AI牵引工业软件新升级，数据分析与人工智能在探索中进化

CAE和AI技术双融合已成为企业研发设计环节数字化转型的重要应用趋势，但企业数字化转型绝不仅是单个环节的优化，而是全流程、全生命周期的转型升级，数据驱动只有作用于各业务环节，才能真正助力企业持续发展。

数字化浪潮席卷全球，作为数字经济核心驱动，数字技术逐步成为企业发展新动能，助推企业核心竞争力进化，在此背景下，数字化转型已成为所有企业的必选项和持续发展的前提，拥抱数字经济成为企业的共同选择。但从实际情况来看，面向C端的产业如零售电商、金融等领域在数字化方面走在前列，而以制造业、能源重工等为代表的传统实体经济产业的数字化进程相对缓慢，作为国民经济的支柱以及政策支持的重点领域，实体经济加速数字化转型迫在眉睫。

以制造业为例，过往中国制造业的转型升级重在信息化系统的建设以及企业内部信息的打通，主要体现为ERP等大型业务系统的建设与升级，更偏重于流程驱动。随着下游需求的多样化和个性化成为主流趋势，数据驱动开始成为制造业企业转型升级的主流模式，产品设计、研发、生产制造的数字化成为企业核心竞争力，而国外工业软件服务商基于先进的技术和深刻的行业理解，持续深耕中国市场。

CAE技术与AI技术双融合，助力企业数字化转型腾飞

作为工业软件的核心组成，CAE（计算机辅助工程）等研发设计类软件是制造业企业数字化转型的主要工具以及软件提供商的重点竞争领域。CAE以三维实体建模为基础，通过模拟产品在结构、流体、热、电磁场等方面的性能，为产品研发设计提供依据，广泛应用于制造业、能源重工等领域。

基于丰富的仿真模型和行业数据，CAE的应用可有效帮助制造业企业减少甚至避免产品设计阶段多次召回调优的重复工作，助力企业降本提效，在“智能制造”的带动下，CAE对于制造业企业的重要性持续提升。

与此同时，全球市场竞争日趋激烈，以汽车制造行业为例，造车周期从过去的3-5年缩短到现在的1-2年，必然对各环节的效率提出更高要求，特别是在产品的研发设计环节将越来越重视仿真模型的准确性和输出效率，而传统的CAE三维建模技术逐渐难以满足企业对于这种高时效性和逼真模型效果的要求，倒逼服务商不断探索更优的解决方案。

随着AI技术的不断演进，基于AI的机器学习能够基于已有的大量数据，通过训练神经网络得到更准确的预测模型，AI开始成为制造业企业在研发设计环节的重点应用技术。而将AI技术与CAE技术深度融合，以CAE在制造业积累的大量数据作为深度学习的基础，将赋能CAE建模范式持续优化，并进一步降低计算成本。观察到这一趋势的全球领先CAE服务商纷纷开始探索AI技术与自身产品的融合，并积极拥抱AI+CAE的更多可能性。

作为全球领先的CAE服务商，Altair创立之初主要聚焦于帮助汽车企业应用工程仿真技术，在观察到传统企业在产品研发设计环节的数字化转型痛点后，通过积极的研发、并购，逐步完善仿真、高性能计算和人工智能技术融合的解决方案。

Altair也注意到了AI+CAE的发展机遇，“通过将仿真技术和AI技术进行深度融合，并结合内部积累的丰富数据，能够为客户提供更贴近真实需求的仿真结果和更好的用户体验。”Altair大中华区总经理刘源在接受亿欧采访时表示。

实现产品化的想法和需求可以更好地实现，这源于AI和CAE的深度融合。这与Altair内部提出的Physics AI概念不谋而合，基于已有的大量仿真结果快速建立机器学习模型，能够帮助企业客户快速建立起新模型并输出结果。

另一方面，从数字孪生角度来看，Altair内部的数字孪生建设有两条路径，一是基于传统的三维建模，这种方式虽然能精确刻画出模型，但在实际应用过程中速度很慢，不能做到实时显示；第二条路径依托romAI工具实现，CAE技术与AI技术深度融合，利用机器学习将三维模型降阶到一维，从而做到更快速显示仿真结果。事实上，Altair通过CAE技术与AI技术的融合，可实现分钟级的汽车碰撞测试模型结果输出。

图：Altair离散元技术与AI技术的融合

从研发设计到营销、管理等企业全生命周期的数据驱动，Frictionless AI重新定义数据分析新趋势

现阶段，CAE技术和AI技术的双融合已成为企业产品研发设计环节数字化转型的重要应用趋势，但企业的数字化转型绝不仅是单个环节的优化，而是全流程、全生命周期的转型升级，数据驱动只有作用于各业务环节，才能真正助力企业实现可持续发展。

从全球视野看，赋能企业数字化转型的数据服务商类型丰富，基因各不相同，不仅包括服务工业、金融、零售等特定行业数字化转型起家的服务商，还包括通用型AI技术、数据分析产品提供商。

在数据驱动业务发展和智能决策成为企业数字化转型重要趋势的背景下，如何将企业积累的海量且复杂的数据高效利用起来，挖掘并发挥数据的更大价值，打通企业设计研发-生产制造-销售-运维全生命周期的数据流通和全流程数字化转型，成为现阶段企业亟需回答的命题。

事实上，尽管许多企业都在努力实现全流程的数据驱动，但部门之间、人员之间仍存在孤立现象，很多企业难以正确并高效利用快速增长的数据。企业在应用AI技术和AI产品过程中会产生多种“摩擦”，而数据分析中存在的“摩擦”将成为企业数字化转型过程中的不稳定因素，导致项目失败、成本和人员投入浪费等。

“用户端口和数据之间、行业专家和数据之间，以及企业内不同部门之间都存在不同程度数据分析应用的摩擦，同时，既懂数据分析又懂行业的综合性人才缺失也是企业面临的一大挑战”刘源表示，“因此，一个应用性强、易上手的数据分析平台对于企业数据分析的驱动，以及业务人员的赋能就变得尤为重要。”

基于企业数据分析应用的这一痛点，Altair提出了“Frictionless AI”，即“无摩擦AI”概念，旨在帮助企业解决用户与数据之间、数据专家与行业专家之间，以及工具、基础设施不断变化等带来的摩擦。

图：Altair的“无摩擦AI”能力

自2018年开始，Altair在数据分析领域先后收购Datawatch、World Programming和RapidMiner，数据产品组合不断丰富，最终形成一个完善的数据分析与人工智能平台——Altair RapidMiner，致力于消除企业在数据分析中的摩擦与障碍，赋能企业基于数据驱动实现智能化决策，提高竞争力。

Altair RapidMiner是一个真正的端到端平台，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，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，并帮助从业务分析师到数据科学家的不同专业用户快速使用平台来解决数据分析和数据科学需求。

图：Altair数据分析与人工智能平台

目前，大多数传统企业仍处于数字化转型的早期阶段，因此对于数据分析工具的需求正在快速增长。数字经济时代，企业面临的挑战是共通的，怎么更好地存活下来，如何保持利润持续增长等等，而数字化正是实现这一目标的关键手段，相信未来在需求的驱动和政策的支持下，数据分析市场将有更深入的发展机遇和更广阔的市场空间”，刘源表示。

从仿真到仿真+AI，技术融合成为Altair服务能力新引擎

仿真和数据分析在企业发展过程中扮演着关键角色，通过深入挖掘和分析海量数据，企业能够获得更准确的洞察和预测，从而做出更明智的决策，加快企业数字化转型。利用仿真技术与数据分析、人工智能的融合，可帮助企业有效提高产品设计和效率优化、缩短仿真周期，构筑可持续的竞争优势。

刘源表示，进入数据分析领域的原因是因为Altair在成立之初就提供了数字化的解决方案，如仿真和模拟产品。以制造业为例，通过为企业提供仿真分析解决方案，Altair积累了多年的制造业服务实践经验，对于产品从设计、研发、生产到制造的完整生命周期的数字化有着深刻理解。”

相对于做数据分析起家的服务商来说，作为工程仿真领域的头部企业，Altair前期已在用户端口积累了大量的仿真、测试和训练数据经验，因此更懂客户的业务逻辑和数据流转逻辑，在工业类的企业服务实践上更有优势，这也是Altair进入数据分析赛道的优势。

“在推出数据分析产品之前，Altair的解决方案主要聚焦于提升企业的数字化研发和数字化设计能力，随着Altair RapidMiner数据分析与人工智能平台的推出，Altair实现了从提供企业产品研发、设计的数字化解决方案，到赋能企业运营、营销等业务节点全流程数字化转型的进阶。”刘源表示，对于Altair来说，仿真驱动和数据驱动虽是两条解决方案业务线，但Altair正在实践各技术的相互融合，共同帮助客户完成业务创新和智能决策。

自2001年进入中国以来，Altair已经积累了丰富的产品实践和客户服务经验，关于数据分析与人工智能平台在中国市场的发展方向，刘源表示，“未来将持续推进数据分析产品对金融客户的赋能，同时在汽车、消费电子、能源重工等优势行业做出一些最佳实践，助力中国企业有效提升自主研发能力，带动客户整体竞争实力的提升。”

据悉，2023年6月9日，Altair将进行以“数据科学，解码智能未来”为主题的全新数据分析与人工智能平台Altair RapidMiner启动仪式，通过此次启动仪式，Altair将帮助企业用户们快速提升自身的竞争实力，解密数字经济时代企业成功新路径。

以上就是AI牵引工业软件新升级，数据分析与人工智能在探索中进化的详细内容，更多请关注php中文网其它相关文章！