随便聊聊：AI驱动CFD自动仿真，到底还差些什么？
然后有人在群里问了一句：你们厂里真的用起来了吗？
没人接话。
这个沉默，其实比视频本身更值得聊。
1 民间很热闹，企业很安静
先说热闹的那一头。现在市面上关于"大模型自动跑 CFD"的内容，大致来自三个地方：
自媒体和短视频里的演示。一个流程跑通一次，截几张图，配上"仿真工程师要失业了"，流量就来了。 开源社区里的 Agent 项目。确实有不少人在认真做，把 PyFluent、OpenFOAM、FreeCAD 这些工具串起来，让模型自己决定下一步干什么。 论文。这两年"LLM + CFD"的组合在会议和期刊上满天飞，做的人不少，但绝大多数是概念验证。
这三者有一个共同点：它们验证的都是"能不能跑通"，没人验证"能不能一直跑对"。
再看安静的那一头。真正靠仿真出产品性能的制造企业，这些年对前后处理自动化、参数化建模、优化平台（optiSLang、modeFRONTIER 这一类的用法）一点都不排斥，该花的钱都花了。但一说到"让大模型来决定仿真过程"，态度普遍是：再看看。
原因也不难理解。
企业买的不是"能跑通"，是"结果敢签字"。 一次算例跑通，在群里可以收获点赞；在企业里，价值等于零。企业要的是一百次算例都能拿到可以支撑决策的结果，而且出了问题知道该找谁。 很多企业的仿真需求本来就不在高价值环节。 之前写过一篇《仿真到底是要做什么》，里面提到过，不少仿真工作是为了产品包装、项目结题、申请项目打底。这类需求找的是"有张好看的云图"，谁做的、怎么做的并不重要，自然也不会有人为自动化掏钱。而真正对可靠性敏感的研发型仿真，恰恰是对不确定性容忍度最低的那拨人。 多一个中间层，就多一份维护成本。 现有的人员和流程虽然笨，但是可控、可复现、出了问题知道从哪查。中间插 进一个大模型，谁来背这个不确定性？没人愿意。
2 卡点不是"够不够聪明"，而是"稳不稳"
如果只能挑一个词来概括大模型驱动 CFD 自动化的瓶颈，那就是可靠性。展开说是三层。
最要命的一层：CFD 的错误大多是静默失败。
写代码写错了，编译器会骂你；脚本参数填错了，程序会报异常。但 CFD 不一样：网格划歪了、边界给错了、湍流模型选错了、时间步放大了，求解器不会报错，它会笑嘻嘻地给你收敛出一条漂亮的曲线，然后交出一个物理上毫无意义的云图。你甚至可能因为这次"收敛得特别快"而心情不错。
静默失败是所有自动化系统的天敌。因为自动化的前提是"出错了能被发现"，而静默失败恰好把错误藏了起来。人来做这些判断时，靠的是经验里那些说不清道不明的直觉；换成大模型，它连"我觉得这里不太对"都说不出一个可靠的依据。
第二层：不可复现。
大模型的输出带随机性。同样的问题、同样的上下文，今天问和明天问，答案可能不一样。对人来说这不是问题，因为人会解释自己的思路、会被追问、会认错。但自动化流程需要的是确定性——同一个 case 跑两遍，结果必须一样，否则没法做验证，没法做回归测试，也没法在客户面前解释。
第三层：误差级联。
一个完整的仿真流程，从几何清理到报告输出，二三十个步骤是有的。假设每个步骤大模型的判断准确率都是 95%——这个数字听起来已经很高了——那么全流程走对一次的概率是：
也就是说，一百次里能顺顺当当跑完的只有三十几次。企业要的恰恰是那九十几次。这就是为什么 demo 那么好做，产品那么难做。
顺带说一句，也有人寄希望于"让模型自己检查自己"。目前来看这条路不太通——模型给出的检查结论，本质上还是它自己生成的文本，它并不知道自己什么时候是错的。你问它"你确定吗"，它只会更自信地重复一遍。
3 Jev 这类模型为什么值得看一眼
聊到这里，最近火起来的 Jev 模型就绕不开了。
按官方口径，Jev 是 TypeSafe AI 推出的"决策模型"，跟传统大模型最本质的区别是：它不写文章、不写代码、不聊天，只接收非结构化输入，返回带校准概率的结构化判断。输出只有三类原语——布尔判断（是/否的概率）、选择（在预定义选项里给概率分布）、评分（按指定尺度打分），全部附带置信度。据官方数据，端到端延迟只有几十到几百毫秒，成本比前沿大模型低两三个数量级。
它为什么能又快又便宜，原理上其实好理解：传统大模型是自回归逐 Token 生成，输出越长越慢；Jev 用自研的并行采样器，一次前向就把全部判断吐出来，不逐字解码。同时它把输出空间限死在一个预先定义的 schema 里，所以输出天然可解析，不存在格式错误和类型幻觉这一说。
我更关心的是它训练上的取向。它用的是 RLCD（校准决策强化学习），优化目标不是"人类更喜欢哪个答案"，而是置信度和真实正确率对齐：如果模型对一批判断都报 90% 的把握，那么这批判断里就应该有大约 90% 是对的。
这一点对 CFD 自动化的价值，比速度快几百倍还要大。
因为 CFD 流程里塞满了这种类型的微判断：
这个面是入口还是壁面？ 网格最小正交质量 0.15，能不能接受？ 残差降到 该停还是该继续跑？ 算出来的阻力比经验公式低了 30%，是发现了新机理，还是模型选错了？ 这个报错信息，该改边界还是该改松弛因子？
生成式大模型做这些判断有两个硬伤：输出不稳定（今天说 A 明天说 B），以及无法量化把握程度（它永远都是一副很有把握的样子）。而 Jev 这一类模型的输出，天然带着一个可以写进 if 语句的概率： 直接执行， 交给更强的模型复核， 转人工。
这才是自动化系统该有的形态。不是赌模型不出错，而是让系统知道模型什么时候可能出错。
当然，冷水还是要泼的。官方公布的性能数据自注为内部评测的收益上限，存在偏差；所谓"零幻觉"只保证输出类型和结构不出错，官方 FAQ 也承认它仍可能选错；目前该服务尚未向中国大陆开放。更关键的一点是：Jev 解决的是"判断稳不稳"，解决不了"判断依据从哪来"。 什么叫"网格质量可以接受"，这个阈值是谁定的、依据是什么，模型替你回答不了。
4 真正该做、但没人愿意做的活
所以我认为，这件事真正的工程量不在模型那一侧，而在这儿：
1. 将老法师脑子里的隐性判断显性化。 网格质量的硬阈值、收敛判据、物理合理性检查（质量守恒、能量守恒、量纲是否对得上）、什么情况下必须换模型——这些平时靠经验的活儿，得一条条写成规则和检查清单。这是最枯燥、最费时、也最不可替代的一步。
2. 给流程加过程约束。 每一步之间加"拉闸"：输入合法性校验、参数取值范围限制、中间结果与经验区间的比对、越界即停。这听起来像是在限制 AI，实际上是在给自动化上保险，同时让整条流程可审计、可回滚。
3. 做评测集，而不是做演示。 现在大家比的是 demo 好不好看，没人比同一个任务跑一百次成功率是多少。没有统一的评测基准，可靠性讨论就是玄学，厂商说自己 99% 也只是说说。
4. 分段自动化，而不是端到端。 前处理的参数化、网格模板、后处理报告生成，这些环节成熟、判断少，可以先自动掉；中间那些强依赖物理判断的环节，老老实实留人在环。等底层的判据库足够厚了，再一段一段往前推。
5. 留数据。 每一次算例的输入、输出、走过的岔路、为什么这么选，都留档。这些记录是将来的燃料——无论你最后用的是 Jev 这类决策模型，还是自己训一个小模型，喂给它的都得是这些。
这五件事有个共同点：不出论文、不出 demo、不涨 KPI，短期看不到任何收益。 所以现在做的人少。但恰恰是它们决定了这件事最终能不能落地。
5 文末小结
我的判断还是那几条：
大模型驱动 CFD 自动化，方向上我认为是对的，甚至是迟早的事。但目前它更像是"趋势正确、时机未到"——民间炒得火热，企业真正落地还很少。
当前的瓶颈不在模型聪不聪明，而在可靠性和稳定性。而提高可靠性这件事，靠的不是换一个更强的模型，而是补上那些基础性的、没有收益的功课：底层决策、过程约束、判据沉淀。
最怕的是顺序搞反：先搭一个炫酷的端到端 Agent，跑通两个 case，然后逢人就讲"大模型不靠谱"。它不靠谱，是因为我们跳过了最不性感的那部分工作。
CFD 这个行当其实有个优势——我们天天在跟误差、收敛、验证、不确定性打交道，怀疑一切漂亮结果是刻在职业习惯里的。把这套习惯用在 AI 身上，大概就是这件事的正确姿势。
至于 Jev 这类决策模型，我会继续盯着。它至少指出了一个方向：在生成已经足够便宜之后，下一个值钱的，是判断。
胡言：随便聊聊，当真就输了！
”
（完）
