1 一、人工智能赋能工业仿真发展背景 人工智能赋能工业仿真是指将人工智能技术（如机器学习、深度 学习）与工业仿真技术进行深度融合，通过数据驱动、智能决策和动 态优化，实现对工业全流程的虚拟化建模、实时模拟与自主优化的一 种新型技术范式。其核心在于利用人工智能的自主学习与预测能力， 提升仿真的精度、效率与智能化水平，推动工业系统从传统模拟向自 适应决策演进。人工智能赋能工业仿真不仅覆盖产品研发阶段，还延 集群等昂贵的硬件资源的支持，导致仿真应用的技术门槛和经济成本 长期居高不下。二是建模方法与流程存在局限。传统仿真主要基于经 验与规则模型，需通过反复的人工调参与验证假设，造成研发周期长、 成本高等问题，尤其在面对多物理场耦合、非线性动态系统等复杂工 科研智能：人工智能赋能工业仿真研究报告（2025 年） 2 程场景时，极易入“建模难—计算繁—精度不足”的恶性循环。 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 人工智能为复杂场景的建模仿真提供新方案。对于多物理场耦合 （如电磁-热-力耦合）、跨尺度问题（如从微观材料特性到宏观结构 响应）等高度非线性、难以通过解析方程精确建模的复杂工程问题， AI 展现出独特优势。一方面，AI 可通过学习大量仿真数据或实验数 据，构建高维非线性映射关系，从而实现对复杂系统的高效建模与预 测。例如，索辰科技的 CAE 平台利用图神经网络（GNN）对复杂拓 扑结构进行建模，在电磁-结构耦合仿真中将预测误差控制在

同时拥有二维CAD、三维CAD/CAM、仿真CAE核心技术与产品矩阵 可 信 赖 的 A l l - i n - O n e C A x 解 决 方 案 提 供 商 核 心 技 术 DWG文件并行读取 三维几何建模引擎 图形并行生成 几何约束引擎 图形数据库 数据转换引擎 内存池 高性能计算引擎 仿真求解器 高性能渲染引擎 通用前后处理引擎 网格剖分引擎 模具 通用机械 能源动力 轨道交通 {} 自主三维几何建模内核（Overdrive） 体现CAD厂商专业化与商业化能力的关键，满足国产自主化需求 国内极少数自主三维建模内核，拥有全部知识产权，安全可靠 超过30年工业设计应用实际验证，成熟稳定 具备强大的混合建模能力 “实体-曲面对象”混合建模 支持各种几何及建模算法 几何算法：求交、投影、分割、合并、延伸、偏移等 建模算法：拉伸、旋转、扫掠、放样、布尔、圆角、抽壳、拔模等 圆角、抽壳、拔模等 同步建模技术 支持容差模型 数据交互，支持模型诊断与修复 可 信 赖 的 A l l - i n - O n e C A x 解 决 方 案 提 供 商 自主内核 安全可靠 三维几何建模内核，超30年工业设 计应用验证，技术成熟，安全可靠 三维建模 高效快速 强大的混合建模能力，支持各种几何 和建模算法，快速实现设计创意 行业应用

北京市分行、国家金融监督管理总局北京监管局、北京证监 局、市科委中关村管委会、市经济和信息化局印发实施了《北 京市推动数字金融高质量发展的意见》 2，提出搭建数据开放 共享机制，通过数字孪生、联合建模、图计算等技术手段， 对数据资源进行价值挖掘和关联分析。 （三）数字孪生体系架构 数字孪生体系架构需支撑数字孪生的核心目标，建立与 物理空间等价的虚拟实现表达，并在全生命周期内支撑物理 空 日发布，旨在通过数字技术推动金融业高质量发展，服务数字经济和数字中国建设。 3 服务层：包含支撑数字孪生业务应用的各类技术服务， 包括感知技术类服务，通常有 IoT，5G 等类型服务。建模服 务，指通过技术手段对物理实际业务实体进行建模映射。渲 染服务，指根据通过建模服务得到的模型进行渲染，从而得 到一个与物理实体等价的虚拟实体。仿真服务，指在建立虚 拟实体上进行各类运算，从而对实际物理实体的运行决策进 行支撑。 了潜在空间的平滑性，使得我们可以通过在潜在空间中采样 来生成新的数据点。 4.建模技术 建模技术是将物理世界中的对象、过程或系统转化为数 学模型或计算机模型，为数字孪生提供一个虚拟的“骨架”。 几何建模是最基础的一环，通过 CAD 计算机辅助设计软件创 建物体的几何形状及物体间行为框架，通过一系列可变参数 控制模型。针对复杂场景，可基于点云的建模技术通过 LiDAR （光检测和测距）或其他 3D 扫描设备获取大量空间坐标点，

农 业 基 准 数 据 库  数据增值的关键在于整合，但整合的前提是数据标准的统 一。 3. 农业大数据分析处理技术 建模技术：  农作物生长与产量形成机理建模；  农产品消费行为与消费量变化动态建模；  基于多代理系统进行农业智能仿真模拟；  关联分析：  专家会商系统结合；  专家智慧动态引入；  仿真模拟智能化和自适应； anXn anXn a X a X a Y       2 2 1 1 0 多代理 系统 CAMES模 型系统 专家会 商系统 农业动态 建模技术 农业动态 建模技术 交互仿真 模拟技术 交互仿真 模拟技术 仿真可视 化技术 仿真可视 化技术 农产品消费 行为与消费 量变化模型 农作物生长 与产量形成 机理模型 介入与反 馈模型 农业智能仿真架构 农业智能仿真架构 优化调整 多品种市场关联预测技术 高频变农产品市场数据处理 关键技术 多品种、多地域、多类型农 产品市场预测模型系统  智能预警基础算法 智能算法 B E C D A 预警算法的可 计算建模技术 农产品市场预警与市场反馈机理模型 大数据密集与大 数据驱动条件下 的预警基础算法 预警算法参数 自调整技术 预警发布流程调度技术  农产品市场预警 多维模拟技术  基于大数据的农业行业分析预警将成为热点

安全性和可靠性将不断提升，氢燃料航空 将成为航空业的重要发展方向，并将推动我国实现“双碳”目标。 （10）临近空间高超声速滑翔弹头跳跃弹道预测 临近空间高超声速滑翔弹头跳跃弹道预测旨在通过数学建模、仿真分析和实时跟踪等手段，预测高超 声速滑翔弹头在临近空间（20~100 km 高度）内无动力滑翔过程中的高速飞行航迹。该类弹头在空气动力 作用和伺服控制机构的综合作用下，以跳跃变轨迹方式在临 第三章 信息与电子工程前沿 全球工程前沿 Engineering Fronts 进缺陷检测算法，通过改进网络结构，优化算法和数据处理方法，提升缺陷识别、检测的精度与效率。 ④ 缺陷成因分析与建模。基于超高灵敏度缺陷检测技术，探究缺陷形成的物理机制，并预测其对器件性能 的潜在影响，为高精度加工工艺设计和改进提供理论支撑。 目前，该技术正朝着更高灵敏度、更高分辨力、更高检测速度、更智能、更低成本的方向持续发展。 ① 分布式规划与智能协同 控制体系架构设计，包括动态主节点的选取机制、星群分层分组策略，旨在为大规模星群规划与控制提供 工程实施框架；② 去中心化的分布式自主协同决策理论方法，包括分布式决策问题建模、模型有效性分析、 自主协同决策算法设计、收敛性分析与保证等，为大规模卫星集群任务规划提供理论基础；③ 基于生物 群体智能和前沿智能技术的大规模集群协同控制方法，以实现仅依赖邻居通信的分布式自组织协同控制；

算进行对比， 目标是评估该类问题是否适用量子计算，而不是给出该类问题是否必 须依赖量子计算、是否有量子加速优势等结论。 二、计算场景与需求 从数学角度看，各行业面临的计算难题，最终都可以建模为搜 索、优化、运算和模拟等四类问题，如图 2 所示。每类问题在不同 场景中，都有核心计算性能指标，包括计算速度、计算规模、计算 精度、计算能效或其他指标。在采用量子计算时，这些指标实际性 小区 功率和天线权值优化（不考虑站址、机械下倾角、天线挂高等参数 量子计算应用能力指标与评测研究报告（2024 年） 7 优化），具体问题建模与算力需求如表 1 所示。 表 1 大规模无线网络覆盖优化问题 问题 建模 问题类型 组合优化 问题规模 500 小区 问题模型 覆盖图：小区为边，有干扰为边 图分割 QUBO+子图优化 QUBO 求解目标 2）无线网络中多用户调度需求 多用户调度是去蜂窝网络和超大规模 MIMO 技术中的关键问 题，保障用户体验和提升网络容量的重要手段，具体问题建模与计 算需求如表 2 所示。 量子计算应用能力指标与评测研究报告（2024 年） 8 表 2 无线网络中多用户调度问题 问题 建模 问题类型 组合优化 问题规模 40 用户 问题模型 加权最大独立集 求解目标 最大化权重值（最大化高权值用户接入率）

是工业智能 化发展关键的综合信息基础设施”。工业互联网是以机器、原 材料、控制系统、信息系统、产品及人之间的网络互联为基础， 通过对工业数据的全面深度感知、实时传输交换、快速计算处 理和高级建模分析，实现智能控制、运营优化和生产组织变革。 放眼全球，各工业大国均出台了工业互联网领域的顶层战 略，加快推动工业数字化转型与智能化发展，强化工业核心竞 争力，抢占竞争制高点，夺取发展主动权。美国高度重视发展 景适配验证。数据集成能力进一步加强，工业互联网集成技术 向更深层次的模型集成和更广范围的数据主线演进，为数据和 模型融合决策提供底座支撑，使更深层次的互联互通互操作成 为可能。识别类、数据建模类、知识推理决策类以及组合优化 类等传统工业智能由简单感知识别向深度认知演进，随着应用 认知水平依次递升，应用范围加速由质检、巡检等外围环节向 工艺优化、设备运维等核心环节演进。 （五）工业互联网特征优势 时获取生产数据和信息，协调生产活动，从而提高生产效率和 响应能力，减少信息孤岛，增强生产过程整体协调性和灵活性。 智能分析。利用大数据、人工智能等新兴技术对收集到的 大量数据进行深入挖掘和建模。通过对海量数据的处理和分析， 揭示出生产过程中的模式和趋势，根据历史数据预测未来的生 产情况，减少设备故障和停机时间，优化生产工艺，提高资源 利用率，推动生产过程的整体智能化升级。 知识复

石化行业装备智能化运营管理需求迫切 泵 压缩机 汽轮机 风机 石化行业是典型的重资产行业代表，设备性能直接关系到生产装置的投资、产能、 质量、安全、能耗及成本，设备运行状况将直接影响装置安全稳定运行。然而，采 用传统的设备建模方式，存在模型构建复杂、构建的数学模型通常不完善、存在诊 断滞后等问题。 炼化设备在石化生产中具有 至关重要 的作用 6 AI技术的快速发展为石化装备智能管理提供了可能 交互查询 批查询 A I 智 慧 发 力 BigData 深 度 赋 能 12 石化装备AI管理—中化工业互联网平台深度赋能 拖拉拽模型构建 交互式建模分析 深度优化算法库30+ 模型管理/发布可视化 用户数据 数据预处理 特征探索 机器学 习建模 模型评估 批量/实时预测 故障监测诊断 能耗优化 客户精准营销 工业安防 工业仿真 驾驶行为分析 文本分类 话题发现 中化AI 智慧发力 生命曲线，获取充足的正样本； • 用人工智能方法定位设备的工况和趋势预警； • 采集数据源：机组转速、轴向振动、径向振 动、温度、流量、压力等。 用户数据 数据预处理 特征探索 机器学习建模 模型评估 批量/实时诊断 数据预处理 历史数据 实时数据 特征提取 大数据分析 样本库构建 模型训练 分类/预测 离线 在线 振动信号 转速信号 温度信号 载荷信号 石化装备AI管理—主要功能组件