硅谷著名投资人马克·安德里森（Marc ）曾提出“软件正在吞噬整个世界”的观点，“60年前的计算机革命，40年前的微处理器发明，20年前的互联网兴起，所有这些技术最终都通过软件改变各个行业，并且在全球范围被广泛地推广。”
现代制造业同样对工业软件的依赖愈发严重，工业软件被誉为“工业制造的大脑和神经”，产品的初期设计、生产制造、正常运行、后期维护，都离不开工业软件的支撑。
一方面，工业软件改变了传统的设计、工艺、生产和运维方式，在赛博空间中，可以对数字产品的形、态、运动规律等随时迭代优化，使工业过程从设计一开始就确保敏捷精准；另一方面，工业软件塑造了产品的“五官”和“大脑”，产品在物理空间的行为随场景而自动调整。
其中，仿真作为工业软件各门类中必不可少的技术，已被广泛应用到各领域中，是推动工业快速发展的核心技术，在产品优化创新中扮演着不可或缺的角色。比如仿真可以用于透视产品特性，预测产品刚度、强度和疲劳寿命等，以此大量减少实物试验次数。
随着智能制造的不断推进、AI等技术持续演进，工业仿真行业正迎来新的变革。为此，朋湖网近日专访了大中华区总经理刘源，跟他聊了聊行业的变化。
2001年，进入中国，站在中国高速工业化的起点上，中国的业务也取得了突飞猛进的成就。为中国用户提供前沿的技术融合解决方案，产品和技术服务得到从航空航天、新能源到金融等涉及数十个垂直行业的广泛认可和赞誉。
作为计算科学和人工智能领域的全球技术公司，成立30余年来，一直在帮助客户将电子和控制与机械设计相结合，在数据分析、产品开发、高性能计算（HPC）领域提供软件和云解决方案。
01
本质姓“工”
1985年，日本向美国出口的汽车高达300万辆，美国国内汽车行业的竞争愈发激烈，推动汽车产品的不断迭代，汽车企业对效率的要求与日俱增。
也是在这一年，在底特律成立，其最初的客户就是美国的三大车厂：通用、福特和克莱斯勒。早期其主营业务是通过咨询服务帮助客户提升工作效率。进而，意识到这一套知识与能力可以沉淀下来形成工具，因此陆续推出了一些产品。
为了满足客户更多的效率提升需求，逐步的转向帮助用户提升正向的研发能力——通过其涉及到不同学科的优化工具和求解器。
刘源将的成功归因于两点：
从经济周期本身的发展来看，科技进步推动了产品的不断迭代，这也使得企业之间的竞争越来越强，以“卷”的最厉害的汽车制造业为例，企业造车周期从过去的3-5年缩短到现在的1-2年，这必然对各环节的效率提出更高要求，而与用户紧密连接以解决这些问题。
从企业自身来看，的成功则依托于其强Know-How经验。工业软件集成了领域知识、行业知识、专业知识、个人知识和工作经验，包括标准、规范等。工业软件本质是工业产品，是制造工业生产管理与实践长期积累的结晶。
要知道，没有与众不同的核心技术，工业软件是难以体现出价值的。对于工业软件中不仅要有熟悉的行业背景，CAE更要求有各种实践经验和大量Know-How的知识和判断，这个投入是天量的。
为了持续积累Know-How并优化客户体验，中国甚至常年保持了将近20多人的咨询服务团队。
02
数据驱动
在成长过程中，也在不断发现客户新的需求。
本质上，仿真是通过模型来模拟现实系统中发生的过程，是将物理化学公式模型进行代码化表示，并借助计算机实现计算求解。计算机仿真技术在实际应用中，替代了大量的物理实验，在帮助企业缩短研发周期、提升实验效率、拔高研发品质、加速产品面世等方面作用显著。
而数据智能正在仿真行业蓬勃生长。刘源认为：“数据科学驱动仿真技术迈向新台阶，在设计端口、产品验证端口等环节有重要作用。”
2018年11月，收购了数据分析公司。彼时创始人、董事长兼CEO James Scapa评论道：“将 合并后，期待在整个产品生命周期中，应用仿真、数据科学和优化来转变产品设计和决策。”
此后，陆续收购了World 和，并形成了一个完善的数据分析与人工智能平台—— ，以此助力中国企业用户数字化转型，实现降本增效。
简而言之，虽然全流程数字化已逐步实现，但各业务部门、人员间的“孤岛”现象依然存在，因此，很多企业难以正确并高效利用快速增长的数据，同时在应用数字化产品过程中会产生“摩擦”，而这会大大增加企业数字化转型过程中的不确定性。
则正是一个消除了企业在数据分析过程中产生的人员、数据和业务之间的摩擦的端到端平台，能够完成从数据准备、处理、建模到部署的所有数据分析任务。毕竟，相对于传统数据分析公司，早已在用户端口积累了大量的仿真、测试和训练数据的经验。
“我们已经很好的将我们对于数据领域的认知，结合我们对于工程领域的认知，推出了很多工具、流程以服务我们的客户，并取得了很多成功的案例”， 刘源总结道。
03
基础设施重塑
在这一过程中，高性能计算（HPC）、云计算发挥着底层基础设施功能。
2009年，美国发布“竞争力委员会”白皮书《美国制造业——依靠建模和模拟保持全球领导地位》，将建模、模拟和分析的高性能计算，视为维系美国制造业竞争力战略的王牌。
举例而言，在电子器件、电磁兼容等领域中，需要对电磁场进行分析和仿真，使用HPC并行计算技术可以大幅缩短仿真时间，并得到更准确的结果。
“当下中国制造业最大的并行计算数量已经超过4万核，算力增长是非常快的，在两年前这个数据可能就是在2万核左右，这还只是自建的计算能力”，刘源说道。
云计算的意义在于给企业带来了更灵活的算力。当企业有计算需求的时候，可以通过云计算应用到4万甚至6万核，而当计算需求不大的时候，可以只用到几千核甚至更少，尤其是对于小型企业，使得他们能够有相对灵活且比较低的成本，应用算力资源做计算。
与此同时，随着AI技术的突飞猛进，许多行业正在被颠覆，比如AI能够迅速缩减新产品的研发周期，大大推进创新进程，而在AI方向的布局也相当前沿并取得了一些可喜的成果。
在刘源看来，仿真的关键就是找到精度、速度与成本之间的平衡点，在可承担的投入内，尽可能快的做出精度高的结果，“决策要找到合适的平衡点，因为没有绝对最优的问题，都是在约束之下达到一个相对最优。”
AI可以极大的缩短仿真的过程，相当于不再是通过严格的三维计算，而是基于已有的大量的历史仿真结果，整合领域知识、专家经验与机理模型，建立系统化的模型（即用户端的流程），再结合部分测试结果，迅速得出仿真结果。
“比如在过去整车碰撞过程测试中，我们需要两三周的仿真工况，在结合AI技术使用之后，我们可以在半个小时以内，就是20多分钟这样的量级之下，得出精确基本符合预期的结果”，刘源举例道。
AI还能大幅降低工业设计的使用门槛。举例而言，微软推出大模型工具，以此帮助用户在中进行写作、总结和创建，此外，Adobe、等均能通过插件应用语言交互工作。若将这一形式引入工业软件，其使用度将得到广泛提升。
据刘源透露，正在将AIGC的思路应用到软件本身，将一些算法、模型等集成到自身的工艺中，并且已经形成了一些工业化的产品。
04
写到最后
当前，工业界正发生 “以机械为核心的工业”向“以软件为核心的工业”的转变，工业软件正成为企业提高核心竞争力的基本手段。
仿真的范围随之从机械走向流体，从电磁走向多物理场，从物理仿真走向系统仿真，从后期走向前期。
而当下，新一轮工业革命兴起，高性能计算、数字孪生等新技术驱动制造业再次创新发展，仿真软件也正与新技术结合，在研发、生产、实验等环节发挥更重要的作用。
但无论如何，仿真软件成功的关键在于对下游制造业工艺的理解和不断创新驱动，这需要的是在企业客户应用过程中不断进行性能的打磨及各行业特殊场景需求的功能完善。
而这条路已经走了30余年。
