CAE(Computer Aided Engineering，计算机辅助工程)始于50年代，由数学家、科学家和工程师共同开发，可用于求解分析复杂工程和产品。起先，CAE旨在改善航空和汽车行业的设计，例如，模拟飞机周遭的冲击波、气流、温度数据，计算汽车模型表面的压力系数等。

随着半导体工艺对摩尔定律的进一步推动、内存的每一次进步以及CPU和GPU并行处理能力的倍增，CAE性能随之扩展，其应用范围也逐渐延展至制造业的方方面面，并有势头成为 “数字孪生”、“工业互联网”、“智能制造”，乃至“工业元宇宙”的引擎。

1/CAE转型：从CPU走向GPU，这头巨兽已迈出两个十年

作为一种资源密集型技术，即便历经大半个世纪的发展，CAE领域仍然充满挑战，始终向新技术与新解决方案敞开大门。

·精益求精的工程师们提出需求：更真实！更复杂！更大规模！

Altair、Ansys、Autodesk、Dassault Systèmes (Simulia)、Hexagon MSC和Siemens等主要工程仿真软件提供商长期依赖将CPU作为驱动计算的主要引擎时开发出的技术。最初，模型已经过简化，可适应计算系统，但制造业对仿真度有着孜孜不倦的追求。

然而，如若以基于CPU的工作流程来处理这些问题，则必须考虑到CPU的功能——必须缩小模型的大小、简化设计并管理网格大小，因此，最终评估的实体可能与要分析的真实事物大相径庭。显然，这又将我们带回了原点。

1999年，NVIDIA发明了GPU (图形处理器)，这为CAE实现重大转型创造了舞台。就像许多受益于并行处理的领域一样，CAE的主要任务是执行大规模并行进程。CAE通过在模型上创建节点网格来评估模型，然后对节点应用力和条件，评估设计是否适合其用途。网格越密集，仿真就越可靠。对于GPU来说，这是一个显而易见的应用领域，软件供应商和硬件开发者在GPU出现的初期就已经认识到了这一点。

·半导体巨头推动GPU加速的普及

GPU的优势在于单个芯片上的处理单元数量远超CPU，从处理器的角度上来比较，GPU的成本远低于CPU，但GPU和CPU的工作方式各不相同，需要针对两者采用特定的编程方法，因而，为GPU调整这些程序却并非易事。

这时，GPU的发明者NVIDIA做出表率，于2006年发布NVIDIA CUDA (Compute Unified Device Architecture)——一种并行计算平台和编程模型，并于2008年之后，与业内领先的公司合作推进OpenCL (Open Computing Language，开放设计语言)——专为异构平台（CPU/GPU/DSP/FPGA等）编程设计的框架。这些编程工具让开发者能够更轻松地利用GPU来大幅提升计算性能。

NVIDIA一直与CAE开发者合作，创建为仿真分析可视化常见任务量身打造的工具。公司独树一帜，专注于GPU，推动其进入专用工具开发领域。2023年，随着NVIDIA的Grace CPU的推出，其将在GPU+CPU的道路上发展得更加深远。

2/软件生态向GPU算力靠拢

半导体发展趋势、GPU在并行计算方面的独特优势，以及NVIDIA等GPU厂商为CAE搭建的开发工具，让入局以GPU为基础的CAE变得更加容易。

·CAE不断迭代：提高自动化水平，注入AI

除了对更复杂、更逼真、更大规模的CAE应用的需求外，21世纪初，计算机辅助设计 (CAD) 软件供应商也开始获取CAE技术以添加到设计工作流。集成到CAD流程中的分析工具具有更高的自动化水平，这让设计师能够在工作时执行简单分析。

要实现上述两个愿景，需要构建插件和附加组件来实现GPU加速，并进一步添加云资源、推进高性能计算 (HPC) 的应用。同时，人们也越来越关注使用机器学习 (ML) 和人工智能 (AI) 来预处理和识别模型中值得关注的领域。

·软件厂商争先“吃螃蟹”

自2014年以来，各个主要CAE供应商都在某种程度上利用了GPU加速。

Ansys和Hexagon专门针对GPU设计并编写了应用程序。

Ansys针对GPU从头开始设计了应用Discovery，这一互动实时仿真解决方案允许在流体、热力学、结构和模态应用中进行迭代设计探索。此后，PTC与Ansys在2018年的LiveWorx 18数字化转型会议上宣布，PTC的Creo 3D CAD软件中将实现Ansys Discovery Live实时模拟功能，这消除了CAD与模拟活动之间的界限。

                                                                   Ansys Discovery典型应用（图片来源：Ansys）

同样，Hexagon也决定从一开始就为GPU编写其新产品MSC Apex Generative Design，NVIDIA的CUDA框架为Hexagon的开发者提供了一个轻松的切入点，他们能够立即开始编码，不仅能够更快生成产品，而且将设计、网格化和分析功能融于一体。

                                     MSC Apex Generative Design的工作流程

西门子则是致力于让其CFD软件可以在CPU与GPU之间无缝切换。2022年初，西门子发布了首个GPU版本的Simcenter STAR-CCM+，这一版本在一开始专注于车辆外部空气动力学应用，随后，Siemens工程师投入巨资，移植所有可在未来数年从GPU中受益的物理、求解器和相关软件部件。

                                        西门子能源采用自家产品打造复杂精密的数字孪生

达索系统（Dassault Systèmes）和Altair选择将GPU加速逐渐应用于原有产品中。

达索发现，GPU的架构非常适合基于有限差时域仿真算法的CST Studio Suite电磁仿真和分析，且从工作站GPU到数据中心计算GPU的扩展效果非常出色。而Altair在实践过程中得出，与用来处理类似工作负载的12个CPU相比，添加GPU可将Altair EDEM的性能提升20倍。

                             CST Studio Suite允许客户访问多种电磁仿真解算器

Altair EDEM的主要功能

迄今为止，已有来自10多个ISV的120多个CAE应用通过GPU进行加速。结果令人印象深刻，根据应用和工作负载不同，结果的交付速度最高可提升100倍。此外，随着GPU的添加，性能提升会进一步飞跃。随着越来越多的求解器移植到GPU上，可以预见性能会取得更大的突破。

·GPU自身的升级将为前期软件投资带来持续红利

以NVIDIA为例，在今年9月的GTC大会上，其推出了基于全新Ada Lovelace架构的NVIDIA RTX 6000工作站GPU，具有最先进的NVIDIA RTX技术，特点包括：

1)第三代RT Core：吞吐量是上一代的2倍，能够同时运行具有着色或去噪功能的光线追踪技术。

2)第四代Tensor Core：相比上一代AI训练性能提升近2倍，扩展支持FP8数据格式。

3)CUDA core：单精度浮点吞吐量最高达到上一代的2倍。

4)GPU显存：具有48GB GDDR6显存，可处理大规模的3D模型、图像渲染、模拟和AI数据集。

5)虚拟化：将支持用于多个高性能虚拟工作站实例的NVIDIA虚拟GPU（vGPU）软件，使远程用户能够共享资源并驱动高端设计、AI和计算工作负载。

6)XR（扩展现实）：视频编码性能相比上一代产品提升近3倍，可使用NVIDIA CloudXR流式传输实现多个XR会话同步。

NVIDIA RTX 6000 Ada架构GPU提供了实时渲染、图形和AI功能，可以帮助设计师和工程师推动基于仿真的尖端工作流程，以构建和验证更复杂的设计。

                                      NVIDIA最新的RTX 6000 Ada架构GPU

凭借更大的二级缓存、更多的新一代核心和更高的内存带宽，Ansys Discovery和Ansys Fluent的用户可以通过释放NVIDIA RTX 6000的48GB GPU显存的全部威力，进行互动式仿真驱动的设计研究和高保真CFD仿真。NVIDIA针对这一应用发布了演示视频：

3/制造业利用GPU加速的CAE向工业元宇宙延伸

在CAE借助GPU过程中，没有一家软件公司采取相同的路线来实施GPU：他们都有自己的方法，对分析和仿真的作用有自己的理念，并有自身特别感兴趣的领域。但我们确实看到，随着GPU的出现，CAE及制造业产品设计流程正在迅速变化。

同时，在元宇宙概念席卷各行各业的背景下，GPU加速CAE的结果呈现方式将百花齐放。通过与XR相结合，设计师和审查人员可开启沉浸式工作；采用虚拟GPU技术，将让工作流程在不局限于本地算力的同时，保障数据安全性；将其置于协作平台（例如NVIDIA Omniverse）中，则能打通制造业产品设计链路，大幅缩短正式投产前的准备时间。