文｜数智前线 徐鑫

 AI+工业仿真，能做什么

过去一年多，工业软件企业加速了与大模型结合的创新探索。以工业仿真领域为例，结合AI和大模型技术来升级工业仿真和设计产品，国内外企业都迈开了步伐。

上个月末，西门子收购工业仿真和分析软件提供商Altair，业界广泛关注到Altair在仿真、数据科学和高性能计算（HPC）领域的能力。双方高管在合作中还提到，要让数据和人工智能惠及所有行业，携手以计算智能加速科技创新。

而在国内，AI+工业仿真，也有不少新动向。

日前，国产工业仿真软件商十沣科技发布了集自动化数据管理、大模型训练和工业应用部署于一体的AI-CAE仿真平台TF-AIDEA。用户可以基于这一平台，实现秒级仿真预测。

十沣科技AI仿真负责人宾远为介绍，在TF-AIDEA平台，用户可自动化管理海量的CAE数据。同时，产品内置了各种先进的神经网络结构和算法，用户能根据任务需求、应用场景来选择更适合的神经网络模型。通过可视化界面，用户能够快速利用海量的CAE数据通过可视化界面一键完成模型的训练后，并将其部署到工业应用环节，从而加速设计迭代和方案确定。

以汽车的外形设计环节为例，AI仿真平台能大大加速计算过程，同时不影响结果的精确度。

比如，上世纪要确认一辆汽车的气动特性，需要用一个模型汽车送到风洞实验。整个迭代流程需要数月时间。工业软件出现后，基于流体力学相关软件，对汽车进行数字建模，生成计算网络，执行仿真计算，整个气动特性的确认流程缩短为数天时间。

而到了AI仿真时代，只需要用相关模型进行推理，几秒钟就可以获得汽车的表面压力分布和对应的风阻系数，传统计算流体力学所需的数天时间，减少到一秒钟。

除了应用在汽车气动特性的计算上，十沣科技还将这款产品应用在风电行业选址环节。基于特定的地形，预测出地形上空100米高度的风强度，风电产业用户可快速地完成风电选址。

快速预测并不是AI与工业仿真融合的终点。“企业使用CAE软件的目的并不是为了获得风阻和结构受力状态等数据，最终的目的是要造出更好的产品。”十沣科技总经理张日葵告诉数智前线，他们也在考虑将自主研发的优化类软件与这款产品耦合，让用户可基于仿真的结果实时优化设计，最终能让AI帮助设计用户所要求特性的产品，实现从“快速预测”到“快速设计”。

国内也有其他玩家在尝试将大模型落地到工业设计领域。比如，华为的盘古工业设计大模型则提出能让汽车的造型设计时间大幅缩短。创新奇智将工业大模型技术引入工业设计领域，推出自主可控的Text-to-CAD类应用—“ChatCAD生成式辅助工业设计”。系统能基于对话问答，理解设计师的创意意图，并自动生成符合要求的工业设计图。

但整体而言，工业仿真与AI大模型结合的浪潮可能才刚刚开始。

张日葵认为，传统的CAE的技术路线上，国产工业软件虽然能循着后发优势加速迭代，但软件产品的成熟总体上还需要时间。而AI跟CAE软件的融合层面，国内外基本上处于同一个进程里，“谁在这个层面尽早布局、尽早产品化、尽早形成成功的商业应用，马上就能走到前面去。”

 自主浪潮，不只是平替

近年来工业软件领域自主化浪潮轰轰烈烈。德邦证券在今年的一份报告中指出，经过多年自主创新与政策支撑，目前整体的国产率在稳步提升。最被卡脖子的研发设计领域，虽然海外龙头占据主要市场份额，而国产厂商已在 CAD、EDA、BIM 等细分垂直领域取得国产化突破。

张日葵观察到这波浪潮里市场也对自主工业软件企业在提出更高的要求。

十沣科技此前总结自主工业软件市场机会，归为三点，第一，卡脖子；第二，更省钱；第三，适用。产品化替代对很多企业来说是非常现实的需求，但除此之外，客户有时候并不希望只是拿到一个已有产品的替代。目前国内工业制造现场复杂、综合需求，已经使得自主工业软件产品除提供平替之外，还能进一步升级。

比如，油滴在离心分离中怎么分离，它不是单学科问题，现有的软件解决得并不好。另外，当下中国产业发展到新阶段产生也在产生新需求。比如，中国的电动汽车产业的发展进程就超过海外，电池产业链上国内企业很多需求，海外的成熟工业软件产品也很难满足。

业界共识是，工业软件的研制高度依赖工业发展技术以及经验迭代累积，国外的工业软件也是不断解决国外的用户问题的落地中沉淀下来的。而我国工业增加值占全球规模比例持续走高，为自主工业软件带来新的发展机会。

德邦证券报告指出，从全球对比来看，我国工业增加值占全球占比从2013年的16.88%，稳步增长至2023年的20.26%，平均每年增长0.34%。工业的发展对工业领域信息化支出水平具有“累计效应”，大工业丰富了工业实际业务的场景需求，保障了工业软件未来广阔的市场空间。

“有些问题国外软件从来没有碰到，所以它们没有相关功能，这也给我们带来了最大的成为首选的机会。”张日葵说。