但我認為有理由相信，隨著算力的繼續進步，CAE技術還會在更多行業里進一步普及，這個行業還會迎來更多的從業者。

---

人工智能和CAE的共同點，其實我大概在一年多以前就有這么個想法。今天寫出來，請各位老師批評指正，也歡迎一起討論