只需导入列车三维几何文件，无需进行缝隙缝合和破面修补，人工建 模时间由 6 小时缩短至 1 小时。气动载荷计算方面，利用仿真大模型 替代传统的流场仿真，计算时间由超算平台上的天级缩短至单机显卡 上的秒级。 6.应用实效： 天级飞跃至秒级的仿真效率提升。斫轮·风驰大模型首次实现人 工智能技术与轨道交通装备仿真领域的深度融合。以列车真实几何外 形为输入，利用空气动力学智能化仿真大模型，将单工况的列车气动 性能 树立了新标杆。它能将开发周期由数月缩短至数天，支持高性能翼型 快速探索，成为气动外形优化领域的关键进展，契合工业界对效率、 创新与适应性的核心需求。 科研智能：人工智能赋能工业仿真研究报告（2025 年） 40 6.应用实效： FuncGenFoil 模型自部署以来，已在实际工程场景中实现成功应 用，涵盖从二维翼型的初步设计到工程优化的多个关键环节，显著提 升了研发效率并降低了成本，展现出良好的经济效益与行业示范价值。 研发。跨行业场景拓展，新能源领域突破，基于风扇优化技术积累， 天洑软件将 AI+仿真能力延伸至新能源汽车电耗分析。通过分析 2000 条车主数据，精准定位气温、电池老化等影响续航的关键因素，为车 企优化设计提供依据。 6.应用实效： （1）应用场景与目标用户 科研智能：人工智能赋能工业仿真研究报告（2025 年） 47 场景方面，可应用于工业风扇、通风设备、散热系统等旋转机械 的叶片设计与性能优化。用户方面，已覆盖全国

维管理平台的开 发工作拟采用“总体控制、分步实施、急用先行、滚动开发”的策略， 因此根据这一策略及客户信息化工作先后秩序的差异、用户急需程 度不同，同时也保证阶段性的成果能够尽快投入运行，收到实效。 项目实施总工期约 3 个月，进度安排如下表所示： 项目 项目 准备 需求 调研 项目启 动会 编码 产品安装及 项目组培训 用户 培训 试运行 及考试 项 目 验

成本。 油井工况诊断：传统的人工巡井方式效率低、预测准确度差，无法及时发现异常工况。通过 人工智能算法可以更快速、准确地实现油井工况智能诊断、故障预测、产液量和动液面计 算，提升油井生产时率与实效。此外，在人工智能算法优化及积累的同时，机器证明结合对 抗网络，可集中对算法的公式及证明提供支撑，助力算法实现更高效的积累。 勘探开发风险管理：人工智能视觉技术被用于环境监控与监督，通过分析实时视频数据来评