行业周报｜CAE正在发生的两个变化：底层适配、上层智能原创

技术邻-行业资讯 2026年9月8日 17:43

🔥 今日关注

1️⃣ 工信部"十五五"新型工业化路线图出炉

9月1日国新办发布会，工信部部署未来五年六大任务。与仿真相关的几条：

智能制造和工业互联网被放在核心位置，"智改数转网联"是主线；
提到要加快集成电路、智能机器人、6G等产业发展——这些领域多物理场仿真的需求量不小；
明确提出整治"内卷式"竞争。

对做仿真的同行来说，政策方向意味着相关项目投入大概率会持续。具体到个人，岗位需求和薪资走势通常滞后政策半年到一年左右反映出来。

🔗 涉及方向：国产替代、智能制造

📖 来源：中国工业报（2026.09.01）

2️⃣ 西门子Simcenter苏州站：Star-CCM+ 接入AI助手

9月3-4日西门子在苏州开Simcenter技术分享会，几个实际动作：

Star-CCM+ 自研Copilot首次公开亮相，特点是可对接企业本地大模型，数据不出内网；
蔚来、上汽几家车企上去讲了实际用例；
PhysicsAI之前放出的数据是把某碰撞分析从14小时压到10秒（这个数字待验证，不同工况差异很大）。

用Star-CCM+的同事可以留意一下Copilot的后续评测，目前公开信息还比较少，实际能用到什么程度不好判断。

🔗 涉及方向：流体仿真、CFD、AI+CAE

📖 来源：搜狐（2026.09.03）

3️⃣ 海光芯片+麒麟系统：12款国际工业软件完成适配认证

这周新京报报道了一组适配认证结果：海光CPU + 麒麟OS + 某国际头部CAE厂商的12款产品，累计23份测试报告全部通过。

覆盖范围包括：CAD/CAE/CAM平台、多物理场求解器、CFD、显式动力学、前处理网格工具等。桌面端和服务器端都测了。

实际意义：

如果你所在单位有信创要求，或者正在评估国产硬件替代方案，这组认证说明至少"能跑起来"这个问题基本解决了。但"跑起来"和"跑得好"是两回事——性能损耗多少、某些特殊求解器是否兼容，这些还得看具体项目实测。

🔗 涉及方向：信创、高性能计算、国产替代

📖 来源：新京报（2026.09）

🧩 今日技术

【仿真和实验对不上？排查思路梳理】

做过项目的人应该都遇到过这种情况：仿真算完了，云图看着挺漂亮，拿去跟实验一比，差了一大截。然后就开始纠结——到底是仿真有问题还是实验有问题？

先说结论：两边都有可能有问题，但排查要有顺序，不然容易浪费时间。

什么时候必须做验证？

三种情况基本躲不开：第一次用某个软件/模块时；边界条件做了较大简化时；仿真结果要直接用于设计签字或安全评估时。其他情况下看项目要求和时间预算灵活把握。

验证怎么个做法？

分三步走：

第一步，定比对指标。

选能直接测的量——位移、应变片读数、温度测点、压力传感器数据都行。别用"云图看着差不多"这种判断标准，主观性太大。

第二步，统一度量方式。

仿真取哪个路径/节点，实验就在对应位置测。注意实验数据本身也有误差——传感器精度一般是±0.5%~2%，安装位置偏几毫米都可能影响结果。

第三步，算误差。

常用的是相对误差和RMSE。工程上一般接受<10%的偏差，但应力集中区域有些公司内部标准会更严（5%甚至更低）。

对不上的时候按什么顺序查？

根据项目经验，建议按这个优先级排：

两个实操建议：

验证过程留记录。每次对比的误差值、改了什么、效果如何，记下来。下次遇到类似模型可以直接参考，不用从头摸索。
分级处理。关键工况（比如极限载荷、安全系数接近1的情况）做完整验证；常规工况抽样验几个点就行，没必要每个都对着做一遍。

📌 今日案例

【电池包直冷仿真：VOF相变模型的工程化应用】信息来源：Ansys 2026仿真应用大赛公开入围材料

背景：

新能源汽车快充功率上来之后，电池热管理的压力越来越大。液冷方案成熟但换热效率有上限，直冷（制冷剂直接蒸发）换热能力强，但建模难度也高——涉及两相流、相变传热、分流均匀性几个难题耦合在一起。

问题：

某电池包直冷系统的初始设计方案，仿真发现冷板温差达到40℃左右，远超通常的设计目标（一般要求控制在15℃以内）。同时整包电芯间的温差也偏大，部分电芯可能长期工作在非最佳温度区间。

用什么方法解决的？

基于Fluent搭建模型，核心是两块：

VOF多相流模型捕捉蒸发器内气液两相流动和分布；
Lee相变模型描述蒸发/凝结过程中的质量交换和潜热。

这类模型的关键难点在于参数标定。该案例的做法是通过实验数据从两个维度校准：流阻特性（系数范围约0.1-0.3）和温场分布（系数范围约70-90）。具体数值跟工质属性、流道几何、运行工况都有关系，这里只给量级参考，不能直接套用。

优化后效果：

冷板温差从约40℃降到12℃以内，整包NTC测温点温差控制在6℃左右。开发周期方面，有了仿真辅助，冷板设计迭代从原来大约6个月压缩到3个月左右。

可以借鉴的点：

直冷/热管/沸腾冷却这类涉及相变的仿真，模型本身的物理机制不难理解，难的是把系数调到能指导工程设计的精度。

该案例的思路是用实验数据做双向校准——仿真指导实验测点布置，实验数据反过来修正仿真系数。

循环几轮之后模型的预测能力会明显提升。不过这套方法的前提是有条件做配套实验，纯靠仿真软件默认参数，相变问题的精度通常不太够用。

🔍 趋势观察

【这周的两组消息：底层适配和上层智能化在同步推进】

海光+麒麟完成12款CAE软件的全栈适配，西门子放出Star-CCM+ Copilot和PhysicsAI的时间表。这两件事碰在同一周，某种程度上反映了当前行业两个并行的发展方向。

适配这件事，实际意义在于降低国产硬件的使用门槛。以前在国产平台上跑大型CAE软件，兼容性问题层出不穷，很多企业试了几次就放弃了。现在有正式的认证报告，至少采购决策时的顾虑会少一些。但认证通过和实际好用之间还有距离——性能损耗多少、哪些求解器有已知问题、大规模并行时稳不稳定，这些只能靠用户在实际项目中逐步反馈。

AI辅助仿真这边，国内外厂商都在推产品。西门子PhysicsAI Generate计划年底发布，号称可以根据需求描述直接生成CAD初版模型；国内适创、索辰也在推各自的智能体。从公开信息看，2026年下半年会有不少AI+CAE的产品进入工程试用阶段。试用结果如何，明年这个时候大概能看到一些真实反馈。

对一线工程师来说，这两个趋势短期内不会改变日常工作的大部分内容——边界条件还是要自己设，网格质量还是要自己盯，结果的合理性还是要自己判断。变化可能更多体现在：重复性高的操作逐渐被自动化工具接管，而工程师花在"判断"上的时间比例会相应增加。