在 AWS 上运行 CAE 工作负载的五个原因。

如今，几乎所有行业都在产品开发中使用计算机辅助工程 (CAE)，包括：汽车、航空航天、工厂工程、电子、能源和消费品行业。工程师需要模拟模型，以快速、具成本效益地确保产品在所有环境中以及产品生命周期的不同阶段有效运行。

现代的模拟工具、软件即服务 (SaaS) 求解器和云计算，已经为简化艰苦的 CAE 工作扫除了障碍。工程师现在可以利用云中高性能计算 (HPC) 的功能和速度来加快标准 CAE 工作流程，并显著降低每个设计迭代周期所需的成本和时间。

以下是 AWS 作为运行 CAE 工作负载理想选择的五个原因。

一、利用不受限制的按需 HPC

• 让您的 CAE 模拟决定架构，而不是相反。

• 使用具有最新 Intel® 技术的几乎无限的云资源，而无需购买、部署和管理基础设施。

• 利用最新的技术工具获得更深刻的结果。

挑战：

计算密集型模拟可能会受到本地 HPC 基础设施容量有限、硬件资本支出高以及对技术更新的持续需求的限制。

解决方案：

AWS 云上的 HPC 几乎可以释放无限的计算能力和数据存储空间，满足工程师对更高性能的需求。工程师还可以轻松利用更多的 AWS 服务和最新技术工具，例如带有 AmazonSageMaker 的 AWS Machine Learning (ML)，以帮助预测产品和新功能的未来性能。

成果：

IDC 报告称，在 HPC 上每花费 1 USD 企业的收入就会增加 463 USD¹，而且利润会增加 44 USD¹。使用本地 HPC 的组织中有 72%的组织报告由于缺乏资源而延迟或取消了 HPC 作业。

二、加速创新

• 轻松启动 CFD 模拟工作负载并更快地获得结果。

• 从一系列由 Intel 提供支持的 Amazon EC2 实例中进行选择，并仅按使用量付费。

• 在数分钟内即可创建、操作和移除经过优化的安全 HPC 集群。

挑战：

Formula 1® Motorsports 希望通过让赛车可以在近乎零距离的情况下展开竞逐，为赛车迷呈现更加紧张刺激的比赛。对于一级方程式赛车而言，空气动力下压力是影响性能最主要的因素，它可以帮助赛车更快地驶过弯道。当前一代的赛车在贴近行驶时表现会受到影响，让车手更难以维持近距离竞逐和超车。目前，假如一辆赛车与另一辆赛车相隔一个车位前后行驶，则会损失多达 50% 的下压力。

解决方案：

为了减少这种下压力损失，F1 用 AWS ParallelCluster 设置使用 Amazon EC2 实例的 HPC 集群，并模拟了赛车在贴近彼此行驶时的空气动力学如何相互作用。F1 通过从这些模拟获得的知识，对赛车进行了重新设计，使得赛车在隔一个车位尾随另一辆赛车时，其下压力损失仅为 10%。

成果：

从这些模拟获得的知识让 F1 设计出的赛车在隔一个车位尾随另一辆赛车时，其下压力损失仅从 50%下降到了 10%。F1 将模拟时间从 6016 小时，整整缩短了 70%。使用 Amazon EC2 C5n 实例 F1 能够实现与超级计算机相当的性能，并且成本仅为其一小部分。

三、获得竞争优势

• 运行 Amazon EC2 Spot 实例，并利用 Spot 定价优势，进一步降低时间灵活的工作负载的成本。

• 从 Amazon Simple Storage Service (Amazon S3) 读取和写入模拟数据，充分利用 S3 存储大量数据并能够处理任何可能的请求速率的功能。

• 让工程师可以放心启动计算密集型模拟来加速新产品开发，而不必担心计算时间。

挑战：

Western Digital 的工程师需要快速获得电磁计算模拟的结果，以快速决定如何增加其硬盘驱动器的容量，并比竞争对手更快地将性能更好的产品推向市场。

解决方案：

该公司发现，最佳解决方案是在 AWS 中的可大规模扩展 HPC 集群（使用 Amazon EC2 Spot 实例构建）上运行其 CAE 模拟。在一个案例中，Western Digital 使其工程师能够在具有 100 万个 vCPU 的单个 HPC 集群上运行 230 万个模拟作业。

成果：

将生成结果的时间从 20 天缩短到了 8 小时，集群在 1 小时 32 分内增长到一百万个 vCPU，并全负荷运行了 6 小时，其成本仅是在本地集群上运行模拟的一半。在容量和配置方面实现极高的可扩展性，并且无需进行大量的前期投资或陷入传统基础设施的泥潭。

四、建立信心并成长

• 降低 CAE 模拟成本，并且能够承接超出本地计算能力限制的项目。

• 使用 Amazon CloudWatch 监控服务来跟踪 CAE 模拟的进度。

• 自信地承接范围越来越大的项目。

挑战：

TLG Aerospace 在飞机上进行空气动力学模拟，以预测机身周围的压力和温度。该公司希望降低与运行模拟相关的成本，并获得可扩展性以进行更大规模的模拟。

解决方案：

TLG 利用 Amazon EC2 Spot 实例的优势，以折扣价使用未使用的 EC2 计算能力。TLG 还使用 Amazon S3 存储桶在云存储数 TB 的模拟数据，并使用可用于 Amazon EC2 实例、提供持久块级存储卷的 Amazon Elastic Block Store (Amazon EBS)。

成果：

通过使用 EC2 Spot 实例， TLG 将每次 CAE 模拟的成本降低了 75%， 并且能够将节省的成本体现在产品定价上，从而提高业务竞争力。能够从任何地方检查模拟状态，以及早发现问题。消除了容量限制，现在可以竞标范围更大的项目。

五、释放生产力

• 立即扩展各种最新硬件和应用程序。

• 用于管理模拟用户、项目、软件、硬件和预算的访问控制。

• 避免过度预置和浪费资源，同时获得超越本地容量的能力。

挑战：

“Nissan 面临的挑战在于在管理内部 HPC 系统的同时利用最新技术创新以满足市场需求。”

- Nissan Motor Corporation 工程与质量体系部总经理 Seiji Kawachiya

解决方案：

Nissan Motor Corporation 决定通过 Rescale ScaleX 平台将其技术计算转移到 AWS，以在按使用量付费模式下获得敏捷的基于云平台的解决方案，以最大程度地降低每次模拟的整体成本，并不断采用最新技术。

成果：

应用程序和生产力成本优化 18%，HPC 费用降低 50%，排队时间从两三天缩短到零天。

“车辆开发所面临的跨学科挑战不断增加，这要求企业利用创新的、具有颠覆性的计算技术来缩短开发周期，从而持续满足客户需求。”