AI仿真協同的案例
大成建設（Taisei）圖像數據隱私保護與AI開發協同案例解析
隨著AI攝像頭、無人機等視覺采集設備的普及，海量圖像數據在提升生產效率的同時，也帶來了敏感信息泄露的風險。
然而傳統模糊化處理技術往往陷入兩難境地——過度處理會破壞數據價值，而處理不足又難以滿足日益嚴格的隱私法規要求。如何在保護個人隱私的同時釋放數據潛力，成為橫跨各行業的核心難題。
一、客戶需求
日本建筑業巨頭Taisei Corporation（大成建設）最初涉足圖像識別人工智能領域時，采用了一款安裝有模糊處理應用程序接口（API）的攝像頭來保護個人數據。
然而，這種方法因API本身的限制面臨諸多挑戰。比如，它會導致過度模糊，常常將整個人的上半身都模糊掉，這對訓練人工智能系統而言會產生負面影響。此外，這種方法無法捕捉到性別和年齡等關鍵屬性，因為這些信息在模糊處理過程中會丟失。
因此，Taisei需要的是一種既能有效保護個人隱私，又能保留圖像中關鍵信息（如性別、年齡等屬性），以滿足人工智能訓練需求的解決方案，即需要滿足三重目標：
1. 法律合規性：符合日本《個人信息保護法》及歐盟GDPR對個人信息的嚴格規定
2. 數據可用性：處理后的圖像保留性別、年齡等基本屬性
3. 技術擴展性：支持后續AI分析（如安全行為識別、自動化施工監測）的數據結構化需求
二、解決方案
對于Taisei在匿名化與可用性的需求，深度自然匿名化（DNAT）方案顯然是一個絕佳的選擇。該解決方案利用先進的深度學習技術， 可以有效地檢測鏡頭中的人臉和車牌。一旦人臉和車牌得到檢測，DNAT就會隨機生成一個真實的覆蓋層替代它們。
這種方法有效地隱藏了圖像中個人信息，同時保留了原始數據中的關鍵特征，平衡了隱私保護和數據效用，完美地解決了Taisei目前所遇到的困境。
展開 新思科技攜手臺積公司全面加速EDA、IP及系統協同創新，助力下一代AI算力突破
擴展后的多物理場仿真與分析能力，進一步增強了在光子、電氣和熱等多個領域的覆蓋。面向 COUPE 的設計使能涵蓋 Ansys Zemax OpticStudio? 的光路徑仿真、Ansys Lumerical? 的光子器件仿真、HFSS?IC Pro 的電磁提取，以及 RedHawk?SC Electrothermal 的熱—電協同仿真。這些工具協同工作，支持高帶寬數據中心互連所需的共封裝光學解決方案設計。
加速設計生產力并縮短設計結果周期
新思科技正與臺積公司在其 A14 制程上展開合作，在基于 NanoFlex? Pro 架構的新思科技 Fusion Compiler? 中引入智能體運行輔助（agentic run assistance），以在設計流程的不同階段識別時序優化機會，從而實現更優的設計結果質量。此外，新思科技 IC Validator? 中基于 AI 的物理驗證能力也在持續推進中，旨在加快設計規則檢查（DRC）違規問題的識別與修復流程，加速實現滿足流片要求的設計結果。
覆蓋先進制程與 AI、邊緣計算、汽車等重點應用領域的 IP 產品組合
今年，新思科技在其 IP 產品組合方面實現多項重要創新，進一步鞏固了其在 AI、數據中心、邊緣計算和汽車市場高性能互連領域的領先地位。通過一項關鍵的光子學合作，新思科技推出了 224G IP 解決方案，支持共封裝光學以太網和 UALink，滿足下一代電光系統對帶寬的需求。與此同時，新思科技在臺積公司 N5、 N3P 和 N2P 制程上取得多項首次硅片成功（first-silicon）里程碑，包括 PCIe 7.0、HBM4、224G、DDR5 MRDIMM Gen2、LPDDR6/5X/5、UCIe 64G 以及 M?PHY v6.0 IP，在性能、能效和可擴展性方面樹立了全新領先水準。
展開 SIwave IcePak 協同仿真實現電子系統散熱/電磁兼容協同設計
ANSYS最新的SIwave版本中，集成了SIwave-Icepak電熱協同仿真功能，設計者在SIwave一個軟件的界面環境中，就可以同時調用SIwave 直流仿真器和Icepak 三維散熱仿真器，進行電熱耦合分析，得到PCB工作時的電流密度分布以及溫度分布結果，幫助設計者提前評估溫度變化對PCB性能的影響，預判PCB上的溫度分布熱點，以便進行散熱設計。
點擊上方“注冊”參加本次網絡研討會。
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 
CFD仿真與測試協同創新,構建“仿真 + 實測”閉環
航空航天領域</strong></p><p>在燃油箱晃動仿真中，VirtualFlow的振蕩體積力模型與ECT成像技術協同工作，能夠優化防晃結構設計，滿足極端工況需求。在飛行器的飛行過程中，燃油箱的晃動會對飛行器的穩定性產生影響。積鼎科技的技術能夠有效解決這一問題，提升飛行器的性能和安全性。</p>
案例分享 | 用Adams-Marc協同仿真對車輛極端負載狀況進行仿真
圖7.接觸力比較：
實物試驗與協同仿真結果對比
在工程師調整了仿真模型中的 Y 坐標并進行了另一次協同仿真之后，所生成的黑色曲線就非常接近實物試驗的結果了。在進行這次嘗試時，只將螺釘作為一種假設添加到 Marc 模型中，而不是對螺釘本身進行精細建模，這樣就可以解釋協同仿真結果與試驗結果之間余下的差異。
經進一步分析，在協同仿真結果與試驗結果之間呈現出更好的相關性，出于保密原因，本文無法給出這些圖表。此外，將 Adams 和 Marc 結果文件讀入 CEI Ensight 中，還可以制作協同動畫（圖 8）。
圖8.采用Adams和Marc的數據、在CEIEnsight中實現的可視化的寶馬汽車凸起碾壓協同動畫圖片
總之，采用 Adams-Marc 協同仿真方法，汽車 OEM 工程師和 MSC 在一天之內就能找到實物試驗結果與仿真結果之間良好的相關性，這表明即使在極端負載狀況下，也可以利用這種協同仿真技術準確而有效地預測車輛的動力學負載。
參考文獻
1.Adams Marc 協同仿真特別興趣小組聯合運用多物理場仿真（MKS）和非線性有限元法（FEM），C. Kopp、H. Krings、R. Bosbach（MSC 軟件公司），德國柏林，2017 年 11 月
2.采用非線性有限元分析（FEA）和多體動力學（MBD）的協同仿真
3.“2018 德國國際工程分析學會計算與仿真年會——應用、發展與趨勢”，C. Kopp、H.
展開 設計仿真 | 基于SimManager多學科協同仿真流程構建和應用
需要應用不同學科的仿真軟件，包括控制仿真、結構仿真、動力學仿真、電磁效應仿真、熱仿真等。
因仿真涉及多個學科，存在多變量、多目標、多約束的復雜情況，而且各個學科之間的變量之間可能還存在著耦合關系。在產品開發過程，如何考慮多學科集成設計、性能優化、成本、時間周期等諸多重要因素，在中間找到最佳的平衡點和數據耦合成為至關重要的問題。
基于這個需求，通過SimManager可構建基于流程任務的多學科協同仿真平臺，通過平臺串聯產品研發各流程模塊，并實現上下游分析任務的輸入/輸出傳遞，將仿真分析數據按照產品型號進行結構化層次管理，在任務流程中通過集成仿真分析軟件，實現仿真軟件按流程任務調用，并將相關知識與流程綁定，在任務執行中自動推送相關知識。
技術挑戰
實現多學科協同仿真流程，存在著如下的技術挑戰：
1. 通過交互方式動態構建多學科協同仿真流程，支持多學科、多部門之間的協同工作。
2. 工作任務拆解，將任務拆解為可執行的流程節點。
3. 構建的多學科仿真流程可發布、編輯、復用；建立多學科協同仿真流程共享數據庫和資源池。
4. 使仿真流程規范化，并對仿真執行過程實現監控。
解決方案
基于SimManager的多學科協同仿真流程方案包括仿真流程構建、仿真流程應用執行。
多學科協同仿真流程構建中，SimManager提供圖形化的流程定義界面，定義仿真任務的先后順序和邏輯關系。指定各個節點仿真任務的負責人、計劃時間等任務信息,指定任務節點的輸入輸出數據（參數和文件等）,定義任務的激活條件。對于流程節點的關系，支持循環、判斷、并行、串行及支持嵌套子流程等方式，下面為流程構建界面的示意圖。
展開 AI+仿真：驅動工業智能變革新引擎（內含100個AI應用案例下載）
△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。
在人工智能與仿真的交匯領域，新的應用方式正在不斷涌現。與常見的流行術語如機器學習、生成式AI和合成數據相比，我們更應關注AI如何在實際工程中賦能仿真，加速研發流程、提升決策質量。
關鍵技術實現方式
在傳統制造行業，企業正積極探索如何借助AI脫穎而出。然而，許多企業仍對起步路徑和所需技能存有疑慮。需要明確的是，AI并非“即插即用”的解決方案，它依賴高質量的數據和有效的監督模型。
本文以大規模鑄造為例，闡釋AI與仿真的深度融合。通過機器學習聚類技術，Altair幫助用戶從海量仿真數據中快速識別最優設計方案，展現了“AI驅動的仿真”在實際工程中的巨大潛力。
? 高效的模型創建
基于幾何圖形（網格或 CAD 格式），算法可以將這些轉換為值，以便可以比較、編輯、聚類幾何圖形并將其劃分為組和類。這使得模型組織更容易，并使建模過程更高效。
? 多學科設計探索
利用參數化設計的現有結果，回歸分析可用于識別相關性并預測單個值或行為曲線。這樣可以填補測試數據中的空白。
? 快速預測物理行為
基于仿真結果和幾何結構，對神經網絡進行訓練，無需運行新的仿真即可進行行為預測。
? 使用神經網絡有效捕獲復雜系統行為，而不是協同仿真
使用計算密集型仿真（例如離散元法 （DEM）、計算流體動力學 （CFD） 和有限元分析 （FEA））映射的復雜過程訓練神經網絡，將其作為降階模型（ROM）再現系統行為。
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&from=appmsg"></p><p class="ql-align-center"><strong>立即報名</strong></p><p>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~</p><div contenteditable="false" width="100%">
<hr>
</div><p><strong>2025 Altair 區域技術交流會</strong></p><p>Altair 今年分別在<strong>北京、上海、成都、深圳</strong>舉辦 “AI驅動，仿真未來” 2025 Altair 區域技術交流會。會議將匯聚不同行業專家與先鋒企業，共同探討仿真智能化如何賦能工業創新，分享最新仿真與 AI 技術的應用實踐。歡迎在您就近的區域報名參會，與我們進行技術交流和行業分享。
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 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
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。
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
</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 XFlow與Abaqus協同仿真吹氣球
之前CAE從業者提到XFlow2020x在與Abaqus2019聯合協同仿真的時候會遇到一些問題，但這些問題主要是版本升級時的環境變量發生變化導致的，不存在本質性的困難。在協同仿真環境建立的過程中，最好把最新的Abaqus的協同環境文件拷貝到XFlow的安裝目錄中，替換原有的協同環境文件。
XFlow與Abaqus協同仿真的時候，不同版本之間的支持關系如下圖所示。目前XFlow的各個版本均不支持Abaqus R2020x，所以想用最新版的Abaqus來實現和XFlow的協同仿真的小伙伴們，可以暫時放棄這個想法了。
言歸正傳。今天的主題是用XFlow與Abaqus聯合仿真氣球充氣膨脹的過程。氣球一般使用橡膠材料制作而成，厚度非常薄，所以在進行充氣時，氣球會迅速膨大，同時伴隨著氣球的壁厚厚度變得更薄。吹氣球的過程是一個典型的流固耦合作用的過程，今天CAE從業者就來模擬一下吹氣球。
腦子開個小差，各種顏色各種圖案的氣球，是小盆友們的最愛啊，大盆友們也愛不釋手啊，對提高人們的幸福感很有幫助，這個小差開得離主題太遠了，趕緊回去。
先在Abaqus里建立一個氣球，像個沙錘，不過就這樣吧，建模能力有限，不深究像不像了。采用shell單元劃分網格，保存網格文件導入XFlow中，XFlow結構耦合方式改為Two way(雙向)，設置相應的邊界條件進行仿真。
中間仿真過程的技術細節比較多，有興趣的小伙伴們可以去學習CAE從業者的視頻教學課程深入研究，或者和CAE從業者進行探討，這里不做展示。直接來看模擬吹氣球的動畫吧。本案例提供有償教學，有興趣的讀者可聯系CAE從業者。原創不易，敬請支持。
展開 Star ccm 與Abaqus 協同仿真案例文件 ￥9.9
Star ccm 與Abaqus 協同仿真（熱耦合）
Star ccm 與Abaqus 協同仿真（結構耦合）
案例文件
Siemens Star CCM+ 2306 (18.04.008) Tutorials 案例文件，包含耦合分析模塊所需案例
