01、AI 驅動研發升級：幾何深度學習創造行業新價值

人工智能正加速推動各行業研發能力升級。麥肯錫最新報告顯示，該技術在制藥、化工和航空航天等領域的應用，有望為相關企業創造高達5600億美元的經濟價值。 AI 技術應用的先行者，全球500強汽車零部件制造商麥格納（Magna）。通過與 Altair 合作，運用幾何深度學習（Geometric Deep Learning, GDL）技術，顯著提升了汽車工程創新效率。

02、PhysicsAI 突破：三維數據訓練加速復雜設計開發

Altair 研發的?PhysicsAI?系統突破性地支持三維數據訓練（而非自然語言），使其能夠快速理解衛星、車輛等復雜物理對象的設計原理并加速開發流程。Altair 工程數據科學副總裁 Fatma Kocer-Poyraz 正領導這項技術在物理產品設計領域的應用突破——該領域長期受限于高昂的原型制作成本和耗時的仿真流程。

"我們身邊幾乎所有的物品都經過工程化設計，"Kocer-Poyraz 表示，"以汽車為例，不僅涉及外觀造型，更包含從副車架結構到零件厚度、曲面形態、材料選擇及制造工藝的完整體系。每個工程決策都至關重要。"

傳統工程流程往往依賴耗時數小時至數周不等的實體原型制作，而 PhysicsAI 支持的快速測試仿真技術，可在實物化階段前完成多輪設計迭代優化。這一突破性進展正重新定義現代產品研發范式。

Kocer-Poyraz 解釋道："傳統工程研發通常依賴一次性物理原型進行測試。這種方式成本極其高昂——比如車輛碰撞測試后原型即報廢，無法重復利用。這正是我們推動從物理測試向虛擬測試轉型的根本原因。"

03、歷史數據難題破解：幾何深度學習賦能仿真優化

Altair 的 AI 系統創新性地實現了工程仿真歷史數據的模型訓練，Kocer-Poyraz 指出，這一直是工程領域的重大技術瓶頸。"在工程領域應用歷史數據存在特殊挑戰，"她解釋道，"因為我們處理的是三維幾何數據，傳統機器學習算法難以有效解析這種數據結構。因此，我們致力于用工程語言訓練機器學習算法，最終發現幾何深度學習（GDL）正是破局之道。這項技術讓我們構建出能同步理解三維幾何與性能數據的AI系統。"

目前，該技術方案已在汽車、電子、航空航天及重工業等領域落地應用，其中汽車行業表現最為突出。以《財富》500強汽車零部件巨頭麥格納為例，其已采用 PhysicsAI 系統實現關鍵零部件的優化設計。

04、未來突破：AI 不僅預測性能，還能生成全新設計方案

Altair 即將推出基于擴散模型的系統擴展功能——不僅能預測性能，更能直接生成全新設計方案。Kocer-Poyraz 表示，這將成為行業顛覆性突破。"性能預測固然重要，但我們現在更關注如何優化整個設計流程，"她解釋道，"設想一下：當你說'生成500個設計方案'，AI 即刻響應。然后只需精選20個最優方案進行細化——這將徹底改變游戲規則。"

05、關鍵建議：數據治理是 AI 落地的核心基礎

對于渴望應用該技術的企業，Kocer-Poyraz 給出關鍵建議：數據治理。"要充分發揮這些技術的價值，企業必須培養仿真數據的采集、存儲與管理文化，"她強調，"這需要從組織層面構建完整的數據治理體系，包括標準化數據格式、建立元數據框架和實施版本控制。只有高質量的結構化數據，才能為AI系統提供可靠的訓練基礎。"

申請免費試用

如您對 Altair 軟件及解決方案感興趣

歡迎關注Altair微信，申請免費試用

Altair 是計算智能領域的全球指引者之一，在仿真、高性能計算 (HPC) 和人工智能等領域提供軟件和云解決方案，服務于16000多家全球企業，應用行業包括汽車、消費電子、航空航天、能源、機車車輛、造船、國防軍工、金融、零售等。

近期，Altair被全球工業軟件指引者西門子收購，成為西門子數字化工業軟件(Siemens Digital Industries Software)旗下成員，進一步鞏固西門子在仿真和工業人工智能領域的全球指引者地位，其技術正與西門子Xcelerator解決方案進行深度整合。

更多內容歡迎關注 AltairChina