近幾年AI技術的逐漸成熟，在工業領域，諸多企業開始思考如何將AI技術應用到已有的研發流程當中。在談到AI+研發的時候，往往大家問到的第一個問題是AI和仿真怎么發生聯系。

—— Altair 大中華及東盟總經理劉源博士

在中歐校友工業互聯網協會第三屆年會的精彩演講

現今大家都在討論當前環境下的破解之路，而公認的企業出路之一是“創新”。那么當下創新的潛力主要來自什么呢？我們列出了仿真技術+人工智能+計算能力，以及行業專業知識等其他內容，通過技術的融合推動創新，推動研發進步，挖掘科技發展的無限可能性。

今天我想和大家一起主要從行業的發展方向聊一聊AI和仿真的現狀以及未來發展。

不管從企業角度還是消費者的角度，我們都能夠感受到制造業正在發生巨大的變化，比如汽車行業，十年前一個車型的上市周期還是36個月甚至更長，而現在很快就提升到24個月，甚至有些車企新車型的科研周期已經縮短到18個月，而這種勢頭還會持續加快。

現今我們已經走入了智能化、互聯化時代，從戰略方向看，汽車行業的制造商、供應商轉為了出行服務的服務商；重工行業的頭部企業在全球已經有將近一半的營收來自重型機械的租賃服務，正在迅速地從傳統機械供應商向租賃服務商轉型。

那么是什么驅動行業發生如此大的變化？不同類型的科技進步一定是支撐在后面的。無論談IT、大數據還是人工智能等，科技的進步都在推動著行業越來越卷。當行業不斷向前發展，數字化一定是其背后非常重要的推動點。

當前從各個行業看，數字化已經無處不在。如下圖所示，橫軸列舉了很多行業，以裝備類為主，從前端的需求到設計開發到試制到生產運維等整個過程，數字化技術都無處不在。

當我們走入不斷發展的數字化進程之中，可以明顯看到制造業價值鏈的附加值改變。在數字化的推動下，微笑曲線也發生了很大的變化，如下圖所示，可以看到兩端的附加值越來越大。一方面附加值拓展到了運維端口、服務端口，沒有做數字化之前這是沒辦法直接做互動的；另一方面研發端口的附加值也越來越高。

那么面對當下環境，大家往往在什么方面發力呢？一方面當然是創新，企業往往會在研發階段做產品端創新，使研發端附加值大大提升；另一方面是貼近用戶，將價值鏈拓展到服務。

數字化轉型這個概念很廣，爭議也很大。現在我們講數字化，落到實處主要看研發端口是否具備特殊性。眾所周知，中國是制造業大國，在生產制造領域已經積累了大量經驗，20年前我剛入行的時候，我們還更多在做逆向工程，而現在我們都在做正向的開發，同時還實現了跨行業復制。但研發端口有極強的行業Know-how，所以研發階段具有極強的數字化轉型特殊性。

我們以一個比較成熟的典型車企開發流程為例，從整個開發階段來看，包含產品規劃、概念開發、設計開發、試制試驗、生產準備等，設計開發包含3個大部分：工程設計、工程仿真、工程試驗。

產品開發有兩個大的部分，一部分是產品設計，另一部分是產品驗證。從發展歷史來看，有很多年產品驗證基本是基于物理實驗，而產品設計從80年代開始就已經有了輔助設計，我們叫CAD，目前已經應用越來越廣泛。

近些年在產品驗證中逐步開始出現了計算機仿真（CAE），這種仿真技術開始替代大量的物理實驗，加速整個產品研發周期，節省大量經費。同時當我們做虛擬樣機，發現性能不達標的時候，能夠快速返回設計。現在我們已經可以看到仿真在產品開發周期當中逐步發揮了重要的作用。

如下圖所示，這些色彩斑斕的圖像不是動畫畫出來的，而是真正通過計算仿真出來的。每一個不同類型的計算背后對應的是某一種類型的物理過程。

我們做了多種物理過程的聯動、耦合分析，這里展示的汽車領域碰撞、水壓爆炸、鳥撞分析、高速率發動機甩油分析、潤滑狀況等，都可以通過三維建模進行精準刻畫。這也可以讓大家直觀的理解到仿真在各個領域中的應用。

01、工程仿真

工程仿真可以理解為是在計算機中建立虛擬的實驗，旨在評估和預測產品在現實世界中的性能與表現。絕大多數企業在做工程仿真之前，都是按照長周期試驗流程走，有了工程仿真之后，可以做虛擬驗證，如果性能沒有達標會循環回到生產端口，極大程度減少了物理樣機的投入，節省了成本以及研發時間。當下很多企業已經有了非常獨立的部門在做工程仿真。

工程仿真分很多不同的方向：結構仿真、流體仿真、電磁仿真、工藝仿真等，大多數企業往往會先從結構仿真入手，考慮汽車碰撞達標、汽車輕量化、手機跌落、家電跌落等結構方面的問題。接下來會逐步追求效能的不斷提升，考慮風阻問題、外形設計、降低油耗等，這就涉及到流體仿真（CFD）。

此外，電磁仿真也是工程仿真領域中一個重要方向。隨著智能化時代的到來，許多企業開始做一些和車流工藝相關的仿真，C-to-X、C-to-V等有大量的需求做電磁虛擬仿真測試需求。

最近十多年進入新能源時代之后，電機也煥發了新生，大量應用電磁仿真推動新能源汽車行業的蓬勃發展。最近新聞里提到六代戰斗機新聞中也提到，該機型的隱身性能和機動特性，是通過大量和電磁相關的隱身特性計算，具備非常好的隱身性能、機動特性，而不是靠經驗指導出來的。

在工藝上，仿真分析也發揮著重要作用，前面提到在設計端通過仿真已經可以做出非常漂亮的設計，但是有些時候比較遺憾的是沒有很好的工藝生產。所以在工藝階段也有大量的仿真工具幫助驗證是否有比較好的工藝條件完成生產。

從仿真的歷史發展看，上世紀的60年代開始，仿真軟件逐步發展起來，最初用在航空航天、軍事領域等高精尖行業。隨著技術的進步，逐步發展到汽車、機械制造等行業。到21世紀，隨著算法的不斷進步以及算力的不斷提升，工程仿真計算得到快速發展，涵蓋多個學科領域，涉及眾多行業應用。

今天，我們談到的已經是深度的技術融合階段，工程仿真軟件和很多新的技術開始有了深度的融合，企業對于工程仿真軟件的認知到了新的高度。當前數字化仿真技術的應用已經可以反映一個企業的研發能力狀況，還可以看到企業潛在的創新能力。

02、仿真驅動設計

從2000年開始到2015年左右，很多用戶已經開始接受“仿真驅動設計”的概念。什么叫仿真驅動設計呢？仿真技術擁有很強的理論背景、行業知識等，不應該僅僅在產品驗證階段發揮作用，在這個時間開始做仿真已經有點晚了。應該在設計的初期就把仿真技術帶給產品。

所以仿真驅動設計正逐漸成為一個重要趨勢，越來越多行業已經開始把這種理念應用到日常實踐中。當然我們也需要工具本身能夠有很好的面向設計師的應用性。

接下來通過兩個簡單案例展示仿真驅動設計的思路。

衛星支架天線

從設計師的角度來看，天線的設計不僅僅是功能性要求，造型的美觀和輕盈感也至關重要。傳統的設計方法可能難以同時滿足美學要求和嚴格的性能指標，尤其是在惡劣的環境條件下。

而通過仿真技術，我們可以在設計初期設置一個制造空間，并將初步設計模型放入其中。通過簡單的加載和適當的約束條件設置，可以迅速優化并生成一個滿足各項指標的初步設計。

3D打印機車

我們可以通過仿真驅動設計的方式直接進行3D打印制作機車，這個方向也非常響應綠色低碳的要求。在實現設計輕量化之后，能夠很大程度提高設計優化空間，實現成本縮減以及技術創新。

仿真工作中，大量的時間被花費在前端畫網格上，而網格的精度會影響后續計算結果。因此一個顛覆式的創新思維出現了：我們是不是能夠推出無網格技術，從而加速整個仿真過程，也讓普通設計師可以跨越仿真技術門檻，實現快速產品設計與評估。

設計仿真一體化

仿真驅動設計中必然會涉及的方向是設計仿真一體化，如下圖所示，上方是一個傳統的設計流程，通常企業中做設計和做仿真的人是兩個team，背景差別很大，相互很難配合。下面是引入新的仿真技術之后，企業開始有了敏捷設計，可以非常快速的進行第一驗證，實現設計到驗證的快速循環，這是設計仿真一體化很重要的點。

大家可以很清晰的看到仿真技術革新帶來的巨大變化。設計部門可以承擔更多專業仿真工作，進行快速仿真評估，專業做仿真的人員有更多精力做最為專注的事情，例如多學科的交叉學科聯合仿真以及新技術的突破等。

設計仿真一體化也會催生新的研發流程和研發關系，幫助企業推動新質生產力，從設計仿真一體化的研發流程中可以看到，它實現了全員仿真，幫助企業進行快速設計迭代。

03、數字化研發提效—高性能計算

接下來分享數字化研發提效的必經之路—高性能計算。如下圖所示，可以看到國內主要車企的OEM廠商以及其他幾個行業當前的算力情況，我們幫助了很多國內的頭部企業管理他們的并行資源、計算資源，圖中表格是國內用于并行計算的高性能計算總和，可以看出增速非常迅猛，從17年大概3萬5千核到現在大概32萬。

目前國內頭部車企大概有8萬多個計算資源，雖然頭部幾個車企的數量級相似，但實際數字差距非常大。當前的算力已經能夠體現出整體行業的創新能力，以及對產品開發設計的投入現狀。

企業越往前發展，HPC的重要程度也會越來越高。當公司團隊人數超過500，有大量軟件數量以及硬件資源的時候，需要用算力把變量綜合優化、管理調度起來，這就使HPC的管理成為提效的關鍵。

接下來，總結一下前面的內容，也是工程仿真的演進過程。很早以前大家常用實驗的方式描繪物理世界的狀況，通過現象逐步形成結論。隨著理論的發展開始有了很多物理問題，我們可以通過各種類型的公式表述出來，當時大家已經覺得很美妙了，因為它有了理論性。

后來隨著算力的發展，我們找到尋求數學解的方式，通過計算機在虛擬世界當中得到數學解，實現基于模型的計算和仿真，已經能夠解決實際中的大量問題。再往后，隨著數據模型和機理模型的融合，以及人工智能技術等革命性技術的推動，我們能以越來越小的代價，解決越來越多復雜的實際問題。

04、AI+仿真

近幾年AI技術的逐漸成熟，在工業領域，諸多企業開始思考如何將AI技術應用到已有的研發流程當中。在談到AI+研發的時候，往往大家問到的第一個問題是AI和仿真怎么發生聯系。

首先講講“數據從哪里來”，如圖所示，是Gartner的預測圖，預測了從2020年到2030年用于人工智能的數據走勢，實際數據的占比一定要低于30%，合成數據占比超過70%。什么是合成數據呢？包括人工生成的數據；簡單規則、統計模型、仿真和其他技術產生的數據。

可以看出仿真是驅動生成合成數據非常重要的來源。很多實際數據沒辦法捕獲，但是通過仿真建立模型可以拿到非常多各種工況下的應用數據。例如汽車行業，很多自動駕駛的場景，在雨天、暴雪天、不同城市下的場景都是通過仿真獲取數據，進行后續的試驗和研究。

數據的來源是第一個點，第二個點是設計研發的效率如何繼續提升。大家都期望有更好的技術驅動仿真流程持續提效，這就是AI技術的價值。AI可以助力仿真，我們使用AI加速優化，增強仿真能力。但是這里的AI一定不是我們當下談的熱門的大模型，而是和各個行業相關的小模型。

從另一個方向看，仿真也可以助力AI，利用仿真的生成數據進行人工智能模型的訓練和測試。

05、數據驅動

從數字化研發的創新歷程來看，在2020年另一個趨勢點其實早就已經出現了，無論是設計狀態還是研發狀態，都出現了巨大的變化：數據驅動。

目前我們已經有了大量的數據，無論實驗的測試數據還是積累的仿真數據都已經開始發揮越來越強的作用。而數據的背后是AI，是機器學習。當前AI已經能夠賦能很多方向的仿真場景，分享一些很有意義的典型案例。

機器學習應用于預測仿真結果，大幅提效

我們可以非常直接地看到在仿真計算中引入機器學習之后帶來的效能提升。當直接做傳統的仿真計算時，會有應力問題，引入機器學習之后通過前端仿真積累的數據做訓練，建立機器學習的模型，僅需28秒左右的時間。目前機器學習已經應用到成熟的工藝當中了。

行人保護性能可被快速預測

行人保護性能預測是非常實際的典型案例。做行保整體狀況分析通常需要至少一周的時間。而使用機器學習通過已有的計算數據就可以對不同車型不同位置點進行輕松高效的預測，同時有新的車型出現，也可以將不同車型的訓練模型應用其中，目前預測速度已經可以達到半小時以內。

對于當前很多新能源車企而言，時間是非常重要的，機器學習極大程度提升了開發周期，節省了研發成本。

RCS（雷達散射截面積）性能快速預測

在飛機雷達散射截面積的性能預測方面，機器學習也能創造很高的價值。現在做五代機或者最新型的戰機，一定繞不開這些方面的分析，但是這非常耗時。

目前國內一些研究單位或者上市企業已經開始把機器學習運用到隱身材料中，用于新型戰爭中的開發工作。

電動汽車大鑄件設計

電動汽車大鑄件設計也是非常典型有代表性的案例。本次分享電動汽車一體化底盤設計以及制造過程，一體化成型是一個典型的多學科系統集成問題。我們會面臨至少十多種目標，這就表明在做設計的時候需要進行多目標優化，將一體化設計作為整體綜合考慮，而不是每個學科單獨考慮，不同學科給出的優化方向會非常不一樣。

我們將AI技術應用其中，把整個設計流程交給計算機做分析，利用AI技術進行識別分類，將條件約束加到最前端的設計流程中。

當前，數據分析與人工智能技術已經有了非常廣泛的應用，不僅在研發過程中，還貫穿到整個產品生命周期中。AI不僅可以與仿真結合做分析優化，還可以利用歷史數據幫助企業實現設備管理、質量檢測、預測維護、能耗優化等核心需求。

06、仿真流程及數據管理平臺

目前研發數字化主要有2大趨勢：仿真驅動、數據驅動。從當前企業現狀來看，常見的問題有業務協同不暢、業務標準化程度不足、以及數據和知識管理不統一、業務進展不同等。面對這些問題，很多大企業已經開始搭建仿真流程與數據管理平臺，把企業業務在線化，挖掘數據價值，實現持續增速提效。

如下圖所示，可以看出企業仿真研發數字化的核心是業務流程數字化和數據的數字化，業務流程前端需要打通設計端或者其他需求端，如PDM系統，項目管理系統或者性能管理系統，后端連接試驗端TDM系統。

仿真業務在線的基礎是仿真能力體系的線上化，對此我們需要對仿真能力體系做在線建設和認證，當前很多企業的仿真能力可能還處于工具應用階段，或者分析規范制定階段，后續可以通過建設性能評估體系，實現標準化自動化仿真，以及AI預測等手段持續提升仿真研發能力。

從客戶的實際案例中可以看出，仿真流程及數據管理平臺建設帶來的效果是非常好的，在電子行業、重工企業、能源企業、整車廠等典型行業方向均取得了很好的效益，幫助企業提升了20%～30%仿真效率，節省了40%左右獲取數據的成本。

07、Altair的發展歷程

最后分享一下Altair：Altair最初自研核心拳手產品，也是目前仍廣為人知的HyperMesh，至今仍在行業中有著行業標桿作用。同時保持持續的戰略收購，打造完整生態，目前在某些領域中仍然有很多差異化產品。

另外，Altair還擁有獨特的商業模式，使用基于Units的模式，使Altair具備了跨越經營周期的能力，在經濟周期不是很穩定的時候，反而能夠體現出非常穩定的狀態。

30多年來，Altair也一直是HPC最值得信賴的解決方案提供商，為仿真計算整體提效50%～100%，站上了行業生態領先位置。2018年開始我們進軍了人工智能，發展到今年6月份，Altair已經被Gartner魔力象限評為數據科學和機器學習平臺領導者（第一象限）。

08、Altair深耕中國

Altair在中國一直持續和用戶在一起，做了很多專業的本地模塊開發，形成了行業定制化產品，面向眾多不同行業，如重工、汽車、消費電子等。

另外，我們在中國本土也為眾多客戶做了項目咨詢工作，比如曾經為五菱汽車做測試優化，從設計到碰撞等整個設計過程都是由我們服務，幫助車企一次性通過五星級測試。

最后，我們也幫助客戶做了很多數字化轉型工作，包括流程標準化、仿真流程管理等，使企業信息同步，企業數據價值最大化。

這也是使得我們過去這么多年里在國內能夠持續保持良好態勢的重要原因。

綜上所述，目前Altair的定位主要是三大塊：設計與仿真、HPC&云計算、人工智能/機器學習，通過技術融合為企業提供最佳決策。

09、總結與展望

最后，做一個總結和展望。

研發環節數字化具有極強的特殊性

首先是正向設計與研發數字化，一個企業如果有比較好的正向設計基礎，做研發數字化是順勢而為的事，當一個企業在做產品開發設計的時候已經開始用到很多數字化工具，那么一定是正向研發過程。

其次是不是使用了工具軟件就代表數字化呢？顯然不是。當我們有了很多數據工具之后，還需要把大量流程實現標準規范化才算是逐步往數字化方向走。

第三點，仿真驅動與數據驅動，在研發方向，這兩條趨勢一定會持續。第四點未來企業仿真、算力和應用AI的能力，能夠反映企業的整體的研發水平以及創新能力。

設計仿真一體化

關于設計仿真一體化，首先需要提到的是理念，當下很多企業的核心管理層已經認識到這個理念，只有從理念上達到認知后才能實現在整個研發環節持續提效。

其次是流程，之前的工作流程一定是先設計再仿真，而設計仿真一體化會逐步實現設計和仿真在同一個環境中，解決了不同學科差異的問題。最后是數據，設計和仿真數據要實現聯動。

仿真技術/AI技術民主化

我們期望仿真技術、AI技術等不僅僅在開發端口用，而是應用于企業的各個端口，不要讓技術本身影響不同團隊人員的創造性，讓最優的技術大眾化，大家都可以獨立應用起來。而對于供應商來說，必須能夠推出適合沒有很強專業基礎人員的工具，同樣也面臨挑戰。

技術融合+行業專識加速創新

在尋求創新問題中，我們通過不同學科不同領域甚至跨行業之間的技術融合加上自身獨有的行業專識加強創新。

從整個創新理念設計來看，不僅僅是頭部企業或者高端制造業，很多面向消費者做工業設計、產品開發場景中，都能夠把大量優勢技術融合其中不斷推動創新，帶給消費者和行業更多創新思維應用。

申請免費試用

如您對 Altair HyperWorks等感興趣

歡迎掃描二維碼申請免費試用：

?

關于 Altair 澳汰爾

Altair（納斯達克股票代碼：ALTR）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。Altair 能使跨越廣泛行業的企業們在連接的世界中更高效地競爭，并創造更可持續的未來。

公司總部位于美國密歇根州，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。

欲了解更多信息，歡迎訪問：

www.altair.com.cn

不知火舞的被虐|伊人天伊人天天综合网|博洛尼亚天气|任你懆这里只有精品4|久久美日韩精品久久|掌中之物漫画免费阅读观看|0丨d老妇