云上仿真的案例
基于HPC云平臺上的LS-DYNA汽車碰撞仿真
圖7：使用不同HPC Core配置處理高網格模型的所需求解時間
圖8：不同HPC核心配置處理不同網格密度模型的求解時間比較
HPC云平臺的幾大優勢
由上圖分析可得使用HPC的幾大好處：
針對不同的細胞數生成網格模型，其中使用從粗到細到高度精細的網格模型進行實驗。HPC計算資源有助于模擬運行的更順利完成，而無需重新跟蹤或重新提交相同的模擬運行，同時能夠提供高度精確的模擬結果。
相當精細的網格的計算時間要求很高，這在普通工作站上幾乎不可能實現。HPC云平臺提供了解決高精細網格模型的可行性，并且大大減少了模擬時間，增加了產品設計生產的優勢。
HPC云平臺預先安裝了不同的仿真軟件，工程師可直接在上面操作所需軟件，節省了軟件購買的成本和安裝所需時間。
訪問HPC云平臺過程簡單易用，類似于打開瀏覽器上網，同時仿真數據能夠安全且快速地傳輸到本地系統。
網格越精細的模型，模擬結果精度越高，同時模擬運行時間要求越高。HPC云平臺系統的并行計算提供了求解高精細網格模型的優勢，尤其在復雜的、大規模類型的仿真，如汽車正面碰撞測試等，求解時間會大幅度縮短，幫助企業或者工程師在產品設計生產中取得巨大優勢。
首發HPC365云服務公眾號，官網網站https://www.hpc365.cn/
展開 ANSYS聯手AVSimulation助力汽車制造商加速推進安全自動駕駛技術的研發
這一合作可將AVSimulation革命性的仿真技術與ANSYS沉浸式自動駕駛仿真解決方案進行完美結合，加速了汽車制造商將自動駕駛汽車推向市場的進程。
要滿足自動駕駛嚴格的安全標準，需要確保自動駕駛汽車與周圍環境、交通以及天氣之間相應都能在數百萬種場景中經受住考驗，測試考驗需要對原型車進行數十億英里的全面實地路測，從而需要長達數十年的開發時間及高昂的成本。
為大幅減少樣車測試并節省時間，制造廠商開始采用一款ANSYS沉浸式尖端解決方案ANSYS? VRXPERIENCE?，這一方案將虛擬現實技術與基于物理場的仿真相結合，幫助工程師在日常駕駛環境下測試、驗證和體驗自動駕駛汽車系統及車輛性能，僅1天時間車輛就能模擬行駛數百萬英里的虛擬里程。VRXPERIENCE包括HMI測試、實體傳感器仿真（含雷達、激光雷達、攝像頭和超聲波）、嵌入式軟件控制集成、車前燈仿真，以及實現仿真數據管理和系統安全分析的連接關系紐帶等。
AVSimulation將經驗證的SCANeR? Studio產品作為駕駛仿真工具模塊嵌入到VRXPERIENCE中，SCANeR? Studio產品是一款可擴展的開放式模塊化仿真解決方案，可創建極為逼真的虛擬世界，幫助用戶在高性能集群如Microsoft Azure等公共云上仿真成千上萬種可變性極大的駕駛場景，SCANeR?并且整合了從高清地圖和素材庫生成的道路，以及各種交通情況、天氣狀況和車輛動態等。
雷諾公司負責一體化CAE及PLM工程設計業務的副總裁Olivier Colmard表示：“虛擬原型設計和大量模擬仿真是確保自動駕駛汽車安全的關鍵。
展開 EDA大型企業如何實現海內外協同上云？
北鯤云針對實際情況，為該公司設計了切實可行的階段性方案。
考慮到公司已經建設完成的本地服務器，以及和對于全云架構成本、安全性的擔憂，我們為客戶初期的建設方案推薦了混合云的模式。
混合云模式下，典型的場景是針對芯片設計流程中算力消耗最大的仿真環節上云，核心的設計文件保留在本地，
只需要上傳需要仿真的netlist、snapshot文件等中間文件就可以在云上做零信任的仿真計算。
接入層面，用VPN+MPLS專線的方式打通本地和線上，通過設置多種文件同步策略、深度整合EDA軟件工具，當本地計算資源不足時，彈性靈活的將作業溢出到云上，云上計算資源多樣，
支持大規模并行仿真，可以大幅度提升仿真工作效率。
當解決本地仿真算力瓶頸的問題之后，芯片企業隨著團隊的擴大或外部團隊的加入，靈活的VDI設計桌面需求就變得非常迫切了
，云上設計仿真一體化的EDA云平臺
能很好的適應多團隊協作、分布式的辦公場地，并且彈性的策略控制也可以幫助企業有效的控制平臺運營成本。
云上一體化方案中，EDA云平臺打造了和本地一致的網絡環境，隔絕云上VPC的公網連接，并且通過堡壘機審計、IT運維通道與IC設計業務通道相互隔離等方式來控制資源和核心業務數據的流轉安全，仿真計算的設計桌面子網、計算集群子網、存儲子網之間也都用嚴格的ACL網絡控制策略來控制數據流向。
展開 “云仿真戰場”狼煙四起
引言：
汽車的ADAS功能僅需要在有限、特定的場景下進行仿真測試驗證即可，而高階自動駕駛系統需要面對海量的測試場景。在此情形下，傳統的單機仿真測試呈現出算力不足、且無法實現加速測試的問題，導致測試周期長，效率低；而云平臺仿真憑借其分布式架構以及并行加速計算能力，可大大提升系統研發和測試的效率，是實現自動駕駛大規模仿真場景的有效解決方案。
然而令筆者好奇的是，既然云仿真如此的“優秀”，為何在自動駕領域遲遲沒有大規模落地應用？在網上搜集關于自動駕駛云仿真相關話題的技術信息時，筆者感覺到，關于這個話題的信息與操作系統或者AI芯片這些熱門領域相比，簡直是少得可憐。
于是，筆者帶著諸多疑問，與51WORLD CTO鮑世強、PanoSim CEO李祥明、賽目科技總經理何豐、騰訊自動駕駛仿真技術總監孫馳天等6位業內專家進行深入交流。在此基礎上，筆者整理了自己對自動駕駛云仿真的一些基本理解以及幾位專家對自動駕駛云仿真的一些看法。
一、解開自動駕駛云仿真的“面紗”
自動駕駛云仿真到底有多高深？它與普通的單機仿真到底有哪些區別？往簡單了說，云仿真就是云+仿真，之前是在單機上進行仿真，現在無非是把仿真搬到了云上。對于云仿真的理解，幾位專家也從不同角度給予了生動形象的解釋。
PanoSim CEO李祥明是這樣解釋的：“從仿真本身來講，云仿真也是一種仿真，沒有什么特別神秘的地方。云仿真可以理解成是云對仿真是一種加持。就像互聯網+X一個道理，所有的業務和物理世界本身就存在，只不過互聯網讓它的效率更高了，互聯網還是互聯網，不是業務，只是對它本身對業務的一種加持，一種實現這些業務更好的方式而已。”
另外，51WORLD CTO鮑世強認為：“云仿真并不神秘，只是把單機的規模擴大了，但是規模擴大后會產生很多問題。
展開 
用CFD仿真優化離心泵的設計
在云上完成仿真設計
為什么不是所有的設計師都使用仿真方法呢？因為有些因素阻礙了工程師和設計師對仿真軟件的廣泛使用。為了挑戰這一現狀，SimScale做了以下一些努力：
? 可訪問性：傳統軟件需要在昂貴的高性能計算機上進行本地安裝，而這些計算機大部分時間都處于閑置狀態。使用SimScale，所有計算都在云上完成，只需網絡瀏覽器即可。
? 運營成本：標準商業仿真軟件包的成本是眾所周知的貴得出奇。有了SimScale，可以選擇通過免費的社區計劃或14天專業計劃試用期，立即開始仿真。
? 專有知識能力：大多數現代工具均為專家和經驗豐富的仿真工程師而設計。為了添補這一知識空缺，SimScale為用戶提供了一個大型公共項目庫、免費培訓和實時支持聊天。
工程問題
離心泵的剖視圖（圖片來源：維基共享資源Fantagu公開信息）
離心泵本質上由一組在被稱作蝸殼的殼體內旋轉的葉輪組成。
展開 【仿真課堂】遠算科技國產水動力軟件走進浙江海洋大學高校課堂
為了加深高校學生對有限元數值仿真的了解，蓄力國產工業仿真軟件持續創新和技術進步，6月3日及10日，遠算科技走進浙江海洋大學，為海洋工程裝備學院港口航道與海岸工程專業近百名高校學子開展水動力仿真學習課程，并通過遠算格物云CAE的國產水動力軟件，帶領同學們進行了仿真實踐練習。
在課上，首先為同學們介紹了當前國產工業軟件面臨的高度依賴國外產品、技術人才緊缺、使用門檻較高的發展現狀，闡述了遠算科技在工業軟件方面提出的國產化、場景化和云端化發展新思路，并展示了基于自身先進高性能云計算技術，深度融合數值仿真技術，專為仿真工程師“量身定制”的國產可控云端仿真平臺——格物云CAE。
遠算科技的資深工程師們也為同學們講授了一維水動力、二維水動力及潮汐原理等理論知識，并帶領同學們在格物云CAE仿真平臺上進行實際上機操作練習，加深數值仿真的理解與應用。
未來，遠算科技也將進一步加強高校交流與合作，促進高校科技成果轉化，并將持續提升企業自身科技創新能力，期待共同推動國產工業軟件的研發與應用。同時也誠邀高校學子參加遠算工業仿真實習，融合知識理論，獲取最新行業實踐，歡迎感興趣的同學積極報名！簡歷投遞郵箱：joinus@yuansuan.cn。
格物云CAE
一款國產可控云端仿真平臺，結構、流體、水動力仿真軟件場景化模塊化，支持多格式網格導入(.med、.inp、.cdb、.cgns等)和高性能并行計算，降低CAE使用門檻，拓展CAE應用范圍，加速工業企業研發制造數字化轉型。平臺支持云端CAE仿真生成工業APP，構建完全交互式仿真社區，快速實現行業通用經驗軟件化。
一鍵登錄，開啟仿真！
展開 自動駕駛能力驗證的關鍵：仿真測試詳述
其二，是構建強有力的本地數據中心，作為有效的線上仿真服務和高性能計算集群。該計算集群的主要分布為三個等級序列。
i底層為物理層，中層為仿真測試層，頂層為數據層。物理層主要作用為集群管理節點層，可以動態調度算法/資源分配，設置為管理員權限，可多人協同，承載局限為CPU/GPU資源利用率可能受限，為了突破物理硬件限制，采用全部容器化的K8s解決方案和集群管理器聯合，做到承擔節點的擴展基于容器，不再基于硬件，可以很好的提供擴展的便捷性。
ii中層為仿真測試層，這也是整個云仿真架構的核心，主體是將原始的自動駕駛場景庫輸入至場景編輯器，結合傳感器/車輛動力學模型進行宏觀與微觀交通流的仿真搭建，進而完成諸如MIL、SIL等軟件級別的仿真測試。在此過程中，利用云平臺進行計算加速、算法上傳、高速通訊、安全校驗等過程。在自動化測試階段，利用測試用例庫，結合批量測試生成測試評價報告，并分析報告結果。這一過程中需要接入多測試平臺，進行開環與閉環驗證，實現“一云兩端”的架構結果。
iii上層為數據層，利用基礎數據管理工具對原始數據、解析數據、場景數據進行管理，隨后利用數據清洗工具進行可視化、融合、數據轉換，并進行場景標注后打上標簽，最后利用格式處理工具進行多維動態數據輸出。構建駕駛場景數據到仿真平臺之間的橋梁。
對于真正的云端仿真肯定是需要將仿真應用于云平臺上，或者說，在云平臺上搭建仿真系統，這一過程實際上就是一種典型的后端場景重構策略。既然涉及云數據管理，那么必須要要用到車聯網這一數據上傳與下載終端。車輛數據通過云端存儲、數據預處理、場景重構還原形成場景庫積累，用于仿真測試及算法訓練。
展開 