奇瑞汽车AI CAE 场景案例及发展思路：从点状应用走向流程融入
2026西门子大中华区Simcenter仿真与试验融合技术峰会（含Altair技术大会）上，奇瑞汽车高级主任工程师黄茁具体介绍了奇瑞4年多来开展AI CAE的几个代表性场景，成效，以及对未来AI 在仿真测试领域的系统性规划和展望。从介绍看，奇瑞汽车在应用的深度、广度上都达到了很高的水平，正在从点状试点走向特定场景的全链路应用，且对未来发展有非常系统性和落地性的思考，值得更多企业参考借鉴。以下内容来自演讲内容的整理。奇瑞汽车AI CAE的3个应用场景
平台由3个模块构成：快速预测模块、交付物审核模块和智能优化模块。1个是数据飞轮的闭环，奇瑞积累的风阻预测数据集已经超过1万条，建立了风阻绝对值的测试数据和方案相对值的测试数据，并且数据飞轮正在以每月1000条以上的数据在增长。2是实现了AI技术应用开发和业务应用的闭环。快速预测模块不仅CAE工程师在用，造型工程师也同时在使用。在近1年的时间，造型版次超过1800版，实际车型预测误差小于5%，达到了工程应用的阶段。测试集上预测绝对精度误差达到1.6%以下，达到行业领先的水平。智能诊断和优化模块，是今年新增的模块，理念是代替人解读仿真结果，发现仿真结果里有改进潜力，或不利于风阻提升的区域、改进点，并给出改进后的可能效果，如3或5个count。在这个基础上，还有生成式优化模块，目前对后视镜等，可以实现输出生成式优化的方案数据，实现从仿真、优化、再到确认整套都在AI工具链里完成，实现了闭环。这套模块带来的意义，是把奇瑞20多年开发的经验，5000+诊断的案例，AI模型化和知识化了，能让团队在优化改进的时候，即使是1、2年的新员工，也可以用工具达到和老工程师相似的效果。奇瑞在做发盖多学科AI的时候，从一开始就奔着替代第一轮数据仿真去的。在这个领域，很多公司同行都在做行人保护预测，奇瑞的目标不仅仅是用在安全这一个学科，而是安全、刚度、模态都要用AI预测达到工程化应用的水平，才能实现对早期传统仿真的替代。在这个工具上，奇瑞建立了一套几何+连接+属性+工况的全特征编码，可以实现统一的局部特征和全局特征的步骤，也实现了较强的跨车型平台的泛化预测能力，目前预测精度已经超过85%，接近90%，也在跟车身同事测试应用，即将投入实际使用。目前实际在车型上应用的结果，行人保护超过85%预测精度，抗凹小于1毫米，模态值小于2Hz，这些精度可以满足早期设计性能评估的要求。在这个工具基础上，奇瑞还建立起仿真和试验映射的模型，把方法误差、制造误差、试验误差让AI学习起来，在新车型开发的时候，可以用平台的前期实验结果，用映射模型把预测结果修整到和试验非常接近的程度，这样可以减少50%以上的行人保护试验，前期行人评估效率提升200倍，实现分钟级发盖早期性能评估。一是问题分析，建立起系统级或测量特征指标结果和路噪性能表现的联系，通过测试数据训练出一个AI模型，它能告诉我们，系统特征指标变了，路噪会有怎样的表现变化，如果路噪性能表现达不到目标值，比如要降低1.5count，重要的特征性能应该改变到什么程度。有了这样的目标分解和特征排序之后，第二件事是用改进后的特征结果，代入到AI代理模型里，去预测相应的路噪表现。比如某个传递路径上模态改了，路噪会有怎样的表现。第三件事，有了特征指标参数改进，跟设计一起，体现到具体的结构中去，实现方案的闭环和落地。AI CAE发展路径
总体目标：全AI仿真工具链应用的新一代仿真业务架构奇瑞做AI仿真和测试做了有4年多的时间了，前期主要是预测模型，优化评估等点状的应用。最近2年在思考，AI应用会给仿真业务流程带来什么，通过思考得到一个目标：要建立起新一代的仿真业务架构，要实现全AI仿真工具链的应用。图中左边是传统瀑布式的线性研发流程，先设计，然后仿真、优化、测试验证、用户评价等，步骤是割裂的，部门墙很严重，沟通成本也很高。新一代的仿真业务架构是要建立起智能体驱动的一体化的业务流程，减少沟通成本，缩短业务流程链条。最直观的改变就是周期，传统仿真周期是周、月为单位的，全AI工具链驱动下可以实现分钟级的仿真，把工程师的精力解脱出来，聚焦到产品性能优化等高价值工作中去。新的业务架构下，给团队带来知识、经验积累的应用模式也变了。传统汽车仿真工程师培养周期非常长，动辄以年计，经验不足的工程师工作输出交付的质量很难和老工程师相比。我们把这些知识经验模型化，融入AI仿真工具后，团队的经验可以复 制，甚至可以跨团队复 制，设计部门也可以使用仿真部门的经验和工具链，去完成产品的开发和验证。奇瑞汽车把AI应用能力做了5个等级的划分，L1和传统流程自动化，基于规则驱动的任务执行是很接近的。L5是超越个体人类的仿真执行能力。具体的3个阶段：第一阶段（2025-2026），AI业务助理，可以完成经过拆解的简单的仿真任务和步骤，过程和结果都需要人去监督。第二阶段（2027-2028），全流程仿真智能体，可以独立完成仿真任务，实现端到端，像人一样给仿真输入，可以给出业务结果，但是过程和结果都需要人的监督第三阶段（2029-2030），领域仿真大脑，不光能独立完成仿真任务，而且有领域的知识和过程的宽泛能力，人不需要监督执行过程，只需要监督结果，和人配合高效仿真。1.先前期设计，后详细设计。先做早期的工具，比如早起的设计评估，早起的任务数据处理，再做详细设计，因为详细设计对模型能力要求高。2.先做简单工况，简单子系统、后复杂工况，复杂子系统、整车。降低数据治理的难度和要求3.先通用AI领域，后做领域AI。通用AI领域就是现在大模型可以解决的问题，图中绿色的，如知识培训、文档编制、目标分解设定等，1,2年内都可以落地。领域AI，指性能评估，智能优化等，依赖模型能力提升，依赖企业数字治理和数字化水平提升，需要花更长的时间。奇瑞的目标是3-5年内实现图中10个场景的全面落地。- 仿真领域大模型。只有仿真领域大模型才能实现第三阶段
以空气动力学风阻这个领域为例，全AI原生工具链的变革快，一场造型评审会的时间内完成整个一轮方案评估和优化。也就1小时内，从对造型评审结论出来、到做改进方案，到做方案的数据评估，再到方案的认可全部完成。简，全部操作是自然语言交互，操作简便，人面对的是智能体，而不是商业软件。设计、性能、仿真工程师都可以用这些工具完成造型的评估和改进。包括车型项目的总师，也可以根据对产品的定位，不光提出建议，还能将造型建议实现到车型改变中去。经验，AI工具链融合了团队的经验，凝聚了企业沉淀的经验。哪些地方符合造型风格，哪些地方能满足工程的约束和边界，AI工具可以给出来。决策，历史开发数据和竞品数据驱动的决策，人对结果负责，决策过程和决策的依据由智能体给出。经验总结：工具融入流程和团队才能发现真实需求实现闭环图中绿色是目前已经有的工具，红色是奇瑞还在开发中的工具。这些工具给CAE和给造型工程师用，会给AI开发团队带来很多的挑战。例如造型工程师并不清楚，评估Cos（近似音）和评估整车是不一样的（一个带一个不带底盘），也不清楚，造型数据的有些面没有缝合是不是会对评估结果又影响。这些数据方案的处理都需要开发一些AI智能体进行预处理，这个也只有工具融入团队，开始用起来，应用闭环起来，这些真实的场景需求才会反馈到开发团队，让工具链完整起来。否则只有一个预测工具是很难融入业务流程中。关于智能优化，现在有很多生成式的大模型，很容易生成一些CAD或者数据，但是难点在于，怎么把企业级的工程约束，以及不同开发阶段之间的边界给到AI模型，让输出符合这些边界的模型，这块奇瑞也在研发中。过去西门子提供了非常成熟可靠，先进的仿真软件，未来，当AI工具链驱动的仿真业务流程架构来临的时候，使用商业软件的会从人变成智能体，希望AI的时代，西门子能够继续的给奇瑞提供更优秀的仿真工具。
著作权归作者所有，欢迎分享，未经许可，不得转载
首次发布时间：2026-05-27
最近编辑：3月前
