4支F1车队在用的AI仿真,拿到2700万美元融资
F1是赛车运动的顶峰,F1赛车设计追求极致的速度与性能,兼具观赏性和商业价值。而10支F1车队,有4支在应用Neural Concept的技术。因F1的保密性,愿意透露身份的仅有威廉姆斯车队。
“从设计脚踏车到Formula 1(以下简称F1)是一段漫长的路,这是Neural Concept的CEO Pierre Baqué花6年时间实现的巨大飞跃。”科技记者Tim Stevens评价。
Neural Concept是一家AI工程仿真平台,在6月4日获投2700万美元,本轮融资由Forestay Capital领投,“定量分析之王”D.E.Shaw公司,及奥地利VC CNB Capital、德国的HTGF、法国VC Aster、Alven参投。截至该轮,Neural Concept融资3680万美元。
图源:Neural Concept
上周,Neural Concept宣布与西门子数字化工业软件合作用于产品工程,并有模型预测相关论文被纳入ICML2024机器学习顶会。该公司的核心技术NCS系统基于机器学习,能提供空气动力学建议,让赛车在赛道上拿下成功。
威廉姆斯车队空气动力学技术负责人Hari Roberts表示:“我们用了很多方法使用NCS,其中一些技术提高了模拟效果,另一些则有助于计算流体力学(CFD)时首次获得更好的结果。”
2023年底,F1赛季总结显示,2022年垫底的威廉姆斯最终收获车队积分榜第七,是其自2017赛季以来最佳排名。
与此同时,Neural Concept所做的工业仿真软件在我国也有旺盛需求,在AI浪潮来临时,实现CAE(计算机辅助工程)的国产替代机会涌现。
打破2个世界纪录
2018年,一名还在实验室实习的学生找到法国IUT Annecy团队负责人Guillaume de France,说要帮他们设计第6代或第7代自行车,来打破世界纪录。
IUT Annecy在世界拉力赛挑战中已有10年经验。当时,平坦道路上的世界纪录是荷兰团队在内华达沙漠创下的133.78km/h。2天后,这个学生就带着那个几乎与世界记录保持者相似的“模型”来找Guillaume,团队大为震撼,要求他多迭代几次。
要帮IUT圆梦的便是Pierre Baqué,他代表的是欧洲强校之一,瑞士洛桑联邦理工学院(EPFL)的CV Lab,他们的衍生公司Neural Concept能使用AI软件在几分钟内设计出符合空气动力学的最佳自行车形状。据介绍,该公司与2018年在瑞士成立,自那时起实验室使用平台已经完成60多个工业项目。
图源:领英,Neural Concept团队
跟日常生活的单车长相不同,IUT Annecy参加人力速度挑战的脚踏车要的车速比高速路的汽车还快,最高时速快过130km/h。人力速度赛制是8公里助跑+200米测速跑道,车手在通过200米路段时要以稳定的最高速通过,以获得最准确的测速结果。
图源:网络,图为卧式脚踏车
在2016年世界人力极速挑战赛(WHPSC)上,一个“子弹头”模样的自行车最高时速144.17km/h就颠覆过大众认知。这个造型自行车在20世纪30年代出现过,更符合流体力学,人类卧躺其中脚蹬两轮,称为“躺车”。
工程师的传统技艺是靠经验和直觉设计,再用计算机模拟测试。在他们的软件出现之前,通常是CAD设计师做3D设计后发给其他人做数值建模。这需要很长的时间运行或需要进行物理测试。不同以往,IUT Annecy靠Neural Concept做优化设计卧式自行车的整流罩,设定自行车最大长度和宽度,可以在几分钟内快速筛选和比较各种形状,找到最佳方案。
“我们的程序设计出来的空气动力学效果比传统方法好5-20%,”Pierre Baqué在EPFL的文章中解释,另一个好处是,软件设计不带人的偏见,“用于训练的形状可能跟给它的标准形状有很大不同,这给了它很大的灵活性。”
最终,IUT设计出来的参赛斜躺自行车更像是一个火箭胶囊,破风竞速。
图源:Neural Concept
2019年,WHPSC在内华达州举行,IUT Annecy的赛车手用他的产品打破2项自行车速度世界纪录,骑手Ilona Peltier骑行速度126.5km/h,创造女子自行车所有类别速度的新世界纪录,她的队友Fabian Canal以136.7公里/小时的速度创造了新的男子大学生世界纪录。
另外,就在去年9月,一个7次获得场地自行车世界冠军的法国人François Pervis也骑着Neural Concept设计和开发的卧式自行车打破了欧洲的速度记录(138km/h),接近世界纪录。
图源:rmcsport
这是Neural Concept实力的证明。据介绍,其核心技术是Neural Concept Shape,简称NCS,一个基于机器学习的系统。它可以提供空气动力学建议和推荐,适用于流体动力学这一广泛领域,有经验的工程师可以使用先进的软件进行三维空气动力学模拟。
在实际用例取得成功后,NCS的目的是再次深入,要在道路上的空气动力学做出成绩。Pierre提到,他们的平台不仅能应用于自行车设计,在航空航天、无人机、微电子等领域也有效用。
只不过,航空航天类公司相对保守,不会快速采用NCS方案,“所以我们开始更多地与汽车行业合作,这个行业需求迫切,变化很快。”
据报道,Neural Concept与斯巴鲁(Subaru)、马勒(Mahle)、博世(Bosch)等汽车制造商/供应商签订合同,空客(Airbus)、通用电气(GE)也在使用其产品,制造电动或氢动力飞机。
图源:Neural Concept
他们跟博世合作做电驱动电机外壳仿真项目,将预测速度缩至30毫秒;与PSA(标志雪铁龙)合作开发用于外部空气动力学的实时预测模型,缩短设计周期。
Neural Concept称,在三维环境中使用深度学习技术,将数据分析和机器学习结合,将开发时间加速75%,产品模拟加速10倍。Pierre Baqué自信表示,它的平台可以将电动车的开发时间缩短至18个月。
把CFD模拟缩短至20秒
在Neural Concept的进阶路上,F1就是他们追求极致速度的试炼场。
赛车形体狭长、车身窄、质量轻,最高速度能接近370km/h,团队配合的情况下必须在2s内更换一辆车的4个轮胎,竞速便是与极端的重力环境作战。
如今,10支F1车队中有4支都用了Neural Concept的技术优化。因F1是一项有保密性质的赛事,所以仅有威廉姆斯车队透露了正与NCS平台合作的讯息,利用其工程智能平台简化模拟流程。
7月9日,威廉姆斯车队在银石赛道中取得了P9,拿下了2积分。虽然仍是作为后排车队,但对他们来说是个好成绩。
图源:Williams Racing
威廉姆斯车队是曾经的冠军车队,在经历成绩跳水和收购后,与顶级车队如梅赛德斯相比有显著差距,正处于重建阶段。威廉姆斯车队的技术负责人Roberts对Neural Concept提供的平台表示肯定,“任何能让我们从CFD和风洞测试中获得更多知识、提升性能的办法,都会给我们带来竞争优势。”
计算流体力学(CFD)在F1的空气动力学设计和优化中,扮演关键角色。CFD允许工程师在计算机上模拟和分析赛车在不同速度、角度和环境条件下的空气动力学指标。从20世纪90年代开始,风洞测试借助3D工程计算或CFD进行辅助。
如果把车队工程师比作“糕点师傅”,那CFD就是一个模拟环境的智能烤箱。
客观情况而言,赛车的风洞测试时间非常昂贵,F1的特殊赛事规则增加了模拟的复杂性,也是车队测试能力的极大挑战。风洞测试是不可缺少的一环,2005年丰田就花了3000万欧元建了一个风洞,造价昂贵。
而且风洞测试的实际时间受到严格限制,每个车队在开发赛车时可使用的计算预算(用于计算的资金、资源)也有限。
恰逢2021年F1出了预算帽((Budget cap)新规用于促进公平竞争,即车队单赛季可以花费的最大金额将控制在1.45亿美元,考虑通胀情况,数字会有波动,变成1.4亿美元(2022)、1.35亿美元(2023)。
因此,成本低廉、效益更高的CFD解决方案被F1车队纳入考虑范围。这并不是没有可能,2010年,维珍车队(Virgin Racing)在新入赛场时,只靠CFD技术替代传统风洞测试设计赛车,尽管成绩吊车尾但被称为“究极神车”。
图源:YouTube,Virgin Racing VR-01
人工智能出现后,模拟的钱还能省,那就是降低CFD的计算复杂性。F1车队对安全性有极致的追求,高精度的工程计算。模拟需要在3D空间里对数亿个点进行数学运算,往往需要大量RAM和大量处理器(CPU/GPU)。其中,高性能资源需求、复杂的物理模型昂贵的CFD软件和长时间计算成本都是限制难题。
Neural Concept在这种情况下发挥的效用是,AI驱动软件加速模拟,降低对物理测试的依赖,减少F1空气动力学CFD计算的复杂性同时又不损失准确性。
不同以往的工程师要假设、模拟测试多次,神经网络是运行速度极高的模拟器,这让工程师在1天内探索数百万种设计成为可能。
据Neural Concept客户案例演示,他们的F1用例中,测地线CNN(几何卷积神经网络)几乎实时预测F1空气动力学的能力,而在HPC集群上运行则需要数小时,NCS的预测结果也相较准确。
Pierre表示,通常需要一个小时完整的CFD模拟,通过NCS仅需约20秒完成,且由于NCS是基于空气动力学学习网络进行AI驱动的预测,很大程度上不受F1严格限制的约束。
据介绍,F1赛车不会总跑在直道上,车身采用流线型车身和空气动力学套件以减少阻力,提高车速和稳定性。车身设计是车队工程师重要工作之一。因此,任何帮助车队完善空气动力学设计的工具都是潜在优势。
不过,NCS价格也不低,根据车队规模和使用方式有所区别,大概是10万欧元到100万欧元之间。
Reddit网友结合经验分析,NCS可能应用在前翼端板的部件上,利用了多个设计的行为数据,将表现最好的一个进行CFD测试,“我认为目前这项技术更多地是绕过CFD计算限制,而不是指导设计。”
此外,Neural Concept的在汽车行业也有系列应用辅助工程设计,如换热器应用预测出口温度和压力下降,或引入Shape应用预测模拟结果,使工程师能获得标量和矢量,整合风洞数据,以及Shape可以模拟优化旋转机械。
由此,该平台加速了产品开发、产品模拟、性能改善的效率,被形容为“未来车辆的工程智能”。他们与全球多家供应商签订了合同,NCS还能用于开发电池冷却板的产品,改善电动汽车的续航里程。据统计,Neural Concept在2023年实现300万美元收入。
NCS的AI模拟仿真不仅限于陆地的汽车/赛车竞速,同样适用于空中、水面,只是后两者的预测能力较差,工业界对航空应用的CFD信心有限,而他们打算提振这个信心。
Neural Concept正计划打破一项世界纪录。他们与帆船团队SP80合作,在标准设计工作流程中使用NCS,计划造一艘时速达到80节的水翼船,仅靠风力推动,旨在2024年打破世界帆船速度记录。他们与NUMECA合作项目HiFi-TURB也是旨在改进湍流模型,提升CFD在航空航天等高要求领域的应用效果。
图源:Neural Concept
此外,Neural Concept有医学领域的应用,助力3D眼部扫描,给新眼科产品的计算机临床试验加速。他们也在与英伟达合作,优化GPU及CUDA软件中的深度学习模型。
CAE国产替代站上AI风口
Neural Concept的AI仿真工程是CAE(计算机辅助工程)的一部分,也是AI for Science的有效尝试,让CAE“老将焕新生”。
AI+CAE在工业领域应用场景较大,可以做到快速的3D模拟结果预测、动态ROM模型创建、形状搜索识别及集成分析。美国、英国等一直重视CAE等先进工程技术的发展,许多领先的CAE软件公司如Ansys、Autodesk等都来自美国。2023年末2024年初,Ansys和Altair也推出了AI+CAE空气动力学计算产品。
Uber报告提出,机器学习是CAE最有前景的AI技术之一,而近年正有人将深度学习应用于CFD模拟,中国航发研究院李义进表示,将人工智能引入CFD是目前提高正向处理流体计算的准确性的重要途径之一。
如南京天洑软件将AI与CAE结合,为一家汽车企业研发环境风洞数字化平台,实现多个仿真场景的自动化流程,产品线包括AICFD、AIPOD等,其服务的工业软件是当地政府看重的方向。
据行业人士分析,2022年,我国CAE国产化率约为11%,这些厂商的软件仅适用于特定领域,大部分客户是军工企业,商用较少。且国产对标国外专用CAE,在覆盖度、成熟度、易用性方面仍有差距。
而国内在CAE行业内“卧虎藏龙”的企业并不少,有HAJIF软件背后的中国飞机强度研究所、北京盈建科、北京安怀信、北京世冠、哈尔滨新光光电、上海霍莱沃、成都前沿动力、大连INTESIM、广州中望软件等。
其中,霍莱沃和INTESIM的创始人来自Ansys,前沿动力的技术领头人胡光初是旅美科学家、NASA肯塔基州五个专业委员会的委员之一,世冠的GCAir在C919的虚拟测试环节发挥作用,中望软件(ZWsoft)是工程建模国际权威组织NAFEMS(国家有限方法与标准机构)的会员单位。
目前国内CAE市场较小,但增速较快。CAE行业内的公司Ansys、Dassault、西门子等国外企业在中国软件市场排名前三。国内CAE厂商索辰科技在财报中称,国内CAE市场整体规模增长。IDC数据显示,2022年我国CAE市场年增长率为17.13%,预计2022-2026年CAE市场CAGR将达到18.4%。
中国科学院院士陈十一曾表示,CAE软件和人工智能的结合来解决工业化、信息化问题是发展的必然,对省市乃至全国做新质生产力来说是一个非常重要的发展道路。
在工业研发设计软件站上AI风口时,海外公司正通过收购加速研发。去年底,西门子完成insight EDA收购,今年1月Synopsys花350亿美元收购Ansys,强强互补。EDA巨头Cadence扩大与Dassault合作应对云厂商定制芯片需求,并购BETA CAE进军结构分析。
海外技术整合时期,深度技术发展缓慢,国内有望抓紧机会缩小差距。据报道,我国EDA企业也有并购整合,趁着东风强化产品完整性。如芯华章并购瞬曜电子整合超大规模软件仿真技术,华大九天收购芯达科技补短板。索辰科技、东玺技术等专业公司则正向着CAE国产替代的方向进发。
“工业软件本身产生的GDP不大,但它影响的GDP是万亿级的”,陈十一认为,“工业仿真软件在国内需求旺盛,但自主软件渗透率极低。正是如此,我们的机会才最大。”
F1是赛车运动的顶峰,F1赛车设计追求极致的速度与性能,兼具观赏性和商业价值。而10支F1车队,有4支在应用Neural Concept的技术。因F1的保密性,愿意透露身份的仅有威廉姆斯车队。
“从设计脚踏车到Formula 1(以下简称F1)是一段漫长的路,这是Neural Concept的CEO Pierre Baqué花6年时间实现的巨大飞跃。”科技记者Tim Stevens评价。
Neural Concept是一家AI工程仿真平台,在6月4日获投2700万美元,本轮融资由Forestay Capital领投,“定量分析之王”D.E.Shaw公司,及奥地利VC CNB Capital、德国的HTGF、法国VC Aster、Alven参投。截至该轮,Neural Concept融资3680万美元。
图源:Neural Concept
上周,Neural Concept宣布与西门子数字化工业软件合作用于产品工程,并有模型预测相关论文被纳入ICML2024机器学习顶会。该公司的核心技术NCS系统基于机器学习,能提供空气动力学建议,让赛车在赛道上拿下成功。
威廉姆斯车队空气动力学技术负责人Hari Roberts表示:“我们用了很多方法使用NCS,其中一些技术提高了模拟效果,另一些则有助于计算流体力学(CFD)时首次获得更好的结果。”
2023年底,F1赛季总结显示,2022年垫底的威廉姆斯最终收获车队积分榜第七,是其自2017赛季以来最佳排名。
与此同时,Neural Concept所做的工业仿真软件在我国也有旺盛需求,在AI浪潮来临时,实现CAE(计算机辅助工程)的国产替代机会涌现。
打破2个世界纪录
2018年,一名还在实验室实习的学生找到法国IUT Annecy团队负责人Guillaume de France,说要帮他们设计第6代或第7代自行车,来打破世界纪录。
IUT Annecy在世界拉力赛挑战中已有10年经验。当时,平坦道路上的世界纪录是荷兰团队在内华达沙漠创下的133.78km/h。2天后,这个学生就带着那个几乎与世界记录保持者相似的“模型”来找Guillaume,团队大为震撼,要求他多迭代几次。
要帮IUT圆梦的便是Pierre Baqué,他代表的是欧洲强校之一,瑞士洛桑联邦理工学院(EPFL)的CV Lab,他们的衍生公司Neural Concept能使用AI软件在几分钟内设计出符合空气动力学的最佳自行车形状。据介绍,该公司与2018年在瑞士成立,自那时起实验室使用平台已经完成60多个工业项目。
图源:领英,Neural Concept团队
跟日常生活的单车长相不同,IUT Annecy参加人力速度挑战的脚踏车要的车速比高速路的汽车还快,最高时速快过130km/h。人力速度赛制是8公里助跑+200米测速跑道,车手在通过200米路段时要以稳定的最高速通过,以获得最准确的测速结果。
图源:网络,图为卧式脚踏车
在2016年世界人力极速挑战赛(WHPSC)上,一个“子弹头”模样的自行车最高时速144.17km/h就颠覆过大众认知。这个造型自行车在20世纪30年代出现过,更符合流体力学,人类卧躺其中脚蹬两轮,称为“躺车”。
工程师的传统技艺是靠经验和直觉设计,再用计算机模拟测试。在他们的软件出现之前,通常是CAD设计师做3D设计后发给其他人做数值建模。这需要很长的时间运行或需要进行物理测试。不同以往,IUT Annecy靠Neural Concept做优化设计卧式自行车的整流罩,设定自行车最大长度和宽度,可以在几分钟内快速筛选和比较各种形状,找到最佳方案。
“我们的程序设计出来的空气动力学效果比传统方法好5-20%,”Pierre Baqué在EPFL的文章中解释,另一个好处是,软件设计不带人的偏见,“用于训练的形状可能跟给它的标准形状有很大不同,这给了它很大的灵活性。”
最终,IUT设计出来的参赛斜躺自行车更像是一个火箭胶囊,破风竞速。
图源:Neural Concept
2019年,WHPSC在内华达州举行,IUT Annecy的赛车手用他的产品打破2项自行车速度世界纪录,骑手Ilona Peltier骑行速度126.5km/h,创造女子自行车所有类别速度的新世界纪录,她的队友Fabian Canal以136.7公里/小时的速度创造了新的男子大学生世界纪录。
另外,就在去年9月,一个7次获得场地自行车世界冠军的法国人François Pervis也骑着Neural Concept设计和开发的卧式自行车打破了欧洲的速度记录(138km/h),接近世界纪录。
图源:rmcsport
这是Neural Concept实力的证明。据介绍,其核心技术是Neural Concept Shape,简称NCS,一个基于机器学习的系统。它可以提供空气动力学建议和推荐,适用于流体动力学这一广泛领域,有经验的工程师可以使用先进的软件进行三维空气动力学模拟。
在实际用例取得成功后,NCS的目的是再次深入,要在道路上的空气动力学做出成绩。Pierre提到,他们的平台不仅能应用于自行车设计,在航空航天、无人机、微电子等领域也有效用。
只不过,航空航天类公司相对保守,不会快速采用NCS方案,“所以我们开始更多地与汽车行业合作,这个行业需求迫切,变化很快。”
据报道,Neural Concept与斯巴鲁(Subaru)、马勒(Mahle)、博世(Bosch)等汽车制造商/供应商签订合同,空客(Airbus)、通用电气(GE)也在使用其产品,制造电动或氢动力飞机。
图源:Neural Concept
他们跟博世合作做电驱动电机外壳仿真项目,将预测速度缩至30毫秒;与PSA(标志雪铁龙)合作开发用于外部空气动力学的实时预测模型,缩短设计周期。
Neural Concept称,在三维环境中使用深度学习技术,将数据分析和机器学习结合,将开发时间加速75%,产品模拟加速10倍。Pierre Baqué自信表示,它的平台可以将电动车的开发时间缩短至18个月。
把CFD模拟缩短至20秒
在Neural Concept的进阶路上,F1就是他们追求极致速度的试炼场。
赛车形体狭长、车身窄、质量轻,最高速度能接近370km/h,团队配合的情况下必须在2s内更换一辆车的4个轮胎,竞速便是与极端的重力环境作战。
如今,10支F1车队中有4支都用了Neural Concept的技术优化。因F1是一项有保密性质的赛事,所以仅有威廉姆斯车队透露了正与NCS平台合作的讯息,利用其工程智能平台简化模拟流程。
7月9日,威廉姆斯车队在银石赛道中取得了P9,拿下了2积分。虽然仍是作为后排车队,但对他们来说是个好成绩。
图源:Williams Racing
威廉姆斯车队是曾经的冠军车队,在经历成绩跳水和收购后,与顶级车队如梅赛德斯相比有显著差距,正处于重建阶段。威廉姆斯车队的技术负责人Roberts对Neural Concept提供的平台表示肯定,“任何能让我们从CFD和风洞测试中获得更多知识、提升性能的办法,都会给我们带来竞争优势。”
计算流体力学(CFD)在F1的空气动力学设计和优化中,扮演关键角色。CFD允许工程师在计算机上模拟和分析赛车在不同速度、角度和环境条件下的空气动力学指标。从20世纪90年代开始,风洞测试借助3D工程计算或CFD进行辅助。
如果把车队工程师比作“糕点师傅”,那CFD就是一个模拟环境的智能烤箱。
客观情况而言,赛车的风洞测试时间非常昂贵,F1的特殊赛事规则增加了模拟的复杂性,也是车队测试能力的极大挑战。风洞测试是不可缺少的一环,2005年丰田就花了3000万欧元建了一个风洞,造价昂贵。
而且风洞测试的实际时间受到严格限制,每个车队在开发赛车时可使用的计算预算(用于计算的资金、资源)也有限。
恰逢2021年F1出了预算帽((Budget cap)新规用于促进公平竞争,即车队单赛季可以花费的最大金额将控制在1.45亿美元,考虑通胀情况,数字会有波动,变成1.4亿美元(2022)、1.35亿美元(2023)。
因此,成本低廉、效益更高的CFD解决方案被F1车队纳入考虑范围。这并不是没有可能,2010年,维珍车队(Virgin Racing)在新入赛场时,只靠CFD技术替代传统风洞测试设计赛车,尽管成绩吊车尾但被称为“究极神车”。
图源:YouTube,Virgin Racing VR-01
人工智能出现后,模拟的钱还能省,那就是降低CFD的计算复杂性。F1车队对安全性有极致的追求,高精度的工程计算。模拟需要在3D空间里对数亿个点进行数学运算,往往需要大量RAM和大量处理器(CPU/GPU)。其中,高性能资源需求、复杂的物理模型昂贵的CFD软件和长时间计算成本都是限制难题。
Neural Concept在这种情况下发挥的效用是,AI驱动软件加速模拟,降低对物理测试的依赖,减少F1空气动力学CFD计算的复杂性同时又不损失准确性。
不同以往的工程师要假设、模拟测试多次,神经网络是运行速度极高的模拟器,这让工程师在1天内探索数百万种设计成为可能。
据Neural Concept客户案例演示,他们的F1用例中,测地线CNN(几何卷积神经网络)几乎实时预测F1空气动力学的能力,而在HPC集群上运行则需要数小时,NCS的预测结果也相较准确。
Pierre表示,通常需要一个小时完整的CFD模拟,通过NCS仅需约20秒完成,且由于NCS是基于空气动力学学习网络进行AI驱动的预测,很大程度上不受F1严格限制的约束。
据介绍,F1赛车不会总跑在直道上,车身采用流线型车身和空气动力学套件以减少阻力,提高车速和稳定性。车身设计是车队工程师重要工作之一。因此,任何帮助车队完善空气动力学设计的工具都是潜在优势。
不过,NCS价格也不低,根据车队规模和使用方式有所区别,大概是10万欧元到100万欧元之间。
Reddit网友结合经验分析,NCS可能应用在前翼端板的部件上,利用了多个设计的行为数据,将表现最好的一个进行CFD测试,“我认为目前这项技术更多地是绕过CFD计算限制,而不是指导设计。”
此外,Neural Concept的在汽车行业也有系列应用辅助工程设计,如换热器应用预测出口温度和压力下降,或引入Shape应用预测模拟结果,使工程师能获得标量和矢量,整合风洞数据,以及Shape可以模拟优化旋转机械。
由此,该平台加速了产品开发、产品模拟、性能改善的效率,被形容为“未来车辆的工程智能”。他们与全球多家供应商签订了合同,NCS还能用于开发电池冷却板的产品,改善电动汽车的续航里程。据统计,Neural Concept在2023年实现300万美元收入。
NCS的AI模拟仿真不仅限于陆地的汽车/赛车竞速,同样适用于空中、水面,只是后两者的预测能力较差,工业界对航空应用的CFD信心有限,而他们打算提振这个信心。
Neural Concept正计划打破一项世界纪录。他们与帆船团队SP80合作,在标准设计工作流程中使用NCS,计划造一艘时速达到80节的水翼船,仅靠风力推动,旨在2024年打破世界帆船速度记录。他们与NUMECA合作项目HiFi-TURB也是旨在改进湍流模型,提升CFD在航空航天等高要求领域的应用效果。
图源:Neural Concept
此外,Neural Concept有医学领域的应用,助力3D眼部扫描,给新眼科产品的计算机临床试验加速。他们也在与英伟达合作,优化GPU及CUDA软件中的深度学习模型。
CAE国产替代站上AI风口
Neural Concept的AI仿真工程是CAE(计算机辅助工程)的一部分,也是AI for Science的有效尝试,让CAE“老将焕新生”。
AI+CAE在工业领域应用场景较大,可以做到快速的3D模拟结果预测、动态ROM模型创建、形状搜索识别及集成分析。美国、英国等一直重视CAE等先进工程技术的发展,许多领先的CAE软件公司如Ansys、Autodesk等都来自美国。2023年末2024年初,Ansys和Altair也推出了AI+CAE空气动力学计算产品。
Uber报告提出,机器学习是CAE最有前景的AI技术之一,而近年正有人将深度学习应用于CFD模拟,中国航发研究院李义进表示,将人工智能引入CFD是目前提高正向处理流体计算的准确性的重要途径之一。
如南京天洑软件将AI与CAE结合,为一家汽车企业研发环境风洞数字化平台,实现多个仿真场景的自动化流程,产品线包括AICFD、AIPOD等,其服务的工业软件是当地政府看重的方向。
据行业人士分析,2022年,我国CAE国产化率约为11%,这些厂商的软件仅适用于特定领域,大部分客户是军工企业,商用较少。且国产对标国外专用CAE,在覆盖度、成熟度、易用性方面仍有差距。
而国内在CAE行业内“卧虎藏龙”的企业并不少,有HAJIF软件背后的中国飞机强度研究所、北京盈建科、北京安怀信、北京世冠、哈尔滨新光光电、上海霍莱沃、成都前沿动力、大连INTESIM、广州中望软件等。
其中,霍莱沃和INTESIM的创始人来自Ansys,前沿动力的技术领头人胡光初是旅美科学家、NASA肯塔基州五个专业委员会的委员之一,世冠的GCAir在C919的虚拟测试环节发挥作用,中望软件(ZWsoft)是工程建模国际权威组织NAFEMS(国家有限方法与标准机构)的会员单位。
目前国内CAE市场较小,但增速较快。CAE行业内的公司Ansys、Dassault、西门子等国外企业在中国软件市场排名前三。国内CAE厂商索辰科技在财报中称,国内CAE市场整体规模增长。IDC数据显示,2022年我国CAE市场年增长率为17.13%,预计2022-2026年CAE市场CAGR将达到18.4%。
中国科学院院士陈十一曾表示,CAE软件和人工智能的结合来解决工业化、信息化问题是发展的必然,对省市乃至全国做新质生产力来说是一个非常重要的发展道路。
在工业研发设计软件站上AI风口时,海外公司正通过收购加速研发。去年底,西门子完成insight EDA收购,今年1月Synopsys花350亿美元收购Ansys,强强互补。EDA巨头Cadence扩大与Dassault合作应对云厂商定制芯片需求,并购BETA CAE进军结构分析。
海外技术整合时期,深度技术发展缓慢,国内有望抓紧机会缩小差距。据报道,我国EDA企业也有并购整合,趁着东风强化产品完整性。如芯华章并购瞬曜电子整合超大规模软件仿真技术,华大九天收购芯达科技补短板。索辰科技、东玺技术等专业公司则正向着CAE国产替代的方向进发。
“工业软件本身产生的GDP不大,但它影响的GDP是万亿级的”,陈十一认为,“工业仿真软件在国内需求旺盛,但自主软件渗透率极低。正是如此,我们的机会才最大。”
版权声明
本文仅代表作者观点,不代表本站立场。
本文系作者授权本站发表,未经许可,不得转载。