随着AI对工业企业渗透率的不断提升,工业软件与AI的融合正迎来前所未有的巨大机遇。如何抓住这一机遇,实现工业软件的革新发展,从而为制造业注入新的动力?
12月17日,云道智造CEO屈凯峰应邀参加清华企业家协会发起的TEEC企业家讲堂,并作《科学计算与人工智能》主题分享,与利驰软件、浩辰软件、赛美特、昆仑数据、智谱AI等多家企业的创始人共同探讨“工业软件+AI”的融合之道。
CAE:AI的精准物理引擎
元宇宙、数字孪生、AI……这些热门词汇的背后,本质上都是将物理世界映射到数字世界中,即数字化迁徙。
屈凯峰认为,通用世界模型包含两大核心引擎:一是基于数据驱动的数据引擎(AI),二是基于第一性原理的物理引擎(CAE)。二者相互结合共同演绎出数字孪生体,承载数字孪生体的空间即为元宇宙。然而,与AI的如火如荼相比,同样重要的CAE尚未得到广泛的认知和应有的重视。
CAE的另一个名称是科学计算,可以通俗地理解为虚拟实验,它能够替代现实中的物理实验,大幅降低试错成本、提升研发设计效率。CAE技术最初应用于工程领域,例如桥梁、大坝建造过程中的应力分析。后来被广泛应用于航空航天、电子电力、石油石化、汽车船舶等工业领域。近年来,CAE技术不断向游戏、影视等领域渗透。
AI是训练数据的,而CAE则是生成数据的。在缺乏足够样本数据的情况下,AI预测容易产生偏差,导致结果失真。Sora横空出世之时,人们常常用这些违反物理规律的视频来质疑AI的可靠性。

CAE与AI的互补性在于,一方面,CAE可以作为AI的精准物理引擎。在模拟爆炸、冲击、滑坡、雪崩等复杂场景时,CAE展现出了其作为精准物理引擎的高度准确性。如今,在无人驾驶、机器人训练等领域,多体动力学、MPM等先进的仿真技术更是发挥着不可或缺的作用。

另一方面,AI可以显著提升CAE仿真效率。正如利用CAE可以减少物理实验次数一样,通过为仿真中的复杂模型构建AI代理模型,可以简化仿真流程、提升仿真效率,从而减少CAE仿真的次数。目前,云道智造正在积极布局工业AI领域。
用创新换代实现国产替代
AI的迅猛发展,离不开以GPU为代表的新硬件所带来的算力提升。而CAE对于算力的消耗,相较于AI,可谓有过之而无不及。
“软件跟着硬件走。”随着计算设备从早期的小型机到PC机,再到如今的移动终端、云计算中心,工业软件经历了Unix系统、Windows系统,来到算力超强的云计算时代。屈凯峰认为,“带飞”AI的GPU,同样为CAE带来了天翻地覆的变革——在流体力学、MPM等仿真中,利用GPU可以将仿真计算速度提升几百甚至上千倍。
以热仿真为例。在芯片散热设计中,工程师需要面对几万个零部件、上亿的网格量。使用传统的工作站计算,往往要花费半天甚至更久的时间。而利用GPU则可以将计算时间缩短至半小时甚至几分钟,显著提升设计效率。这对于更新换代极为迅速的电子信息行业而言尤为重要。
除了显著提升计算速度,GPU还能实现仿真后处理结果的实时显示和交互,避免仿真工程师的时间碎片化;同时,还能提供高度逼真的真实感渲染,让仿真工程师更容易理解仿真结果。这对于深度用户来说,具有难以抗拒的魅力。
在屈凯峰看来,工业软件“卡脖子”,是卡在产品上。因为工业软件是与用户共生的,替代成本极高。因此,需要通过创新换代的方式来实现国产替代。
打造数字世界的物理引擎
屈凯峰介绍,云道智造打造的仿真软件是云计算时代、GPU时代的平台化仿真软件。公司的发展路径十分清晰:第一步是打造底层平台,实现自主化能力;第二步是建立生态,孵化海量仿真APP,实现普惠仿真;第三步是CAE for AI,建立世界通用模型的物理引擎。
目前,云道智造已成功打造了自主可控的仿真根技术平台伏图(Simdroid),底层求解器覆盖固体力学、流体力学、电动力学、热力学四大物理场,同时支持无代码化开发仿真APP。基于伏图平台,云道智造与合作伙伴共同开发了电子散热、芯片多物理场、LNG储罐、晶体生长等面向行业的工程模块,以及海量面向场景的仿真APP。
自主化、平台化、APP化,云道智造自主研发的平台化仿真软件,将市场瞄准更为广阔的仿真服务市场,形成海量模型库,降低仿真技术的应用门槛,助力企业提升正向设计研发核心竞争力。