行业热点丨仿真历史数据难以使用？如何利用几何深度学习破局，加速汽车工程创新

01、AI 驱动研发升级：几何深度学习创造行业新价值

人工智能正加速推动各行业研发能力升级。麦肯锡最新报告显示，该技术在制药、化工和航空航天等领域的应用，有望为相关企业创造高达5600亿美元的经济价值。 AI 技术应用的先行者，全球500强汽车零部件制造商麦格纳（Magna）。通过与 Altair 合作，运用几何深度学习（Geometric Deep Learning, GDL）技术，显著提升了汽车工程创新效率。

02、PhysicsAI 突破：三维数据训练加速复杂设计开发

Altair 研发的 PhysicsAI 系统突破性地支持三维数据训练（而非自然语言），使其能够快速理解卫星、车辆等复杂物理对象的设计原理并加速开发流程。Altair 工程数据科学副总裁 Fatma Kocer-Poyraz 正领导这项技术在物理产品设计领域的应用突破——该领域长期受限于高昂的原型制作成本和耗时的仿真流程。

"我们身边几乎所有的物品都经过工程化设计，"Kocer-Poyraz 表示，"以汽车为例，不仅涉及外观造型，更包含从副车架结构到零件厚度、曲面形态、材料选择及制造工艺的完整体系。每个工程决策都至关重要。"

传统工程流程往往依赖耗时数小时至数周不等的实体原型制作，而 PhysicsAI 支持的快速测试仿真技术，可在实物化阶段前完成多轮设计迭代优化。这一突破性进展正重新定义现代产品研发范式。

Kocer-Poyraz 解释道："传统工程研发通常依赖一次性物理原型进行测试。这种方式成本极其高昂——比如车辆碰撞测试后原型即报废，无法重复利用。这正是我们推动从物理测试向虚拟测试转型的根本原因。"

03、历史数据难题破解：几何深度学习赋能仿真优化

Altair 的 AI 系统创新性地实现了工程仿真历史数据的模型训练，Kocer-Poyraz 指出，这一直是工程领域的重大技术瓶颈。"在工程领域应用历史数据存在特殊挑战，"她解释道，"因为我们处理的是三维几何数据，传统机器学习算法难以有效解析这种数据结构。因此，我们致力于用工程语言训练机器学习算法，最终发现几何深度学习（GDL）正是破局之道。这项技术让我们构建出能同步理解三维几何与性能数据的AI系统。"

目前，该技术方案已在汽车、电子、航空航天及重工业等领域落地应用，其中汽车行业表现最为突出。以《财富》500强汽车零部件巨头麦格纳为例，其已采用 PhysicsAI 系统实现关键零部件的优化设计。

04、未来突破：AI 不仅预测性能，还能生成全新设计方案

Altair 即将推出基于扩散模型的系统扩展功能——不仅能预测性能，更能直接生成全新设计方案。Kocer-Poyraz 表示，这将成为行业颠覆性突破。"性能预测固然重要，但我们现在更关注如何优化整个设计流程，"她解释道，"设想一下：当你说'生成500个设计方案'，AI 即刻响应。然后只需精选20个最优方案进行细化——这将彻底改变游戏规则。"

05、关键建议：数据治理是 AI 落地的核心基础

对于渴望应用该技术的企业，Kocer-Poyraz 给出关键建议：数据治理。"要充分发挥这些技术的价值，企业必须培养仿真数据的采集、存储与管理文化，"她强调，"这需要从组织层面构建完整的数据治理体系，包括标准化数据格式、建立元数据框架和实施版本控制。只有高质量的结构化数据，才能为AI系统提供可靠的训练基础。"

申请免费试用

如您对 Altair 软件及解决方案感兴趣

欢迎关注Altair微信，申请免费试用

Altair 是计算智能领域的全球指引者之一，在仿真、高性能计算 (HPC) 和人工智能等领域提供软件和云解决方案，服务于16000多家全球企业，应用行业包括汽车、消费电子、航空航天、能源、机车车辆、造船、国防军工、金融、零售等。

近期，Altair被全球工业软件指引者西门子收购，成为西门子数字化工业软件(Siemens Digital Industries Software)旗下成员，进一步巩固西门子在仿真和工业人工智能领域的全球指引者地位，其技术正与西门子Xcelerator解决方案进行深度整合。

更多内容欢迎关注 AltairChina