行业分享｜AI+仿真，重塑前端设计研发价值

现今大家都在讨论当前环境下的破解之路，而公认的企业出路之一是“创新”。那么当下创新的潜力主要来自什么呢？我们列出了仿真技术+人工智能+计算能力，以及行业专业知识等其他内容，通过技术的融合推动创新，推动研发进步，挖掘科技发展的无限可能性。

今天我想和大家一起主要从行业的发展方向聊一聊AI和仿真的现状以及未来发展。

不管从企业角度还是消费者的角度，我们都能够感受到制造业正在发生巨大的变化，比如汽车行业，十年前一个车型的上市周期还是36个月甚至更长，而现在很快就提升到24个月，甚至有些车企新车型的科研周期已经缩短到18个月，而这种势头还会持续加快。

现今我们已经走入了智能化、互联化时代，从战略方向看，汽车行业的制造商、供应商转为了出行服务的服务商；重工行业的头部企业在全球已经有将近一半的营收来自重型机械的租赁服务，正在迅速地从传统机械供应商向租赁服务商转型。

那么是什么驱动行业发生如此大的变化？不同类型的科技进步一定是支撑在后面的。无论谈IT、大数据还是人工智能等，科技的进步都在推动着行业越来越卷。当行业不断向前发展，数字化一定是其背后非常重要的推动点。

当前从各个行业看，数字化已经无处不在。如下图所示，横轴列举了很多行业，以装备类为主，从前端的需求到设计开发到试制到生产运维等整个过程，数字化技术都无处不在。

当我们走入不断发展的数字化进程之中，可以明显看到制造业价值链的附加值改变。在数字化的推动下，微笑曲线也发生了很大的变化，如下图所示，可以看到两端的附加值越来越大。一方面附加值拓展到了运维端口、服务端口，没有做数字化之前这是没办法直接做互动的；另一方面研发端口的附加值也越来越高。

那么面对当下环境，大家往往在什么方面发力呢？一方面当然是创新，企业往往会在研发阶段做产品端创新，使研发端附加值大大提升；另一方面是贴近用户，将价值链拓展到服务。

数字化转型这个概念很广，争议也很大。现在我们讲数字化，落到实处主要看研发端口是否具备特殊性。众所周知，中国是制造业大国，在生产制造领域已经积累了大量经验，20年前我刚入行的时候，我们还更多在做逆向工程，而现在我们都在做正向的开发，同时还实现了跨行业复 制。但研发端口有极强的行业Know-how，所以研发阶段具有极强的数字化转型特殊性。

我们以一个比较成熟的典型车企开发流程为例，从整个开发阶段来看，包含产品规划、概念开发、设计开发、试制试验、生产准备等，设计开发包含3个大部分：工程设计、工程仿真、工程试验。

产品开发有两个大的部分，一部分是产品设计，另一部分是产品验证。从发展历史来看，有很多年产品验证基本是基于物理实验，而产品设计从80年代开始就已经有了辅助设计，我们叫CAD，目前已经应用越来越广泛。

近些年在产品验证中逐步开始出现了计算机仿真（CAE），这种仿真技术开始替代大量的物理实验，加速整个产品研发周期，节省大量经费。同时当我们做虚拟样机，发现性能不达标的时候，能够快速返回设计。现在我们已经可以看到仿真在产品开发周期当中逐步发挥了重要的作用。

如下图所示，这些色彩斑斓的图像不是动画画出来的，而是真正通过计算仿真出来的。每一个不同类型的计算背后对应的是某一种类型的物理过程。

我们做了多种物理过程的联动、耦合分析，这里展示的汽车领域碰撞、水压爆炸、鸟撞分析、高速率发动机甩油分析、润滑状况等，都可以通过三维建模进行精准刻画。这也可以让大家直观的理解到仿真在各个领域中的应用。

工程仿真

工程仿真可以理解为是在计算机中建立虚拟的实验，旨在评估和预测产品在现实世界中的性能与表现。绝大多数企业在做工程仿真之前，都是按照长周期试验流程走，有了工程仿真之后，可以做虚拟验证，如果性能没有达标会循环回到生产端口，极大程度减少了物理样机的投入，节省了成本以及研发时间。当下很多企业已经有了非常独立的部门在做工程仿真。

工程仿真分很多不同的方向：结构仿真、流体仿真、电磁仿真、工艺仿真等，大多数企业往往会先从结构仿真入手，考虑汽车碰撞达标、汽车轻量化、手机跌落、家电跌落等结构方面的问题。接下来会逐步追求效能的不断提升，考虑风阻问题、外形设计、降低油耗等，这就涉及到流体仿真（CFD）。

此外，电磁仿真也是工程仿真领域中一个重要方向。随着智能化时代的到来，许多企业开始做一些和车流工艺相关的仿真，C-to-X、C-to-V等有大量的需求做电磁虚拟仿真测试需求。

最近十多年进入新能源时代之后，电机也焕发了新生，大量应用电磁仿真推动新能源汽车行业的蓬勃发展。最近新闻里提到六代战斗机新闻中也提到，该机型的隐身性能和机动特性，是通过大量和电磁相关的隐身特性计算，具备非常好的隐身性能、机动特性，而不是靠经验指导出来的。

在工艺上，仿真分析也发挥着重要作用，前面提到在设计端通过仿真已经可以做出非常漂亮的设计，但是有些时候比较遗憾的是没有很好的工艺生产。所以在工艺阶段也有大量的仿真工具帮助验证是否有比较好的工艺条件完成生产。

从仿真的历史发展看，上世纪的60年代开始，仿真软件逐步发展起来，最初用在航空航天、军事领域等高精尖行业。随着技术的进步，逐步发展到汽车、机械制造等行业。到21世纪，随着算法的不断进步以及算力的不断提升，工程仿真计算得到快速发展，涵盖多个学科领域，涉及众多行业应用。

今天，我们谈到的已经是深度的技术融合阶段，工程仿真软件和很多新的技术开始有了深度的融合，企业对于工程仿真软件的认知到了新的高度。当前数字化仿真技术的应用已经可以反映一个企业的研发能力状况，还可以看到企业潜在的创新能力。

仿真驱动设计

从2000年开始到2015年左右，很多用户已经开始接受“仿真驱动设计”的概念。什么叫仿真驱动设计呢？仿真技术拥有很强的理论背景、行业知识等，不应该仅仅在产品验证阶段发挥作用，在这个时间开始做仿真已经有点晚了。应该在设计的初期就把仿真技术带给产品。

所以仿真驱动设计正逐渐成为一个重要趋势，越来越多行业已经开始把这种理念应用到日常实践中。当然我们也需要工具本身能够有很好的面向设计师的应用性。

接下来通过两个简单案例展示仿真驱动设计的思路。

从设计师的角度来看，天线的设计不仅仅是功能性要求，造型的美观和轻盈感也至关重要。传统的设计方法可能难以同时满足美学要求和严格的性能指标，尤其是在恶劣的环境条件下。

而通过仿真技术，我们可以在设计初期设置一个制造空间，并将初步设计模型放入其中。通过简单的加载和适当的约束条件设置，可以迅速优化并生成一个满足各项指标的初步设计。

我们可以通过仿真驱动设计的方式直接进行3D打印制作机车，这个方向也非常响应绿色低碳的要求。在实现设计轻量化之后，能够很大程度提高设计优化空间，实现成本缩减以及技术创新。

仿真工作中，大量的时间被花费在前端画网格上，而网格的精度会影响后续计算结果。因此一个颠覆式的创新思维出现了：我们是不是能够推出无网格技术，从而加速整个仿真过程，也让普通设计师可以跨越仿真技术门槛，实现快速产品设计与评估。

仿真驱动设计中必然会涉及的方向是设计仿真一体化，如下图所示，上方是一个传统的设计流程，通常企业中做设计和做仿真的人是两个team，背景差别很大，相互很难配合。下面是引入新的仿真技术之后，企业开始有了敏捷设计，可以非常快速的进行第一验证，实现设计到验证的快速循环，这是设计仿真一体化很重要的点。

大家可以很清晰的看到仿真技术革新带来的巨大变化。设计部门可以承担更多专业仿真工作，进行快速仿真评估，专业做仿真的人员有更多精力做最为专注的事情，例如多学科的交叉学科联合仿真以及新技术的突破等。

设计仿真一体化也会催生新的研发流程和研发关系，帮助企业推动新质生产力，从设计仿真一体化的研发流程中可以看到，它实现了全员仿真，帮助企业进行快速设计迭代。

数字化研发提效—高性能计算

接下来分享数字化研发提效的必经之路—高性能计算。如下图所示，可以看到国内主要车企的OEM厂商以及其他几个行业当前的算力情况，我们帮助了很多国内的头部企业管理他们的并行资源、计算资源，图中表格是国内用于并行计算的高性能计算总和，可以看出增速非常迅猛，从17年大概3万5千核到现在大概32万。

目前国内头部车企大概有8万多个计算资源，虽然头部几个车企的数量级相似，但实际数字差距非常大。当前的算力已经能够体现出整体行业的创新能力，以及对产品开发设计的投入现状。

企业越往前发展，HPC的重要程度也会越来越高。当公司团队人数超过500，有大量软件数量以及硬件资源的时候，需要用算力把变量综合优化、管理调度起来，这就使HPC的管理成为提效的关键。

接下来，总结一下前面的内容，也是工程仿真的演进过程。很早以前大家常用实验的方式描绘物理世界的状况，通过现象逐步形成结论。随着理论的发展开始有了很多物理问题，我们可以通过各种类型的公式表述出来，当时大家已经觉得很美妙了，因为它有了理论性。

后来随着算力的发展，我们找到寻求数学解的方式，通过计算机在虚拟世界当中得到数学解，实现基于模型的计算和仿真，已经能够解决实际中的大量问题。再往后，随着数据模型和机理模型的融合，以及人工智能技术等革命性技术的推动，我们能以越来越小的代价，解决越来越多复杂的实际问题。

AI+仿真

近几年AI技术的逐渐成熟，在工业领域，诸多企业开始思考如何将AI技术应用到已有的研发流程当中。在谈到AI+研发的时候，往往大家问到的第一个问题是AI和仿真怎么发生联系。

首先讲讲“数据从哪里来”，如图所示，是Gartner的预测图，预测了从2020年到2030年用于人工智能的数据走势，实际数据的占比一定要低于30%，合成数据占比超过70%。什么是合成数据呢？包括人工生成的数据；简单规则、统计模型、仿真和其他技术产生的数据。

可以看出仿真是驱动生成合成数据非常重要的来源。很多实际数据没办法捕获，但是通过仿真建立模型可以拿到非常多各种工况下的应用数据。例如汽车行业，很多自动驾驶的场景，在雨天、暴雪天、不同城市下的场景都是通过仿真获取数据，进行后续的试验和研究。

数据的来源是第一个点，第二个点是设计研发的效率如何继续提升。大家都期望有更好的技术驱动仿真流程持续提效，这就是AI技术的价值。AI可以助力仿真，我们使用AI加速优化，增强仿真能力。但是这里的AI一定不是我们当下谈的热门的大模型，而是和各个行业相关的小模型。

从另一个方向看，仿真也可以助力AI，利用仿真的生成数据进行人工智能模型的训练和测试。

数据驱动

从数字化研发的创新历程来看，在2020年另一个趋势点其实早就已经出现了，无论是设计状态还是研发状态，都出现了巨大的变化：数据驱动。

目前我们已经有了大量的数据，无论实验的测试数据还是积累的仿真数据都已经开始发挥越来越强的作用。而数据的背后是AI，是机器学习。当前AI已经能够赋能很多方向的仿真场景，分享一些很有意义的典型案例。

我们可以非常直接地看到在仿真计算中引入机器学习之后带来的效能提升。当直接做传统的仿真计算时，会有应力问题，引入机器学习之后通过前端仿真积累的数据做训练，建立机器学习的模型，仅需28秒左右的时间。目前机器学习已经应用到成熟的工艺当中了。

行人保护性能预测是非常实际的典型案例。做行保整体状况分析通常需要至少一周的时间。而使用机器学习通过已有的计算数据就可以对不同车型不同位置点进行轻松高效的预测，同时有新的车型出现，也可以将不同车型的训练模型应用其中，目前预测速度已经可以达到半小时以内。

对于当前很多新能源车企而言，时间是非常重要的，机器学习极大程度提升了开发周期，节省了研发成本。

在飞机雷达散射截面积的性能预测方面，机器学习也能创造很高的价值。现在做五代机或者最新型的战机，一定绕不开这些方面的分析，但是这非常耗时。

目前国内一些研究单位或者上市企业已经开始把机器学习运用到隐身材料中，用于新型战争中的开发工作。

电动汽车大铸件设计也是非常典型有代表性的案例。本次分享电动汽车一体化底盘设计以及制造过程，一体化成型是一个典型的多学科系统集成问题。我们会面临至少十多种目标，这就表明在做设计的时候需要进行多目标优化，将一体化设计作为整体综合考虑，而不是每个学科单独考虑，不同学科给出的优化方向会非常不一样。

我们将AI技术应用其中，把整个设计流程交给计算机做分析，利用AI技术进行识别分类，将条件约束加到最前端的设计流程中。

当前，数据分析与人工智能技术已经有了非常广泛的应用，不仅在研发过程中，还贯穿到整个产品生命周期中。AI不仅可以与仿真结合做分析优化，还可以利用历史数据帮助企业实现设备管理、质量检测、预测维护、能耗优化等核心需求。

仿真流程及数据管理平台

目前研发数字化主要有2大趋势：仿真驱动、数据驱动。从当前企业现状来看，常见的问题有业务协同不畅、业务标准化程度不足、以及数据和知识管理不统一、业务进展不同等。面对这些问题，很多大企业已经开始搭建仿真流程与数据管理平台，把企业业务在线化，挖掘数据价值，实现持续增速提效。

如下图所示，可以看出企业仿真研发数字化的核心是业务流程数字化和数据的数字化，业务流程前端需要打通设计端或者其他需求端，如PDM系统，项目管理系统或者性能管理系统，后端连接试验端TDM系统。

仿真业务在线的基础是仿真能力体系的线上化，对此我们需要对仿真能力体系做在线建设和认证，当前很多企业的仿真能力可能还处于工具应用阶段，或者分析规范制定阶段，后续可以通过建设性能评估体系，实现标准化自动化仿真，以及AI预测等手段持续提升仿真研发能力。

从客户的实际案例中可以看出，仿真流程及数据管理平台建设带来的效果是非常好的，在电子行业、重工企业、能源企业、整车厂等典型行业方向均取得了很好的效益，帮助企业提升了20%～30%仿真效率，节省了40%左右获取数据的成本。

Altair的发展历程

最后分享一下Altair：Altair最初自研核心拳手产品，也是目前仍广为人知的HyperMesh，至今仍在行业中有着行业标杆作用。同时保持持续的战略收购，打造完整生态，目前在某些领域中仍然有很多差异化产品。

另外，Altair还拥有独特的商业模式，使用基于Units的模式，使Altair具备了跨越经营周期的能力，在经济周期不是很稳定的时候，反而能够体现出非常稳定的状态。

30多年来，Altair也一直是HPC最值得信赖的解决方案提供商，为仿真计算整体提效50%～100%，站上了行业生态领先位置。2018年开始我们进军了人工智能，发展到今年6月份，Altair已经被Gartner魔力象限评为数据科学和机器学习平台领导者（第一象限）。

Altair深耕中国

Altair在中国一直持续和用户在一起，做了很多专业的本地模块开发，形成了行业定制化产品，面向众多不同行业，如重工、汽车、消费电子等。

另外，我们在中国本土也为众多客户做了项目咨询工作，比如曾经为五菱汽车做测试优化，从设计到碰撞等整个设计过程都是由我们服务，帮助车企一次性通过五星级测试。

最后，我们也帮助客户做了很多数字化转型工作，包括流程标准化、仿真流程管理等，使企业信息同步，企业数据价值最大化。

这也是使得我们过去这么多年里在国内能够持续保持良好态势的重要原因。

综上所述，目前Altair的定位主要是三大块：设计与仿真、HPC&云计算、人工智能/机器学习，通过技术融合为企业提供最佳决策。

总结与展望

最后，做一个总结和展望。

首先是正向设计与研发数字化，一个企业如果有比较好的正向设计基础，做研发数字化是顺势而为的事，当一个企业在做产品开发设计的时候已经开始用到很多数字化工具，那么一定是正向研发过程。

其次是不是使用了工具软件就代表数字化呢？显然不是。当我们有了很多数据工具之后，还需要把大量流程实现标准规范化才算是逐步往数字化方向走。

第三点，仿真驱动与数据驱动，在研发方向，这两条趋势一定会持续。第四点未来企业仿真、算力和应用AI的能力，能够反映企业的整体的研发水平以及创新能力。

关于设计仿真一体化，首先需要提到的是理念，当下很多企业的核心管理层已经认识到这个理念，只有从理念上达到认知后才能实现在整个研发环节持续提效。

其次是流程，之前的工作流程一定是先设计再仿真，而设计仿真一体化会逐步实现设计和仿真在同一个环境中，解决了不同学科差异的问题。最后是数据，设计和仿真数据要实现联动。

我们期望仿真技术、AI技术等不仅仅在开发端口用，而是应用于企业的各个端口，不要让技术本身影响不同团队人员的创造性，让最优的技术大众化，大家都可以独立应用起来。而对于供应商来说，必须能够推出适合没有很强专业基础人员的工具，同样也面临挑战。

在寻求创新问题中，我们通过不同学科不同领域甚至跨行业之间的技术融合加上自身独有的行业专识加强创新。

从整个创新理念设计来看，不仅仅是头部企业或者高端制造业，很多面向消费者做工业设计、产品开发场景中，都能够把大量优势技术融合其中不断推动创新，带给消费者和行业更多创新思维应用。