科研智能：人工智能赋能工业仿真研究报告（2025年）

(2025年) 中国信息通信研究院人工智能研究所中国人工智能产业发展联盟全国智能计算标准化工作组2025年10月 版权声明 本报告版权属于中国信息通信研究院、中国人工智能产业发展联盟和全国智能计算标准化工作组，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院、中国人工智能产业发展联盟和全国智能计算标准化工作组”。违反上述声明者，编者将追究其相关法律责任。 前言 工业仿真承载产品创新迭代、降本增效的核心使命。随着智能化转型的深入，传统仿真技术面临计算效率瓶颈、多物理场耦合复杂性剧增、全流程协同不足等挑战，难以满足科学研究领域对实时性和精准性的高阶要求。人工智能技术的突破性发展，尤其是大模型、物理信息机器学习、神经算子、生成式AI等方向的演进，正为工业仿真注入全新动能。通过构建“数据+物理”双驱动的智能仿真范式，AI不仅能够提升仿真效率，更能在多目标优化、虚实交互决策等场景开辟新路径，推动仿真从“事后验证工具”向“全生命周期决策中枢”跃迁。 本报告基于科研背景，全面梳理了AI赋能工业仿真的技术路径与实践脉络。首先探讨人工智能赋能工业仿真的必然性及其应用价值，然后聚焦于CAD、CAE两大核心领域，对比分析国内外技术路线与应用现状；在关键技术层面，解析数据驱动、物理驱动及融合驱动这三类AI仿真方法的本质区别与适适用场景；通过轨道交通、航空航天、轻工业、汽车工业及工程建筑等领域的实践案例，验证AI仿真的规模化应用潜力及应用前景；最后，分析AI仿真面临的核心挑战，并对其未来发展趋势进行展望。 本报告力求为人工智能赋能工业仿真领域的研究与实践提供参考，但难免有不足之处，恳请各位专家和读者不吝指正。 目录 一、人工智能赋能工业仿真发展背景....................................................................... 1（一） 工业仿真智能化升级的必要性..................................................................... 1（二） 人工智能赋能工业仿真应用价值初显......................................................... 2二、人工智能赋能工业仿真发展应用现状............................................................... 3（一） 人工智能赋能工业仿真主要应用................................................................. 4（二） 人工智能赋能工业仿真国内外现状........................................................... 13三、人工智能赋能工业仿真关键技术..................................................................... 17（一）AI赋能CAD ................................................................................................. 17（二）AI赋能CAE ................................................................................................. 19四、人工智能赋能工业仿真应用实践..................................................................... 27（一） 轨道交通....................................................................................................... 27（二） 航空航天....................................................................................................... 35（三） 轻工业........................................................................................................... 40（四） 汽车工业....................................................................................................... 48（五） 工程建筑....................................................................................................... 56五、人工智能赋能工业仿真应用挑战..................................................................... 63六、建议与展望......................................................................................................... 65 图 目 录 图1 AI+CAD：文本到模型.....................................................................................6图2 AI+CAD：图像到模型.....................................................................................6图3 AI+CAD：多模态输入到模型.........................................................................7图4设计验证流程................................................................................................... 9图5使用有限元和PINN方法预测的温度分布热力图对比.............................. 11图6利用人工智能方法实现后处理过程中的特征识别..................................... 13图7斫轮·风驰总体思路..................................................................................... 29图8斫轮·风驰大模型架构................................................................................. 30图9斫轮·风驰大模型技术方案......................................................................... 30图10动静统一自动并行技术............................................................................... 31图11斫轮·风驰大模型仿真应用........................................................................31图12 FuncGenFoil算法框架组建与功能示例..................................................... 37图13 FuncGenFoil算法框架操作界面示例......................................................... 38图14 AIPOD智能优化平台.................................................................................. 43图15风扇优化中的关键设计变量....................................................................... 43图16风扇设计优化前后对比............................................................................... 44图17数值回归验证结果....................................................................................... 50图18参数-数值回归和参数+点云-点云重建...................................................... 51图19预测仿真对比............................................................................................... 52图20 CAE仿真结果数据与代理模型预测结果.................................................. 53图21自动生成CAD图......................................................................................... 59图22 ChatCAD识别图形元素.............................................................................. 59图23内容智能编辑............................................................................................... 60 表 目 录 表1 AIPOD风扇 优化设计前后指标对比...........................................................45 一、人工智能赋能工业仿真发展背景 人工智能赋能工业仿真是指将人工智能技术（如机器学习、深度学习）与工业仿真技术进行深度融合，通过数据驱动、智能决策和动态优化，实现对工业全流程的虚拟化建模、实时模拟与自主优化的一种新型技术范式。其核心在于利用人工智能的自主学习与预测能力，提升仿真的精度、效率与智能化水平，推动工业系统从传统模拟向自适应决策演进。人工智能赋能工业仿真不仅覆盖产品研发阶段，还延伸至制造、运维等全生命周期管理，构建“设计-验证-优化”的闭环体系。本文主要围绕人工智能赋能工业仿真在产品研发阶段的应用进行探讨。 （一）工业仿真智能化升级的必要性 工业仿真作为产品研发与优化核心环节的重要性日益凸显。随着制造业向数字化、智能化加速迈进，工业仿真作为产品落地投产前的理论验证手段，不仅承担着优化生产流程、降低试错成本的