AI輔助工程的案例
數據分析和AI丨拒絕AI技術焦慮，工程領域AI應用的八大技巧
</strong></p><p><br></p><p><strong>技巧 8：尋求幫助</strong></p><p><br></p><p>Altair 致力于工程學研究。<strong>我們率先推出了仿真驅動設計方法，致力于讓用戶輕松利用AI驅動工程。</strong>我們與各個方向的核心專家合作，加強對客戶的支持，確保客戶能夠很好地識別和實施 AI 案例。</p><p><br></p><p>AI正在為工程領域的速度、效率和質量帶來顛覆性的提升。雖然從長遠來看，AI或許真的會實現未來學家們預言的那些革命性改變，但就當下而言，工程師應該把它當作工具箱中的另一件利器來看待。</p><p><br></p><p>第一次應用AI通常是最具挑戰性的，但好消息是，工程師天生具備擁抱AI的理想技能，而現在已有一些解決方案能夠讓“巨大的飛躍”變得如“邁進一小步”一樣容易。
展開 數據分析和AI丨應對AI實施挑戰，工程領域AI應用的五大方法
<p>工程領域的人工智能 （AI） 已經開始發揮價值，低代碼和無代碼工具正在使曾經僅屬于專業數據科學家的 AI 能力變得大眾化。</p><p><br></p><p>然而，并非工程領域的每個人都能從中受益，使用新的便捷的 AI 工具提高工作效率并不難，<strong>工程師們在 AI 應用方面所面臨的挑戰實則體現在更多其他維度。</strong></p><p><br></p><p><img src="https://mmbiz.qpic.cn/mmbiz_png/x0yLiaf5fF6xf74Ja20Kgt9AmAVWN9MCKEcXhK8fCSC6Da6B7Xad3gKfQeYTKCxvfgKJ91QsFy4AjFO28FVsrcA/640?wx_fmt=png&from=appmsg"></p><p><br></p><p>在之前的文章<a href="https://mp.weixin.qq.com/s?
展開 EDA引入AI輔助芯片設計，對工程師意味著什么？
而隨著制程變得更先進，單一芯片動輒內含數十億到數百億個電晶體后，因為整個架構變得太過復雜，業界很難再用傳統方法來應對未來的工程挑戰。不管是在線路布局或設計模擬，采用機器學習都是大勢所趨。
圖3機器學習在工程領域的潛力應用。由這個圖可以看出，在芯片開發過程中，機器學習可以發揮的環節相當多，從產生設計檔案到執行設計模擬，乃至大數據分析等，都有機器學習可以發揮的地方。不過，機器學習終究是一項工具，使用者必須先厘清什么問題最適合用ML或深度學習(DL)來解決，后面才能逐步展開，進行訓練資料搜集、發展模型等工作。其中，搜集訓練資料是最耗時的工作，因為目前EDA工具仍使用監督式學習。
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。
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 
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 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 年度全球AI盛會 ATCx AI for Engineers 線上直播：參會可獲取 100 個全球工程實際案例
在制造業與工程領域，AI 正以前所未有的速度顛覆傳統——它不再是實驗室里的前沿概念，而是真正走入設計、仿真、測試和生產的每一個環節，成為推動數字化轉型與業務增長的核心引擎。
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~
本周四下午16:00，Altair 將舉辦面向工程師的年度 AI 盛會： ATCx AI for Engineers 2025 全球線上直播會議，特別推出主題演講：
限時福利：獲取 Altair 全球獨家編制的100 個全球用戶案例
所有注冊并參會用戶將在會后免費獲得 Altair 獨家編制的《100 個 AI 驅動工程變革的真實應用案例合集》，這份資料匯聚了來自全球制造、汽車、電子、能源、材料等多個行業的一線實踐經驗，是每位工程管理者、仿真工程師、制造負責人洞察 AI 應用趨勢的寶貴資源，不容錯過！
*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 EDA引入AI輔助芯片設計，對工程師意味著什么？
而隨著制程變得更先進，單一芯片動輒內含數十億到數百億個電晶體后，因為整個架構變得太過復雜，業界很難再用傳統方法來應對未來的工程挑戰。不管是在線路布局或設計模擬，采用機器學習都是大勢所趨。
圖3機器學習在工程領域的潛力應用。由這個圖可以看出，在芯片開發過程中，機器學習可以發揮的環節相當多，從產生設計檔案到執行設計模擬，乃至大數據分析等，都有機器學習可以發揮的地方。不過，機器學習終究是一項工具，使用者必須先厘清什么問題最適合用ML或深度學習(DL)來解決，后面才能逐步展開，進行訓練資料搜集、發展模型等工作。其中，搜集訓練資料是最耗時的工作，因為目前EDA工具仍使用監督式學習。
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。
展開 探索 AI 傳熱仿真對熱工程的影響
來源 | Fagen Wasanni Technologies
人工智能 (AI) 已在各個行業掀起波瀾，熱能工程也不例外。事實證明，人工智能傳熱模擬的出現改變了游戲規則，徹底改變了熱工程師的工作方式。這項創新技術正在改變整個行業，提高熱設計和管理的效率、準確性和成本效益。
傳熱模擬是熱能工程的一個重要方面，涉及熱能的研究和管理。傳統上，這些模擬是手動執行的，需要大量的時間和資源。然而，隨著人工智能的集成，這些模擬現在可以以更高的速度和精度執行。
AI 傳熱模擬采用機器學習算法來預測傳熱速率和溫度。這些算法經過大量數據的訓練，使它們能夠根據復雜的模式和關系做出準確的預測。這不僅加速了模擬過程，還提高了其準確性，減少了可能導致系統故障或效率低下的錯誤可能性。
此外，人工智能傳熱模擬提供了傳統方法無法比擬的適應性。隨著人工智能算法從每次模擬中學習，它們會不斷完善其預測，隨著時間的推移變得更加準確。這種適應性在快速發展的熱工程領域尤其有益，因為新材料和技術不斷被引入。
AI 傳熱模擬的好處不僅僅在于提高準確性和效率。通過自動化模擬過程，人工智能使工程師能夠專注于工作中更復雜和更具創造性的方面。這不僅提高了生產力，還促進了創新，因為工程師能夠投入更多的時間和精力來開發新的解決方案和策略。
此外，人工智能傳熱模擬可以顯著節省成本。通過減少模擬所需的時間和資源，人工智能可以降低運營成本。此外，通過提高模擬的準確性，人工智能可以幫助防止代價高昂的錯誤和系統故障。
盡管有這些好處，但采用人工智能傳熱模擬并非沒有挑戰。人工智能算法的復雜性使其難以理解和實施。此外，人工智能模擬的成功很大程度上取決于用于訓練算法的數據的質量和數量。因此，確保獲得高質量數據至關重要。
然而，隨著人工智能技術的不斷進步，這些挑戰可能會減少。
展開 參數化，知識工程，仿真技術與AI結合實現快速性能預測
1、基于AI，快速構建全參數化的幾何模型。結合知識工程，實現所需預測的結構、厚度、材料等信息的參數化；
2、設計仿真一體化，快速生成AI學習訓練所需的仿真模型及數據。基于單一的數據源，全參數化設計模型與仿真技術自動關聯，利用仿真自動化流程，多學科多目標優化技術，自動更新模型，自動更新仿真設置；
3、AI神經網格搭建以及AI模型訓練&調試。
4、AI模型預測結果與實際仿真評價對比。
5、AI模型替換仿真模型，實現快速性能預測。
新思科技亮相CES 2026，賦能AI驅動與軟件定義汽車工程新時代
SiMa.ai：SiMa.ai 宣布了與新思科技戰略合作后的首個集成解決方案。該聯合解決方案為面向 AI 的下一代汽車 SoC 架構探索和早期虛擬軟件開發提供了便利性，支持高級駕駛輔助系統（ADAS）和車載信息娛樂系統（IVI）等應用。
此外，汽車工程師基于新思科技 VDK，可在芯片到貨前數月使用 SoC 的虛擬原型開始軟件開發，實現芯片可用后數天內完成完整的系統啟動，并縮短整車上市時間多達 12 個月。在 2026 CES 期間，新思科技發布了以下全新 VDK：
1. 新思科技和恩智浦半導體擴大合作，新思科技 VDK 將支持全新的高性能 S32N7 系列 SOC，該系列可用于 AI 驅動的新一代汽車核心。
2. 德州儀器：為簡化復雜的汽車軟件管理，德州儀器攜手新思科技為其 TDA5 SoC 系列提供 VDK。在軟件定義汽車的背景下，基于新思科技 VDK 的電子數字孿生方案可以顯著加快汽車軟件的上市時間。
關于新思科技
新思科技（Synopsys, Inc.，納斯達克股票代碼：SNPS）是從芯片到系統工程解決方案的全球領導者，助力客戶加速創新，打造由人工智能驅動的產品。我們提供業內領先的芯片設計、IP核、仿真與分析解決方案以及設計服務。新思科技與來自廣泛各個行業的客戶緊密合作，最大化其研發能力與生產效率，激勵今天的創新，以激發未來無限創意，讓明天更有新思。
展開 
專家觀點丨當AI遇上工程專家：誰才是智能時代的真正主角？
<p class="ql-align-right">原文來自：Sam Mahalingam</p><p class="ql-align-right">Altair 首席技術官</p><figure style="text-align: center;"><figure class="figure-image" contenteditable="false" data-img="https://img.jishulink.com/202511/attachment/b705d0afe4be41ee81ee3e7b9d136a4b.png" style="display: inline-block;"><img src="https://img.jishulink.com/202511/attachment/b705d0afe4be41ee81ee3e7b9d136a4b.png"></figure></figure><p><br></p><p><br></p><p>坦白說，很少有技術趨勢能像人工智能（AI）這樣引發如此多的熱議與夸大其詞。作為一名技術專家，我的關注點不僅在于觀察趨勢，更在于研究這些變革如何影響客戶需求與實際應用。</p><p><br></p><p>長期以來，關于 AI 的討論始終被兩種極端觀點主導：要么是 AI 驅動未來的烏托邦幻想，要么是機器掌控世界的反烏托邦恐懼。此外，關于支撐 AI 訓練所需計算能力的硬件創新也備受關注。多年來深耕高性能計算（HPC）領域——這項技術一直服務于嚴苛的技術仿真需求——我驚訝地發現它正轉向支持商業計算，特別是訓練復雜 AI 模型。</p><p><br></p><p>基于深厚的技術認知，我堅信：AI 永遠無法真正取代人類。畢竟只要細想一下——是誰創造了 AI？人類大腦，這個已知宇宙中最卓越的生物工程系統。
展開 AI如何幫助工程仿真和設計提效？| Altair臺歷免費領活動
各個環節的數據利用起來就能解決不同的問題，比如仿真、工程測試、預測性維護、現場面向運營的數字孿生應用等。</p><p><strong>那么我們為什么需要工程數據科學？</strong>因為從仿真角度或者研發角度，我們的數據和生產線上的數據有點區別。我們的數據往往是 3D形式的，因為模型本身是三維的。</p><p>我們的數據來源主要是兩個方面，一個是通過物理測試獲得，比如Excel表這種數據。另外一方面是通過仿真產生大量不同格式的數據，有的是表格，有的是云圖，有的是曲線。我們希望輔助仿真工程師把這些數據利用起來，最后實現場景的落地，比如做云圖的預測、系統模型降階、形狀識別，生成優化設計等。</p><p><img src="https://mmbiz.qpic.cn/mmbiz_png/x0yLiaf5fF6ynTjcFIMnLY0cpJEY1vN6hHVvVsbhMEaOrZpbctpI08ns26JmgAQm6YwraicMpnnNEA2aEWrjKFJQ/640?wx_fmt=png&from=appmsg"></p><p>關于Altair AI的技術融合，主要可以從3個方面展開：零代碼、端到端、面向大眾的數據科學和AI平臺；基于AI和經典系統理論的模型降階，數字孿生關鍵技術；HyperMesh中的AI技術集成，助力仿真提效。</p><p><br></p><p><strong>1、零代碼、端到端、面向大眾的數據科學和AI平臺-RapidMiner</strong></p><p><br></p><p>RapidMiner是面向大眾的數據分析和AI平臺，最大的特點是工作流程非常簡潔，主要是模塊化拖動的操作形式。另外<strong>它有自動數據科學的功能，集成了市面上大部分的機器學習方法</strong>，比如深度學習、神經網絡等160多種學習方法。
展開 行業熱點丨為什么AI驅動工程對汽車設計和輕量化至關重要？
</strong></p><p><br></p><p>答案在于人工智能驅動工程（AI-powered engineering）。</p><p><br></p><p>這項技術將人工智能的力量貫穿產品全生命周期。通過將AI無縫嵌入設計與仿真工具，團隊能夠加速探索與創新。集成化的用戶友好工作流程，結合按需獲取的高性能計算（HPC）資源，使團隊得以用人類專業知識增強AI能力。最強大之處在于，<strong>AI 驅動工程工作流程的成果交付速度可比傳統基于物理場的仿真流程快高達1000倍。</strong></p><h3><strong>一、超越仿真本身</strong></h3><p>汽車制造商和供應商深知仿真與計算機輔助工程（CAE）的重要性，但AI驅動工程遠不止于此。完整的AI驅動工程工作流程將仿真與企業級數據分析、HPC相結合，創造出全新獨特的數據流。</p><p><br></p><p>此外，AI驅動工程允許設計師同時考慮多項目標。團隊可利用這些工作流程優化車輛的美學設計、舒適性、空氣動力學性能、噪聲、振動與聲振粗糙度（NVH）以及可制造性。</p><p><br></p><p>例如，汽車制造商可訓練機器學習算法，在設計周期早期發現NVH問題。這些通過低代碼/無代碼工具創建的算法，能夠學習眾多設計變量對NVH性能的影響，并以比傳統方法快100倍的速度分析結果。AI驅動工程解決方案可從歷史數據與合成數據中學習，精簡設計與測試周期——加快上市速度、提升效率并降低成本。</p><h3><strong>二、快節奏行業的快速創新</strong></h3><p>AI驅動工程的核心優勢之一是其節省的時間價值。主機廠和供應商深知：延遲、停機和冗長的迭代會侵蝕利潤，并讓團隊錯失市場機遇。
展開 芯片驅動 · AI 賦能 · 軟件定義｜新思科技首屆Converge大會啟幕，擘畫工程創新未來
推出新思科技Multiphysics-Fusion? 技術——這是新思科技在半導體設計領域深度融合 Ansys 技術打造更廣泛 EDA 解決方案整體路線圖的首個重要里程碑
演示業內首個由新思科技 AgentEngineer? 技術驅動的多智能體協同芯片設計與驗證工作流程
發布 Ansys 2026 R1，新增 AI 驅動的多物理場仿真能力，深化與新思科技技術集成，并引入真實世界數字孿生技術，全面變革仿真與分析能力，助力構建更智能、更具韌性的系統
推出全新硬件輔助驗證（HAV）平臺及獨特的軟件定義能力，在性能、可擴展性與靈活性方面為整個產品組合樹立全新行業標桿
新思科技（納斯達克代碼：SNPS）全新旗艦大會新思科技 Converge 2026 于 3 月 11 日隆重舉行。新思科技總裁兼首席執行官蓋思新先生（Sassine Ghazi）以主題演講拉開大會序幕，分享了他對萬物智能時代中“從芯片到系統（silicon-to-system）”全新設計范式愿景——由芯片驅動、AI 賦能以及軟件定義。他還發布了覆蓋新思科技擴展后全線產品組合的全新工程解決方案，以助力創新者設計、驗證并交付下一代由 AI 驅動的產品。
下一代智能系統高度復雜，迫切需要一種全新的工程方法。通過實現軟件與硬件、電子與物理的協同設計，借助數字孿生在實體生產之前完成產品的設計、測試與迭代優化，并利用 AI 增強人類工程師的能力，客戶的研發團隊能夠顯著加快智能系統的上市進程。在新思科技 Converge 大會上，我們正在展示協同設計、數字孿生以及 AgentEngineer 技術的強大能力，這些能力使新思科技成為引領未來工程創新的最佳合作伙伴。
展開 