中国工业报 耿鹏飞

到底是CAD（计算机辅助设计）重要还是CAE（计算机辅助工程，简称仿真）重要？此前业界更倾向于前者。而今天，在AI时代这个问题在西门子却有了新的答案。如今，仿真不再是辅助环节，而是贯穿产品全生命周期的核心决策引擎；AI不再是概念叠加，而是深度融入物理规则、算力调度、数据协同的智能底座。

4月14日-17日，在武汉举办的西门子大中华区仿真与试验技术峰会上，西门子数字化工业软件全球高级副总裁兼大中华区董事总经理梁乃明、西门子数字化工业软件执行副总裁兼仿真业务部主管Sam Mahalingam向中国工业报等媒体回答西门子今年在国内重点布局AI+仿真的背后逻辑以及AI趋势下的未来思考。

AI+仿真后来居上

过去十年间，中国区业务以设计方案为主。当时国内更多是全球制造工厂，而非智能制造基地，行业内存在大量逆向工程。

西门子数字化工业软件全球高级副总裁兼大中华区董事总经理梁乃明

梁乃明直言：“近五年，西门子中国区仿真业务已跃居产品营收首位，这一变化深刻印证：中国制造业正从全球制造工厂，加速转向拥有完整产业链、坚持自主创新的智能制造基地。”他对比2016年西门子收购CD-adapco时的市场格局，彼时西门子在日本业务规模为中国的4倍、韩国为中国的2倍，核心差距正是仿真普及深度与工业成熟度；如今中国制造业创新能力与工艺水平全面提升，直接将CAE需求推至历史高点。

这也正是西门子以百亿美元量级收购Altair的核心。“西门子提前预判了AI在仿真领域的发展趋势，收购Altair让我们成为市场上能力最全面的仿真解决方案提供商。”梁乃明表示。

真正让仿真实现质变的，是人工智能的深度融入。传统CAE依赖工程师经验调参、单一场所求解、串行流程作业，面对多物理场、多学科耦合场景效率低下、方案探索有限。

西门子数字化工业软件执行副总裁兼仿真业务部主管Sam Mahalingam

Sam Mahalingam强调，AI与仿真融合的核心是physics  AI：“它并非单纯数据驱动模型，而是基于物理定律、几何特征、材料属性、边界条件构建，严格遵循真实工业场景约束，既能保持高速推理，又能从根源上避免模型偏差。” physics AI可将传统需要数天的仿真计算缩短至小时级、分钟级，帮助工程师快速完成海量方案寻优，实现从“被动验证”到“主动创新”的跨越。

梁乃明表示：“通过与 Altair 的能力协同，西门子打造了覆盖全学科、全流程、全生命周期的一体化仿真解决方案，形成更完整的技术生态，帮助中国客户更快将创意转化为产品，将数据转化为洞察，将效率转化为竞争力。”

数字孪生+physics AI+计算“三把斧”

AI与CAE的深度融合，并非简单的技术叠加，而是对研发流程、数据体系、算力范式的全面重构。Sam Mahalingam用三个关键词定义合并后的新仿真版图：全面数字孪生、人工智能、计算，三者共同构成AI+CAE的核心能力骨架。

全面数字孪生是AI+CAE运行的基础载体。整合后的技术体系可覆盖结构、流体、电磁、热、声学等全学科仿真，为产品与工厂构建高保真、物理级精准的虚拟映射，实现全生命周期可可视、可模拟、可优化。

Sam Mahalingam解释：“双方合体后，能够整合Simcenter与Altair的技术、战略及核心平台，提供产品全生命周期内构建数字孪生所需的全部工具，覆盖结构、流体动力学等多个领域，精准填补客户需求的短板。”西门子推出的Digital Twin Composer进一步将数字孪生推向工业元宇宙，可在实体建设前识别90%以上潜在问题，帮助企业缩短设计周期、降低资本支出、提升产能吞吐量。

Physics AI是区别于通用AI的核心竞争力。与单纯数据驱动模型不同，physics AI不脱离工程规则、不替代基础求解，以工业机理为核心做推理与加速，完美匹配制造业对100%准确、可追溯、可验证的刚性要求。

Sam Mahalingam强调，physics AI与常规AI的本质差异：“physics AI以基础物理定律为核心进行推理，无需消耗超长的时间与海量的计算资源，就能直接从环境中完成感知与分析，这也是基于物理的仿真技术能够驱动核心创新的关键原因。”在实际研发中，physics AI可辅助完成多方案快速验证、智能优化设计，让工程师从重复计算中解放，聚焦创新本身。

计算中最核心的算力则让AI与仿真高效落地成为可能。Altair在高性能计算（HPC）领域的成熟能力，与西门子平台融合后，实现本地与云端一致的大规模算力部署；通过AI重构算力调度，对CPU、GPU、内存进行精细化管理与弹性分配，让算力从“堆砌”走向“智能使用”。

Sam Mahalingam指出：“计算对AI至关重要，AI模型训练需要强大的计算集群支撑；在多学科创新与设计探索中，需要对自主循环进行并行处理，这就必须以高性能计算作为关键基础设施。Altair在这一领域已拥有成熟的解决方案，无论是本地设备还是云端部署，都能实现同等的高性能处理。”

面向中小企业，西门子持续推动技术普惠。梁乃明透露：“我们目前正在筹划与阿里云展开合作，将旗下多款软件进行云化部署，大幅降低中小企业的使用门槛与成本。”同时通过Fuse平台提供标准化智能体部署框架，让中小企业无需搭建复杂系统，即可使用AI+CAE能力。

据了解，西门子与比亚迪合作打通全链条数据，结合仿真与AI将新车研发周期从48个月压缩至18—24个月；为百事可乐构建仓储数字孪生，AI优化物流流程实现吞吐量提升20%、资本支出降低10%—15%；与头部家电企业合作私有云+AI项目，重构工程流程并带动行业快速跟进。西门子在用实践证明，AI+CAE已从技术概念变为可规模化复制、可清晰计算收益的产业级工具。

深耕中国市场战略

中国不仅是全球制造业转型的主战场，更是AI+仿真技术落地速度最快、需求最旺盛的市场。在“在中国为中国”战略下，西门子以本土适配、生态开放、务实落地为核心，把全球技术整合红利快速转化为中国企业的生产力，同时为行业厘清AI落地路径、规避转型陷阱。

对于制造业AI落地，行业普遍存在“重模型、轻基础”“重概念、轻场景”“重投入、轻收益”的误区。西门子给出的路径清晰务实：先夯实数据底座，再搭建AI应用。

梁乃明强调：“很多企业对AI的应用只有宏观方向，到落地环节就会出现断层。我们需要先帮助客户夯实基础，构建AI Fabric，梳理并沉淀高价值的核心数据，只有先完成这些基础工作，一旦明确应用场景，就能快速搭建对应的AI智能体，实现AI的真正落地。”

“西门子在工业应用领域拥有深厚的专业积累与自有制造工厂的实践经验，能够为客户提供高价值的开箱即用工具、数据模型与行业实践沉淀，形成适配全量数据的单点高性能分析查询网络，这也是我们将其命名为 Fabric，而非平台的原因。”Sam Mahalingam进一步阐释，AI Fabric并非传统平台，而是动态、开放式的生态系统，以知识图谱为核心，兼容西门子与第三方系统，真正实现“授人以渔”。

从产业格局看，AI正在彻底改写工业软件的价值逻辑。传统工业软件以功能与流程为中心，企业要跨多系统、多部门收集信息，付出高昂的“信息税”与决策延迟成本；而AI智能体可跨数据孤岛自动采集、整合、推理，把“人找信息”变为“信息找人”。

Sam Mahalingam预判：“未来每个企业的劳动力构成中，不仅有人力资源，智能体也会成为重要的组成部分。”他介绍，西门子已构建覆盖配置、设计、仿真等多领域的多样化智能体，通过Fuse平台实现标准化部署，让智能体自主运行、自主推理、自主执行，推动工业软件从工具化向智能化、自主化转型。“AI智能体能够跨数据孤岛获取全量信息，完成高速推理，不仅能大幅提升决策效率，还能保障决策的准确性与安全性，这将彻底改变行业的游戏规则。”

同样，工业领域的AI应用，安全与可靠是不可逾越的底线。西门子构建全流程安全管控体系，通过精细化身份权限、知识图谱安全嵌入、智能体行为合规约束，从源头防范数据泄露、偏移与未授权访问。

Sam Mahalingam表示：“要实现百分之百的准确性，核心需要AI与人类专家的协同配合。我们首先通过AI技术构建基础模型，再结合新数据与人类专家的判断进行多轮验证，最终的验证与决策，仍然需要人类专家来完成。”

“通过Teamcenter构建单一数据源，实现全量数据的可追溯，数据可靠性提升至95%-99%以上，这是AI可靠应用的根基，也是新车研发周期大幅缩短的关键。”梁乃明举例说道，面向未来，西门子将持续深化Altair技术整合，把全系列仿真工具汇入Simcenter体系，完善全学科、全流程解决方案；同时推进与NVIDIA等伙伴合作，打造工业AI操作系统与智能化元宇宙工厂，拓展数字孪生与AI的应用边界。

制造业的竞争，本质是研发效率与创新能力的竞争。当物理试错走到尽头，虚拟创新成为必由之路；当传统仿真遭遇瓶颈，AI注入成为关键破局点。作为全球工业软件尤其是CAD领域的龙头，以西门子为代表的全球工业软件领军者，通过战略整合与技术创新，今年在国内的路径是重心转向仿真，搭建起数字孪生、physics AI、计算三位一体的创新底座，值得国内的企业思考借鉴。