作者丨临风

编辑丨海腰

图源丨Midjourney

F1是赛车运动的顶峰，F1赛车设计追求极致的速率与性能，兼具不雅观赏性和商业代价。
而10支F1车队，有4支在运用Neural Concept的技能。
因F1的保密性，乐意透露身份的仅有威廉姆斯车队。

“从设计脚踏车到Formula 1（以下简称F1）是一段漫长的路，这是Neural Concept的CEO Pierre Baqué花6年韶光实现的巨大飞跃。
”科技Tim Stevens评价。

Neural Concept是一家AI工程仿真平台，在6月4日获投2700万美元，本轮融资由Forestay Capital领投，“定量剖析之王”D. E. Shaw公司，及奥地利VC CNB Capital、德国的HTGF、法国VC Aster、Alven参投。
截至该轮，Neural Concept融资3680万美元。

图源：Neural Concept

上周，Neural Concept宣告与西门子数字化工业软件合浸染于产品工程，并有模型预测干系论文被纳入ICML2024机器学习顶会。
该公司的核心技能NCS系统基于机器学习，能供应空气动力学建议，让赛车在赛道上拿下成功。

威廉姆斯车队空气动力学技能卖力人Hari Roberts表示：“我们用了很多方法利用NCS，个中一些技能提高了仿照效果，另一些则有助于打算流体力学（CFD）时首次得到更好的结果。
”

2023年底，F1赛季总结显示，2022年垫底的威廉姆斯终极收成车队积分榜第七，是其自2017赛季以来最佳排名。

与此同时，Neural Concept所做的工业仿真软件在我国也有兴旺需求，在AI浪潮来临时，实现CAE（打算机赞助工程）的国产替代机会呈现。

2018年，一名还在实验室演习的学生找到法国IUT Annecy团队卖力人Guillaume de France，说要帮他们设计第6代或第7代自行车，来冲破天下记录。

IUT Annecy在世界拉力赛寻衅中已有10年履历。
当时，平坦道路上的天下记录是荷兰团队在内华达沙漠创下的133.78km/h。
2天后，这个学生就带着那个险些与天下记录保持者相似的“模型”来找Guillaume，团队大为震荡，哀求他多迭代几次。

要帮IUT圆梦的便是Pierre Baqué，他代表的是欧洲强校之一，瑞士洛桑联邦理工学院（EPFL）的CV Lab，他们的衍生公司Neural Concept能利用AI软件在几分钟内设计出符合空气动力学的最佳自行车形状。
据先容，该公司与2018年在瑞士成立，自那时起实验室利用平台已经完成60多个工业项目。

图源：领英，Neural Concept团队

跟日常生活的单车长相不同，IUT Annecy参加人力速率寻衅的脚踏车要的车速比高速路的汽车还快，最高时速快过130km/h。
人力速率赛制是8公里助跑+200米测速跑道，车手在通过200米路段时要以稳定的最高速通过，以得到最准确的测速结果。

图源：网络，图为卧式脚踏车

在2016年天下人力极速寻衅赛（WHPSC）上，一个“子弹头”样子容貌的自行车最高时速144.17km/h就颠覆过大众认知。
这个造型自行车在20世纪30年代涌现过，更符合流体力学，人类卧躺个中脚蹬两轮，称为“躺车”。

工程师的传统技艺是靠履历和直觉设计，再用打算机仿照测试。
在他们的软件涌现之前，常日是CAD设计师做3D设计后发给其他人做数值建模。
这须要很长的韶光运行或须要进行物理测试。
不同以往，IUT Annecy靠Neural Concept做优化设计卧式自行车的整流罩，设定自行车最大长度和宽度，可以在几分钟内快速筛选和比较各种形状，找到最佳方案。

“我们的程序设计出来的空气动力学效果比传统方法好5-20%，”Pierre Baqué在EPFL的文章中阐明，另一个好处是，软件设计不带人的偏见，“用于演习的形状可能跟给它的标准形状有很大不同，这给了它很大的灵巧性。
”

终极，IUT 设计出来的参赛斜躺自行车更像是一个火箭胶囊，破风竞速。

图源：Neural Concept

2019年，WHPSC在内华达州举行，IUT Annecy的赛车手用他的产品冲破2项自行车速率天下记录，骑手 Ilona Peltier骑行速率126.5km/h，创造女子自行车所有种别速率的新天下记录，她的队友 Fabian Canal以 136.7 公里/小时的速率创造了新的男子大学生天下记录。

其余，就在去年9月，一个7次得到园地自行车天下冠军的法国人François Pervis也骑着Neural Concept设计和开拓的卧式自行车冲破了欧洲的速率记录（138km/h），靠近天下记录。

图源：rmcsport

这是Neural Concept实力的证明。
据先容，其核心技能是Neural Concept Shape，简称NCS，一个基于机器学习的系统。
它可以供应空气动力学建媾和推举，适用于流体动力学这一广泛领域，有履历的工程师可以利用前辈的软件进行三维空气动力学仿照。

在实际用例取获胜利后，NCS的目的是再次深入，要在道路上的空气动力学做出成绩。
Pierre提到，他们的平台不仅能运用于自行车设计，在航空航天、无人机、微电子等领域也有效用。

只不过，航空航天类公司相对守旧，不会快速采取NCS方案，“以是我们开始更多地与汽车行业互助，这个行业需求急迫，变革很快。
”

据宣布，Neural Concept与斯巴鲁（Subaru）、马勒（Mahle）、博世（Bosch）等汽车制造商/供应商签订条约，空客（Airbus）、通用电气（GE）也在利用其产品，制造电动或氢动力飞机。

图源：Neural Concept

他们跟博世互助做电驱动电机外壳仿真项目，将预测速率缩至30毫秒；与PSA（标志雪铁龙）互助开拓用于外部空气动力学的实时预测模型，缩短设计周期。

Neural Concept称，在三维环境中利用深度学习技能，将数据剖析和机器学习结合，将开拓韶光加速75%，产品仿照加速10倍。
Pierre Baqué自傲表示，它的平台可以将电动车的开拓韶光缩短至18个月。

在Neural Concept的进阶路上，F1便是他们追求极致速率的试炼场。

赛车形体狭长、车身窄、质量轻，最高速率能靠近370km/h，团队合营的情形下必须在2s内改换一辆车的4个轮胎，竞速便是与极度的重力环境作战。

如今，10支F1车队中有4支都用了Neural Concept的技能优化。
因F1是一项有保密性子的赛事，以是仅有威廉姆斯车队透露了正与NCS平台互助的讯息，利用其工程智能平台简化仿照流程。

7月9日，威廉姆斯车队在银石赛道中取得了P9，拿下了2积分。
虽然仍是作为后排车队，但对他们来说是个好成绩。

图源：Williams Racing

威廉姆斯车队是曾经的冠军车队，在经历成绩跳水和收购后，与顶级车队如梅赛德斯比较有显著差距，正处于重修阶段。
威廉姆斯车队的技能卖力人Roberts对Neural Concept供应的平台表示肯定，“任何能让我们从CFD和风洞测试中得到更多知识、提升性能的办法，都会给我们带来竞争上风。
”

打算流体力学（CFD）在F1的空气动力学设计和优化中，扮演关键角色。
CFD许可工程师在打算机上仿照和剖析赛车在不同速率、角度和环境条件下的空气动力学指标。
从20世纪90年代开始，风洞测试借助3D工程打算或CFD进行赞助。

如果把车队工程师比作“糕点师傅”，那CFD便是一个仿照环境的智能烤箱。

客不雅观情形而言，赛车的风洞测试韶光非常昂贵，F1的分外赛事规则增加了仿照的繁芜性，也是车队测试能力的极大寻衅。
风洞测试是不可短缺的一环，2005年丰田就花了3000万欧元建了一个风洞，造价昂贵。

而且风洞测试的实际韶光受到严格限定，每个车队在开拓赛车时可利用的打算预算（用于打算的资金、资源）也有限。

恰逢2021年F1出了预算帽（(Budget cap）新规用于促进公正竞争，即车队单赛季可以花费的最大金额将掌握在1.45亿美元，考虑通胀情形，数字会有颠簸，变成1.4亿美元（2022）、1.35亿美元（2023）。

因此，本钱低廉、效益更高的CFD办理方案被F1车队纳入考虑范围。
这并不是没有可能，2010年，维珍车队（Virgin Racing）在新入赛场时，只靠CFD技能替代传统风洞测试设计赛车，只管成绩吊车尾但被称为“究极神车”。

图源：YouTube，Virgin Racing VR-01

人工智能涌现后，仿照的钱还能省，那便是降落CFD的打算繁芜性。
F1车队对安全性有极致的追求，高精度的工程打算。
仿照须要在3D空间里对数亿个点进行数学运算，每每须要大量RAM和大量处理器（CPU/GPU）。
个中，高性能资源需求、繁芜的物理模型昂贵的CFD软件和永劫光打算本钱都是限定难题。

Neural Concept在这种情形下发挥的效用是，AI驱动软件加速仿照，降落对物理测试的依赖，减少F1空气动力学CFD打算的繁芜性同时又不丢失准确性。

不同以往的工程师要假设、仿照测试多次，神经网络是运行速率极高的仿照器，这让工程师在1天内探索数百万种设计成为可能。

据Neural Concept客户案例演示，他们的F1用例中，测地线CNN（几何卷积神经网络）险些实时预测F1空气动力学的能力，而在HPC集群上运行则须要数小时，NCS的预测结果也相较准确。

Pierre表示，常日须要一个小时完全的CFD仿照，通过NCS仅需约20秒完成，且由于NCS是基于空气动力学学习网络进行AI驱动的预测，很大程度上不受F1严格限定的约束。

据先容，F1赛车不会总跑在直道上，车身采取流线型车身和空气动力学套件以减少阻力，提高车速和稳定性。
车身设计是车队工程师主要事情之一。
因此，任何帮助车队完善空气动力学设计的工具都是潜在上风。

不过，NCS价格也不低，根据车队规模和利用办法有所差异，大概是10万欧元到100万欧元之间。

Reddit网友结合履历剖析，NCS可能运用在前翼端板的部件上，利用了多个设计的行为数据，将表现最好的一个进行CFD测试，“我认为目前这项技能更多地是绕过CFD打算限定，而不是辅导设计。
”

此外，Neural Concept的在汽车行业也有系列运用赞助工程设计，如换热器运用预测出口温度和压力低落，或引入Shape运用预测仿照结果，使工程师能得到标量和矢量，整合风洞数据，以及Shape可以仿照优化旋转机器。

由此，该平台加速了产品开拓、产品仿照、性能改进的效率，被形容为“未来车辆的工程智能”。
他们与环球多家供应商签订了条约，NCS还能用于开拓电池冷却板的产品，改进电动汽车的续航里程。
据统计，Neural Concept在2023年实现300万美元收入。

NCS的AI仿照仿真不仅限于陆地的汽车/赛车竞速，同样适用于空中、水面，只是后两者的预测能力较差，工业界对航空运用的CFD信心有限，而他们打算提振这个信心。

Neural Concept正操持冲破一项天下记录。
他们与帆船团队SP80互助，在标准设计事情流程中利用NCS，操持造一艘时速达到80节的水翼船，仅靠风力推动，旨在2024年冲破天下帆船速率记录。
他们与NUMECA互助项目HiFi-TURB也是旨在改进湍流模型，提升CFD在航空航天等高哀求领域的运用效果。

图源：Neural Concept

此外，Neural Concept有医学领域的运用，助力3D眼部扫描，给新眼科产品的打算机临床试验加速。
他们也在与英伟达互助，优化GPU及CUDA软件中的深度学习模型。

Neural Concept的AI仿真工程是CAE（打算机赞助工程）的一部分，也是AI for Science的有效考试测验，让CAE“老将焕新生”。

AI+CAE在工业领域运用处景较大，可以做到快速的3D仿照结果预测、动态ROM模型创建、形状搜索识别及集成剖析。
美国、英国等一贯重视CAE等前辈工程技能的发展，许多领先的CAE软件公司如Ansys、Autodesk等都来自美国。
2023年末2024年初，Ansys和Altair也推出了AI+CAE空气动力学打算产品。

Uber报告提出，机器学习是CAE最有前景的AI技能之一，而近年正有人将深度学习运用于CFD仿照，中国航发研究院李义进表示，将人工智能引入CFD是目前提高正向处理流体打算的准确性的主要路子之一。

如南京天洑软件将AI与CAE结合，为一家汽车企业研发环境风洞数字化平台，实现多个仿真场景的自动化流程，产品线包括AICFD、AIPOD等，其做事的工业软件是当地政府看重的方向。

据行业人士剖析，2022年，我国CAE国产化率约为11%，这些厂商的软件仅适用于特定领域，大部分客户是军工企业，商用较少。
且国产对标国外专用CAE，在覆盖度、成熟度、易用性方面仍有差距。

而海内涵CAE行业内“卧虎藏龙”的企业并不少，有HAJIF软件背后的中国飞机强度研究所、北京盈建科、北京安怀信、北京世冠、哈尔滨新光光电、上海霍莱沃、成都前沿动力、大连INTESIM、广州中望软件等。

个中，霍莱沃和INTESIM的创始人来自Ansys，前沿动力的技能领头人胡光初是旅美科学家、NASA肯塔基州五个专业委员会的委员之一，世冠的GCAir在C919的虚拟测试环节发挥浸染，中望软件（ZWsoft）是工程建模国际威信组织NAFEMS（国家有限方法与标准机构）的会员单位。

目前海内CAE市场较小，但增速较快。
CAE行业内的公司Ansys、Dassault、西门子等国外企业在中国软件市场排名前三。
海内CAE厂商索辰科技在财报中称，海内CAE市场整体规模增长。
IDC数据显示，2022年我国CAE市场年增长率为17.13%，估量2022-2026年CAE市场CAGR将达到18.4%。

中国科学院院士陈十一曾表示，CAE软件和人工智能的结合来办理工业化、信息化问题是发展的一定，对省市乃至全国做新质生产力来说是一个非常主要的发展道路。

在工业研发设计软件站上AI风口时，外洋公司正通过收购加速研发。
去年底，西门子完成insight EDA收购，今年1月Synopsys花350亿美元收购Ansys，强强互补。
EDA巨子Cadence扩大与Dassault互助应对云厂商定制芯片需求，并购BETA CAE进军构造剖析。

外洋技能整合时期，深度技能发展缓慢，海内有望抓紧机会缩小差距。
据宣布，我国EDA企业也有并购整合，趁着东风强化产品完全性。
如芯华章并购瞬曜电子整合超大规模软件仿真技能，华大九天收购芯达科技补短板。
索辰科技、东玺技能等专业公司则正向着CAE国产替代的方向进发。

“工业软件本身产生的GDP不大，但它影响的GDP是万亿级的”，陈十一认为，“工业仿真软件在海内需求兴旺，但自主软件渗透率极低。
正是如此，我们的机会才最大。
”