2023仿真宇宙漫游指南——工业仿真从业者必读
本文摘要（由AI生成）：
本文介绍了仿真领域的三类主流玩家：开发CAE应用的软件厂商、集成多种应用的开放云平台以及提供底层资源的平台。软件厂商通过SaaS平台提供自家开发的仿真软件，具有排他性和对自家应用的强大支持。开放云平台则集成多种应用，提供灵活的资源使用方式，具有中立性，并可满足AI计算需求。提供底层资源的平台以资源为导向，可能集成了部分CAE应用，但整体对研发业务理解较少，用户体验可能较复杂。三类玩家各有特点，用户可根据需求选择合适的平台。
计算机辅助工程（CAE）技术，最开始是为航空航天和汽车开发的，到现在已经使用了50多年。几乎所有行业都在使用CAE仿真分析。
跟芯片设计仿真之于半导体行业一样，工业仿真本应是工业制造业的明珠，如今在国内却有着非常尴尬的位置。
一边很多工业界和学术界大拿大谈数字孪生与智能制造、工业互联网、工业软件、人工智能之间的关系和未来发展前景；
另一边，不少从业者甚至对CAE工业仿真软件有哪些都没有概念。更不用说怎么通过仿真驱动研发，推动业务发展，加快产品上市。
听起来非常离谱，但现在就是这么个情况。（摊手
大家对仿真的态度，差别也大了去了。
有些人麻了，产业升级数字化转型什么的关我什么事，你们玩你们的吧，我躺着也能赚；
有些人反手一个外包，虽然有时候也想让仿真给比对比对实验，但总之最后能给我个仿真数据报告就行了，产品设计可不敢指望；
有些人不见兔子不撒鹰，实验花钱是一回事，但大家都信啊，仿真我就不知道效果了。。。上来就要钱搞项目，我怎么给？最近这种经济形势下，现金流是底线啊；
还有一些人，希望借仿真提升产品研发设计能力，增强差异化竞争优势，应对更高的市场要求。一颗颗蠢蠢欲动的心，却只能叹口气：宝宝心里苦~
身在中小企业，咱家里实在没有这个条件，既一下子拿不出那么多钱，也缺乏相应的技术人才；
大企业看起来风光无限，但事事要申请，动辄来个项目评估，毕竟大公司嘛，流程走起来，懂的都懂；
高校搞科研的老师们，看起来拥有一整个超算，然而——排队能排到天长地久，而且资源一不小心还会被抢走，啊这……我头发呢？
委屈，
但又莫得办法。
只能自己默默把自己哄好了。
最近问过仿真工程师们一个问题：你觉得咱们啥时候能实现“仿真驱动研发”？
他们半真半假地回答：2025啊（有期待，但不多。。
来来来，这回换我们来哄你，哄不好不要钱。
既不用一次性付一大笔钱，又不用搞一大堆硬件；
原来一个IT可以管100台机器，以后可以管10000台；
既可以瞬间有一套现成的很多人能同时用的CAE仿真环境，又可以不用排队；
可以搞到某些高配机器甚至一堆机器飞快跑完仿真任务，还不用改变现成的习惯；
不伤筋不动骨，既可以帮助老板们验证仿真价值，提升仿真效率，又可以不再需要限制工程师仿真模型的大小和数量，不降低计算精度。
往大了说，让原本被高高挂起的仿真：
限制不再那么多，人人都可以随时随地仿真，中小企业也能有自由发挥空间；
门槛不再那么高，工程师只要专精于提升CAE专业能力就好，不需要从上到下什么都会；
落地不再那么难，不管是一个人还是一个团队，一套仿真研发环境说启动就启动，即开即用。
让仿真跟实验并驾齐飞，相互支持，找到最具性价比的平衡。
听起来也相当离谱……
这是真实存在的吗？
这究竟是个什么东西？
名字千奇百怪，叫啥的都有，基本上可以用仿真云平台或者仿真平台来概括他们。
但这家与那家之间，只能说：
不能说一模一样，简直就是毫不相同
乍一看，大概都长成差不多这样——
更多的“灵魂”在这张图里：
Get不到？
问题不大，看完白 皮 书就都明白啦。
大多数用户很难深入探究每一种产品。
我们按照上面说的“乍一看”标准，调研了超过30款你可能想到/找到的各种解决方案/产品，综合对比整理了一份包含了市面上几乎所有类型仿真平台的全方位对比白 皮 书（选择真的太多了，相信我，你需要它），告诉你各种平台啊云啊之间到底是个啥，有啥区别，方便你理清思路，做出最适合最正确的选择，甚至可以直接给老板做报告。
即便你之前毫无概念，我们保证你看完之后可以对这些仿真平台建立起系统化的认知，并且能根据自己的实际情况，有理有据地挑选出最适合自己的平台。
仿真宇宙三大主流派系
1
2
1、以应用为核心，集成市面上主流CAE软件厂商的应用。除此之外，平台还支持如PyTorch这类AI框架，满足用户的AI计算需求；
2、是一整套研发环境，既提供 产品，也有专业的R&D-IT服务能力。具有中立属性，用户对全部数据均自主管控；
3、底层资源丰富，按需弹性使用，对于用户“过山车式”波动需求（详见白 皮 书1.2章节），特别适用。覆盖全球多个区域的云上异构资源，用户可自由选择区域；
4、不止有SaaS平台，也有成熟PaaS产品支持多区域本地和云端的多地协同。
我们的核心目标就是围绕CAE甚至AI应用和工具，原本手动的工作能自动化，让仿真这件事变简单，提高整体仿真研发效率。
3
2、以底层资源为导向，但主要是基于某一家的资源，无法跨超算中心或跨硬件/云厂商；
而不同资源厂商的资源量差距其实是很大的，比如超算中心和云厂商的资源总规模差异就非常惊人。当然，还有很多其他差别。
3、如果你能直接使用他们的资源，那就算IaaS，但如果使用他们提供的仿真平台这种，就可以算SaaS了。也能以项目制的方式定制化解决用户更复杂的问题（对比于直接可用的成熟产品）；
4、用户使用体验比较复杂。要么对用户自身能力要求很高，且有比较高的学习门槛，比如云厂商；要么一般企业不能用，限制很多，使用不灵活，甚至资源会被抢走，比如超算。
三者的共同点都是以资源为导向，核心是卖机器，业务Know-how有限。
硬件厂商卖服务器，超算中心卖闲置的超算资源，云厂商卖云资源。
这里有一个衍生问题。
所谓的“成熟产品”跟“定制化做项目”有什么区别？
比如说，我们要组一个麻将局。
成熟产品就是“三缺一”，三个牌友已经到位，就等你来了。
自动麻将机是我们自己研发的，你来之前，产品开发已经花了很大工夫，规划，需求分析，设计，编程，测试，交付，验收，维护这一套流程都跑完，也在别的用户那里落地验证了很多次了。
牌友也都是老朋友了，一起打过N局麻将了，大家是啥性格，牌品如何，各自心里都有数。
产品一般明码标价，价格比较透明。
定制化做项目就是一缺三，是先喊你，根据你的喜好，临时再喊别人，可能每次喊来的人都不一样，对你来说，永远是完全重开的一个新局。
Emmmm，没有麻将机，手动开搓。
项目一般按整体打包报价，周期比较长。
当然，两者之间界限可能有时候也没这么分明，毕竟不同用户的需求天差地别，就看你更希望往哪个方向靠。
归纳一下，三类玩家的对比如下表：
我们将在以下白 皮 书主体部分，在每一细分项上逐一展开对比。
