CAE老友记--漫无目的又一本正经地闲聊

周博好，我记得我们上次是在2019年，在北京国家会议中心，我和您还有大连理工大学的郭旭老师，我们有一次关于仿真技术的讨论，那次会谈两个技术大咖交流的内容很有质量，我印象非常深刻。一晃就4年过去了，很高兴又重新见到了周博，4年里这个世界发生很多事情，在我们技术界也是如此，周博这次有没有一些CAE业界的重大技术的进展和趋势分享带给大家？

我个人的感觉CAE这个行业还算是一个发展比较缓慢的一个行业，要说特别大的变化，我觉得当然就是AI的飞跃发展给CAE业界带来的相关影响。从去年开始ChatGPT的出现，大家对AI又有了一种新的认知。这些大模型数据算法带来强大的创造性，是以前大家没看到的。

对CAE的行业应该也有触动，也有更多的这种探索，像以前在我们CAE行业，其实我们所提的广泛的AI其实还挺多的，比如我们以前说的的这些替代模型这些概念。但说要做到广义模型的话，之前在我们这个行业还没有。但是现在看来，已经有很多研究或者公司的布局在往这往方面探索，所以在未来我觉得这方面是会有一个比较新的快的发展。

对，特别是今年，AI给我们CAE业界带来的冲击真是太快太大了。ChatGPT刚出来的时候我也思考过，这ChatGPT这么火，但是和我们CAE怎么结合，到底怎么用？有没有可能真正地应用到工程里边去？这还刚在想着，然后就感觉突然之间各种CAE整合AI的解决方案就出来了。就是一种以前很缓慢的一个行业突然之间变化快到一不小心就跟不上了的这种感觉。

我最近在关注你们Altair公司推出的 AI for CAE的解决方案。因为我的技术邻平台上面现在有一种业务是为企业提供CAE咨询技术服务，当企业遇到一些研发困扰的时候，我们尝试整合技术邻的专家资源结合CAE技术去帮客户解决技术问题，但是有些工程的物理模型确实非常的复杂，很难通过CAE建模去仿真，或者仿真的周期非常长。我了解到你们的AI for CAE有几个case真正是基于数据去拟合，反馈出来的结果准确度相当高。我真的感觉很震惊，对我也是一种启发，我们也在以尝试用AI和CAE结合的思路去为技术邻的企业客户提供更高效地服务。

对于有些实验数据齐全或者仿真数据准确，又能准确提取特征变量的计算，确实可以用AI来替代CAE，给用户带来效率上的极大提升。我们公司的CEO在这方面有他的独到的远见，他大概已经在十四、五年前，就提出了这样一个概念，他就觉得 CAE、AI、高性能计算的结合会是一个趋势。所以我们15年前就收购PBS做高性能计算，就是在提前布局。现在Altair形成了HyperWorks（CAE）、RapidMiner（Data&AI）、PBS（HPC）三条互相耦合的解决方案。

是，我对你们CEO Jims Scapa印象很深刻，10多年前我就采访过，我一直觉得他很有Vision（远见）。拓扑优化仿真记得也是你们先推出的。现在有一些厂商也在提仿真民主化等等这些概念，我觉得总的趋势都是把CAE从仿真工程师下沉到研发工程师，但是对研发工程师来说，他的需求给他带来的价值除了算得准确以外，我觉得对他们来说更大的一个诉求是效率更快。

再往前一步是更智能，智能其实包括了更准确的计算以及更快的设计。所以我现在的感受就是CAE的发展，已经从以前我们拼功能强弱、拼准确度，到现在更注重比拼效率了。

对，方法都已经是20年前就开始比较成熟了，所以我们CAE用两个点来概括：又好又快，现在越来越偏快。

我注意到你们在去年宣布了一个很重量级的决策，就是把Radioss开源。当时业界感觉很震惊，请问你们是基于什么考虑做出这个决策的？

我可以大概介绍一点，当时这件事情我也是主要的策划者之一，当然最初的IDEA还是我们CEO Scapa提出来的，我们在此之前就有过一次Open Source的案例，就是Open PBS。所以Open Source对Altair来说是有这方面的先例和理念的。我们觉得Open Source，会有更多的在高校科研机构、公司在Open Source的基础上产出更多新的应用，形成社区效应，会极大推动行业技术的发展，反过来也会推动商业版本的发展。因为这个社区的生态会更健康，会有更多的用户。

我觉得这个理念是对的，但是同时我有一个疑问，就是会有一种情况，竞争对手会基于你们的Open Source开发出来你们差不多功能的竞品，这时候你们开源带来的效果可能是负面的。所以你们开源的策略会不会是先开源Limited的功能，先让用户体验Limited的功能，觉得用的好了再去买完整的商业版？

我们Radioss是全部开源，不是部分开源。当时的考虑有几个方面，我们觉得在现在的工业转型的期间，对于碰撞这类分析，存在一些新的技术问题要去解决。比如新能源汽车电池包在碰撞过程中安全性能、损伤、电芯在碰撞过程穿刺的燃烧爆破等这些问题，其实还没有解决地很好。所以我们觉得在这个时期，需要联合各方科研资源，一起协作来突破这样一些技术的挑战，我们把软件开源的就能够建立起一个开放的活跃的Community社区，大家一起协作贡献就能更快地去解决这些技术的挑战。

我们希望通过就是说open source community这样的一种推动，希望有更多的技术上的增长，和应用的增长，尽管那些增长不直接对我们产生利润，但是我觉得这样的对技术的发展是有好处的，同时对我们的商业发展也没有害处，因为很多客户比如车厂还是更愿意要商业版本和技术支持。

另外从企业家精神和格局来看，企业存在的本质是服务于人类，Free的Open Source能对这个业界有促进，所以这是一个Easy Decision。

你们的这个决策为你们赢得了业界的很多喝彩，也提高了你们公司在行业里的一个声誉。到现在为止Radioss开源多少时间了，开源社区的发展情况如何？

开源有一年多了，我们最近刚刚举办过第二届 Open Radioss User Conference，Community发展得很快，有很多专家，这个Radioss的开源代码已经被下载4万多次了。

这个发展速度真是超出我的预料，没想到Open的Radioss这么受欢迎，会一下子冒出这么多开发者，看来将来的显式计算软件市场会有更多优秀的应用出现。

您是怎么看待这两年国产CAE软件的发展？

我觉得中国这么多年没有出现优秀的CAE软件，是挺奇怪的一件事情，因为这是一个很重要的行业，尽管这个行业的产值不是很高，但是，这是和一个国家的工程实力密切相关的一个领域。

您刚才用了一个有意思的词：“奇怪”，其实我也觉得奇怪。虽然CAE软件产品主要来自欧美，但您看日本和韩国也有几款不错的CAE软件，为什么中国这么多年了没有什么在国际上有竞争力的CAE软件？

但我觉得中国有足够的实力，你看在国外开发CAE软件的很多都是中国人，其实我们有人才。所以说现在有了这样一个大环境的改变，其实对中国的科技发展有好处的，就是在有的时候你被卡脖子的时候会逼着你去做。

首先是资本注入，你看美国的这些公司出现都是要有风投去投资，才会出现像 Google、 Facebook这些公司。现在有很多资本注入国产CAE软件厂商，这个是很好的进展。另外一个要有客户需求，现在国内也越来越多的客户有了对自主知识产权软件的需求，这是对国产CAE厂商来说是很正面的，积极的机会。

求解器是CAE软件的核心，您应该是全球CAE求解器研发领域里最专业的几个人之一了，那么您觉得国产CAE软件在求解器的研发上能达到什么样的程度？您是怎么看的？这个事情难度大不大？

我觉得这方面可能还会有一些挑战，我估计大部分国产CAE软件求解器开发人员可能是来自于大学的力学专业的毕业生，理论知识比较丰富，但求解器的开发是需要积累丰富的工程经验的，所以我说这方面可能会有挑战。这个就需要不断地从用户那边积累工程经验，这个需要比较长的时间，国外的CAE软件功能的强大，主要就是来自于大量客户的反馈和迭代。

从求解器的功能类型角度来说，如果要达到基本的线性分析功能，要是做的路对的话，三五年应该就可以。在非线性这方面的话就难度稍微大一点，会可能要时间稍微长一点，但是有个5~8年应该都可以了，重点也是有要有不断的来自用户需求反馈的迭代。

对的，有多少种子客户非常重要，国产CAE软件之间的内部竞争现在也很激烈，我觉得对他们来说最重要的是这几年能够获得多少种子客户，像您说的一样，有足够的种子客户，才能催生更多的功能迭代。你们也是在其中一家主要的国外CAE厂商，对待国产软件这几年的发展，你们持什么态度？

Altair公司一直是很open的，因为我们一开始做HyperMesh前处理就必须开放，去和所有的求解器做兼容。国产CAE的发展对整个CAE的Community来说是好的，能够互相促进，对用户来说是更多的产品可以选择也是好的。我也希望中国也能诞生出国际上有竞争力的国产CAE软件。

现在仿真行业越来越流行差异化打法，其中一个打法就是云计算+仿真APP，针对于某个产业链做专门定制开发的仿真云计算应用。比如针对于泵行业，根据泵的设计、仿真做出一整套高度智能化的设计仿真APP，并部署到高性能云计算平台上，能让不同仿真的工程师实现高效率地智能化设计和计算，这时候用户就不太在乎计算的求解器是什么品牌，大大降低了品牌的影响力。另外大部分中小企业对研发模型上公有云还是有数据保密性的顾虑，尽可能优先考虑私有云，但当仿真APP带来的Benefit远大于公有云的顾虑时，这时候用户上公有云的意愿就提高了很多，近几年企业研发数据上公有云的接受度比之前明显高了很多，我感觉是国产CAE软件的一个策略上的后发竞争优势，你们成熟的国外软件相对比较难去放低身段去做各种定制化的仿真应用。

仿真APP确实是一个趋势，能大幅提升客户的效率。我们Altair也有这样的定制开发业务，和客户一起开发深度的仿真应用，而且在基础技术上我们如果去做这个事情是有很优势的，因为我们有功能非常强大的Hypermesh前处理软件，定制开发的效率提升就是基于前处理平台去实现自动化提升效率。

关于仿真效率的提升，我特别建议大家关注我们的Simsolid软件，这个软件我认为是非常值得去应用的软件，Simsolid是一款无网格CAE分析软件，4-5年前刚开始收购的时候，主要用来做一些复杂装配体的静力学分析，在这方面能体现出巨大效率优势，也能很不错的精度，但在动力学、非线性、热等其他多物理场的分析上还稍欠火候。但这两年，我们对Simsolid进行了大量的研发投入，从Optistruct中移植了大量的计算能力到Simsolid，并进行了大幅的代码重写，目前Simsolid在动力学、非线性等更复杂的计算上，也能做到效率非常高的同时，达到不错的精度，我们这次HyperWorks 2023新版本有重大发布，其中就包括Simsolid的新版本发布，应该就在11月份，欢迎大家重点关注一下。 

最后请周博给我们仿真界的工程师一些职场建议。

我觉得对于工程师用户来说，关注跟随新技术的发展非常重要，不然即使是某个行业的资深专家，也可能会被淘汰的。

仿真工程师不要局限于已经熟悉了的某一款软件，我们看到的所有CAE软件其实都很繁琐，都需要用到很多的人工经验。如果一个软件很依赖人的经验就不是一个体验好的软件，一个好的软件应该是能够让人很快地能够上手，很快就能让他提供你所需要的精确的仿真结果。所以说不要迷信现有的产品，我们要去发现这些产品的弱点，然后要去推动CAE供应商去不断地进步。

我觉得CAE的行业发展比较慢的其中一个原因也可能和很多工程师已经接受了CAE软件繁琐难用的现状，他们可能觉得我现在用到的CAE软件已经是最好的了。包括我们刚才提到的AI，就需要我们去关注其对CAE应用和行业带来的冲击，应该去尝试体验其能够带来什么样的优势。就是说也要去观察一些新的软件的出现，包括国产软件，在某些方面可能还不知名，也不认为他是这个行业最认可的，反过来那么它的可能发展也是会很快的，而且这些产品团队很愿意跟客户来满足需求，就有可能过几年后在某些领域脱颖而出。

周博的观点我非常认同，我们的用户一定要主动拥抱变化，卷起来。我前两天看到一个视频，说原先美国车企研发一款车需要8年，后来日本车企用并行技术变成了4年，再后面中国的车企又把它卷到了2年，而现在新能源汽车用软件重新定义了汽车，直接一年就发布一款车型。我觉得CAE行业变革的速度，趋势就是越来越快了，特别是今年，我强烈感受到了CAE行业受到AI等技术的冲击和融合，变革的速度一不专注就跟不上。所以我们的用户也要主动拥抱变化，不要就守着我学会的就一两个软件，否则真有可能被淘汰。

立即报名