CAE和AI技術雙融合已成為企業研發設計環節數位轉型的重要應用趨勢，但企業數位轉型絕不是單一環節的最佳化，而是全流程、全生命週期的轉型升級，數據驅動只有作用於各業務環節，才能真正協助企業持續發展。
數位化浪潮席捲全球，作為數位經濟核心驅動，數位技術逐步成為企業發展新動能，助推企業核心競爭力進化，在此背景下，數位轉型已成為所有企業的必選項和持續發展的前提，擁抱數位經濟成為企業的共同選擇。但從實際情況來看，以C端為導向的產業如零售電商、金融等領域在數位化方面走在前列，而以製造業、能源重工等為代表的傳統實體經濟產業的數位化進程相對緩慢，作為國民經濟的支柱以及政策支持的重點領域，實體經濟加速數位轉型迫在眉睫。
以製造業為例，過往中國製造業的轉型升級重在資訊化系統的建置以及企業內部資訊的打通，主要體現為ERP等大型業務系統的建設與升級，更偏重於流程驅動。隨著下游需求的多樣化和個人化成為主流趨勢，數據驅動開始成為製造業企業轉型升級的主流模式，產品設計、研發、生產製造的數位化成為企業核心競爭力，而國外工業軟體服務商則基於先進的技術和深刻的產業理解，持續深耕中國市場。
CAE技術與AI技術雙融合，協助企業數位轉型起飛
作為工業軟體的核心組成，CAE（電腦輔助工程）等研發設計類軟體是製造業企業數位轉型的主要工具以及軟體供應商的重點競爭領域。 CAE以三維實體建模為基礎，透過模擬產品在結構、流體、熱、電磁場等方面的性能，為產品研發設計提供依據，廣泛應用於製造業、能源重工等領域。
基於豐富的模擬模型和行業數據，CAE的應用可有效幫助製造業企業減少甚至避免產品設計階段多次召回調優的重複工作，助力企業降本提效，在「智慧製造」的帶動下，CAE對於製造業企業的重要性持續提升。
同時，全球市場競爭日益激烈，以汽車製造業為例，造車週期從過去的3-5年縮短到現在的1-2年，必然對各環節的效率提出更高要求，特別是在產品的研發設計環節將越來越重視模擬模型的準確性和輸出效率，而傳統的CAE三維建模技術逐漸難以滿足企業對於這種高時效性和逼真模型效果的要求，倒逼服務商數不斷探索更優的解決方案。
隨著AI技術的不斷演進，基於AI的機器學習能夠基於已有的大量數據，透過訓練神經網路得到更準確的預測模型，AI開始成為製造業企業在研發設計環節的重點應用技術。而將AI技術與CAE技術深度整合，以CAE在製造業累積的大量數據作為深度學習的基礎，將賦能CAE建模範式持續優化，並進一步降低計算成本。觀察到這一趨勢的全球領先CAE服務商紛紛開始探索AI技術與自身產品的融合，並積極擁抱AI CAE的更多可能性。
作為全球領先的CAE服務商，Altair創立之初主要聚焦於幫助汽車企業應用工程模擬技術，在觀察到傳統企業在產品研發設計環節的數位轉型痛點後，透過積極的研發、併購，逐步完善模擬、高效能運算和人工智慧技術融合的解決方案。
Altair也注意到了AI CAE的發展機遇，「透過將模擬技術和AI技術進行深度融合，並結合內部累積的豐富數據，能夠為客戶提供更貼近真實需求的模擬結果和更好的用戶體驗。」Altair大中華區總經理劉源在接受億歐採訪時表示。
實現產品化的想法和需求可以更好地實現，這源自於AI和CAE的深度融合。這與Altair內部提出的Physics AI概念不謀而合，基於現有大量的模擬結果快速建立機器學習模型，能夠幫助企業客戶快速建立新模型並輸出結果。
另一方面，從數位孿生角度來看，Altair內部的數位孿生建設有兩條路徑，一是基於傳統的三維建模，這種方式雖然能精確刻畫出模型，但在實際應用過程中速度很慢，無法做到即時顯示；第二條路徑依托romAI工具實現，CAE技術與AI技術深度融合，利用機器學習將三維模型降階到一維，從而做到更快速顯示模擬結果。事實上，Altair透過CAE技術與AI技術的融合，可實現分鐘級的汽車碰撞測試模型結果輸出。
圖：Altair離散元技術與AI技術的融合
從研發設計到行銷、管理等企業全生命週期的資料驅動，Frictionless AI重新定義資料分析新趨勢
現階段，CAE技術和AI技術的雙融合已成為企業產品研發設計環節數位轉型的重要應用趨勢，但企業的數位轉型絕不是單一環節的最佳化，而是全流程、全生命週期的轉型升級，數據驅動只有作用於各業務環節，才能真正協助企業實現永續發展。
從全球視野看，賦能企業數位轉型的數據服務商類型豐富，基因各不相同，不僅包括服務工業、金融、零售等特定行業數位轉型起家的服務商，還包括通用型AI技術、數據分析產品提供者。
在數據驅動業務發展和智慧決策成為企業數位轉型重要趨勢的背景下，如何將企業累積的海量且複雜的數據高效利用起來，挖掘並發揮數據的更大價值，打通企業設計研發-生產製造-銷售-維運全生命週期的資料流通與全流程數位轉型，成為現階段企業亟需回答的命題。
事實上，儘管許多企業都在努力實現全流程的數據驅動，但部門之間、人員之間仍存在孤立現象，許多企業難以正確並有效率地利用快速成長的數據。企業在應用AI技術和AI產品過程中會產生多種“摩擦”，而數據分析中存在的“摩擦”將成為企業數位轉型過程中的不穩定因素，導致專案失敗、成本和人員投入浪費等。
「使用者連接埠與資料之間、產業專家與資料之間，以及企業內不同部門之間都存在不同程度資料分析應用的摩擦，同時，既懂資料分析又懂產業的綜合性人才缺失也是企業面臨的一大挑戰」劉源表示，「因此，一個應用性強、易上手的數據分析平台對於企業數據分析的驅動，以及業務人員的賦能就變得尤為重要。」
基於企業數據分析應用的這一痛點，Altair提出了“Frictionless AI”，即“無摩擦AI”概念，旨在幫助企業解決用戶與數據之間、數據專家與行業專家之間，以及工具、基礎設施不斷變化等所帶來的摩擦。
圖：Altair的「無摩擦AI」能力
#自2018年開始，Altair在資料分析領域先後收購Datawatch、World Programming和RapidMiner，資料產品組合不斷豐富，最後形成一個完善的資料分析與人工智慧平台－Altair RapidMiner，致力於消除企業在數據分析中的摩擦與障礙，賦能企業以數據驅動實現智慧化決策，提升競爭力。
Altair RapidMiner是一個真正的端到端平台，消除了企業在資料分析過程中產生的人員、資料和業務之間的摩擦，能夠完成從資料準備、處理、建模到部署的所有資料分析任務，並幫助從業務分析師到數據科學家的不同專業用戶快速使用平台來解決數據分析和數據科學需求。
圖：Altair資料分析與人工智慧平台
#目前，大多數傳統企業仍處於數位轉型的早期階段，因此對於數據分析工具的需求正在快速成長。在數位經濟時代，企業面臨的挑戰是共通的，怎麼更好地存活下來，如何保持利潤持續增長等等，而數位化正是實現這一目標的關鍵手段，相信未來在需求的驅動和政策的支持下，數據分析市場將有更深入的發展機會和更廣闊的市場空間”，劉源表示。
從模擬到模擬 AI，技術融合成為Altair服務能力新引擎
模擬和數據分析在企業發展過程中扮演關鍵角色，透過深入挖掘和分析大量數據，企業能夠獲得更準確的洞察和預測，從而做出更明智的決策，並加快企業數位轉型。利用模擬技術與資料分析、人工智慧的融合，可協助企業有效提升產品設計與效率最佳化、縮短模擬週期，建構永續的競爭優勢。
劉源表示，進入資料分析領域的原因是因為Altair在成立之初就提供了數位化的解決方案，例如模擬和類比產品。以製造業為例，透過提供企業模擬分析解決方案，Altair累積了多年的製造業服務實務經驗，對於產品從設計、研發、生產到製造的完整生命週期的數位化有著深刻理解。 ”
相對於做資料分析起家的服務商來說，身為工程模擬領域的頭部企業，Altair前期已在使用者連接埠累積了大量的模擬、測試和訓練資料經驗，因此更懂客戶的業務邏輯和資料流轉邏輯，在工業類的企業服務實務上更有優勢，這也是Altair進入資料分析賽道的優勢。
「在推出數據分析產品之前，Altair的解決方案主要聚焦於提升企業的數位研發和數位設計能力，隨著Altair RapidMiner數據分析與人工智慧平台的推出，Altair實現了從提供企業產品研發、設計的數位化解決方案，到賦能企業營運、行銷等業務節點全流程數位轉型的進階。」劉源表示，對於Altair來說，模擬驅動和數據驅動雖是兩條解決方案業務線，但Altair正在實踐各技術的相互融合，共同協助客戶完成業務創新與智慧決策。
自2001年進入中國以來，Altair已經累積了豐富的產品實踐和客戶服務經驗，關於數據分析與人工智慧平台在中國市場的發展方向，劉源表示，「未來將持續推進數據分析產品對金融客戶的賦能，同時在汽車、消費性電子、能源重工等優勢產業做出一些最佳實踐，助力中國企業有效提升自主研發能力，帶動客戶整體競爭實力的提升。」
據悉，2023年6月9日，Altair將進行以「資料科學，解碼智慧未來」為主題的全新數據分析與人工智慧平台Altair RapidMiner啟動儀式，透過此次啟動儀式，Altair將協助企業用戶快速提升自身的競爭實力，解密數位經濟時代企業成功新路徑。
以上是AI牽引工業軟體新升級，數據分析與人工智慧在探索中進化的詳細內容。更多資訊請關注PHP中文網其他相關文章！
