AI輔助設計的案例
EDA引入AI輔助芯片設計，對工程師意味著什么？
圖3 機器學習在工程領域的潛力應用
目前在芯片設計過程中，開發者最常遇到的問題，是由先進制程所帶來的電子遷移(Electron Migration, EM)、時序(Timing)與功率(Power)問題。這些問題就很適合用機器學習的方法來解。Ansys已經跟NVIDIA合作發展出一套輔助工具，讓已經完成線路布局的芯片設計，在模擬環境中進行分析，看芯片會不會遇到EM相關問題，以判斷線路布局是否需要修改(圖4) 。
圖4 以機器學習為基礎的EM輔助系統
傳統上，當芯片開發團隊完成線路布局后，是用工程團隊所設定的條件去進行模擬，但因為模擬需要耗費相當長的時間，因此開發團隊設定的模擬情境很難涵蓋周延。但在ML的輔助之下，機器學習可以幫工程師注意到以前沒關注的盲點，從而在芯片還在設計階段就把可能出現的問題排除。
AI不是萬能設計最佳化還得靠人腦
雖然用機器學習或人工智能來設計芯片將是未來趨勢，而且有越來越多芯片設計開發的環節開始使用相關工具，但誠如張嘉鴻所言，機器學習只是眾多工具中的一種，不是所有問題的萬靈丹。因此，人在芯片設計的整個過程中，還是會扮演非常重要的角色，只是專注的工作跟現在不一樣。
明導國際(Mentor Graphic)執行長Walden Rhines(圖5)就表示，人工智能是許多學運算科學的人都研究過的題目，在他還是個年輕工程師的時候，就有參與過類似的開發專案。看到現在人工智能的蓬勃發展，一方面有終于熬到出頭天的感慨，但另一方面還是得指出，神經網路(Neuro Network, NN)、機器學習這些人工智能技術，在應用上還是有其限制，不應該把AI神化。
展開 EDA引入AI輔助芯片設計，對工程師意味著什么？
Ansys已經跟NVIDIA合作發展出一套輔助工具，讓已經完成線路布局的芯片設計，在模擬環境中進行分析，看芯片會不會遇到EM相關問題，以判斷線路布局是否需要修改(圖4) 。
圖4 以機器學習為基礎的EM輔助系統
傳統上，當芯片開發團隊完成線路布局后，是用工程團隊所設定的條件去進行模擬，但因為模擬需要耗費相當長的時間，因此開發團隊設定的模擬情境很難涵蓋周延。但在ML的輔助之下，機器學習可以幫工程師注意到以前沒關注的盲點，從而在芯片還在設計階段就把可能出現的問題排除。
AI不是萬能設計最佳化還得靠人腦
雖然用機器學習或人工智能來設計芯片將是未來趨勢，而且有越來越多芯片設計開發的環節開始使用相關工具，但誠如張嘉鴻所言，機器學習只是眾多工具中的一種，不是所有問題的萬靈丹。因此，人在芯片設計的整個過程中，還是會扮演非常重要的角色，只是專注的工作跟現在不一樣。
明導國際(Mentor Graphic)執行長Walden Rhines(圖5)就表示，人工智能是許多學運算科學的人都研究過的題目，在他還是個年輕工程師的時候，就有參與過類似的開發專案。看到現在人工智能的蓬勃發展，一方面有終于熬到出頭天的感慨，但另一方面還是得指出，神經網路(Neuro Network, NN)、機器學習這些人工智能技術，在應用上還是有其限制，不應該把AI神化。
圖5 明導國際執行長Walden Rhines認為，機器學習在EDA領域的應用還在發展中，而且有些IC設計步驟所遭遇的問題未必適合用機器學習來解決。
以IC設計為例，用機器學習來做芯片繞線布局，其實是非常「粗放」的。雖然用這種方法可以加快芯片設計的速度，但很難做到面積、功耗或性能的最佳化。
展開 CATIA助力AI提升汽車造型設計【8月22日直播】
<p>CATIA在汽車制造領域有著廣泛的應用，作為一款領先的三維設計和工程軟件，它為汽車制造商提供了強大的工具和功能，可以有效幫助車企提高設計效率、縮短研發周期、提高生產效率和質量。</p><p>目前在汽車創意設計階段，為滿足市場對汽車造型推陳出新的多樣性要求，設計師需要繪制大量的草圖和效果圖來探索各種造型方案，汽車創意設計工作量大、耗時長。隨著人工智能技術的不斷成熟，很多汽車設計主機廠已經開始探索使用AI來幫助他們進行創意設計或繪圖。</p><p>但AI生成的效果圖往往比較隨機，造型不可控。為了讓AI效果圖更符合設計要求，設計工程師在文生圖基礎上加上草圖控制，這樣AI就不會隨機生成無用的方案，讓AI生成的效果圖符合設計要求。但是設計師在二維空間繪制的這些草圖往往變形夸張、空間占位不準確，所以AI生成的這種效果圖其實也是失真的。</p><p>工業設計和其它設計的最大差別是設計出來的產品需要進行批量化生產，所以設計是需要滿足工程要求的。</p><p>為有效提高工作效率，讓CATIA和AI成為汽車設計工程師的雙重buff，<strong>8月22日</strong>達索為大家帶來<strong>【CATIA助力AI提升汽車造型設計】</strong>線上研討會，讓汽車造型設計工程師們在CATIA與AI的協作下，實現AI繪圖工程化、AI創意設計流程化，以及設計工作協同化。<strong>下滑掃碼或文末點擊閱讀原文免費預約。
展開 行業分享丨AI+仿真如何重塑設計研發價值？
數字孿生依賴仿真與 AI 的協同推進
但真正讓“平臺”從工具組合上升為企業能力底座的，是“數據驅動”的轉型視角。數據驅動也正深刻重塑研發流程。從建模、求解、到后處理，AI 在每一個環節的嵌入，不再只是輔助，而是參與決策。通過專家系統、智能特征提取與模式識別，我們正見證仿真從工程輔助工具，邁向智能設計伙伴的轉型。
為了支撐這種轉型，我們不斷優化仿真平臺的計算資源結構。Altair “仿真數據管理（SPDM）”和“工程知識中臺”的建設思路。借助 Altair HyperWorks 中的數據結構化機制，以及 Altair One 云平臺的統一訪問接口，企業可實現模型資產、分析模板、設計迭代數據的統一管理與復用，在提升研發效率的同時，積累可追溯、可復用的“知識資產”。
而在 AI 與仿真的結合方面，Altai RapidMiner 數據分析與人工智能平臺，可輔助工程人員實現智能建模、自動優化、特征提取等任務。這種“物理+數據”的融合策略，不僅可以加速概念設計階段的決策，還能在優化與驗證階段大幅節約試錯成本。
數字孿生的核心挑戰之一是建模效率與響應速度。 Altair 通過 romAI?、PhysicsAI? 等技術實現了高保真模型的降階，結合實時推理能力，正在為多個行業客戶構建“輕量、快速、可部署”的孿生能力底座。
HPC 能力決定仿真效率與創新邊界
在 AI 與多物理場仿真加速交匯的背景下，高性能計算（HPC）成為實現復雜系統模擬的基礎設施。
展開 
CATIA助力AI提升汽車造型設計【8月22日直播】
點擊圖片報名觀看??
生成式AI輔助汽車造型設計
隨著科技的不斷進步，人工智能（AI）逐漸滲透到我們生活的各個領域，尤其是在汽車設計行業。生成式AI的出現為設計師們提供了全新的工具和思維方式。在ChatGPT發布之前，特斯拉、寶馬、奧迪和福特等汽車制造商已經開始利用AI進行汽車造型設計、性能優化和用戶體驗分析。AI能夠通過分析大量的設計數據和市場趨勢，生成獨特的汽車造型。這種創意的多樣性為設計師提供了新的靈感來源，幫助他們突破傳統設計的限制。通過AI生成效果圖，設計師可以減少傳統手繪或3D建模所需的時間和成本，從而使設計過程更加經濟高效。
在汽車設計的初期創意階段，為滿足市場對汽車造型推陳出新的多樣性要求，設計師需要繪制大量的草圖和效果圖，以探索不同的造型和風格。這一階段的工作量相對較大，因為設計師需要嘗試多種設計方向。
隨著人工智能繪畫技術的不斷成熟，越來越多的設計師開始使用AI來輔助他們的創意設計。這種技術大大減輕了設計師的手繪工作量。
目前，許多汽車設計中心已經開始探索使用AI進行創意設計。為了避免知識產權糾紛，他們根據已有車型素材訓練了符合品牌DNA的AI大模型，并通過文本生成圖像的方式生成效果圖。然而，他們發現這種方式生成的效果圖比較隨機，且造型不可控。因此，他們在文本生成圖像的基礎上引入草圖控制，即設計師首先繪制二維草圖，然后用草圖來指導AI生成效果圖，這樣AI就不會隨機生成不符合要求的造型方案。
然而，設計師繪制的這些二維草圖往往為表達效果而夸張變形，且空間透視不準確。此外，這些草圖是在二維平面下繪制的，無法參考三維工程模型，因此AI參考的二維草圖生成的效果圖也常常失真。
達索系統CATIA助力AI的價值
三維草繪
達索系統基于3DEXPERIENCE平臺的CATIA三維草繪技術有效解決了上述問題。
展開 解鎖AI在工程設計、仿真與制造中的變革力量！AI For Engineers 2025 全球線上會議火熱報名中
wx_fmt=png"></p><p class="ql-align-center"><strong>ATCx AI FOR ENGINEERS 2025 全球線上直播會議</strong></p><p>AI 并非取代我們的工作，而是“化繁為簡”的得力助手。它將繁瑣變為自動化，將復雜變為可能。隨著 AI 技術的不斷迭代發展，在設計、制造和業務戰略方面，它為工程師提供了更大的空間。Altair 將 AI 視為“增效器”，增強人類的專業技能，優化工作流程，加速創新，構建更安全、更互聯、更可持續的未來。</p><p><strong>6月26日，全球年度會議 AI FOR ENGINEERS 將重磅開啟</strong>，屆時 Altair 將邀請全球知名企業與行業專家在線分享他們的 AI 助力工程設計、仿真與生產制造的實踐經驗。</p><p class="ql-align-justify"><strong>誠邀您報名參會，共赴 AI 賦能仿真工程的未來！</strong></p><p><strong>會議時間：</strong>2025 年 6 月 26 日（周四）16:00 </p><p><strong>會議形式：</strong>線上直播</p><p><strong>會議語言：</strong>英語<strong>（提供中文同聲傳譯）</strong></p><p>*大會將在多個不同的時區同步進行線上直播。屆時線上將免費提供中文、日語、韓語、葡萄牙語和西班牙語等多國語言同聲翻譯。
展開 成功案例丨仿真+AI技術為快消包裝行業賦能提速：基于 AI 的輕量化設計節省數十億美元
Altair解決方案
Kinetic Vision 采用了 Altair PhysicsAI? 這一具有突破性的 AI 驅動仿真方案，融合深度學習與歷史計算機輔助工程（CAE）數據的強大能力，可快速提供物理預測結果。通過利用歷史仿真數據訓練 PhysicsAI 模型，Kinetic Vision 成功以近乎即時的預測結果替代了冗長的有限元分析運算，將求解時間從數小時或數天縮短至數秒。
為驗證解決方案的準確性，Kinetic Vision 在四種非線性場景中，將 PhysicsAI 的結果與傳統仿真方法進行了對比。
全球AI盛會丨亮點揭秘！3大會場，20+熱點議題：AI 技術如何為工程設計、仿真與制造賦能
AI FOR ENGINEERS 2025
全球線上直播會議丨提供中文同聲傳譯
2025 年 6 月 26 日，Altair 將于線上舉辦面向廣大工程師的全球線上會議 “AI for Engineers” 。會議將深度解析 AI 在產品開發、制造和高性能計算 (HPC) 領域的實際應用，包括：AI 賦能智能制造、AI 驅動的智能工程、AI 助力不同學科的仿真、AI Agent、數字孿生與結果預測、知識圖譜助力制造業創新等前沿議題。無論您是想加快仿真速度、簡化生產流程，還是想更快地做出更好的決策，本次會議都將為您提供從戰略到工具的見解，幫助您將 AI 作為效率倍增器，加速創新，賦能未來。
會后，所有參會者都可以免費獲取 Altair 獨家編制的全球 100 個 AI 驅動工程變革的應用案例*，從概念到現實，了解各行業企業如何利用人工智能技術改變從設計、仿真到制造的全流程，從而實現最高效率、準確性和技術的創新性。
邀您一起解鎖 AI 如何化繁為簡，重塑工程創新的無限可能！
會議時間：2025 年 6 月 26 日（周四）
16:00 開始
會議形式：線上直播
會議語言：英語（提供中文同聲傳譯）
*大會將在多個不同的時區同步進行線上直播。屆時線上將免費提供中文、日語、韓語、葡萄牙語和西班牙語等多國語言同聲翻譯。
立即報名
溫馨提示：因服務器地域問題，掃碼后需等待5秒，請耐心等待自動跳轉至報名頁哦~
*我們將通過郵件的形式為會議參會者陸續提供【100個實際應用案例】，請確保正確填寫您的郵箱信息。
展開 成功案例丨仿真+AI技術為快消包裝行業賦能提速：基于 AI 的輕量化設計節省數十億美元
輕量化設計通常可實現 20% 至 30% 的材料節省，這相當于每年減少數十億美元的塑料瓶被送往垃圾填埋場。</p><p><br></p><p>然而，傳統有限元分析（FEA）研究耗時耗力，往往需要數周甚至數月才能得出最優設計方案。這使得包裝工程師難以大規模探索替代幾何結構，導致潛在材料節省空間（據《未來市場洞察》2024 年吹塑塑料市場報告顯示，潛在價值達數十億美元）未能得到充分挖掘。</p><p><br></p><p><br></p><p><strong>Altair解決方案</strong></p><p><br></p><p>Kinetic Vision 采用了 Altair PhysicsAI? 這一具有突破性的 AI 驅動仿真方案，融合深度學習與歷史計算機輔助工程（CAE）數據的強大能力，可快速提供物理預測結果。通過利用歷史仿真數據訓練 PhysicsAI 模型，Kinetic Vision 成功以近乎即時的預測結果替代了冗長的有限元分析運算，將求解時間從數小時或數天縮短至數秒。</p><p><br></p><p>為驗證解決方案的準確性，Kinetic Vision 在四種非線性場景中，將 PhysicsAI 的結果與傳統仿真方法進行了對比。
展開 邀請函丨年度 AI 仿真全球線上會議報名開啟！AI For Engineers 2025，為工程設計、仿真與制造賦能
ATCx AI FOR ENGINEERS 2025
全球線上直播會議
AI 并非取代我們的工作，而是“化繁為簡”的得力助手。它將繁瑣變為自動化，將復雜變為可能。隨著 AI 技術的不斷迭代發展，在設計、制造和業務戰略方面，它為工程師提供了更大的空間。Altair 將 AI 視為“增效器”，增強人類的專業技能，優化工作流程，加速創新，構建更安全、更互聯、更可持續的未來。
6月26日，全球年度會議 AI FOR ENGINEERS 將重磅開啟，屆時 Altair 將邀請全球知名企業與行業專家在線分享他們的 AI 助力工程設計、仿真與生產制造的實踐經驗。
誠邀您報名參會，共赴 AI 賦能仿真工程的未來！
會議時間：2025 年 6 月 26 日（周四）
16:00 開始
會議形式：線上直播
會議語言：英語（提供中文同聲傳譯）
*大會將在多個不同的時區同步進行線上直播。屆時線上將免費提供中文、日語、韓語、葡萄牙語和西班牙語等多國語言同聲翻譯。
立即報名
溫馨提示：因服務器地域問題，掃碼后需等待5秒，請耐心等待自動跳轉至報名頁哦~
會議亮點預告
AI 賦能工程：全球知名車企案例解析 AI 如何幫助工程師提效、決策；
加速智能制造中的 AI 應用：了解全球制造企業如何利用 AI 降低成本、優化生產流程，縮短上市周期。
通過 HPC 與 AI 拓展智能：了解高性能計算（HPC）與 AI 如何強強聯合，重塑大規模計算方式。
展開 AI賦能超表面設計 | 突破光學設計局限
原文信息
原文標題：“AI for optical metasurface”
第一作者：Akira Ueno、Juejun Hu、Sensong An
超表面的特性與商業化需求
作為一種由亞波長單元構成的二維人造材料陣列結構，超表面能夠憑借特定的結構設計與排列，實現對光波相位、振幅和偏振的有效調控。歷經多年發展，超表面正逐步從實驗室邁向商業市場。要達成這一轉變，需要更先進準確的超表面單元設計方法，要考慮加工制造過程中的偏差，還需引入特定處理算法以提升光學性能。那么，超表面怎樣才能 “走進千家萬戶” 呢？人工智能給出了一套可行的解決方案。
AI X 超表面（來自原文）
AI 助力超表面單元設計突破局限
當前，超表面單元設計廣泛采用的方法以周期性邊界條件近似假設為基礎。當相鄰單元的耦合較弱且相位梯度較小時，這種方法可以快速設計出符合要求的超表面。但在該框架下，無法設計出具有大數值孔徑和視場角的超表面（Metasurface）或超透鏡（Metalens），而這恰恰是超表面相較于傳統光學和衍射光學元件（DOE）的核心優勢。
AI與超表面單元設計案例（來自原文）
近年來，研究人員提出了幾種新穎的深度神經網絡（DNN）模型，這些模型將相鄰單元的形貌納入輸入范圍，并利用大型數據集來識別實際邊界條件下不同相鄰單元產生的影響。例如，以目標單元和與其最相鄰的八個單元作為輸入，來預測目標單元的響應。利用時域有限差分法（FDTD）獲取充足的訓練數據后，模型能夠充分考慮單元之間的相互耦合，進而輸出高效率的超表面單元結構。
AI 應對超表面制造與封裝偏差
在超表面的生產制造與封裝過程中，必然會存在偏差，這是超表面設計中無法回避的問題。
展開 
邀請函｜相約新鄉——“AI 賦能，智造躍遷” AI 驅動數字化創新設計促進新質生產力發展交流會
wx_fmt=jpeg&from=appmsg"></p><p><br></p><p>為了助力河南新鄉地區制造業數字化再升級，<strong>3月20日</strong>，Altair 將攜手河南省機械工程學會、新鄉市科學技術協會共同舉辦<strong>AI 驅動數字化創新設計促進新質生產力發展交流會</strong>。本次會議聚焦 CAE 軟件工具與 AI 驅動的數字化設計方法，旨在通過技術賦能，助力企業實現從“<strong>經驗驅動</strong>”向“<strong>數據驅動</strong>”的躍遷。</p><p><br></p><p>誠摯邀請河南地區用戶參會交流，共同推動產業蓬勃發展！</p><p><br></p><p><strong>參會席位有限，請提前報名鎖定席位。</strong></p><p><br></p><p><strong>期待與您共同探 AI 賦能創新，仿真驅動智造的新篇章！</strong></p><p><br></p><p><strong>會議詳情</strong></p><p><br></p><p><strong>會議時間：</strong>2025 年 3 月 20 日（周四）</p><p><strong>會議地點：</strong>河南 新鄉 （詳址將在報名后通知）</p><p><strong>參會費用：</strong>審核通過的嘉賓可免費參會（免費提供會議資料，差旅費用自理）</p><p><br></p><p class="ql-align-center"><strong>點擊下方按鈕立即報名</strong></p><p><a href="https://app.ma.scrmtech.com/meetings-api/sapIndex/SapSourceData?
展開 AI賦能電子散熱設計，迅速識別熱風險，實現散熱設計優化（內含干貨直播）
此外，Celsius Studio 能夠無縫地用于設計同步多物理場分析，助力設計人員在設計流程的早期發現熱完整性問題，并有效利用生成式 AI 優化算法和新穎的建模算法來確定理想的散熱設計。</p><h3><strong>客戶成功案例</strong></h3><p> “Celsius Studio 的問世是 Cadence 開拓系統分析市場的一個里程碑，它不僅為芯片、封裝和 PCB 熱分析提供了理想的 AI 平臺，還為電子散熱和熱應力分析提供了卓越的 AI 平臺，對于當今先進的封裝設計（包括 chiplet 和 3D-IC）而言，這類分析至關重要。”目前已有多家知名企業選擇。</p><blockquote><strong>三星半導體</strong></blockquote><p> “Celsius Studio 幫助三星半導體工程師在設計周期的早期階段獲得分析和設計見解，以更簡單的方式快速生成 3D-IC 和 2.5D 封裝的精確仿真。通過與 Cadence 的合作，我們的產品開發效率提高了 30%，同時優化了封裝設計流程，縮短了周轉時間。”</p><blockquote><strong>BAE系統公司</strong></blockquote><p> “Celsius Studio 通過 BAE Systems 的定制 GaN PDK 與 Cadence AWR Microwave Office IC 設計平臺無縫集成，能夠在整個 MMIC 設計周期內進行快速、準確的熱分析，提高了設計一次性成功的概率，并顯著改善了 RF和熱功率放大器的性能。”
展開 新聞︱神工坊受邀出席無錫人工智能產業園“AI賦能研發設計”主題活動，共探算力與AI時代下的CAE范式革新
<p><br></p><p><br></p><figure style="text-align: center;"><figure class="figure-image" contenteditable="false" data-img="https://img.jishulink.com/202605/attachment/7cdce50ea3354376884bf75150631b46.gif" style="display: inline-block;"><img src="https://img.jishulink.com/202605/attachment/7cdce50ea3354376884bf75150631b46.gif"></figure></figure><p class="ql-align-center"><br></p><p> 2026年4月23日，由無錫人工智能產業園、無錫市信息化協會聯合主辦的犀數工坊“AI+制造”系列活動第四期——“AI賦能研發設計”主題沙龍在無錫人工智能產業園成功舉辦。神工坊?作為先進工程計算引領者，受邀出席并作深度分享。</p><p> 本次活動緊密圍繞《無錫市建設“人工智能+”標桿城市行動計劃（2025-2027年）》文件，聚焦AI在產品設計、優化等核心環節的應用。神工坊?基于在“超算+AI”領域的深厚積淀，為現場二十余家企業揭示了人工智能賦能研發設計的本質路徑與未來藍圖。
展開 當AI侵入嵌入式設計......
這些比賽的板子贊助商越來越傾向于提供帶AI加速單元的開發板，高校之類的主辦方本身也鼓勵學生在競賽作品中盡可能地融入AI技術，甚至將其作為一個硬性規定加入到比賽規則里，比如去年底我們參加的全國大學生電子設計競賽，瑞薩作為贊助商，提供的板子就是加入了AI圖像處理加速單元的產品——而且比賽中著意于突出這項特性本身。
這和AIoT或者說邊緣AI的大趨勢是有很大關系的。這類學生競賽對AI技術，尤其是計算機視覺技術的融入，一定程度表明現在采用AI技術的開發門檻并不高，或者說以計算機視覺應用為代表的AI技術在走向成熟。
對于嵌入式應用、DIY愛好者、研究人員而言，現在要在產品或作品中融入AI技術，已經變得越來越容易。畢竟人臉檢測、對象存在檢測、人頭計數以及各種計算機視覺相關的應用很熱門，而且頗有稀松平常之勢。現成的傳感器、處理器算力支持，乃至算法支持的軟件和庫都愈發完善。
甚至主要占據云上AI市場的英偉達，在2019年GTC大會上都推出了價格99美元的Jetson Nano開發者套裝——看起來其實不怎么像我們理解中英偉達的風格。這類型的產品對于AI相關的算法研究、做AI原型產品測試之類的都有價值。
而且在去年10月份，老黃又發揮生（jīng）態（zhàn）建（dāo）設（fǎ）的特色，推出一款2GB RAM的Jetson Nano開發套裝，59美元的價格，即更低門檻就能上手AI（和CUDA）。英偉達自己在Jetson Nano產品的宣傳上，分別用了“AI for Everyone”（4G版）和“Discover AI”（2G版）兩個宣傳語。
這個產品線尤其在邊緣AI、AIoT方面具備了代表性，借此我們也能談談，嵌入式設計普遍開始融入AI技術的趨勢，以及這個趨勢的兩個組成部分：性能與生態。
展開 