全球科技大厂裁员背后！AI时代计算力学正在崛起与重构

仿真圈

9月前浏览2534

关注

  

2025 年末，硅谷与国内互联网大厂的裁员潮引发行业震动。

亚马逊一次性削减 1.4 万个岗位，国内头部企业也对游戏、直播等部门实施 10%-25% 的人员优化，这场被外界解读为 "AI 替代引发的行业洗牌"，实则揭示了科技产业的深层转型逻辑。当传统互联网业务增长见顶，企业纷纷将资源转向高附加值的硬核科技领域，而计算力学作为连接物理规律与工程实践的核心学科，在 AI 技术的赋能下正迎来前所未有的发展机遇。

裁员潮过滤掉了行业泡沫，却为兼具物理基础与数据智能的计算力学开辟了春天，成为科技产业升级的关键引擎。

   

01    

裁员潮背后的产业逻辑    

此次全球科技大厂裁员并非简单的降本增效，而是产业发展阶段的必然选择。亚马逊 CEO 安迪・贾西在全员信中明确表示，生成式 AI 的爆发使得同样工作不再需要如此多员工，公司将投入超 1500 亿美元用于 AI 基础设施建设，这一数字已首次超过人力成本支出。国内大厂的裁员同样遵循这一逻辑，在传统业务连续五个季度下滑的背景下，企业将累计超 1000 亿元的资金投入 AI 领域，通过资本结构重组实现从劳动密集型向技术密集型的转型。

裁员潮的结构性特征尤为值得关注。亚马逊中国区被裁员工中不乏绩效考核靠前的骨干，国内大厂的裁员也集中于非核心业务部门，这种 "选择性瘦身" 本质上是资源的重新配置。中央财经大学欧阳日辉教授指出，互联网行业已度过模式创新的红利期，单纯依靠流量变现的增长逻辑难以为继，而以 AI、高端制造为代表的硬核科技成为新的增长极。在这一转型过程中，缺乏核心技术壁垒的岗位面临被替代风险，而能够支撑实体产业升级的技术领域则迎来人才需求的爆发。

   

计算力学的崛起正是顺应了这一产业趋势。作为一门连接基础科学与工程实践的交叉学科，计算力学为航空航天、新能源汽车、高端装备等领域提供核心技术支撑，其应用场景覆盖从产品设计到性能优化的全流程。与传统互联网岗位不同，计算力学涉及复杂物理规律建模、多场耦合仿真等专业能力，难以被通用 AI 直接替代，反而能借助 AI 技术实现效能跃升，这种独特的技术属性使其在裁员潮中逆势突围。

02    

AI 与计算力学的深度融合    

传统计算力学虽已发展成熟，但在应对复杂工程问题时仍面临诸多瓶颈。有限元法等经典方法在处理非线性、多尺度、多物理场耦合问题时，往往存在计算效率低、泛化能力弱等缺陷，难以满足现代工程对精准性与时效性的双重需求。而 AI 技术的介入，正从根本上重构计算力学的技术范式，形成 "物理规律 + 数据智能" 的融合新形态。

   

 

物理知情神经网络（PINNs）：突破传统数值方法局限  

物理知情神经网络（PINNs）的出现打破了传统数值方法的局限。这种将控制方程嵌入神经网络训练过程的创新框架，既保留了物理模型的可解释性，又具备数据驱动方法的高效性，在求解偏微分方程方面表现出显著优势。清华大学与昆士兰科技大学的联合研究表明，PINNs 能够有效处理极端非线性扭转问题，其计算精度与稳定性较传统方法实现大幅提升。在高铁气动仿真中，基于 PINNs 的智能计算技术将分析时间从数小时缩短至秒级，关键参数误差降低 42%，为重大装备设计提供了高效支撑。

 

神经算子（Neural Operators）：解决泛化性难题  

神经算子（Neural Operators）的发展则解决了计算力学的泛化性难题。与传统神经网络针对特定问题训练的模式不同，神经算子能够学习函数空间到函数空间的映射关系，实现跨尺度、跨场景的通用建模。DeepONets 等代表性模型已在流体力学、固体力学等领域得到验证，其在数据稀缺场景下的表现远超传统方法。这种分辨率不变的学习能力，使得计算力学模型能够快速适配不同工程场景，大幅降低建模成本，为工业化应用奠定基础。

 

模块化智能框架：推动技术落地  

模块化智能框架的构建进一步推动了技术落地。研究人员提出的模块化神经架构，借鉴传统计算力学的分层思想，将复杂问题拆解为可复用的功能模块，实现了物理结构与网络设计的深度融合。这种架构不仅提升了模型的稳定性与收敛速度，还增强了可扩展性，能够灵活应对多物理场耦合、生物力学等复杂问题。在新能源汽车行业，基于该架构的仿真系统已实现电池热管理、车身结构优化等功能的一体化解决方案，帮助企业缩短产品研发周期 30% 以上。

03    

计算力学的春天来了    

AI 赋能的计算力学已不再局限于学术研究，而是在实体经济的关键领域实现规模化应用，成为产业升级的核心驱动力。在新能源汽车领域，计算力学的应用贯穿从电池研发到整车性能优化的全链条。CAE（计算机辅助工程）与 CFD（计算流体力学）方向的岗位需求持续旺盛，掌握主流仿真软件与 AI 建模技术的应届生，在一线城市月薪普遍超过万元，博士毕业生更是成为企业争抢的核心人才。

   

航空航天领域的技术突破则彰显了计算力学的战略价值。飞机机翼的气动优化、发动机燃烧室的热传导分析等关键问题，均需要精准的多物理场耦合仿真支持。基于 AI 的计算力学框架能够同时考虑流体、结构、热传导等多场作用，实现机翼构型的拓扑优化，在提升升力系数的同时降低空气阻力。某航空工业企业的实践表明，采用 AI 增强型计算力学方法后，新机研发周期缩短 25%，燃油效率提升 12%，显著增强了产品的市场竞争力。

高端装备制造领域的智能化转型同样离不开计算力学的支撑。"磐石" 科研平台推出的智能载荷计算技术，支持多格式三维构型输入，能够自动完成数据解析、工具调用到结果可视化的全流程，已在天体物理、材料合成与力学工程等领域取得重要进展。在医疗器械领域，计算力学与生物力学的结合为人工关节设计、心血管疾病治疗提供了精准仿真工具，通过模拟人体组织的力学响应，助力个性化医疗方案的制定。

从就业市场的变化也能清晰看到行业的发展态势。计算力学相关岗位的需求在大厂裁员期间逆势增长，企业更倾向于招聘兼具力学基础、编程能力与 AI 素养的复合型人才。剑桥大学相关领域博士的求职经历显示，CAE、CFD 等应用方向的岗位供给充足，预研类岗位虽对专业匹配度要求极高，但薪资待遇与发展空间显著优于传统岗位。即使是非对口背景的从业者，通过补充编程与数值模拟技能，也能实现向计算力学相关岗位的转型。

   

庄茁院士认为，现在是CAE软件自主研发的春天。我赋诗一首。时代的风把各地的云（仿真人）汇聚在一起论道仿真，这就是“风飞云会仿真论”。多少人在春天里，自己却不知道这一点，被捂在套子里。过去，我们仿造国外的产品，这无需仿真，仅需要测绘即可。现在，我们想制造一些新的装备和营造一些大型工程，没有实物可供参考，那就需要自己去设计。简单的基于材料力学中现有公式的设计无法满足要求，都要进行数值分析，这就需要仿真工具。国外的限制迫使我们需要自己去研发工业软件这一仿真工具。

   

   

我们再来看看华为的优选条件。（1）有限元、有限差分等求解算法，计算机专业学生不会，说实话，许多力学等专业学生也不清楚；（2）求解器开发经验，计算机专业学生不会，客观地讲，大量力学等专业学生都不会；（3）GPU并行计算技术，少量的计算机专业学生会，极少量的力学等专业的学生会。如此看来，华为的招聘条件在现有的学科壁垒下很难有人能满足，但这恰恰就应该是奋斗的方向。有人从一叶落，而知秋，而有人一叶障目，不见泰山，这就是差别。笨鸟先飞，有虫吃。那么，如果聪明的鸟都飞了，不那么聪明的鸟还在那里等待，或者，不慌不忙，结局会是什么，这还用想吗？

为什么要在这三方面进行优选？首先，为了安全等方面的考虑，一些重要的工作不能采用国外商业软件去做，为此需要满足上述条件（1）和（2）。先知道算法，才可能开发核心求解器。在普通的微机上利用商业软件进行计算，一般对于几十万单元的模型，计算速度就像老牛一样。为此，要进行高性能科学计算，其中，以显卡做并行计算是最为经济和流行的加速方式。这就是需要满足上述条件（3）的原因。

 

一个企业，要想产品有竞争力，就要不断在计算机上进行仿真和更新产品设计，而不是一味地模仿、照搬别人的产品。仿真工具尤为重要，对于不具备的功能，就要自己去开发。这样，才能遥遥领先，先天下之先。表面的好产品，背后包含着仿真人的不懈努力，彰显的是企业强劲的研发能力。不进行仿真的企业，科技含量往往不高。时代在改变，一些过去需要的岗位和人现在和将来可能不需要那么多了，而对仿真人的需求量却在大幅度提升。总之，仿真人才是高科技企业的刚需！不仿真，产品不先进，不仿真，竞争难获胜！

 

高学历不一定有高薪。那些用珠宝一样的高性能计算、显卡和计算力学点缀的高学历，高薪却从未缺席！“周郎妙计安天下，赔了夫人又折兵”这是《三国演义》中对周瑜失算的嘲讽。诸葛亮的妙计自然离不开算。历史的诸多经验表明，谁能能掐会算，则胜券在握，这就是“妙算安天下”。在社会上，会算的人从来都不吃亏。算盘一响，黄金万两，这是过去。在未来科技领域，会算，自然不容易被淘汰。各行各业都需要算。社会越进步，越需要算！算得快，算得大，算得准，社会越文明，人民越幸福！仿真是算的一种。某种结构的未来靠仿真，而不是靠蒙，靠猜，靠经验，这就是仿真知未来！

 

有人可能会说，不想去企业，怕受到竞争激烈，而被裁员，那么就去高校当老师。当老师就没有压力吗？我们来看看10年后一些学科的发展战略。其中，涉及“先进的科学计算”“数据驱动”“高性能计算平台、软件和算法”等内容。这些内容现在会的人有多少？非常少。少不意味着没人跟进。名校的高材生可能都在跟进，我们不去关注，这还能有机会吗？希望大家在平时的科研中，把这些先进的知识和技能都用上，为将来做准备。酒可以旧，但瓶子一要新，这样更有利于迎接各种挑战。当老师自身的发展是一方面。在另一方面，如果教师自身的知识和技能以及认知陈旧，能培养出适应数字经济时代紧迫需要从而能在其中建功立业的出色学生吗？我想，可能性不大。

我走到今天，已经革了自己好几次命。第1次：坚决废弃已经娴熟使用和二次开发的国外商业软件，用某数学软件开发自己的程序。结果，计算速度过慢，无法应用。第2次：改用C++重新编写自己的程序，计算速度还是不够，但发表一些论文并不困难。第3次：引入GPU并行计算技术，岩层运动并行计算系统StrataKing（王之岩层）诞生，计算速度较高，计算规模较大，计算功能逐渐丰富，直至今天。很荣幸，培养的会计算力学和并行计算的学生供不应求，干着大国重器和高科技产品研发性质相关的工作。他们不仅改变了我的命运，也改变了他们本科出身不好或一般的命运。

 

在我看来，日复一日服役的重要工程结构出事是迟早的事情，原因在于定期的寻常检修（人工敲击或利用某种设备在某些位置进行测试）远远不够。比较先进的方法是做数字孪生：用传感器将实时监测到的信息输入计算模型进行计算，以了解工程结构当前的安全程度，并对未来一段时间的安全性进行评估。由于实际工程结构的尺寸可能都比较大，自然，在普通的计算机上的计算很可能无法满足计算效率和精度等方面的要求。不能在计算机上需要算1周，才能得到明天的结果吧？要想很快得到较为准确的计算结果，自然需要利用高性能计算。遗憾的是，目前重要的工程结构，有几个目前做到了这一点？至多是进行了实时的监测而已。实时监测信息不进入计算机参与计算，不能获取到更多的有益信息，更难以准确预测未来。目前的基于实时监测的预测和预报，更多的是依赖经验。往往，一时积累的经验换个时间，换个地点，就失效了。

 

一些有识之士已经意识到社会对工程软件、工业软件方面人才的紧迫需要，并付之以有效行动，由此，本科专业诞生了。有条件要上，没有条件创造条件也要上。上是一种责任和担当！

 

位于沈阳的辽宁大学也开始了动作，具备进行多GPU并行计算的硬件条件。在较高的起点上，着力培养工程软件方面的紧缺人才。博士生入学考试考《有限元》和《岩石力学》基础。对于一名硕士，如果对于几十年前就出现的有限元的基本原理都不清楚，只会操作商业软件，这实在说不过去，这不是进步，而是退步！对于我们居住的地球的最外层的固体圈层地壳的构成物质 岩石的受力和破坏都不清楚，这更是说不过去，这是我们赖以生存的家园啊！

StrataKing于2024年和冲击地压扰动响应失稳理论成功实现了结合，这具有里程碑意义。未来， 随着 2025版 《防治煤矿冲击地压细则》的出台 ， 需要做的工作会有许多。例如，计算（可破断锚杆、可伸缩液压支架和可收缩钢支架）支护下巷道的临界应力和安全系数，以从严格力学稳定性的角度科学评价巷道的安全性，避免临界应力理论解答的局限性和人为修正。

 

计算机是一种研究手段。力学等专业的一些学生的计算机水平在某方面超过计算机专业的学生，这很正常。这就是复合型人才！会他人所不会，才能干他人所不能干！计算机本来就是为了军事上的计算目的而研发的。力学等专业的学生学习计算机只不过是回到了计算机研发的“初心”。我看到有人说，笨人适合学计算机，因为聪明人都去学数学、物理了。我觉得这观点虽然说的难听，但有一定的道理。为什么呢？因为计算机里的一切规则都和我们日常是一样的，做一件事情有章可循。如果做错了，计算机程序根本就不执行或者输出结果错误。对计算机不擅长，本质上是对社会的组织方式和规则不了解，这怎么行？如果是去做数学、物理研究，那完全要靠聪明的大脑，建立一个公式，可真不是正常人能应付得了的。针对实际工程问题，为了高效率获得准确的计算结果，要做数据驱动和并行计算。为此，显卡和可扩展的程序缺一不可。利用商业软件做数据驱动，会受到诸多限制。

 

功成不必在我，时势可以造英雄！年青人融入时代的滚滚洪流，静下心，不浮躁，不断求索，物质和精神的富足都是自然而然！在未来一段时间，我们都将利用微震数据驱动StrataKing并行计算这种自主开发的新手段预测巷道冲击地压等地质灾害。万物皆可仿真，灾害皆可预测，冲击地压不是一个特例！在这一征途上，即便亏在自己，也是功在社稷，因为，我们为各行业输送了紧缺的学科复合型人才！

《红与黑》听说过吧？是法国作家司汤达所写。这里，向大家介绍一本《黑与红》，由《陕西煤炭》主编王成祥所写。里面有一句至理名言，与诸君共勉。

 

04    

未来展望：挑战与机遇并存的发展之路    

尽管 AI 时代的计算力学迎来了黄金发展期，但要实现持续突破仍需应对诸多挑战。在技术层面，模型的鲁棒性与泛化能力仍需提升，如何在数据有限的场景下保证计算精度，如何解决多尺度问题的建模难题，仍是科研人员需要攻克的关键课题。昆士兰科技大学的研究团队指出，当前 AI 驱动的计算力学在跨领域迁移、物理约束嵌入等方面仍有改进空间，需要进一步完善理论体系。

人才培养体系的适配性问题同样不容忽视。计算力学的复合型特征要求从业者既掌握扎实的力学理论与数值方法，又具备 AI 建模、编程实现等技术能力。目前国内部分高校的培养方案仍偏重理论教学，与企业实际需求存在脱节，导致毕业生需要经过长期培训才能胜任岗位。因此，高校应加强与企业的合作，增设 AI 编程、工程仿真等实践课程，培养既懂理论又善应用的复合型人才。

从产业发展趋势来看，计算力学的应用场景将不断拓展。研究人员预测，未来计算力学将向四个方向重点突破：一是借鉴传统计算力学思想的模块化神经架构，二是面向分辨率不变学习的物理知情神经算子，三是适用于多物理场与生物力学的智能框架，四是基于物理约束与强化学习的结构优化策略。这些方向的突破将进一步释放 AI 与计算力学融合的潜力，为更多行业带来革命性变化。

在全球科技竞争加剧的背景下，计算力学的战略意义日益凸显。从硅谷到中国，科技企业纷纷加大对硬核科技的投入，计算力学作为支撑高端制造的核心技术，正成为各国竞争的焦点领域。对于从业者而言，这既是前所未有的发展机遇，也提出了更高的能力要求。只有持续提升自身的跨学科素养，紧跟技术发展趋势，才能在 AI 时代的计算力学领域站稳脚跟，实现个人价值与产业发展的同频共振。

硅谷与国内大厂的裁员潮并非科技行业的衰退信号，而是产业升级的必然阵痛。在这场转型中，计算力学凭借与 AI 技术的深度融合，成为支撑实体经济高质量发展的核心力量，其春天的到来不仅是技术演进的结果，更是产业逻辑的必然选择。随着技术体系的不断完善与应用场景的持续拓展，计算力学将在航空航天、新能源、高端制造等关键领域发挥更大作用，为科技产业的可持续发展注入强劲动力。未来，那些能够驾驭物理规律与数据智能的复合型人才，必将成为这场技术革命的核心赢家，在推动产业进步的过程中实现自身价值的跃升。

推荐读者朋友报名本期直播

AI 时代技术人如何守住竞争力？AI+仿真企业怎么落地？-仿真秀直播

05    

作者简介    

王学滨，教 授，博导，辽宁工程技术大学计算力学研究所所长，辽宁大学煤矿冲击地压机理与 防控技术国家矿山安监局重点实验室研究人员、高性能计算室负责人，中国煤炭学会首席科学传播专家。1994-1998年，本科就读于机械设计与制造专业；2000-2006年，硕士、博士就读于工程力学专业；2009-2015年，做博士后于地质学、力学专业。2010年，开始从事原创的拉格朗日元与离散元耦合连续-非连续方法（一种与国内外流行的有限元与离散元耦合连续-非连续方法相平行的非线性断裂力学计算方法）研究。2020年，成功研发岩层运动 GPU 并行计算系统StrataKing（王之岩层）。主持国家自然科学基金多项，7次入围全球前2%顶尖科学家-终身榜，2次入围中国知网Top1%高被引学者（力学），获得数字仿真科技奖（杰出贡献奖+卓越应用奖+自主软件创新奖）、省五一劳动奖章等奖励。第17-18届中国CAE工程技术分析年会之论坛“地质体材料破坏和稳定性仿真分析”主席（海口、厦门），第20届中国CAE工程技术分析年会之论坛“工程软件研发及应用论坛”主席（北京），第21届中国CAE工程技术分析年会之论坛“土木矿业地质仿真技术论坛”主席（长春）。2025年，作为指导教师，指导研究生获得“一带一路”暨金砖国家技能大赛工程仿真创新设计赛一等奖。近年来培养的学生主要在数字仿真、工业软件领域大国重器（飞机、航母等）和高科技产品（汽车、风电等）研发单位工作，把个人追求和国家利益紧密结合，有些已经成为技术骨干。

王学滨团队隶属于潘一山院士团队，从事计算岩石力学、岩层运动并行计算、微震数据驱动地质灾害数值预测方面的研究。历时15年，开发并逐步完善了矿业领域首个岩层运动GPU并行计算系统StrataKing（王之岩层），适于高效率模拟大规模连续介质向非连续介质转化和非连续介质进一步演化，矿业特色鲜明（例如，具备冒落单元膨胀、可破断锚杆、可伸缩液压支架、可收缩钢支架模拟等功能）。在某型号单一GPU下，StrataKing计算单元可达到600万+，1万个单元1万个时步的计算时间一般不到2s，具有行业领先优势，明显优于国外通用串行商业软件，并形成了云平台，为煤炭行业科技工作者提供了一种具备岩层运动模拟基本功能的新的研究手段。StrataKing和云平台可为矿山灾害防治和生态环境治理、煤炭行业数字化转型升级和高质量发展提供强大算力支撑。

（完）    

来源：仿真秀App