报告快读：信通院《科研智能：人工智能赋能工业仿真报告》
AI在CAD、CAE领域的主要应用方向
报告概括了几个典型的AI赋能CAD及CAE的应用方向：
1.AI生成式设计，自动生成多样化、创新性强的设计方案
2.AI大幅提升复杂仿真计算的时间。 传统CFD、FEA等有限元计算耗时非常长，AI可以大幅节约计算时间，快速预测结果。
3.解决传统难以精确建模的复杂工程问题，如多物理场耦合（如电磁-热-力耦合）、跨尺度问题（如从微观材料特性到宏观结构响应），这些问题本身建模困难，可以用数据训练方式构建AI模型。或者长尾或边缘工况，如极端温度、材料失效等等。
在每个方向上，报告有更细致的展开和对应一些案例介绍，感兴趣的可以查阅原文。
国内外产业进展
产业格局方面，国外头部企业率先发力AI+CAD，国内尚处起步阶段
服务形式方面，工业软件平台集成与智能化工具并存，头部工业软件企业以内置智能化插件为主，高校、科研机构等以独立的智能化工具为主
技术实现方面，大、小模型技术路线并驾齐驱，大模型理解更抽象的设计意图并处理多模态输入，生成具有创新性的复杂几何结构，小模型可以快速执行基于明确物理定律或几何约束的优化计算，进行实时的仿真分析反馈
应用场景方面，AI 赋能 CAD 已渗透到从概念构思、详细设计、分析验证到制造规划的整个产品生命周期
AI赋能CAE
国际巨头深化布局，国内力量精准突破。国外头部企业加速构建从仿真建模到优化设计的全流程解决方案。国内工业软件企业开发 AI 驱动的设计验证平台，实现全流程智能化设计与验证。
服务形式方面，原生集成与智能化工具并行发展。头部工业软件企业主要通过在其旗舰 CAE 平台中内置智能化模块或插件。高校、科研机构及部分 AI 科技公司则侧重于研发独立的 AI 仿真模型、算法库或专用智能化 CAE 工具。
技术实现方面，大、小模型技术路线协同并进。大模型擅长处理高维复杂物理场、捕捉长程依赖关系，实现在海量数据中学习复杂物理规律，在宏观尺度上实现颠覆性的性能提升。小模型高效、灵活、低成本的特性使其在特定物理场景和工程任务中应用广泛。
应用场景方面，AI 全面渗透研发流程，全面渗透到仿真加速、物理建模、设计优化等多个层面。
5个典型案例
报告从轨交、航空、轻工、汽车、建筑5个行业选取了5个典型案例，对各个案例的背景、方案、创新性、成效等进行了详细的介绍。以下简要概括5个案例
高速动车组空气动力学智能化仿真大模型-斫轮·风驰
实施单位：中车四方股份、国家高速列车青岛科技创新中心、百度
以我国高速动车组二十余年自主研发过程中积累的TB 级数据为基础，融合几何信息神经算子和傅里叶神经算子，构建大模型-斫轮·风驰，替代传统空气动力学仿真流程。单工况的列车气动性能仿真周期由超算平台上的天级缩短至单机显卡上的秒级；与风洞试验结果相比，整车气动阻力的预测误差小于 5%
民用客机超临界翼型函数生成和编辑模型
实施单位：上海人工智能创新中心、商飞上海飞机设计院
当前主流的翼型表征方法：参数化模型或离散点制约了翼型设计效率及创新。方案将翼型建模为连续函数形式，能够合成突破传统参数化限制的的新型翼型，显著拓展设计空间，已在中国商飞上海飞机设计研究院二维翼型气动总体设计与优化环节中投入实际应用，在数天内生成大量高质量候选方案，大幅加速了工程研发进程。此外，方案还提供了高度自由和灵活的翼编辑能力，能够满足各类设计约束条件，误差趋近于零。
风扇叶轮智能优化设计
实施单位：南京天洑软件
天洑软件通过智能优化设计软件 AIPOD，对风扇叶片结构进行参数化建模，结合仿真模拟与智能算法，在 2 天内自动生成 61种优化方案，最终方案将风量提升 20%。
代理模型在轮胎设计仿真中的应用及仿真自动化
实施单位：中化信息
聚焦轮胎胎冠设计的关键参数对印痕图特征的影响规律，通过构建参数化模型与代理模型，实现了设计参数到印痕图的高精度预测，实现设计范式和服务模式两大突破：工程师输入参数后，2 秒内即可获取印痕性能预测，并将高门槛的仿真技术转化为“仿真即服务” ，显著降低技术门槛
ChatCAD 生成式辅助工业设计
实施单位：创新奇智
“ChatCAD 生成式辅助工业设计”，通过简单的对话问答形式，便能迅速理解设计师的创意意图，自动生成符合要求的工业设计图，还支持导出到传统工业设计软件进行手动微调。极大提升工业设计的效率和质量。
面临的技术挑战
报告具体分析了当前AI赋能仿真领域的几个主要挑战：
高质量工业仿真数据获取成本高、耗时长，且可能涉及商业机密或安全风险
AI 技术的“黑盒”特性和泛化能力成为限制其广泛落地的重要因素，AI方法本身不可解释，复杂或边界条件下产生不符合物理规律的结果，一旦超出训练工况的范围，其预测精度可能急剧下降
AI 技术的计算精度与可信度如何达到传统数值仿真程度成为破局关键，确定何时何地使用 AI 代理模型而不会牺牲关键精度是一个挑战，计算结果的不确定性量化困难
