AI應用的案例
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）
圖 2：使用 AI 理解和優化大型鑄件組件的行為
全球100個AI應用案例電子書下載
△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。
人工智能賦能生成式設計
? AI 支持的生成式設計全面優化工作流程
在任何開發過程中，都必須考慮眾多要求，以協調輕量化設計、功能要求和可制造性。
巨型鑄造組件的優化過程包括兩個階段。首先從基于線性化載荷情況的拓撲優化開始，以實現有效的材料布置。然后與多學科優化相結合，以評估組件的結構性能，并使用人工智能和機器學習支持的鑄造模擬來檢查其可制造性。
? 拓撲優化
Altair 強大的且經過驗證的生成式設計技術用于最有效地布置材料。在這里，可以為多學科載荷情況推導出最佳載荷路徑，包括數百種載荷工況、變量以及鑄件的制造約束。
? 多學科優化
在上述步驟中，將響應面建模（RSM）優化的應用與機器學習相結合，以滿足要求，并在非線性碰撞和鑄造仿真中為巨型鑄造結構提供最優的起筋方向和厚度分布。通過對完整的仿真結果進行聚類和分類，可以克服純標量、回歸類型的目標，并與專家評估進行比較，以優化所需的組件行為。
? 可制造性分析
使用無監督機器學習還可以評估可制造性。在壓鑄過程的仿真中，它可以識別不同設計變體的均勻性行為，如澆口處的流速或流動前沿等，以及確定澆口幾何形狀的最佳數量、尺寸和位置等。
圖 3 ：產品開發中的 AI 和仿真。應用領域、輸入變量、使用的方法、預期結果和優勢，以及在 Altair 工具中的實施。
展開 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
</p><p><br></p><p>而且，現在AI的普及化趨勢正不斷加速。<strong>低代碼和零代碼的AI工具正在賦能新一代的“平民數據科學家”。</strong></p><p><br></p><p>同時，<strong>AI正逐步融入現有的設計工作流程</strong>。比如，工程師現在可以輕松使用節省時間的AI工具，從CAD文件中直接進行物理預測或自動化形狀匹配，讓工作更高效。</p><p><br></p><p><strong>技巧 5：從小的計劃開始著手</strong></p><p><br></p><p>應用 AI 的障礙不僅僅是技術上的，企業文化沖突問題也很普遍。AI for Engineers 研討會的與會者一致認為，從小規模的項目開始并迅速得到投資回報是一種行之有效的策略，可以贏得更廣泛的企業內部支持。</p><p><br></p><p>不要僅僅因為潛在的 AI 案例不夠宏大就忽視它們。AI 擅長做“無聊”的事情，例如自動執行耗時、重復的設計任務。因此，它<strong>使工程師可以騰出更多時間發揮專業技能、經驗和創造力。</strong></p><p><br></p><p><strong>技巧 6：從其他案例中得到啟發</strong></p><p><br></p><p>在應用AI之前，大多數人都想知道結果預測和流程優化在實踐中是如何實現的？目前Altair擁有不少AI案例，包括制造商如何在鋼鐵生產過程的早期預測質量控制問題等經典案例，<strong>歡迎持續關注Altair，獲取更多案例內容，為公司的AI應用提供好的建議和啟發。</strong></p><p><br></p><p>所有這些項目都突出了 AI 的共同優勢，包括<strong>減少物理測試、加快上市時間以及支持更早、更明智的決策等</strong>。
展開 工業+AI，天洑攜手常州信息化協會開展工業AI應用培訓
近日，天洑聯合常州市信息化協會，成功舉辦了“制造企業AI智能化應用”專題培訓活動。培訓吸引了神力電機等十余家企業參與，共同探索工業AI在生產一線的落地路徑。
本次培訓采取“案例演示+實操演練”的互動模式。天洑的技術專家選取多個來自離散制造行業的典型業務場景，基于自主研發的智能數據建模軟件DTEmpower 帶領學員深入了解AI技術在工業環境中的閉環應用。
在實操環節，企業學員們通過動手操作，親身體驗了從原始數據（圖像和表單）載入、數據預處理、模型訓練與評估、模型部署與應用的全流程。這種沉浸式的教學方式，讓企業直觀體驗了AI技術在優化生產工藝、設備故障預警以及輔助決策方面的價值。
離散制造過程具有工序復雜、物料多、設備差異大等特點，這導致生產數據呈現出嚴重的多源異構特征，通俗說就是“來源多，格式雜，質量參差不齊”，成為困擾企業AI應用的“第一道關卡”。
針對這一痛點，天洑在本次培訓中重點展示了基于智能數據建模軟件 DTEmpower 開發的最新功能——圖像模型和表單數據模型融合決策。
該工具能夠高效整合來自ERP、MES、PLC系統各類傳感器以及圖像數據，實現多源數據的快速清洗、轉換與融合。在提高產品良率的案例展示中，該工具展現了強大能力。
作為天洑自主研發的核心工業軟件，DTEmpower 在本次培訓中表現亮眼。新版本大幅提高了多源異構數據處理和統計過程控制（SPC，Statistical Process Control）能力，結合搭載的 AI Coding 技術，進一步降低了AI應用的技術門檻。
展開 成圖大賽丨第五屆輕量化設計與 AI 應用教師培訓及競賽正式啟動！
為推動產品輕量化設計與人工智能技術在工程設計、仿真與制造領域的深度融合，全國大學生先進成圖技術與產品信息建模創新大賽組委會聯合 澳汰爾工程軟件（上海）有限公司 Altair 舉辦“第五屆輕量化設計與AI 應用教師培訓及競賽”。
培訓亮點
本次培訓聚焦兩大前沿方向：
輕量化設計： 掌握 Altair Inspire 軟件操作與結構優化實戰；
AI 應用： 學習 AI Studio 的機器學習建模與反向優化方法。
培訓與競賽結合，真正實現“以訓促賽、以賽促教、以教促研”，助力高校教師掌握智能設計與AI融合應用能力。
培訓時間
Inspire 輕量化設計培訓：2025年11月22日
AI Studio 人工智能應用培訓：2025年12月2日、12月4日
參賽與認證
競賽環節中輕量化開放賽題和AI應用命題，具體請查閱成圖大賽官網通知：
https://s.jishulink.com/OjPHZ1
（請復制該鏈接至瀏覽器進行打開）
作品提交截止時間：2025年12月30日
完成培訓可獲得組委會頒發的培訓結業證書；
競賽優秀者將獲組委會頒發的獲獎證書及獎金；
一等獎獲得者將額外獲頒 Altair “結構輕量化設計與 AI應用工程師”認證證書。
展開 
新聞速遞丨Altair 重磅發布：全球100 個 AI 應用案例，助力企業加速 AI 技術應用
image_process=/format,webp/quality,q_40" data-initial-src="https://img.jishulink.com/202508/attachment/5e93497589d84d628e48fc302de60d9a.jpg"></figure>
</figure><p><br></p><p class="ql-align-center">該書收錄全球100個AI實踐應用案例</p><p><br></p><p>Altair 近日正式發布全新電子書《全球100個AI應用案例》，書中收錄了全球 100 個 AI 驅動工程設計應用案例，展示人工智能技術（AI） 如何在各行業為產品開發生命周期帶來革新。</p><p><br></p><p>這本電子書兼具參考價值與實踐指南功能，為各行業組織提供已實戰驗證的 AI 應用場景及 AI 應用策略。書中分享了如何<strong>使用 AI 降低成本、縮短周期、加速創新</strong>的洞見，為企業開啟或拓展自身 AI 驅動工程設計項目提供切實可行的思路。</p><p><br></p><p>“<strong>在產品開發與工程設計領域，AI 已不再是可選項，而是必備項</strong>。Altair 已將 AI 無縫集成到我們的工具和工作流程中，直接為客戶賦予 AI 能力。</p><p><br></p><p>這本電子書中的真實應用案例，展示了我們的客戶如何運用 AI 提高生產力、解決當下棘手的挑戰并實現商業價值。我們很自豪能為企業提供便捷易用的工具，幫助企業將數據轉化為戰略優勢。
展開 應用案例丨拍張照片，就知道零件多少錢？ 從7天到1小時：用視覺AI加速零件成本預測
全球100個AI應用案例電子書下載
△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。
關于 Altair 澳汰爾
Altair 是計算智能領域的全球領導者之一，在仿真、高性能計算 (HPC) 和人工智能等領域提供軟件和云解決方案，服務于16000多家全球企業，應用行業包括汽車、消費電子、航空航天、能源、機車車輛、造船、國防軍工、金融、零售等。
近期，Altair被全球工業軟件領導者西門子收購，成為西門子數字化工業軟件(Siemens Digital Industries Software)旗下成員，進一步鞏固西門子在仿真和工業人工智能領域的全球領導者地位，其技術正與西門子Xcelerator解決方案進行深度整合。
欲了解更多信息，歡迎訪問：
www.altair.com.cn
展開 解鎖AI潛能：Altair 全球100個AI成功應用案例，加速企業智能化升級
該書收錄全球100個AI實踐應用案例
Altair 近日正式發布全新電子書《全球100個AI應用案例》，書中收錄了全球 100 個 AI 驅動工程設計應用案例，展示人工智能技術（AI） 如何在各行業為產品開發生命周期帶來革新。
這本電子書兼具參考價值與實踐指南功能，為各行業組織提供已實戰驗證的 AI 應用場景及 AI 應用策略。書中分享了如何使用 AI 降低成本、縮短周期、加速創新的洞見，為企業開啟或拓展自身 AI 驅動工程設計項目提供切實可行的思路。
“在產品開發與工程設計領域，AI 已不再是可選項，而是必備項。Altair 已將 AI 無縫集成到我們的工具和工作流程中，直接為客戶賦予 AI 能力。
這本電子書中的真實應用案例，展示了我們的客戶如何運用 AI 提高生產力、解決當下棘手的挑戰并實現商業價值。我們很自豪能為企業提供便捷易用的工具，幫助企業將數據轉化為戰略優勢。”
—— Altair 首席技術官
Sam Mahalingam
這 100 個應用案例涵蓋汽車、重型機械、醫療健康、能源、航空航天等多個行業。每個案例都清晰闡釋了 AI 創造的實際價值，包括預測電池壽命、優化氣動性能，實現實時數字孿生等。
點擊查看/下載查看完整電子書
精彩案例摘取
1.汽車行業案例：如何利用機器學習ML提前檢測NVH性能問題
挑戰
及早解決 NVH 問題對于品牌形象至關重要，尤其是在車隊電氣化的情況下需要更快的 NVH 性能分析，以評估設計變量并確保結構可靠性。
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 MDDC 2025發布天璣開發工具集：橫跨AI應用與游戲開發的全家桶
天璣開發工具集震撼登場——橫跨AI和游戲開發的開發工具全家桶
去年聯發科發布的天璣AI開發套件，收獲了行業的一致認可。今年，聯發科更帶來了橫跨AI應用和游戲開發的全家桶套裝——一站式可視化智能開發工具：天璣開發工具集(Dimensity Development Studio)，包含針對AI開發與模型調優的 Neuron Studio 和針對游戲性能分析的Dimensity Profiler。
其中，Neuron Studio是一款AI應用全流程開發工具，可針對模型到應用，為開發者提供一站式、全鏈路、自動化的開發協助。Neuron Studio整合了多個MLKit具，將關鍵模塊融合成一站式、可視化的完整開發鏈路，讓開發者用一套工具就能完成模型開發，大幅提升開發效率。神經網絡自動化調優則可將性能和內存占用自動優化到最佳配置，開發者可全程監控大模型演化過程，讓模型和端側平臺適配省心、省力、省時間。開發者可以通過跨模型全鏈路分析功能，獲得全局視角和執行流程，大幅節省模型分析時間。
為加速實現智能體化用戶體驗愿景，聯發科還在會上為開發者帶來了全新升級后的AI應用開發武器庫——天璣AI開發套件2.0，以更大的模型庫規模、更開放的架構、更前沿的端側AI技術和端側LoRA訓練落地等四個維度，為開發者提供更全面、更開放、更強大的端側AI開發解決方案。
其中，全新升級的Gen-AI Model Hub模型庫模型數量激增3.3倍，并且支持最新的Deepseek-R1蒸餾模型、通義千問、混元等先進端側大模型；突破性的開源彈性架構，讓開發者可以通過開放架構，直接調整平臺源代碼，無需等待芯片的支持，就可以完成大模型的輕松部署。
展開 AI是FPGA企業苦等的殺手級應用嗎？
但就目前而言，基于FPGA的神經網絡推理基本上僅限于能夠與其神經網絡/ AI工程師一起部署FPGA專家的組織。事實上，這個問題很可能是我們早前撰寫的Xilinx /戴姆勒聯盟的驅動因素—— 戴姆勒可能需要Xilinx幫助在Xilinx硬件上實現其汽車專用AI算法。
除了編程問題之外，FPGA在不可替代性方面還存在另一個障礙。在大容量嵌入式應用（例如汽車）中，解決方案將隨著時間的推移變得具體和有限。這意味著將不再需要FPGA的靈活性。如果行人識別網絡被證明是有效的，那么該應用的硬件仍然可以硬化，可能會大大提高性能，降低功耗，并且（最重要的是）降低成本。 FPGA只用于最先進而系統、架構不斷變化的芯片。
例如，我們與Lidar的制造商進行了交談，他們在系統中使用了大量的FPGA。雖然他們正在生產汽車應用市場上性能最佳的系統之一，但他們的系統成本仍然是五位數。他們估計，在汽車大規模生產之前，他們需要將其減少到三位數（是的，相同性能降低兩個數量級的成本），同時減少其面積和功耗。他們待辦事項清單的第一條？不再使用FPGA進行設計。
我們懷疑在ADAS和AD市場之后的眾多子系統中可能存在同樣的情況，導致FPGA公司在贏得一席之地時暫時感到興奮——隨后在取得大量收益之前被棄用而失望。而且，這只是在汽車領域。任何FPGA都需要長時間執行相同的工作，它們很容易被更優化的特定于應用程序的解決方案所替代。
一點可能不是真的（或者至少可以看到效果延遲）是在AI應用程序的數據中心/云部署中。在那里，可能必須在同一硬件上部署各種不同拓撲神經網絡，并且進一步優化的ASIC或ASSP解決方案將會更長。
展開 AI助力塑膠射出成型：從技術到應用
另外，AI還能夠自動進行外觀瑕疵檢測，確保產品質量的一致性與穩定性；設備方面，AI技術可以預測和診斷機械設備的潛在故障，延長設備壽命并減少意外停機的風險。這些應用不僅提升了射出成型的生產效率，還促進了整體工廠向智慧化方向的轉型，使得制造業在成本控制和質量管理方面具備更強的競爭力。
總的來說，AI技術在射出成型領域中的應用，正在改變傳統制造方式，為工程師提供了更多的可能性，從而推動了工程和制造領域的創新和發展，使得生產過程更加智能化、高效化。未來，隨著技術的進一步發展，AI將在這一領域中發揮更大的作用，并創造出更大的價值。
展開 
使用 Java Spring AI 進行 AI 驅動的應用程序開發（2025 年）
本模塊強調動手開發，指導學習者完成創建、配置和部署 AI 增強型 API 的過程。通過將 Hugging Face 模型和 Gemini API 集成到 RESTful 服務中，應用程序能夠生成響應、分析文本和自動做出決策。通過實踐練習和實際場景，學生將了解如何在其應用程序中構建 API、管理數據流和優化 AI 性能。此部分確保學習者具備開發可擴展且生產就緒的 AI 驅動的后端服務所需的技能。本課程的最后一部分側重于通過構建 AI 驅動的自動電子郵件回復助手，將 AI 功能應用于實際用例。這個基于項目的模塊指導學生將 AI 驅動的文本處理和響應生成集成到自動化電子郵件管理系統中。通過利用 Spring AI，學生將開發一個智能助手，該助手可以理解電子郵件內容、對消息進行分類，并根據預定義的 AI 模型生成適當的回復。這個實踐項目鞏固了課程中涵蓋的概念，為學生提供構建可提高生產力和自動化的 AI 解決方案的實踐經驗。在課程結束時，學習者將具備使用 Spring AI 設計、開發和部署 AI 驅動的應用程序的知識和技能，使他們能夠為現代 AI 驅動的軟件開發做好準備。
這門課程適合
Java開發人員
AI和ML愛好者軟件
/應用程序開發人員
后端工程師
展開 基于SimSolid的塑膠模具溫度場瞬態分析【附100個AI應用案例下載】
</p><p><br></p><p><strong>全球100個AI應用案例電子書下載</strong></p><p><img src="https://mmecoa.qpic.cn/mmecoa_jpg/x0yLiaf5fF6zViaNwGu9Apt5Z4icfRMia12TyL9ibp31pGpNZjhDeu3iaJ6FN22dupTIHIKG4W9WQgvqSHicC2URwRTBw/640?wx_fmt=jpeg&from=appmsg"></p><p><br></p><p>△Altair 正式發布<strong>全球100個AI應用案例電子書</strong>，內容覆蓋<strong>10+行業的100個AI應用場景</strong>。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。</p><p><br></p><p class="ql-align-center"><strong>掃碼獲取</strong></p><p class="ql-align-center"><img src="https://mmbiz.qpic.cn/mmbiz_png/lR4GOtoy9vLB39xupy9m5qlD3xHJMia9EFxCPDNU8qeBytcPftWNemeCFABPmC7Lh8YHJRaX09BL1rJNibExBSFA/640?
展開 高性能計算在人工智能（AI）智藥中的應用
近年來，人工智能（AI）的在各個行業廣泛的應用，讓傳統制藥行業看到了加速藥物研發的新的可能性。隨著高性能計算機算力的不斷增強和算法的不斷革新，人工智能（AI）已經逐漸應用于藥物發現的靶點挖掘、虛擬篩選、化合物設計與合成等許多場景。
高性能計算作為人工智能（AI）模型建立的基礎環節，對于藥物研發的進程同樣有著重要影響。因此，在進行藥物研發時，對于高性能計算的硬件配置的也會有比較高的要求。眾所周知，人工智能（AI）的模型建立需要大量的數據為基礎，而在藥物研發領域藥物發現環節數據最為豐富，也最能體現AI的應用模式。
互聯網大廠憑借領先的算法、強大的算力以及其公有云廠商自身最新的硬件配置，往往比傳統的超算中心更具有優勢，北鯤云作為主流公有云廠商的合作伙伴，不僅能夠為用戶提供公有云廠商最新的硬件設備，同時，由北鯤云自主研發的北鯤云超算平臺能夠針對藥物研發提供一套完整的行業解決方案。此外，北鯤云超算平臺還預裝了如GROMACS、Amber、LAMMPS、NAMD、CP2K等300+應用軟件，研究人員可在北鯤云超算平臺直接使用這些軟件，這也是傳統超算中心與公有云廠商都無可比擬的優勢。
人工智能AI方法對于其適用對象的相關條件有諸多要求。例如，基于AI的藥物研發需要配備數據、算法、算力，其中對數據的要求最為嚴格。對于AI機器學習來說，數據量越大，模型就越完善，預測的準確性可能也就越高。為此，除了內部組建AI團隊、內部開發以外，許多制藥公司也會嘗試組成聯盟來開展基于AI的藥物研發。但對于一些對數據安全有較高要求的企業來說，當出現數據不需要共享的情況時，北鯤云超算平臺也可以為其提供專屬計算區，保證其數據的安全性。
總體而言，藥物研發的工作量巨大，人工智能（AI）的加入是對于藥物研發的一種積極的嘗試。
展開 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
