大語言模型應用的案例
大語言模型(LLM)在塑膠射出成型產業上的應用
科盛科技 / 簡錦昌 副總經理
(轉載自繁體版ACMT電子技術月刊No.092)
什么是大語言模型(LLM)？
大語言模型(Large Language Model, LLM)是人工智能領域中一種基于深度學習的技術，它通過處理大量的文本資料來理解、生成和翻譯自然語言。這些模型以龐大的參數規模為特點，并利用了現代神經網絡架構，尤其是變換器(Transformer)架構，使得它們在自然語言處理(NLP)任務中表現出色。
大語言模型通常由數十億甚至上千億個參數構成。這些參數是在大量的文本資料上訓練得到的，通過深度學習算法來優化。訓練一個大語言模型需要巨大的計算資源，通常使用數百個GPU或TPU并行處理，以處理海量的資料集。
圖1：大家看到LLM提供的問答服務只是冰山的一角，其背后隱含著大量的文字數據資料
常見的LLM應用方式
ChatGPT就是一種LLM，相信大家都有接觸過，只要在聊天框中輸入問題或請求，例如撰寫文章、翻譯文本或生成程序碼，等待幾秒鐘，ChatGPT將自動生成文字。如果需要進一步調整輸出，可以繼續與其互動，輸入更具體的指令或要求。大語言模型的應用范圍非常廣泛。它們在各種自然語言處理任務中表現優異，常見的應用包括：
? 自然語言生成
LLM能夠生成流暢且連貫的文本，常用于自動化內容生成、寫作輔助和對話系統。
? 機器翻譯
通過理解多種語言之間的復雜關系，LLM可以進行高質量的語言翻譯。
? 文本摘要
LLM能夠自動從長文檔中提取關鍵內容，生成簡短的摘要。
? 對話系統
基于LLM的聊天機器人能夠與人類進行自然的對話，并且能夠理解上下文進行合理的回復。
展開 AI芯課程 | 基于大語言模型的VC SpyGlass Lint Advisor流程與應用
3月20日，新思科技芯課程AI系列主題第三講即將推出：「基于大語言模型的VC SpyGlass Lint Advisor流程與應用」，將介紹GenAI技術和傳統Lint流程相結合的新技術--VC SpyGlass Lint Advisor。該技術不僅能理解Lint報錯的原因并提供精準的代碼修復建議，還能通過自然語言描述來滿足定制化Lint檢查的需求；另外它還能通過自然語言描述直接生成期望的waiver來過濾掉不期望看到的違例。采用該技術能加快 Lint違例的修復和收斂的效率，從而極大解放開發者的生產力。
GenAI+Lint全新技術：VC SpyGlass Lint Advisor實戰課程即將上線，歡迎大家報名！
時間：3月 20日（星期五），14:00–15:00
地點：線上直播
講師簡介：
羅木江 | 新思科技首席應用工程師
負責數字電路驗證系列產品的支持，在RTL Signoff靜態驗證領域以及跨技術域驗證方法學具有豐富的經驗。
掃碼立即報名參會
展開 設計仿真 | 融合DeepSeek大語言模型的SimManager仿真平臺
3.4
融合大語言模型和機器學習的SimManager智能仿真平臺應用場景
融合大語言模型和機器學習的智能仿真平臺應用場景，除了常規的基于仿真平臺的仿真工作以外，基于大語言模型LLM+機器學習ML的賦能，擴展應用場景如下：
圖 3 融合大語言模型的智能仿真平臺擴展應用場景
基于上述架構的進行了SimManager+DeepSeek+Odyssee的本地化集成部署。采用DeepSeek開源的大語言模型,并在本地部署文字向量化數據庫，將本地（用戶生產環境則對應SDM數據庫）的仿真知識，進行向量化存入本地向量數據庫，作為在仿真專業領域進行更精確回答的基礎。
因原始的大語言模型未涵蓋本地知識，在構建本地向量數據庫前，針對相關問題不能給出準確的回答。在將相關數據和文檔上傳SimManager平臺，同時進行向量化。當用戶提問時，系統自動將帶有提示詞的上下文信息提供給大語言模型，能夠給出準確的回答。如下圖：
圖 4 基于DeepSeek本地知識庫的仿真平臺問答場景（1）
圖 5 基于DeepSeek本地知識庫的仿真平臺問答場景（2）
04
應用成效與價值提升
通過應用實踐，融合大語言模型和機器學習的SimManager智能仿真平臺，能夠進一步擴展仿真平臺的使用場景，協助仿真人員實現仿真知識快速反饋、仿真數據挖掘和重用、協助文檔生成、專家經驗重用等，如下所示：
圖5 融合大語言模型和機器學習的SimManager智能仿真平臺
展開 應用ANSYS ADPL語言建立波紋鋼梁模型
1、模型描述：鋼梁為工字型梁，但中間腹板為正弦曲線，因此為波紋腹板鋼梁。鋼梁上板跨度8m，高6m，下板跨度7m，高5m。上下梁寬1m。波紋為正弦曲線，在下板上的波長為0.4m，波紋半幅高0.1m。
用APDL語言對其進行建模，得到模型見下圖所示：
上部局部模型見下圖：
2、單元劃分：
采用SHELL181單元進行網格劃分，該單元適合對薄殼體結構進行分析。它是一個4結點單元，每個結點具有6個自由度：x,y,z方向的位移自由度和繞X,Y,Z軸的轉動自由度。Shell181單元非常適用于分析線性的，大轉動變形和非線性的大形變。殼體厚度的變化是為了適應非線性分析。在該單元的應用范圍內，完全積分和降階積分都是適用的。SHELL181單元闡明了以下（荷載剛度）分布壓強的效果。 SHELL181單元可以應用在多層結構的材料，如復合層壓殼體或者夾層結構的建模。
3、載荷和邊界條件
對模型施加垂直向下的力F，對兩邊進行全約束，具體見下圖：
4、求解結果
通過靜力分析，得到模型在垂直載荷作用下的應力和變形，分別見下圖：
5、總結
本文主要對波紋腹板鋼梁進行建模，這里重點為波紋腹板的模型建立。采用APDL語言進行模型建立，展示了APDL語言的強大功能。
展開 
大模型技術在自動駕駛中的應用
一、人工智能與大模型技術
人工智能（Artificial Intelligence，簡稱AI）是一種計算機科學技術，旨在使計算機能夠模仿、學習和執行人類智能任務。它涉及到多個不同的子領域，包括機器學習、自然語言處理、計算機視覺和強化學習等。通過使用大數據、算法、神經網絡等技術，人工智能可以通過分析和理解數據來建立模型，并對新數據進行決策和預測，從而實現某些特定的任務。與傳統計算機程序不同的是，人工智能可以根據以前的經驗和學習來改進自己的性能，在某些情況下能夠比人類更準確和高效地完成任務。人工智能被廣泛應用于各種領域，例如醫療保健、金融、交通運輸、制造業、社交媒體、游戲和安全等。
大模型通常指的是由數億至數千億個參數組成的深度學習模型。這些模型需要巨大的計算資源和存儲空間，因此非常昂貴且能夠運行的硬件配置也要足夠強大。大型模型代表了人工智能領域最先進的技術，廣泛應用于自然語言處理、圖像識別、語音識別和推薦系統等領域。擁有更多的參數可以提高模型的準確性和精度，但同時也會導致更復雜的訓練過程、更長的訓練時間和更高的硬件成本。GPT-3就是一種例子，它具有1750億個參數，在人工智能技術中占據著重要的地位。
二、神經網絡算法與大模型
神經網絡（Neural Network）是一種復雜的數學模型，建立在類比生物大腦神經元之間傳遞信息的基礎上。
展開 【11月16日-19日 北京】關于舉辦“大尺度VIC水文模型的開發與應用”培訓班
關于舉辦“大尺度VIC水文模型的開發與應用”培訓班
培訓背景
受全球環境變化和經濟快速發展的影響，我國水短缺、水污染、水生態、水災害、水管理五方面問題復雜交叉，直接涉及國家多方面的安全，是一個復雜的水系統問題。解決上述水問題的核心是水循環基礎研究，需要深入研究以流域水循環為紐帶的水系統各部分的聯系與反饋機制，以多要素、多過程、多尺度流域水循環綜合模擬為核心技術支撐，探討良性水循環維持的途徑。因此，在當前全過程、多要素的現代水資源綜合管理中，流域水循環模型是一個關鍵的核心支撐技術。流域水循環模型很多，其中大尺度的陸面水文模模型VIC是入選國際PILPS計劃的模型，已被國內外廣泛應用于流域陸面水文過程模擬研究中，其開發和應用具有廣闊的前景。但鑒于該模型相對復雜、運行難度較大，應廣大水利技術工作者的要求，北京中技培咨詢服務中心特舉辦“大尺度VIC水文模型的開發與應用培訓”，相關具體事宜通知如下：
時間地點
2018年11月16日-19日 地點：北京
（時間安排：第一天報到、授課三天）
培訓對象
各省市、自治區從事水資源研究、水資源規劃、陸面水文過程、區域生態環境研究與規劃的專業技術人員，各高校及科研院所的科研人員及研究生。
培訓目標
1、 提高VIC模型在流域綜合管理中的開發與應用水平；
2、提高水利、環保研究中流域水循環模擬技術的應用水平。
培訓方式
1、課程講座； 2、上機操作；3、專題小組研討與案例講解分析結合。
主講專家
長期從事水文模型開發、流域陸面水文過程模擬/預報/預估方面的工作，熟悉各類常用的水文模型的運行和開發！ 主持和參加了多個國家級科研項目，在國內外高水平的水文專業刊物發表了多篇科研論文。
展開 AI for CAE：仿真智能體開啟“普惠仿真”新時代
當大語言模型突破技術奇點，智能體與CAE的深度融合，正在重塑人類使用仿真的模式。
人工智能（AI）自20世紀40年代誕生以來，經歷了從理論探索到技術實踐的漫長發展歷程。早期的AI主要依賴邏輯推理和規則引擎，受限于數據和算力的不足，發展較為緩慢。隨著大數據的興起、算力的指數級躍升以及深度學習算法的突破，AI在2010年后迎來了飛速發展的黃金時期。
近年來，大語言模型（LLM）的強勢崛起為AI領域帶來了一場波瀾壯闊的科技革命，從消費互聯網到工業制造、醫療健康等領域，正在重塑各行各業的運作邏輯。DeepSeek作為大語言模型領域的變革力量，憑借算法創新和算力優化的雙重突破，成為推動大語言模型普及與變革的關鍵力量。DeepSeek通過開源策略和低成本部署，降低了技術門檻，讓大語言模型的應用觸手可及，其在多領域的廣泛應用也進一步彰顯了其技術優勢和產業價值。
在CAE（計算機輔助工程）領域，AI正引發一場顛覆性變革。AI不僅能夠顯著提升仿真的效率和精度，同時也在不斷改變人們使用仿真軟件的形式。AI Agent通過自然語言交互理解用戶需求，不僅能夠生成解決方案，還能深入到具體的應用場景中，為用戶提供更加精準、高效的服務，標志著AI技術從“能思考”到“會做事”的跨越，為各行業的智能化發展注入了新的活力。
云道智造的工程師正在致力于研發仿真智能體，融合了多智能體交互、檢索增強生成（RAG）、強化學習修正和生成式等技術，并采用國產開源的DeepSeek 作為底層大語言模型。系統支持用戶通過自然語言輸入需求，仿真智能體能夠精準理解用戶意圖并將其轉化為可執行的仿真任務，實現從模型構建到仿真分析的全流程自動化。
有了仿真智能體，用戶無需具備任何仿真知識或軟件使用經驗，即可完成復雜的仿真任務，極大地降低了技術門檻。
展開 直播預告 | SimManager仿真平臺多體學科和智能化應用方案
精彩直播預告
CAE仿真技術的深度應用正驅動企業仿真數據激增，數據管理也日趨復雜。面對海量仿真數據與知識積累帶來的管理和應用挑戰，高效管理仿真數據與流程、并借助機器學習與大語言模型技術實現智能化驅動，已成為提升仿真業務數據重用與效率的關鍵方向。
融合大語言模型和機器學習的SimManager平臺
海克斯康的仿真流程與數據管理平臺SimManager，可根據客戶需求進行配置與開發，涵蓋仿真數據管理、流程管理、知識管理、權限管理及外部集成等模塊。該平臺不僅在多體學科領域提供獨特的仿真數據管理方案，更在智能化研發方面支持機器學習與大語言模型的集成應用，助力企業實現技術變革。
本期直播講堂請到了海克斯康工業軟件仿真平臺高級技術經理宿新東，在直播間中講師將深入講解SimManager的平臺整體架構、在多體學科的應用方案，以及結合機器學習和大語言模型技術的智能化應用方案等。敬請關注！
6月26日 14:00
▲ 掃碼參與報名
立即預定
直播內容聚焦
SimManager仿真流程和數據管理平臺如何解決以下5大問題:
? 如果利用仿真數據管理進行數據規范化、提升效率?
? 如何解決多體學科數據更新帶來的版本管理問題?
? 如何高效實現多體學科不同用戶協同工作?
? 如何實現利用仿真平臺進行機器學習?
? 如何借助大語言模型，在仿真平臺實現仿真知識的重用?
宿新東
海克斯康工業軟件仿真平臺高級技術經理
在CAE/SDM領域擁有超過18年經驗，長期工作在各仿真數據管理平臺（SDM）建設項目，特別是汽車行業仿真數據管理平臺建設領域。
展開 