行业分享｜AI+ 仿真，重塑前端设计研发价值（二）

05、数据驱动

从数字化研发的创新历程来看，在 2020 年另一个趋势点其实早就已经出现了，无论是设计状态还是研发状态，都出现了巨大的变化：数据驱动。

目前我们已经有了大量的数据，无论实验的测试数据还是积累的仿真数据都已经开始发挥越来越强的作用。而数据的背后是 AI，是机器学习。当前 AI 已经能够赋能很多方向的仿真场景，分享一些很有意义的典型案例。

●机器学习应用于预测仿真结果，大幅提效

我们可以非常直接地看到在仿真计算中引入机器学习之后带来的效能提升。当直接做传统的仿真计算时，会有应力问题，引入机器学习之后通过前端仿真积累的数据做训练，建立机器学习的模型，仅需 28 秒左右的时间。目前机器学习已经应用到成熟的工艺当中了。

●行人保护性能可被快速预测

行人保护性能预测是非常实际的典型案例。做行保整体状况分析通常需要至少一周的时间。而使用机器学习通过已有的计算数据就可以对不同车型不同位置点进行轻松高效的预测，同时有新的车型出现，也可以将不同车型的训练模型应用其中，目前预测速度已经可以达到半小时以内。

对于当前很多新能源车企而言，时间是非常重要的，机器学习极大程度提升了开发周期，节省了研发成本。

●RCS（雷达散射截面积）性能快速预测

在飞机雷达散射截面积的性能预测方面，机器学习也能创造很高的价值。现在做五代机或者最新型的战机，一定绕不开这些方面的分析，但是这非常耗时。

目前国内一些研究单位或者上市企业已经开始把机器学习运用到隐身材料中，用于新型战争中的开发工作。

●电动汽车大铸件设计

电动汽车大铸件设计也是非常典型有代表性的案例。本次分享电动汽车一体化底盘设计以及制造过程，一体化成型是一个典型的多学科系统集成问题。我们会面临至少十多种目标，这就表明在做设计的时候需要进行多目标优化，将一体化设计作为整体综合考虑，而不是每个学科单独考虑，不同学科给出的优化方向会非常不一样。

我们将 AI 技术应用其中，把整个设计流程交给计算机做分析，利用 AI 技术进行识别分类，将条件约束加到最前端的设计流程中。

当前，数据分析与人工智能技术已经有了非常广泛的应用，不仅在研发过程中，还贯穿到整个产品生命周期中。AI 不仅可以与仿真结合做分析优化，还可以利用历史数据帮助企业实现设备管理、质量检测、预测维护、能耗优化等核心需求。

06、仿真流程及数据管理平台

目前研发数字化主要有 2 大趋势：仿真驱动、数据驱动。从当前企业现状来看，常见的问题有业务协同不畅、业务标准化程度不足、以及数据和知识管理不统一、业务进展不同等。面对这些问题，很多大企业已经开始搭建仿真流程与数据管理平台，把企业业务在线化，挖掘数据价值，实现持续增速提效。

如下图所示，可以看出企业仿真研发数字化的核心是业务流程数字化和数据的数字化，业务流程前端需要打通设计端或者其他需求端，如 PDM 系统，项目管理系统或者性能管理系统，后端连接试验端 TDM 系统。

仿真业务在线的基础是仿真能力体系的线上化，对此我们需要对仿真能力体系做在线建设和认证，当前很多企业的仿真能力可能还处于工具应用阶段，或者分析规范制定阶段，后续可以通过建设性能评估体系，实现标准化自动化仿真，以及 AI 预测等手段持续提升仿真研发能力。

从客户的实际案例中可以看出，仿真流程及数据管理平台建设带来的效果是非常好的，在电子行业、重工企业、能源企业、整车厂等典型行业方向均取得了很好的效益，帮助企业提升了 20%～30%仿真效率，节省了 40%左右获取数据的成本。

07、Altair 的发展历程

最后分享一下 Altair：Altair 最初自研核心拳手产品，也是目前仍广为人知的 HyperMesh，至今仍在行业中有着行业标杆作用。同时保持持续的战略收购，打造完整生态，目前在某些领域中仍然有很多差异化产品。

另外，Altair 还拥有独特的商业模式，使用基于 Units 的模式，使 Altair 具备了跨越经营周期的能力，在经济周期不是很稳定的时候，反而能够体现出非常稳定的状态。

30 多年来，Altair 也一直是 HPC 最值得信赖的解决方案提供商，为仿真计算整体提效 50%～100%，站上了行业生态领先位置。2018 年开始我们进军了人工智能，发展到今年 6 月份，Altair 已经被 Gartner 魔力象限评为数据科学和机器学习平台领导者（第一象限）。

08、Altair 深耕中国

Altair 在中国一直持续和用户在一起，做了很多专业的本地模块开发，形成了行业定制化产品，面向众多不同行业，如重工、汽车、消费电子等。

另外，我们在中国本土也为众多客户做了项目咨询工作，比如曾经为五菱汽车做测试优化，从设计到碰撞等整个设计过程都是由我们服务，帮助车企一次性通过五星级测试。

最后，我们也帮助客户做了很多数字化转型工作，包括流程标准化、仿真流程管理等，使企业信息同步，企业数据价值最大化。

这也是使得我们过去这么多年里在国内能够持续保持良好态势的重要原因。

综上所述，目前 Altair 的定位主要是三大块：设计与仿真、HPC&云计算、人工智能/机器学习，通过技术融合为企业提供最佳决策。

09、总结与展望

最后，做一个总结和展望。

●研发环节数字化具有极强的特殊性

首先是正向设计与研发数字化，一个企业如果有比较好的正向设计基础，做研发数字化是顺势而为的事，当一个企业在做产品开发设计的时候已经开始用到很多数字化工具，那么一定是正向研发过程。

其次是不是使用了工具软件就代表数字化呢？显然不是。当我们有了很多数据工具之后，还需要把大量流程实现标准规范化才算是逐步往数字化方向走。

第三点，仿真驱动与数据驱动，在研发方向，这两条趋势一定会持续。第四点未来企业仿真、算力和应用 AI 的能力，能够反映企业的整体的研发水平以及创新能力。

●设计仿真一体化

关于设计仿真一体化，首先需要提到的是理念，当下很多企业的核心管理层已经认识到这个理念，只有从理念上达到认知后才能实现在整个研发环节持续提效。

其次是流程，之前的工作流程一定是先设计再仿真，而设计仿真一体化会逐步实现设计和仿真在同一个环境中，解决了不同学科差异的问题。最后是数据，设计和仿真数据要实现联动。

●仿真技术/AI 技术民主化

我们期望仿真技术、AI 技术等不仅仅在开发端口用，而是应用于企业的各个端口，不要让技术本身影响不同团队人员的创造性，让最优的技术大众化，大家都可以独立应用起来。而对于供应商来说，必须能够推出适合没有很强专业基础人员的工具，同样也面临挑战。

●技术融合+行业专识加速创新

在寻求创新问题中，我们通过不同学科不同领域甚至跨行业之间的技术融合加上自身独有的行业专识加强创新。

从整个创新理念设计来看，不仅仅是头部企业或者高端制造业，很多面向消费者做工业设计、产品开发场景中，都能够把大量优势技术融合其中不断推动创新，带给消费者和行业更多创新思维应用。

关于 Altair RapidMiner

Altair RapidMiner 数据分析与人工智能平台，是数据分析领域中最早实现将自动化数据科学、文本分析、自动特征工程和深度学习等多种功能同时集成的企业级一站式数据科学平台，帮助用户解决从数据清洗、准备、数据科学建模到模型管理和部署的全流程需求，同时支持数据和流数据的实时分析可视化，适用于从学术研究到企业级应用的广泛场景。

欲了解更多信息，欢迎关注公众号：Altair 澳汰尔

如您对 企业级人工智能和数据分析平台 Altair RapidMiner 感兴趣，欢迎关注公众号免费申请部分软件试用。