【AI+CAE】国内工业企业的AI+CAE应用盘点
这是AIE加速工业进化【AI+CAE的现状和未来】系列的第12篇，主要盘点国内工业企业AI+CAE相关应用。
中车集团：“斫轮·风驰”空气动力学仿真大模型
上海卫星工程研究所：航天器热控CAE系列Agent
上海卫星工程研究所针对卫星热控设计依赖经验、建模繁琐、定制化程度高、极端热控工况识别难等问题，上海卫星工程研究所全力打造“航天器热控CAE智能化系统”，包括：AI多模态三维模型简化Agent、AI热分析模型信息整合Agent、AI热仿真加速求解Agent、AI卫星轨道外热流分析Agent、AI卫星热管设计流程优化Agent等，以大幅提升热控设计效率，降低设计成本。
中国商飞：“东方”系列空气动仿真大模型
中国商飞上海飞机设计研究院联合上海交通大学、华为等组成的团队，先后发布面向航空气动仿真的2款大模型：东方·御风、东方·翼风。
“东方·御风”针对二维超临界翼型，深度融合Transformer架构与小波变换技术，在翼型几何与来流条件大范围变化时，实现全流场万分之一量级误差的秒级求解，为快速翼型设计与优化提供了智能基础。
“东方·翼风”面向三维超临界机翼流体仿真，结合流体领域专家经验、数据，实现对飞机翼型全场景飞行工况模拟，在三维机翼几何变化的情况下，全流场误差达到了万分之一，三维翼型仿真模拟时间降低为原来的千分之一，加速了飞机设计的效率。
中船集团：数据模型双驱动 船舶结构应用仿真预测模型
中船集团研制了船舶CAE智能仿真平台，基于自研CAE软件及积累的1800余组高质量数据集，开发创新的时空图神经网络模型，训练出仅输入网格数据就可以完成结构应力场预测的AI模型，代替传统“船舶流场仿真-流固耦合映射-船舶结构应力仿真”这一复杂繁琐的预报流程方法。
模型预报精度与商软相当，速度较商软提升500+倍，实现了潜艇标模应力场、某散货船应力场及集装箱船航行尾迹等的预测，在单位内部，应用于多个国家级重大项目显著，提升了船舶流体和结构性能的设计优化效率。
中船集团：全流程的智能建模工具
中国船舶集团系统工程研究院软件与仿真中心构建了全流程的智能建模工具，涵盖“意图感知-逻辑推理-模型生成”全流程，基于多目标优化的核心算法确保建模的准确性和可行性，有效解决了传统建模方式中专业壁垒高、需求传递链条冗长等痛点，实现了从用户需求到模型构建的“端到端”智能生成，大幅提升仿真建模效率，可显著增强仿真系统对复杂应用需求的适应性和敏捷性。
一汽解放商用车：多项AI仿真
一汽解放开展了多项AI仿真应用，包括制动鼓热性能的AI快速预测与优化、基于机器学习的轴类零件模态快速预测，以及商用车起动工况下车内振动的AI快速分析等。
构建基于PyTorch的三层全连接神经网络模型，实现制动鼓热性能的AI快速预测与优化，准确率超95%，时间从2天降到秒级，并进一步引入多目标平衡优化机制，以智能算法驱动设计迭代，有效平衡重量与温度指标。
基于机器学习的轴类零件模态快速预测，预测结果与仿真结果吻合度超80%，效率提升5倍以上。
训练降阶模型进行商用车起动工况下车内振动预测，精度93%。
吉利汽车：风阻智能预测系统
吉利汽车研究院在智能仿真平台上，开发了GEELY AI-AERO智慧风阻预测系统，通过残差卷积神经网络构建核心代理模型，包括AI预测模块、特征参数提取模块、流场数据到训练集数据转换模块以及自动化工具模块，能实现特征参数提取与自动存储、风阻系数、2D切片流场和3D全流场的预测。
系统将代理模型预测结果与实际值的误差严格控制在5%以内。同时可输出车身及关键界面的压力与速度云图，分辨率与CFD仿真相当，并可自动生成标准化PPT报告。系统将一轮仿真周期从7天缩短为6h，效率提升28倍。
辰致集团（原长安汽车）：CAE自动化工具
辰致汽车科技集团创新研究总院研发的CAE仿真自动化软件投入产品研发实战。软件深度耦合AI大模型、仿真数据与本地知识库，可实现从数据到决策的智能化产出，实现仿真分析全流程的标准化、自动化与智能化，内置的“仿真智能体”可针对脱密降维模型进行自动审核与修正，并智能化补全边界条件与工况，有效规避了传统流程中的人为经验误差，提升了仿真效率与准确率。
智已汽车：空气动力学AI预测模型
智已汽车构建了汽车空气动力学的AI预测模型，实现从几何外形到流场、再到气动阻力的端到端秒级预测能力，可对超800万节点的汽车外形进行秒级空气动力学预测，并自动输出优化造型。
中汽研：风洞多智能体
中汽研风洞中心也在开发数字风洞的多智能体，覆盖风阻预测、风洞知识库等多个方向。
中化信息：轮胎仿真代理模型
中化信息团队引入机器学习技术，构建高精度代理模型，对轮胎印痕形状、压应力分布等关键参数的预测误差控制在2%以内（R²≈0.95），大幅缩短设计迭代周期。未来，该模型将与自动化仿真深度融合，实现智能筛选与优化，推动轮胎研发向“数据驱动”转型。
