生成式AI設計的案例
新思科技攜手AMD榮登世界經濟論壇MINDS榜單，生成式與自主式AI推動芯片設計進入全新階段
MINDS 獎項與項目隸屬于世界經濟論壇的 AI Global Alliance（全球人工智能聯盟）計劃，旨在甄選能夠在高復雜度、高風險挑戰中引領人工智能應用落地的組織。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。
展開 數據分析與AI丨在企業環境中利用知識圖譜賦能生成式 AI
<p><br></p><p>如今，各行各業對生成式人工智能（GenAI）的參與度遠超以往。GenAI 發展迅猛，不斷帶來新的機遇與價值。然而，對企業而言，實施 GenAI 常面臨諸多挑戰，或覺其難以駕馭，或擔憂風險過高。</p><p><br></p><p>盡管存在一定局限，但<strong>技術的進步以及知識圖譜等工具的出現，正不斷強化 GenAI 的數據分析能力。</strong>在用戶 AI 環境中引入知識圖譜，能夠讓模型輸出更<strong>精準、一致，且具備可追溯性</strong>，同時保障<strong>數據安全與隱私。</strong></p><p><br></p><p>Gartner 分析師指出，<strong>知識圖譜是企業構建更先進 GenAI 解決方案的關鍵基礎設施。</strong>知識圖譜包含語義層，即ontology（本體論），它能賦予企業特有數據在專業領域的清晰、全面業務含義。這一本體可作為基礎上下文，為分析處理及數據建立終端用戶問題與數據之間的映射關系。此外，大語言模型（LLM）與知識圖譜技術相結合，可以<strong>使用概念模型作為上下文提供可信、經過驗證的輸出</strong>。</p><p><br></p><p><img src="https://mmecoa.qpic.cn/mmecoa_jpg/x0yLiaf5fF6x0FHMa9san31EB22wZygdIAz4nymZQNnoRbf4g0oYcSm58SjeDIwORhYchMCaIMDwUFPnVQWrPsg/640?
展開 生成式 AI 重塑自動駕駛仿真：4D 場景生成技術的突破與實踐
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 借助生成式AI進行更智能的API審查
本文翻譯自：Smarter API Reviews With Gen AI
原文作者：Qt Group軟件工程師Daniel Smith
隨著生成式AI的興起，各企業正試圖探索如何在其環境中實施，以提升流程的效率。或許最佳切入點是尋找流程中的現有痛點，然后思考AI如何應對這些問題。（本篇博文由真人撰寫）
Dall-E 3圖像生成提示語：一臺設計時尚的未來智能機器人坐在電腦前，分析屏幕上代碼的差異。機器人外觀友好、平易近人，屏幕展示了帶有高亮部分的復雜代碼。周圍環境暗示這是一個現代化的高科技辦公空間。
歷史背景
Qt Project的一個主要痛點歷來是在版本發布前按時完成API審查。API的增加和改動對Qt框架的使用方式有重大影響，并且對已有API的改動經常會破壞用戶的系統兼容性，所以這些變更必須在加入最終發布版本之前仔細審查。為Qt添加新功能通常意味著引入新的API，我們希望未來這些新API能夠為用戶提供良好的設計和穩定的使用體驗。然而有時現有的API免不了發生變更，我們也需要確保這些變更是經過深思熟慮的，而且除了變更外，沒有其他替代方案能夠避免破壞兼容性。
這種做法雖然多年來行之有效，但在一些重要API更改初步合并后，卻因為在發布審查時需要撤回或在最終發布前進行重大修改，而導致發布日期多次延誤。為了縮短API變更實施與最終發布準備之間的時間差，我們希望在周期的早期階段進行API變更審查。但該如何實現呢？
最初的討論主要集中在簡單地為任何頭文件變動打上標簽以供人工審查，但這樣的解決方案太過繁縟。反而會導致工作量增加。但是，如果我們可以讓AI承擔一部分初步的代碼分析任務，至少可以用它來判斷某個改動是否“重大”，這樣會不會更好呢？
什么是GPT？
展開 
識別生成式AI解決方案的商業價值
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
康謀分享 | aiSim5基于生成式AI擴大仿真測試范圍（終）
2、添加動態對象
在NeRF和3DGS生成靜態場景后，aiSim5將基于外部渲染API進一步增加動態元素，不僅可以重建原始場景，也可以根據測試需求構建不同的交通狀態。
編輯
aiSim5中基于NeRF/3DGS場景細節。
圖13：網格投射陰影
編輯
圖14：車下環境遮蔽
3、效果展示
在aiSim5中完成動態對象的添加后，可以自由的在地圖場景中更改交通狀態，用于感知/規控等系統的SiL/HiL測試。
圖15：aiSim5運行NeRF城市場景1
圖16：aiSim5運行NeRF城市場景2
作者介紹
崔工
康謀科技仿真測試業務技術主管，擁有超過5年的汽車仿真測試及自動駕駛技術研發經驗，熟練掌握仿真測試工具和平臺，如aiSim、HEEX等，能有效評估和優化自動駕駛系統的性能和安全性。擁有出色的跨文化溝通能力，成功帶領團隊完成多項海外技術合作項目，加速了公司在自動駕駛技術上的國際化進程。作為技術團隊的核心，領導并實施過大規模的自動駕駛仿真測試項目，對于車輛行為建模、環境模擬以及故障診斷具有獨到見解。擅長運用大數據分析和人工智能技術，優化仿真測試流程，提高測試效率和結果的準確性。
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 下一代電池開發：融合最新AI技術、結合AR/VR沉浸式設計【研討會預約】
作為業界優秀的產品設計軟件，NX一直致力于為電池儲能行業提供強大的設計支持。
3月6日 ， 在即將舉辦的 "技術賦能，創新引領-NX助力電池儲能企業高效創新"在線研討會上，全面展示NX最新技術進展，并帶來NX在新能源行業高效支持研發創新的各項舉措，以幫助電池儲能企業實現高質量發展的愿景。 參會可得Kappa燃脂計數跳繩、頸帶式藍牙耳機，下滑預約！
會議亮點
技術賦能，創新引領--NX助力電池儲能企業高效創新
參與本次NX講座，您將了解:
1??搶先了解下一代NX產品的相關進展，在競爭中搶得先機；
2??獲得專家在線指導，掌握NX使用的實戰秘籍；
3??與來自西門子數字化工業軟件的專家實時互動，解答疑惑。
↓↓↓↓↓↓↓
技術鄰簡介:
技術鄰專注于工科技術社區，從最早的CAE技術社區（中國CAE聯盟）發展而來，在CAE領域有20年的教學和咨詢服務經驗。
更多福利資料領取、行業內最新研討會預約、仿真服務 ， 掃碼添加技術鄰客服 詳細咨詢~
（??掃描二維碼添加客服詳細咨詢??）
往期推薦
基于Hyperworks和Ls-dyna的電池包擠壓之焊點失效模擬仿真分析（含模型文件、對比分析及相關指導）
汽車電池熱管理冷卻技術分析（含視頻詳細講解）
一文帶你了解汽車動力電池熱管理系統的類型、管理方案以及發展趨勢（內含視頻教程）
展開 新一代生成式設計工業軟件-OptFuture入駐啦！
[圖片]
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
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
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 
Nvidia H100：今年55萬張夠用嗎
Meanwhile, generative AI (GAI) investments continue to fund GPU infrastructure purchases. As reported, in the first 6 months of 2023, funding to GAI start-ups is up more than 5x compared to full-year 2022 and the generative AI infrastructure category has seen over 70% of the funding since Q3’22.
與此同時，生成式人工智能 (GAI) 投資繼續為 GPU 基礎設施采購提供資金。 據報道，2023 年前 6 個月，GAI 初創企業獲得的資金比 2022 年全年增長了 5 倍以上，自 2022 年第三季度以來，生成式 AI 基礎設施類別已占資金的 70% 以上。
Worth the Wait
The cost of a H100 varies depending on how it is packaged and presumably how many you are able to purchase. The current (Aug-2023) retail price for an H100 PCIe card is around $30,000 (lead times can vary as well.) A back-of-the-envelope estimate gives a market spending of $16.5 billion for 2023 — a big chunk of which will be going to Nvidia.
展開 2.5直播預告丨西門子工業 AI 賦能家電產品研發創新（互動有禮）
這使產品變得愈加復雜，同時還要求企業在經濟全球化的壓力下，更快地將新設計推向市場。
AI 技術給未來設計帶來了巨大的改變，西門子在數字化產品研發領域，創新融合 AI 技術，在沉浸式工程、生成式 AI、協同設計等領域實現了創新應用，可以進一步的幫助我們加速家電產品創新研發：
1. 通過在沉浸式工程環境中工作來做出更好的決策，減少物理原型，降低產品研發成本。
2. 借助NX中的創成式工程跨多個工程領域進行創新和優化，通過指定需求、約束和關聯，可滿足消費者需求、進行性能設計，利用AI和基于仿真的方法打造新一代設計。
3. 在整個產品開發流程中，NX創新的協同方式可以更好、更快的與客戶、合作伙伴，實現設計協作，實現產品更快的上市周期。
主講人：陳智洪 西門子數字化工業軟件產品工程資深顧問，25年工程經驗，擁有17年的 CAD/CAE 工程技術經驗，長期參與各行業數字化轉型業務，為企業數字化研發解決方案提供業務咨詢、方案設計和實施。目前主要負責西門子工業軟件 NX 技術咨詢與支持工作。
會議時間：2月5日 周四 14：00-15：00
會議形式：線上 免費
參與方式：
掃碼報名
參與線上研討會
互動有禮-活動規則：
1.本次直播期間將抽出10位參與提問互動的客戶，各贈送西門子定制手提保溫杯一個。
2.本次直播期間提交調查問卷的客戶，也將有機會參與問卷調查會后抽獎環節，共抽出10位客戶各贈送西門子定制手提保溫杯一個。
3.若您中獎，主辦方將于直播結束后一周內發送中獎短信至您的注冊手機號，自收到短信起3天內，若未收到您填寫的地址等個人信息，視為自動放棄該獎品。
展開 使用大型語言模型（LLMs）、檢索增強生成（RAG） ￥5
- 視頻格式：MP4 | 視頻編碼：h264，分辨率1920×1080 | 音頻編碼：AAC，采樣率44.1 KHz，雙聲道
- 語言：英語 | 時長：6小時08分鐘 | 大小：3.38 GB
- 課程簡介：使用大型語言模型（LLMs）、檢索增強生成（RAG）、智能體和全棧工程實踐，構建可投入生產的生成式人工智能系統。
- 學習內容：
- 設計和構建基于大型語言模型（LLMs）、Transformer、嵌入技術和現代AI架構的可投入生產的生成式AI系統。
- 實現檢索增強生成（RAG）流水線，將大型語言模型與外部知識相結合，減少幻覺現象，打造企業級AI應用。
- 利用工具調用、多步驟推理、記憶功能和人機協同控制，開發自主智能體AI系統。
- 集成FastAPI后端、流式聊天界面、前端用戶體驗模式和有狀態記憶管理，創建全棧大型語言模型應用程序。
- 通過令牌優化、緩存策略、模型選擇權衡和負載管理技術，優化AI系統的成本、延遲和可擴展性。
- 使用人工和自動化評估方法評估和監控大型語言模型的輸出，確保準確性、相關性和真實性。
- 應用安全、安全和治理最佳實踐，實施防護措施、輸出過濾、基于策略的控制和負責任的AI框架。
- 前置要求：
- 具備基礎編程知識（首選Python，但無需達到專家水平）
- 對API或Web應用程序有大致了解（有幫助，但非必需）
- 對AI充滿好奇，愿意動手構建項目
- 課程描述：本課程包含人工智能的應用內容。這是一門專為全棧AI工程師設計的全面、實踐導向的生成式AI和大型語言模型（LLMs）課程。
展開 新思科技推出Ansys 2026 R1版本，通過聯合解決方案和AI驅動型產品重塑工程領域
借助AI支持的數字工程技術，
推動更早、更智能的設計迭代
Ansys 2026 R1版本引入生成式AI和該產品組合的首批智能體（agentic）功能，其強化了AI增強型產品組合，可加速驗證、加快設計探索并實現復雜工作流程的自動化，從而使工程團隊在開發周期的每個階段都能獲得更智能、更快速的洞察。
面向幾何結構的Ansys GeomAI平臺引入了一種由生成式AI驅動的概念設計探索方法，使工程團隊能夠以更高的創造力和效率快速生成、評估和優化幾何結構概念。通過直接學習參考設計，GeomAI可幫助工程師在保持工程意圖的同時加速早期創新，確保AI生成的概念具備可預測性、可靠性，且可用于下游驗證。
此外，Ansys Mechanical?軟件中新增的網格智能體（Mesh Agent）功能，可用于探索性使用，幫助工程師在模型前處理過程中調試和解決網格劃分故障。該智能體功能通過提供經過驗證的修復步驟來指導工程師，以增強其對自動化前處理的信心。
Ansys Discovery?軟件中的Discovery驗證智能體（Validation Agent ）目前正處于早期客戶評估階段，其運用基于數十年工程專業積累的智能體AI，利用情境智能和行業最佳實踐主動識別設置問題，使工程師能夠滿懷信心地加快進度，避免代價高昂的錯誤，并從一開始就實現更高性能的設計。
Ansys 2026 R1中的更多AI更新包括：
Ansys SimAI?仿真平臺現在提供兩種版本：原始產品Ansys SimAI Premium SaaS，以及專為需要本地數據存儲的項目而打造的桌面版Ansys SimAI Pro。
Ansys optiSLang?軟件中的Ansys SimAI連接器，實現從訓練數據生成、AI模型訓練到AI優化和設計研究的端到端工作流程。
展開 