“没有CAE支撑，物理AI难以真正走向工业世界。”这是中国科学院院士陈十一在某大会演讲时的观点，他认为CAE能够提供完备的物理机理模型、海量仿真数据、工程约束以及闭环验证能力，正好弥补纯数据驱动AI的不足。

其实，这一趋势在Cadence、新思科技、西门子、达索系统等国外商业软件已经得到初步成果，而且CIMdata也指出，AI与机器学习正在深度融入CAE流程，物理信息AI训练、仿真数据驱动模型以及基础模型成为行业重要探索方向。

在这一背景下，国内CAE企业也在加速布局物理AI。从索辰科技、蜂巢互联，到云道智能、天洑软件、安世亚太、英特仿真等企业，均在探索将传统仿真能力延伸至物理AI、工业世界模型等新领域。

对于国产CAE而言，物理AI或许正在打开一次新的产业机会。

CAE正在变成物理AI基础设施

我们都知道，物理AI核心就是让AI理解现实世界中的物理规律，但是现实数据却存在明显限制：真实工业数据采集成本高、周期长，而互联网数据虽然丰富，又缺少力、热、流体、电磁等物理信息。

CAE仿真恰好迎刃而解！通过结构、流体、热、电磁等多物理场仿真，CAE可以生成符合物理规律的高保真数据，并且每组数据都包含完整的状态信息。这些数据不仅可以用于模型训练，也能够帮助AI理解工业系统运行规律。

陈十一院士认为，CAE在物理AI时代将承担四类角色：既是生成数字样本的物理引擎，也是约束AI模型的物理规律导师，同时还是验证AI结果的精度校准工具，以及构建数字孪生的基础。

“用CAE赋能AI不是限制AI，而是在解放AI；不是AI替代物理，而是将物理嵌入AI。”在他看来，CAE+数字孪生+AI正在成为物理AI的重要基础架构。

国产CAE厂商加速布局物理AI

当前，国产CAE企业都在尝试从传统仿真软件向物理AI基础设施方向拓展。

索辰科技推出“天工·开物”物理AI平台，通过自主仿真能力生成高精度数据集；云道智能推出Sim-PI物理AI开发平台，以仿真引擎为基础，为具身智能训练、智能工厂等场景提供仿真环境。

天洑软件提出以“物理AI+工业AI”为核心打造工业世界模型，通过物理规律推演、实时工况预测和自主闭环决策，推动工业从数字智能走向物理智能。

安世亚太也提出，工业软件正在从工具化、平台化走向智能体化，并基于多年工业仿真积累探索物理AI方向。

就在近日，蜂巢互联也进一步提出“物理AI仿真引擎基础设施服务商”的定位，围绕计算几何、计算工程学、数据科学等底层技术，推动物理建模与数据驱动技术融合。

据其公开信息，他们正在与IDEA研究院开展合作，围绕工业仿真、低空经济、具身智能等方向推进技术探索，包括多物理场仿真融合、机器人虚拟训练体系建设等。

可见，国产CAE厂商都在寻找传统仿真软件之外的新增长空间。

物理AI空间巨大，但商业化仍需验证

CIMdata认为，EDA与仿真分析正在加速融合，电子系统和半导体研发推动物理仿真成为EDA厂商的重要能力；同时，AI技术正在重塑仿真流程，越来越多企业开始利用历史仿真数据、测试数据以及物理信息AI方法开发新的模型。

普华永道还指出，物理AI将在未来3到5年内从早期试点阶段过渡到规模化商业部署。虽然一些早期应用已在特定领域出现，但由于技术挑战仍在解决中。可见，仿真数据能否大规模替代真实数据，工业世界模型能否真正进入生产环境，都还需要进一步验证。

同时，物理AI并不是简单叠加AI算法。它不仅需要CAE软件能力，还需要算力、数据体系、算法模型以及行业知识积累。拥有仿真工具，并不意味着能够直接进入物理AI市场。

但可以确定的是，CAE正在从传统研发工具走向工业智能基础设施。正如陈十一院士所言，抓住AI+CAE融合发展的窗口期，是我国打造自主工业软件、构建产业新优势的重要机遇。

本文来自微信公众号“坤少说”，作者：坤少