据、工程约束和验证闭环，是物理AI进入工业世界的关键底座。“以前认为AI支撑CAE发展，现在我觉得工业软件可以支撑物理AI发展。AI必须懂物理，这些正是CAE的核心能力。”陈十一进一步强调，CAE不是物理AI的传统工具，而是物理AI走向实体工业的底层基础设施。目前，纯数据驱动的AI，天然存在“能量不守恒、物体相互穿透、外推失败”等物理缺陷，导致永动机式错误、无视碰撞约束以及超出训练分布即失灵等问题。陈十一指出，如今CAE的定位已彻底转变，从传统离线验证工具升级为四大核心角色：一是物理引擎，生成无限逼近现实的数字样本，为AI模型训练提供支撑；二是物理规律导师，以基础物理原理约束AI生成过程；三是实时精度把关者，对AI实时推理结果开展毫秒级验算与误差校准；四是数字孪生底座，构建高保真数字体，映射实体全生命周期状态。随着AI技术的全面渗透，传统CAE也在被深度重构，逐步从资深从业者使用的“专家工具”，进化为可交互、可推理、可自主执行的工业智能体。在陈十一看来，抓住AI+CAE融合窗口，有望形成中国自主工业软件与AI平台新优势。AI多层面重塑工业软件浙商证券指出，在物理AI落地场景中，工业软件被定位为物理AI训练、验证、部署和运维的“控制台”。工业软件数据不可复制、安全合规要求高、云边端协同复杂，构成较强护城河，与物理AI之间呈互补共生、双向赋能关系。中国科学院院士、大连理工大学教授郭旭在此次大会上表示，目前AI正从诸多层面重塑工业软件，通过AI和物理模型深度融合，加速产品研发迭代；人机协同共智决策，使智能体自动能力。“以人工智能赋能工业软件全生命周期，从工具向智能体加速进化”。目前，软件巨头积极布局人工智能赋能的工业软件。但是，郭旭认为，其中还面临诸多挑战。比如智能底座能力薄弱，难以集成数据模型、工业知识以及驱动AI智能体。此外，亟须破解智能工业软件高质量工业大数据饥渴难题，还需攻关智能工业软件底层根技术，摆脱黑箱桎梏，实现机理透明和可解释性。对此，郭旭建议，我国工业软件产业应依托关键领域龙头企业开放核心场景及试验田，提供真实数据反馈与试错容错空间，快速催熟软件，积累工业知识图谱，攻克“卡脖子”的难题的同时，抢占全球工业软件智能化发展的制高点。
=*=*=*=*=*=
当前为第2/2页
上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页