生成式設計
關注創建者：匿名 創建時間：2026-01-04
生成式設計的視頻教程
基于GDE的創成式減重設計
如何減重設計？——帶你應用GDE 如何減重設計？——帶你應用GDE? （免費） 【已結束】直播時間：4月26日 19:30 適用人群：結構設計工程師、仿真工程師 課程背景： ? ? ? ?傳統設計解決的問題是：我根據經驗設計的這個部件能否滿足功能、規格需求？ ? ? ? ?創成式設計解決的問題是：我設計什么樣外形的部件最能滿足功能、規格需求? ? ? ? ?
￥9.9 1小時8分鐘 34播放
查看
CATIA創成式設計
課程背景:該課程適用于汽車行業，車身、內外飾專業同學，該課程仔細講解了創成式設計和一些案例，幫助同學更好的理解或掌握catia的知識。
￥28 40小時47分鐘 153播放
查看
生成式設計的實例教程
創成式設計是一種使用機器學習為零件和裝配模型創建計算機輔助設計 (CAD) 幾何圖形的自動化方法。用戶不是使用基于特征或直接建模方法定義形狀，而是指定設計空間，包括要保留或排除的區域、操作環境條件、材料和制造約束，通過算法計算一個或多個潛在的解決方案。然后，用戶可以過濾結果以選擇合適的選擇。生成式設計比傳統的迭代人工驅動方法更快，并且在許多方面更可靠。
是什么讓創成式設計變得更好？
創成式設計和密切相關的拓撲優化工具可用于Creo中的多個版本。讓我們看一下使創成式設計與傳統CAD工作流程不同且更好的四個方面。
您正在將要求構建到設計中。所有產品都從需求開始。頂層需求被分解為子系統需求，然后被提煉成組件需求。盡管我們可能知道零件或子組件的結構要求，但在過去，這些要求直到設計完成后才得到驗證。通過創成式設計，我們通過將載荷工況應用于我們的模型來設置我們的設計。這可確保解決方案從一開始就滿足標準。
制造方法告知設計。典型的工作流程中，使用仿真和分析工具設計和驗證零件，然后將其交給工藝工程師，以評估是否可以使用減材制造或增材制造來制造零件。通過創成式設計，我們將制造標準添加到優化研究中。這些包括：
將要進行3D打印的零件的構建方向
注塑件的2D或3D分型線
將被銑削的零件的線性拉伸
這確保了可以使用適當的方法制造解決方案。
您可以快速生成多個概念。產品開發總是受到進度的限制。產品永遠無法以足夠快的速度進入市場。通常在初始設計階段，會創建一些潛在的概念。在機器學習的幫助下，可以在比人類創建單個概念更短的時間內生成多個概念。
用戶可以修改生成的模型。由創成式設計創建的零件模型會產生B-rep（邊界表示）幾何。
展開 新思科技與 AMD 是基于雙方在半導體芯片設計領域將強化學習、生成式 AI 以及代理式（Agentic）AI 應用于工程流程方面的突出貢獻而受到表彰——這是一個對創新速度與精度要求極高的技術領域。
在芯片設計中引入人工智能，已不再是可選項。架構復雜性快速攀升、性能目標日益激進以及人才缺口持續擴大，使傳統的工程工作流面臨極限壓力。
AI 驅動的設計流程緩解了這些壓力——它們并非取代工程師，而是提升專家知識的效能與決策質量。代理式（Agentic）與基于學習的系統能夠幫助開發者更快速地探索龐大的設計空間，更有效地權衡取舍，并在問題成本最低時提前發現潛在隱患，從而實現更短的開發周期、更高質量的芯片以及更具韌性的創新鏈路。隨著上市時間壓力加劇以及高端芯片需求持續增長，這類流程正成為半導體行業未來發展的關鍵路徑。
新思科技與 AMD 被選為 MINDS 獎項得主，凸顯了在前所未有的行業壓力下，AI 創新在半導體行業中的戰略重要性。通過對這兩家公司的認可和表彰，世界經濟論壇強調：基于代理式（Agentic）和強化學習驅動的 AI 正從實驗階段邁向可規模化、可投入生產的工作流程。它們在增強人類開發者專業能力的同時，為工程團隊及更廣泛的科技生態體系帶來實質性價值。
作為全球最具創新力企業的重要研發合作伙伴，新思科技始終致力于推動行業前行。此次入選世界經濟論壇 MINDS 項目，并因 AI 在芯片設計這一極其復雜的工程領域中的突破性應用而獲得認可，我們深感榮幸。
Shankar Krishnamoorthy
首席產品開發官
新思科技
從強化學習到 Copilot 輔助功能，新思科技的 AI 能力正在助力 AMD 持續縮短芯片設計周期并提升開發者的生產力。
展開 圖 1：Altair? romAI? 是 Altair? HyperWorks? 設計和仿真平臺的一部分，是一個工具箱，可提高系統仿真效率。人工智能和動態系統理論技術的結合實現了卓越的準確性，同時大大減少了計算時間。
? 識別和優化行為模式
基于許多設計變體的仿真結果，使用無監督機器學習方法來創建具有統一行為模式的組。這使得我們可以直觀地處理數百次仿真。如下圖，最近的一個大規模鑄造示例展示了人工智能驅動的方法相對于傳統方法的巨大優勢。
圖 2：使用 AI 理解和優化大型鑄件組件的行為
全球100個AI應用案例電子書下載
△Altair 正式發布全球100個AI應用案例電子書，內容覆蓋10+行業的100個AI應用場景。點擊圖片立即獲取，了解全球AI驅動工程設計應用成功案例，以及AI技術如何為工業制造業的產品全生命周期帶來賦能與革新。
人工智能賦能生成式設計
? AI 支持的生成式設計全面優化工作流程
在任何開發過程中，都必須考慮眾多要求，以協調輕量化設計、功能要求和可制造性。
巨型鑄造組件的優化過程包括兩個階段。首先從基于線性化載荷情況的拓撲優化開始，以實現有效的材料布置。然后與多學科優化相結合，以評估組件的結構性能，并使用人工智能和機器學習支持的鑄造模擬來檢查其可制造性。
? 拓撲優化
Altair 強大的且經過驗證的生成式設計技術用于最有效地布置材料。在這里，可以為多學科載荷情況推導出最佳載荷路徑，包括數百種載荷工況、變量以及鑄件的制造約束。
? 多學科優化
在上述步驟中，將響應面建模（RSM）優化的應用與機器學習相結合，以滿足要求，并在非線性碰撞和鑄造仿真中為巨型鑄造結構提供最優的起筋方向和厚度分布。
展開 尤其在數據閉環迭代、長尾場景驗證及安全冗余驗證等關鍵環節中，高保真、高復雜度的場景生成能力正在成為測試體系的核心支撐。
傳統場景生成方式面臨效率低、人工成本高、行為多樣性不足等問題，難以滿足當前智能駕駛系統對大規模、多模態、真實物理驅動場景的需求。為應對這一挑戰，基于生成式AI的4D場景生成技術迅速興起，構建了從環境建模、行為重建到視覺渲染的完整鏈條，正在重塑自動駕駛仿真驗證的技術基礎。
本文將從技術背景、系統能力、核心技術和實際應用四個方面，系統梳理AI驅動的4D場景生成體系及其在自動駕駛仿真中的實踐價值。
一、測試覆蓋率瓶頸與生成式AI切入點
自動駕駛測試需要應對極其復雜的交通場景，包括非結構化路口、弱交通規則區域、極端天氣、低照度場景，以及多主體交互引發的不確定性行為等。當前基于真實數據采集或手工建模的方式存在如下限制：
（1）采集成本高：依賴實車、實景、多模態同步設備，周期長、數據稀疏；
（2）稀有場景不足：事故場景、異常行為等真實比例極低，難以高質量復現；
（3）組合爆炸問題：參數空間（如天氣、時間、交通密度）指數級增長，難以人工覆蓋；
（4）場景可控性弱：缺乏可調控的語義接口，測試粒度不足。
生成式AI具備從數據中學習潛在分布、生成新組合樣本的能力。其引入使得場景構建從“手工定義”轉向“自動生成”，具備如下優勢：
（1）能構造真實但未見過的長尾組合；
（2）能對目標測試策略進行定向增強（如遮擋率、交通密度等指標）；
（3）可支持大規模仿真測試平臺的持續供場；
（4）支持動態交互與時間演進建模，構建完整4D語義閉環。
二、4D場景生成的核心能力
所謂4D場景生成，核心在于“空間 + 時間”的聯合建模能力，既要對物理環境建模，也要對場景中各類參與者的行為軌跡進行動態建模與演化。
展開 
生成式設計的相關專題、標簽、搜索
生成式設計的最新內容
今日16:00，Ansys官方『Ansys高校系列專題：方程式賽車的智能化仿真設計』研討會研討會將基于Mechanical、Fluent、Discovery講解賽車結構與熱流體核心仿真，建立從概念驗證到詳細分析的完整研發流程。感興趣的下滑預約學習??
時間：5月13日（星期三），16:00-17:00
內容簡介：
1、基于Ansys Mechanical、Fluent、Discovery
白皮書將從以下內容展開
● 創意與造型設計
創意作品集看板與靈感探索高級創意與概念設計
面向A級品質的曲面建模與雕刻
從現實到虛擬的逆向工程
生成式設計與可視化腳本
沉浸式可視化
協作與同步設計
● 工程
歡迎頁面
模塊化設計
命令智能化
Lightspeed虛擬攣生
生成式裝配與面向制造的工程
● 系統工程
基于模型的系統工程
Cyber
識別生成式AI解決方案的商業價值17天前
識別生成式AI解決方案的商業價值 課程時長：1小時 課程大小：140.0MB 發布年份：2026 課程內容：許多機構在引入生成式AI時，缺乏評估其價值與展示實際回報的清晰框架。本課程將幫助你掌握評估生成式AI應用場景的能力，使其與實際業務成果相匹配。你將學習生成式AI基礎理念、成
高級RAG：構建與部署生產級生成式AI應用 發布于2026年，視頻格式MP4，視頻編碼h264，分辨率1920×1080，音頻編碼AAC，采樣率44.1kHz，雙聲道。課程共114講，時長11小時1個月前
高級RAG：構建與部署生產級生成式AI應用 發布于2026年，視頻格式MP4，視頻編碼h264，分辨率1920×1080，音頻編碼AAC，采樣率44.1kHz，雙聲道。課程共114講，時長11小時，文件大小10.1GB。 你將學到：使用BM25混合搜索、RRF融合與Qdr
打入式斷續變焦光學系統的固定組就是一般定焦系統的物鏡，需要獨立矯正像差。活動組一般由正負兩組透鏡組成。在變焦過程中一般遵循系統相對孔徑不變原則。在分配活動組兩組透鏡的焦距時有兩種求解方法，一種是根據前活動組位置及后組位置先求出光線M1M2，很容易得到兩組份焦距值；
A) 會聚光路中打入型變焦系統設計
多組轉換型變焦系統可以實現多檔斷續變焦。設計時同時設計多重可打入活動組，在打入時隨意轉換。多組轉換型的活動組可以放置在會聚光路中也可以在平行光路中。選擇在平行光路中，可利用活動組的無焦性來回倒置獲得放大縮小兩種不同變焦效果。
?
打入式斷續變焦系統還分為一次性打入式斷續變焦系統和多重轉換式斷續變焦系統兩種。一次性打入式斷續變焦系統只有打入或打出兩個變焦倍率。多重轉換式斷續變焦系統可以通過多組可打入組分輪番打入（打出）獲得多個變焦倍率。
1. 一次性打入式斷續變焦系統設計
打入（出）型斷續變焦系統結構比較簡單，在不需要連續變焦時一般采用這種結構形式。在活動組打出時使用固定組，系統焦點位置穩定，瞄準精度高。打入（出）型變焦系統的活動組可以在前
多組轉換型變焦系統可以實現多檔斷續變焦。設計時同時設計多重可打入活動組，在打入時隨意轉換。多組轉換型的活動組可以放置在會聚光路中也可以在平行光路中。選擇在平行光路中，可利用活動組的無焦性來回倒置獲得放大縮小兩種不同變焦效果。
圖1.多組轉換型變焦系統結構示意圖
圖2.多組轉換型變焦系統結構展開示意圖
在移動機器人的設計過程中，工程師們常常面臨一個尷尬的問題：設備功能都規劃好了，卻發現底盤空間所剩無幾，連一套充電模塊都塞不進去。
這種“功能越強，空間越緊”的矛盾，隨著機器人集成度的提升而日益突出。傳感器要加，電池要大，留給充電模塊的位置卻被不斷壓縮。于是，一個原本不該成為瓶頸的問題開始浮現：充電方案，到底能不能裝得下？
青島魯渝能源科技有限公司推出的分體式1200W與3000W無線充電器
工采網代理的CT8224C是一款電容感應式觸摸檢測芯片；提供4個觸摸輸入端口及4個直接輸出端口；并支持多點同時觸摸同時輸出；此款IC內建穩壓電路，穩定的感應方式可以應用到各種不同電子類產品。面板介質可以是完全絕源的材料，取代傳統的機械開關和普通按鍵，廣泛應用在消費電子產品中。
CT8224C提供快速和低功耗兩種模式可選擇（由LPMB引腳選擇）內部有穩壓電路和低壓重置電路
