这是我被问得最多的问题。我的答案很明确: 会变,但不会被替代。 AI 不是来抢饭碗的,它是来帮我们放大能力的。仿真正在从 “物理驱动”,走向 “物理 + 数据双驱动”。
以前几天几夜的参数扫描,现在几小时就能完成
以前全靠经验调参,现在 AI 能给出靠谱的初始方向
以前很难处理的复杂多物理场,现在代理模型能快速给出近似解
但前提是 ——你得知道 AI 能做什么、不能做什么,更要知道 怎么用 AI 提升自己,而不是被 AI 甩在身后 。我见过两种极端:一种极度焦虑,觉得 AI 马上要取代自己;一种盲目迷信,觉得 AI 什么都能算。这两种态度,都走不远。 所以这次分享,我不讲空洞概念,只和大家聊一件事: 作为一线仿真工程师,在 AI 浪潮里,我们该怎么破局、怎么成长?
03 AI浪潮下的仿真进化论-直播
我把内容整理成了四个部分,从趋势到路径,从理论到实战: 洞察趋势:AI + 仿真到底在怎么变 从 “物理驱动” 到 “物理 - 数据双驱动”,这波浪潮改变了什么?AI 如何加速、优化、重塑整个仿真流程?数字孪生、生成式 AI 又带来了哪些新可能? 明确路径:AI 时代我们该具备什么能力 工具、方法、思维、协作四个维度怎么升级?从 “仿真工程师” 到 “仿真智能架构师” 的路径怎么走?短期练什么,长期往哪走,我给你讲清楚。 实战聚焦:ABAQUS 里 AI 到底怎么用 AI 增强建模、智能求解、结果解释与优化;现场演示代理模型、参数优化、收敛加速;还有最干货的: Python 脚本怎么连接 ABAQUS 与 AI 工具链 。 启发行动:把 AI 真正用进日常工作 从 “辅助后处理” 起步,新手也能上手;怎么一步步搭建仿真数据资产,推动团队智能化;最重要的:避开 “重数据轻物理” 的大坑。 1、这场分享适合谁看?