GCL学术报告：达索软件白锐

2026年5月27日（星期三）上午10:00-11:30，GCL实验室学术报告活动在东区数学科学学院312教室举行顺利举行。达索软件技术专家白锐老师受邀作题为AI结合设计仿真一体化的技术和应用展望的主题报告。本次报告由实验室刘利刚老师主持，报告深入探讨了工业软件在“虚拟孪生 + AI”双轮驱动下，向“物理AI”演进的前沿趋势。

白锐老师首先从传统CAE仿真的痛点出发，系统地分析了当前工业界在产品性能验证中所面临的效率瓶颈。传统仿真流程包含几何清理、网格划分、求解与评估等繁琐步骤，通常需要耗费数周时间。为此，白锐老师详细介绍了达索系统“CAE-AI”的项目目标：在保持传统有限元分析精度的同时，通过AI Surrogate Modeling，将设计到评估的仿真周期从数周大幅缩短至数秒。以车顶盖结构分析为例，报告展示了AI将原本12个CPU耗时120分钟的计算量，压缩至单GPU仅需7分钟的惊人提升。

为了使AI模型能够像传统求解器一样输出高保真度的物理场，白老师详细剖析了神经网络在替代模型中的核心作用。相较于传统的降阶模型，基于神经网络（如ANN、RNN、LSTM等）的机器学习算法在处理复杂的高维映射任务中表现出色。白锐老师指出，该技术不仅能快速预测标量KPI，如XY时间序列曲线，更实现了针对稳态与瞬态问题的3D Field KPIs直接预测，最大限度地减少了降维过程中的信息丢失。

随后，白老师展示了这种“基于科学的工业AI”在诸多极具挑战性的多物理场场景中的广泛应用。从基础的动力学与静力学分析，到复杂的焊接、结构屈曲、电池安全等挑战模型，AI预测的3D变形与应力场与传统FEA参考解高度吻合。在生命科学领域，针对高度复杂的动态心脏瓣膜模型，AI通过学习23项包含几何、材料及腱索长度等输入参数，精准重构了瓣膜在心动周期内的闭合形态与三维演化规律，确保了预测结果的物理与生物一致性。针对底层的算力与生态构建，白老师重点介绍了2026年达索系统与英伟达达成的战略合作。双方强强联手，将达索的SIMULIA物理仿真算法与英伟达的CUDA-X、Modulus物理AI库深度融合，实现万倍级仿真加速。同时，结合大语言模型架构打造的工业智能Agents，进一步重塑了三维宇宙中虚拟孪生工厂与自主运行系统的交互效率。白老师精准地切中了传统数值仿真在算力与时间成本上的核心瓶颈，为在场师生提供了全新的工业软件演进视角。

在提问环节，大家积极参与，展开了热烈的学术碰撞。讨论内容涵盖了传统FEA求解与PINN前沿路线的技术对比，以及底层庞大工业代码向GPU架构移植的技术细节。此外，与会者还就AI模型在快速概念设计与严苛医疗场景下的精度平衡，以及工业软件与华为鲲鹏CPU及昇腾GPU的底层生态适配等深层问题进行了探讨。

本次报告不仅深入解析了物理AI赋能工业仿真的底层逻辑，更通过丰富的工程实践展示了其广阔的落地前景，极大地拓宽了大家在工业软件、几何处理与人工智能交叉领域的思考维度。

讲者简介

白锐，清华大学航空航天学院工程力学系本科和硕士研究生毕业。历任Abaqus软件高级工程师、销售总监和战略发展总监等职。目前负责达索系统大中华区SIMULIA仿真销售和技术管理和战略业务的推进工作，包括Al+CAE、设计仿真一体化、智能制造、数字李生、虚拟人体建模、云计算、多物理场跨尺度仿真分析技术等。