CAE（计算机辅助工程）与AI的融合正在深刻改变工业仿真软件的开发范式。申万宏源最新报告指出，Nvidia Omniverse平台为CAE厂商提供了物理AI的底层基础设施，GPU加速使仿真结果处理时间缩短90%以上。全球头部CAE厂商正快速布局多层次AI应用：Altair推出基于几何深度学习的PhysicsAI，Ansys接入Omniverse加速智能驾驶仿真，索辰科技实现自然语言交互建模和生成式实时仿真。本文从技术演进、厂商布局、产业趋势三个维度，全面解析CAE与AI融合的发展路径与投资机会。
CAE+AI——从“流程仿真”到“实时预测”的范式跃迁
传统CAE仿真面临计算周期长、参数设置繁琐、高度依赖专业知识等瓶颈。以Altair数据为例，100个结果文件处理中笔记本电脑CPU耗时7小时54分钟，HPC CPU耗时5小时10分钟，而GPU仅需33分钟，时间缩短超过90%。Nvidia GPU加速使CAE仿真从数小时级压缩至数秒级，为实时仿真和快速迭代奠定硬件基础。CAE的进阶方向是RTDT（实时数字孪生），在工程设计循环中提供即时反馈，展示实时模拟中任何修改带来的影响，实现快速设计落地。AI与CAE融合的路径主要分三类：基于历史数据的快速预测（Altair PhysicsAI为代表）、基于生成式AI的实时环境模拟（索辰科技为代表）、基于物理求解器与AI平台的联合仿真（Ansys+Omniverse为代表）。这三种路径分别对应：利用历史仿真数据进行几何深度学习预测、生成式AI构建实时变化仿真条件、将物理求解器能力接入AI平台进行高保真仿真。融合的核心是保留CAE物理求解器精度的同时，借助AI实现仿真速度的量级提升，使仿真从“设计后验证”走向“设计即验证”。
CAE与AI融合三大路径对比| 技术路径 | 代表厂商 | 核心能力 | 应用场景 |
|---|
| 历史数据快速预测 | Altair PhysicsAI | 几何深度学习，无需编程预测 | 方案快速筛选 |
| 生成式实时仿真 | 索辰科技 | 自然语言交互，实时参数变化 | 物理AI环境模拟 |
| 物理求解器+AI平台 | Ansys+Omniverse | 高保真物理仿真+GPU加速 | 智能驾驶/机器人验证 |
Altair——PhysicsAI基于几何深度学习的快速预测
Altair PhysicsAI是基于几何深度学习（Geometric Deep Learning）的仿真+AI工具，核心功能是基于样本数据进行训练，从而对相似结构的模型进行仿真结果预测。与传统参数化方法不同，PhysicsAI可基于历史仿真数据进行几何深度学习，不需要对模型进行手工参数化处理，避免参数化设置不准确或模型难以参数化的问题。用户无需编程，可直接在网格或几何模型上进行仿真结果预测，省去有限元分析复杂的建模、前处理流程，快速得到仿真结果加速产品开发周期。PhysicsAI的另一核心价值是快速筛选方案，大幅缩减仿真结果生成时间，快速筛选部分方案，选出的备选方案再进行传统精准仿真。PhysicsAI集成在Hyperworks工作流程中，支持Hyperworks结构、流体、碰撞、制造等各模块原生的CAE仿真结构文件，可直接使用这些仿真的历史数据进行模型训练。目前支持使用Nvidia GPU进行训练和模拟。在训练推理过程中，工具不要求网格数量相等，甚至在拓扑结构上也可以不同，依然可以得到模拟数据。这种“快速预测+精准验证”的双层仿真架构正在成为工业设计的标准范式。
Ansys与索辰科技——不同路径的AI融合实践
Ansys通过与Nvidia Omniverse合作实现智能驾驶仿真的深度整合。Ansys AVxcelerate Sensors可通过NVIDIA Omniverse进行访问，凭借面向摄像头、激光雷达和雷达传感器的可预测准确的物理求解器，增强用于场景生成的NVIDIA DRIVE Sim高保真3D环境。在Omniverse中使用Ansys功能需要获取对应license，Nvidia提供高性能GPU功能和AI能力，综合助力自动驾驶汽车快速原型构建和高效算法优化。此外，Ansys通过Omniverse解决3D多物理场可视化问题，电磁、热、应力管理相关的3D-IC设计更加复杂，Ansys多物理场平台使IC设计人员能与电磁场和热效应模型交互，加快诊断和优化速度。索辰科技依靠其物理能力及大量物理数据积累，生成式AI已应用于多个环节。自然语言交互建模可通过自然语言方式调取系统中已存储的海量模板，并通过自然语言进行简单交互修改。生成式实时仿真可模拟实时变化的复杂物理场景，合理构建复杂环境边界条件和初始条件，自动设置连续变化的温度、压力、流速等参数，为物理AI的实时环境模拟奠定基础。
