川观智库资讯丨AI技术成为突破传统仿真技术瓶颈、实现工业智能化升级关键路径

川观智库研究员 燕巧

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。近日，中国信息通信研究院（简称“中国信通院”）发布《科研智能：人工智能赋能工业仿真研究报告（2025年）》（以下简称“《报告》”）。报告指出，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，AI技术的引入已成为突破传统仿真技术瓶颈、实现工业智能化升级的关键路径。

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、降低试错成本的基础支撑作用，更肩负着借助智能化技术推动产品持续创新与迭代的重要使命。然而，传统工业仿真技术面临计算资源依赖度高、流程复杂、专业门槛高等诸多瓶颈，计算资源与时间成本高昂，建模方法与流程存在局限，造成研发周期长、成本高等问题。工业4.0与智能制造的发展趋势进一步凸显了工业仿真领域日益突出的供需矛盾，现代工业对产品快速迭代，正在倒逼仿真技术加速向智能化转型。

人工智能赋能工业仿真应用价值已经初显，一是可以引领工业仿真效率跃升，也为复杂场景的建模仿真提供新方案，为传统工业仿真技术提供了全新的解题思路。比如借助AI技术，设计师可以实现产品外形的自动生成设计，实现产品的快速设计。同时AI可以基于海量数据帮助设计师优化CAD模型，提高模型的质量和效率。从智能化、自动化设计到加速复杂场景的计算优化，AI 正在重塑传统工业仿真的边界。

但人工智能赋能工业仿真也面临应用挑战。数据壁垒、物理一致性缺失、模型精度等挑战，成为AI赋能工业仿真的落地难点。数据壁垒方面，高质量工业仿真数据获取成本高、耗时长，且可能涉及商业机密或安全风险。物理一致性方面，AI技术的“黑盒”特性和泛化能力成为限制其广泛落地的重要因素，模型精度方面，AI技术的计算精度与可信度如何达到传统数值仿真程度成为破局关键。

为此，《报告》建议，可以建立行业级数据共享平台，构建数据保护机制；发展物理一致性增强研究，提升AI可信度；夯实“AI+工业仿真”技术能力，推动行业应用落地。可以建立行业试点示范，在汽车、能源、建筑等领域遴选标杆企业，开展AI仿真替代传统CAE的试点与验证，形成复制推广的案例，形成AI辅助工业仿真产业应用指南，明确AI在工业仿真领域的使用场景与限制条件。