改变仿真游戏规则，Altair的AI与HPC技术创新仿真之路

有幸在今年的Altair技术大会作为行业媒体记者，采访了Altair的首席产品和战略官Ravi Kunju先生以下简称（Ravi）， 和Ravi的对话让我更全面地了解了Altair的产品策略，以及Altair最新的技术进展，特别是这两年异军突起的应用于设计仿真的Altair的 AI相关解决方案，对我来说收获颇丰。现将采访稿做简要整理分享给制造业从事CAE、AI数据分析的朋友们，希望对你们更全面地了解Altair公司、CAE行业发展、以及工业AI的应用有一些参考价值。

采访内容

Ravi Kunju先生您好，我是技术邻的虞伦，很高兴能有机会采访您，您作为Altair的Chief Product and Strategy Officer, 想必您对Altair的产品和业务的优势定位以及工业界对CAE&AI行业有深刻和广泛的理解，所以我很期待今天和您的对话，希望能从您身上听到和学习更多、更广、更远的CAE&AI行业的发展趋势的理解，能否先请您简单介绍一下您在Altair的工作内容。

大家好，我是Altair的首席产品与策略官，工程力学专业出身，从事过机械工程师，也有多年从商的经历，并且获得了工商管理硕士学位。

我之前负责Altair美国东北区域的销售管理，也负责Altair的产品管理DA产品线，还负责Altair的HPC产品线，所以我是少数几个跨多个平台产品线工作的Altair的员工之一，这也是为什么我担任Altair首席产品策略官的原因。

我直接向CEO汇报，并与我们的首席技术官、首席营收官、首席运营官和首席市场官，密切合作一起制定投资战略，包括制定投资哪些产品，关注哪些行业等趋势性策略、制定Altair的产品策略和定价策略，以上就是我大概的工作背景。

第一个问题是关于Altair 的 AI 相关解决方案 ，我注意到Altair 在今年6月已经被Gartner 魔力象限 评为数据科学与机器学习平台领域的领导者，且 Altair的 physicsAI和微软的OpenAI、google的AI产品并列为第一梯队的无参化AI产品 ；资本市场上，Altair股票也被纳斯达克列入AI板块的权重股，惊叹Altair在短短的几年能从一个CAE公司如此快速地推出这么被高度评价的AI公司，能否请您介绍一下Altair是从什么时候开始布局AI，又是哪些主要关键因素导致你们在AI领域的成功？

这是个好问题。首先，你刚才提到你很惊讶 Altair如此快速发展成为一个被高度评价的AI公司，但我自己并不感到惊讶。 因为我们已经在数据科学数据方面工作了20多年。在拓扑优化和仿真领域，我们是创成式设计的领导者，比其他厂商都要做得早。

我们可以对模型指定想要的性能指标、指定其制造工艺，设定载荷工况，就能自动优化生成想要的几何形状。实现拓扑优化的方法就是数学。工程师设定一个可设计空间，设置好负载和制造约束，HyperWorks就会自动为你生成一个形状，所有这些优化都是在后台使用数学，数据分析是AI的基础，已经融入了我们整个产品体系中。

在过去只有高级CAE用户才能使用CAE软件，我们通过不断尝试使用前沿技术，无论是机器学习还是人工智能，我们正在用低代码环境让它变得超级简单，这样人们就可以把他们的流程串起来，把他们的数据集中起来，使用机器学习人工智能，我们让每个人都能在一个易于使用的环境中，快捷地接触到其他人已经积累的技术。

这意味着我们必须融合数据科学和计算科学到一起,我们研发的Physics AI，您不必编写任何代码行，AI是完全自动嵌入到您的仿真流程中的，您可以将已经完成的计算结果作为训练模型带入我们的环境中，通过简单几个按钮就可以创建AI模型。我们不断的在推进AI for CAE的技术，为的是让更多的人用更低的时间成本和物资成本，利用AI高效的加速设计研发产品，且简单，易于使用。这也是我们在AI领域处于当前领先位置的原因。

是的，CAE界都在加速和AI融合，AI的迭代速度非常快，那么AI会导致CAE行业发生激烈的变化吗？

我认为这将是一个渐进的变化。为什么这么说？Altair可以说也是一家产品设计公司，我们为客户设计了很多尖端的产品。与我们的许多竞争对手不同，我们认识到什么是必要的，例如当我们在构建我们的求解器时，我们很快意识到我们有自己的HPC数据中心，这样我们才能实现并行计算解决大型模型计算和迭代优化的问题，所以我们收购了HPC软件PBS。

现在我们看到的是同样的事情，数据也是决策的推动者, 人工智能已经变得非常普遍，所以我们也要把AI我们的另一种技术整合到我们的产品中。但是人工智能不会取代人类的智慧，人类的智慧很重要。

我要说的是，人工智能不会取代工作，但不采用人工智能的工程师将失去他们的工作。所以我认为这将是一个渐进的变化。即使是评估人工智能，你也需要人类的智慧来理解人工智能是否是对的。这就是为什么当有限元技术诞生后，你可以把一辆车离散成单元，你试图解决一个有限元问题。你会发现有些地方的结果并不正确，这时候你需要去优化这个区域。

同样的，人工智能技术刚提供结果的时候，你也不能就选择相信其结果的准确性。你必须继续学习，你必须理解AI试图告诉你什么，把它作为一种技术来使用，才能有效地理解它想要表达的意思。所以这只是另一种技术。就这一点而言，它将取代你所说的设计一辆汽车的一切，它将为你设计它。公司必须组织信息，组织数据，不断完善人工智能，用人类的知识验证人工智能。然后你可以去精炼精炼，这是一个持续的过程。

CAE软件公司的行业排名是否也会发生更快速地变化？

我觉得会。Altair一直在推动技术的发展，我们总是站在事物的最前沿，Altair在过去几年中投资了超过5亿美元用于收购Data Analytics和AI相关的技术；同时，我们很专注AI和CAE的结合。我相信Altair会在CAE行业的越来越来有竞争力。

我注意到这两年Altair的产品变化幅度特别大，我总结一个特点是【融合】：

a)  “solver的融合”，在新版本的发展计划中你们强调All in one solver，目标把所有的求解器封装到一个solver模块；

b)  “界面的融合”，新老HyperWorks的UI的融合，新的UI用户体验更加的友好，使用效率更高；

c)  “CAE和AI的融合”，现在Altair不仅有独立的Rapidminer（现已更名为AI Studio），还推出了多个和CAE融合的AI应用，比如shapeAI、ExpertAI、PhysicsAI；

d)  以及“应用的融合”，Altair One将所有的Altair的应用模块都部署到一个统一的Portal

最近两个版本的发布如此强调融合，是否为了实现功能的融合扩展、和简化降低用户的使用成本？Altair在之后的产品计划中会进一步的融合模块吗，甚至减少一些模块的选择，进一步降低用户的理解学习选择成本。

因为我发现一个问题，随着你们推出多个不同应用场合目标的AI模块之后，随之而来带来了用户理解学习上的困难，对CAE用户来说，理解和比较不同的AI解决方案在工程上的应用，要比理解和不同的CAE解决方案要难，因为深入理解AI最好是需要一些算法方面的背景知识，才能更好地理解AI工具的实用性，比较不同厂商的AI工具的能力的时候，更是如此。这也给你们AI解决方案的售前工作带来了很大的挑战。所以Altair AI在将来会不会进一步进行融合？

你的第一个问题是为什么要整合。将这些产品整合在一起的根本原因是为了让更多的人能够使用，我用简单的方式向你解释。

我们有一个适合工程师用的产品Inspire，既可以做几何建模又可以做分析，它继承了很多有限元网格处理模块和仿真模块，在有限元建模的时候Inspire会从后台调用Hypermesh或Simlab，在求解的时候，根据不同的分析会从后台调用Optistruct做结构分析、inspire Forming做冲压分析、调用inspire Extrude做挤出分析。 所以Inspire作为一个产品在后端整合了多个软件，但我们提供给用户的GUI是同一个。

原因很简单，最终客户不会选择购买十种不同的产品。 但如果购买我们的Inspire，这么多软件都是可用的。 CFD仿真我们也在做同样的事情，我们现在有了HMCFD，减少了大量的外部空气动力学建模时间。 你可以引入一个大型的复杂模型，HMCFD集成了Ultra Fluid X，现在我们也在增加电磁能力和热能力，我们将把它们全部纳入同一个用户界面，用户根据需要自动调用不同的模块,这是关于用户界面GUI集成的第一个问题的回答。

另一个问题，我们有不同的AI产品，我们有physicsAI、ShapeAI等多个AI产品，一旦我们发现了这些技术，我们就将其整合到产品中。为了让我们的客户理解我们不同AI的定位，我们将他们进行不同名称的标记，ShapeAI是基于几何识别，physicsAI是基于GDL几何深度学习，RomAI基于历史数据，数据标量向量等信息，但它不是基于几何学的。RapidMiner（现已更名为AI Studio）是一个基于通用数据的机器学习平台，它允许你从多数据流串行数据形成机器学习循环。

上述几个涉及的问题是不同类别的问题，你需要不同的方法。这就是我之前想告诉你的，人工智能是一种技术，我们要学会用在什么类型的问题时候使用什么AI产品。

但我们也在开始互相整合，我们在RapidMiner（现已更名为AI Studio）中为HyperView提供了一个插件，这样他们就可以引入几何图形并查询几何图形。我们的客户也在尝试使用他们的流程窗口以快速的方式处理工作。但目前为了让我们了解客户使用的是什么方面，我们不得不给这些技术贴上标签，所以这就是为什么这些名字使用了一段时间，但我会把这些AI都放在Altair AI的相关解决方案中。

Altair One这个概念推出已经很多年了，它将所有的Altair的应用模块都部署到一个统一的Portal，向用户提供了一个极易部署、极易扩展、极易应用的模式，看起来像是一个终极Portal，但就像您说的Altair One在用户端并没有获得足够的认知和应用。在中国市场我感觉更是如此，我理解这里有个重要原因是不同的Local市场有不同的消费习惯，但也跟不同的发展阶段有关。

随着AI融合CAE的应用越来越普及，我觉得Altair One这个模式会越来越彰显价值，能否请您重点介绍一下Altair One，帮助更多的中国用户了解并应用Altair One。

Altair One相当于用户使用Altair产品的门户，是我们的客户和Altair互动的入口，客户可以登陆Altair One了解Altair产品，下载Altair产品。另外Altair One也是用户用来部署数字化企业的门户。它允许工程师，数据科学家组织数据，可视化数据，并在任何云上的任何位置进行任何规模的协作，以应对任何规模的工作负载。它有自己的工程文件管理系统，我们也支持第三方应用程序。

首先，如果没有组织化的数据，任何类型的人工智能和机器学习都是不可能实现的。Altair One提供了一个框架，它完全理解你做了什么，你的数据在哪里，你的信息是什么，并帮助您连接到本地的HPC系统，你也可以把算力从本地扩展到到云端。通过简单的Web浏览器可视化一切，连接您的HPC，并在一个地方组织您的所有数据提交作业，监控作业。

所有这些事情都可以用Altair One来完成。在美国我们为所有客户提供他们购买的软件，也可以用同样的AU点数在Altair云上启动计算作业，这是非常非常独特的。但是因为一些限制，我们在中国没有提供这种服务。

Altair One也支持部署到用户的私有云。我们还推出了一款经过改造的设备，我们称之为网关设备，这将被允许帮助你Burst到公有云。我们的客户使用此网关设备扩展到他们自己的云中，以进行纵向扩展和横向扩展。同样，这可能不会立即适用于中国，但我们会与合适的供应商合作，但我们会确保我们可以与一些当地供应商合作以提供帮助。

现在制造业要满足越来越快的市场响应需求，所以他们对CAE仿真的效率越来越重视，Altair有一个无网格快速仿真分析软件SimSolid，看起来越来越多的用户开始应用这个软件，甚至直接替代传统的CAE分析软件。能否请您介绍一下Altair对HyperWorks和SimSolid两个产品组合的定位关系，和Simsolid将来的发展计划。

SimSolid是非常强大的软件，我们看到SimSolid有非常多的功能更新，并且整合到了Inspire平台。除了做结构问题，SimSolid还在扩展多物理场求解能力，包括电磁场分析。SimSolid做结构分析非常快，但是SimSolid并不能解决所有的仿真问题。有一些特定的问题，需要考虑隐式显式等复杂的求解，我们投入了大量资金来加强SimSolid的求解能力，并将其和苹果操作系统兼容。

但就像你之前提到的，提高CAE的效率除了SimSolid，还有AI等方式。如果你有一个相当好的人工智能模型，你可以基于十个模型探索上千个不同的模型。我们正在探索每一种可能的方法来加快速度。甚至在我们的求解器中，当你使用我们的求解器时，我们都在开始使用机器学习，即使在计算迭代过程我们也在尝试通过机器学习的方式更快地收敛。

是的，我也注意到Altair向用户提供了多个选择来提供CAE的效率，SimSolid是其中一个选项，还有AI、HyperWorks二次开发。我了解到一些客户，有几百个设计工程师和和20多个CAE工程师，设计工程师先用SimSolid做快速结构仿真评估，最后再由CAE工程师用有限元分析去做精准仿真验证，大大提高了分析的效率，降低了企业对CAE的投入，我觉得这个组合非常好。

AI是今年的重点，所以最后一个问题还是和AI相关。我注意到已经有很多中国的CAE用户在积极地尝试在实际工程中应用AI，有些是基于CAE的结果数据，有些是基于实验或运行数据，特别是后者，客户在落地中往往会遇到很多阻力。有些是数据量不够或者数据不规范的问题；有些是多系统间数据的协同不畅造成的问题；有些是跨部门协调的不通畅，超出了CAE部门的职责权限，总之AI在工程的应用远比通用领域的应用要难，很多方面并不是技术的问题。请您对中国的制造企业提一些建议，如何更好地在工程问题中应用好AI。

我可以告诉你同样的问题，25年前当我在做制造业的时候，我用冲压分析软件对冲压进行模拟预测问题。我不得不去冲压厂的车间去画设计图，一开始他们不相信模拟，他们说我们有很多经验，后来慢慢地开始理解CAE是什么，他们遇到问题后会打电话给我来寻求我用CAE来支持。我对当时的冲压分析经验的总结是：如果你得不到好的数据，就得不到好的结果。

同样情况也适用于AI应用，你需要有好的质量的数据来训练它。我们需要来通过模拟或测试来验证AI，训练AI。所以我的建议是。AI是伟大的技术，但你应该像其他事情一样谨慎使用它，你必须确保你提供了良好的数据。你必须训练他们，你必须要有耐心。

中国拥有当今世界上最大的制造业基地，这意味着你拥有最大的数据信息，在真正的制造业中，你可以从你已经拥有的数据中学到很多信息。所以我认为你们坐在一个信息数据的金矿上，首先要确保你所设计的和你所做的，信息数据必须与你的模型相匹配，你所期望的他们的表现都是一致的。你需要把袖子卷起来，持续投入进去去验证训练。没有其他选择。是的，你必须深入了解它。

是的，我认为对你们技术支持来说，对AI产品的支持要比CAE产品的产品的挑战大得多，客户需要更多的讲解、培训和售后支持。

确实，我们的团队拥有一群卓越的工程师，他们既精通计算机辅助工程（CAE），又熟悉人工智能（AI）技术。我们致力于为用户提供专业且全面的支持。我们别无选择，必须不断学习，与客户共同进步。中国涌现出大量杰出的才俊，我们相信，在这一领域，您无法找到比这里更快速成长的学习环境。

Altair正竭尽全力将AI技术应用于制造业工程。我们坚信，中国已经具备了充分利用人工智能的成熟条件，这一趋势正在不断发展，并将日益加速。

通过和您的对话，我现在更能理解您在上午演讲中的一句话提到：Altair是唯一一家既能提供Rocket Sicense又能提供Data Sicence的公司，Altair的（HyperWorks+HPC+AI)三大耦合的技术方案正在构建这一令人激动的技术愿景。

通过和您的对话，我也更深入地感受到了工业界日新月异的技术发展，给中国制造业带来的比以往更大的技术创新和应用的机会。谢谢您的分享，希望Altair公司能继续给我们工业界带来更好的技术和产品。