作者丨臨風
編輯丨海腰
圖源丨Midjourney
F1是賽車運動的頂峰，F1賽車設計追求極致的速度與效能，兼具觀賞性和商業價值。而10支F1車隊，有4支在應用Neural Concept的技術。因F1的保密性，願意透露身份的僅有威廉姆斯車隊。
“從設計腳踏車到Formula 1（以下簡稱F1）是一段漫長的路，這是Neural Concept的CEO Pierre Baqué花6年時間實現的巨大飛躍。”科技記者Tim Stevens評價。
Neural Concept是一家AI工程模擬平臺，在6月4日獲投2700萬美元，本輪融資由Forestay Capital領投，“定量分析之王”D. E. Shaw公司，及奧地利VC CNB Capital、德國的HTGF、法國VC Aster、Alven參投。截至該輪，Neural Concept融資3680萬美元。
圖源：Neural Concept
上週，Neural Concept宣佈與西門子數字化工業軟體合作用於產品工程，並有模型預測相關論文被納入ICML2024機器學習頂會。該公司的核心技術NCS系統基於機器學習，能提供空氣動力學建議，讓賽車在賽道上拿下成功。
威廉姆斯車隊空氣動力學技術負責人Hari Roberts表示：“我們用了很多方法使用NCS，其中一些技術提高了模擬效果，另一些則有助於計算流體力學（CFD）時首次獲得更好的結果。”
2023年底，F1賽季總結顯示，2022年墊底的威廉姆斯最終收穫車隊積分榜第七，是其自2017賽季以來最佳排名。
與此同時，Neural Concept所做的工業模擬軟體在我國也有旺盛需求，在AI浪潮來臨時，實現CAE（計算機輔助工程）的國產替代機會湧現。
打破2個世界紀錄
2018年，一名還在實驗室實習的學生找到法國IUT Annecy團隊負責人Guillaume de France，說要幫他們設計第6代或第7代腳踏車，來打破世界紀錄。
IUT Annecy在世界拉力賽挑戰中已有10年經驗。當時，平坦道路上的世界紀錄是荷蘭團隊在內華達沙漠創下的133.78km/h。2天后，這個學生就帶著那個幾乎與世界記錄保持者相似的“模型”來找Guillaume，團隊大為震撼，要求他多迭代幾次。
要幫IUT圓夢的便是Pierre Baqué，他代表的是歐洲強校之一，瑞士洛桑聯邦理工學院（EPFL）的CV Lab，他們的衍生公司Neural Concept能使用AI軟體在幾分鐘內設計出符合空氣動力學的最佳腳踏車形狀。據介紹，該公司與2018年在瑞士成立，自那時起實驗室使用平臺已經完成60多個工業專案。
圖源：領英，Neural Concept團隊
跟日常生活的單車長相不同，IUT Annecy參加人力速度挑戰的腳踏車要的車速比高速路的汽車還快，最高時速快過130km/h。人力速度賽制是8公里助跑+200米測速跑道，車手在透過200米路段時要以穩定的最高速透過，以獲得最準確的測速結果。
圖源：網路，圖為臥式腳踏車
在2016年世界人力極速挑戰賽（WHPSC）上，一個“子彈頭”模樣的腳踏車最高時速144.17km/h就顛覆過大眾認知。這個造型腳踏車在20世紀30年代出現過，更符合流體力學，人類臥躺其中腳蹬兩輪，稱為“躺車”。
工程師的傳統技藝是靠經驗和直覺設計，再用計算機模擬測試。在他們的軟體出現之前，通常是CAD設計師做3D設計後發給其他人做數值建模。這需要很長的時間執行或需要進行物理測試。不同以往，IUT Annecy靠Neural Concept做最佳化設計臥式腳踏車的整流罩，設定腳踏車最大長度和寬度，可以在幾分鐘內快速篩選和比較各種形狀，找到最佳方案。
“我們的程式設計出來的空氣動力學效果比傳統方法好5-20%，”Pierre Baqué在EPFL的文章中解釋，另一個好處是，軟體設計不帶人的偏見，“用於訓練的形狀可能跟給它的標準形狀有很大不同，這給了它很大的靈活性。”
最終，IUT 設計出來的參賽斜躺腳踏車更像是一個火箭膠囊，破風競速。
圖源：Neural Concept
2019年，WHPSC在內華達州舉行，IUT Annecy的賽車手用他的產品打破2項腳踏車速度世界紀錄，騎手 Ilona Peltier騎行速度126.5km/h，創造女子腳踏車所有類別速度的新世界紀錄，她的隊友 Fabian Canal以 136.7 公里/小時的速度創造了新的男子大學生世界紀錄。
另外，就在去年9月，一個7次獲得場地腳踏車世界冠軍的法國人François Pervis也騎著Neural Concept設計和開發的臥式腳踏車打破了歐洲的速度記錄（138km/h），接近世界紀錄。
圖源：rmcsport
這是Neural Concept實力的證明。據介紹，其核心技術是Neural Concept Shape，簡稱NCS，一個基於機器學習的系統。它可以提供空氣動力學建議和推薦，適用於流體動力學這一廣泛領域，有經驗的工程師可以使用先進的軟體進行三維空氣動力學模擬。
在實際用例取得成功後，NCS的目的是再次深入，要在道路上的空氣動力學做出成績。Pierre提到，他們的平臺不僅能應用於腳踏車設計，在航空航天、無人機、微電子等領域也有效用。
只不過，航空航天類公司相對保守，不會快速採用NCS方案，“所以我們開始更多地與汽車行業合作，這個行業需求迫切，變化很快。”
據報道，Neural Concept與斯巴魯（Subaru）、馬勒（Mahle）、博世（Bosch）等汽車製造商/供應商簽訂合同，空客（Airbus）、通用電氣（GE）也在使用其產品，製造電動或氫動力飛機。
圖源：Neural Concept
他們跟博世合作做電驅動電機外殼模擬專案，將預測速度縮至30毫秒；與PSA（標誌雪鐵龍）合作開發用於外部空氣動力學的即時預測模型，縮短設計週期。
Neural Concept稱，在三維環境中使用深度學習技術，將資料分析和機器學習結合，將開發時間加速75%，產品模擬加速10倍。Pierre Baqué自信表示，它的平臺可以將電動車的開發時間縮短至18個月。
把CFD模擬縮短至20秒
在Neural Concept的進階路上，F1就是他們追求極致速度的試煉場。
賽車形體狹長、車身窄、質量輕，最高速度能接近370km/h，團隊配合的情況下必須在2s內更換一輛車的4個輪胎，競速便是與極端的重力環境作戰。
如今，10支F1車隊中有4支都用了Neural Concept的技術最佳化。因F1是一項有保密性質的賽事，所以僅有威廉姆斯車隊透露了正與NCS平臺合作的訊息，利用其工程智慧平臺簡化模擬流程。
7月9日，威廉姆斯車隊在銀石賽道中取得了P9，拿下了2積分。雖然仍是作為後排車隊，但對他們來說是個好成績。
圖源：Williams Racing
威廉姆斯車隊是曾經的冠軍車隊，在經歷成績跳水和收購後，與頂級車隊如梅賽德斯相比有顯著差距，正處於重建階段。威廉姆斯車隊的技術負責人Roberts對Neural Concept提供的平臺表示肯定，“任何能讓我們從CFD和風洞測試中獲得更多知識、提升效能的辦法，都會給我們帶來競爭優勢。”
計算流體力學（CFD）在F1的空氣動力學設計和最佳化中，扮演關鍵角色。CFD允許工程師在計算機上模擬和分析賽車在不同速度、角度和環境條件下的空氣動力學指標。從20世紀90年代開始，風洞測試藉助3D工程計算或CFD進行輔助。
如果把車隊工程師比作“糕點師傅”，那CFD就是一個模擬環境的智慧烤箱。
客觀情況而言，賽車的風洞測試時間非常昂貴，F1的特殊賽事規則增加了模擬的複雜性，也是車隊測試能力的極大挑戰。風洞測試是不可缺少的一環，2005年豐田就花了3000萬歐元建了一個風洞，造價昂貴。
而且風洞測試的實際時間受到嚴格限制，每個車隊在開發賽車時可使用的計算預算（用於計算的資金、資源）也有限。
恰逢2021年F1出了預算帽（(Budget cap）新規用於促進公平競爭，即車隊單賽季可以花費的最大金額將控制在1.45億美元，考慮通脹情況，數字會有波動，變成1.4億美元（2022）、1.35億美元（2023）。
因此，成本低廉、效益更高的CFD解決方案被F1車隊納入考慮範圍。這並不是沒有可能，2010年，維珍車隊（Virgin Racing）在新入賽場時，只靠CFD技術替代傳統風洞測試設計賽車，儘管成績吊車尾但被稱為“究極神車”。
圖源：YouTube，Virgin Racing VR-01
人工智慧出現後，模擬的錢還能省，那就是降低CFD的計算複雜性。F1車隊對安全性有極致的追求，高精度的工程計算。模擬需要在3D空間裡對數億個點進行數學運算，往往需要大量RAM和大量處理器（CPU/GPU）。其中，高效能資源需求、複雜的物理模型昂貴的CFD軟體和長時間計算成本都是限制難題。
Neural Concept在這種情況下發揮的效用是，AI驅動軟體加速模擬，降低對物理測試的依賴，減少F1空氣動力學CFD計算的複雜性同時又不損失準確性。
不同以往的工程師要假設、模擬測試多次，神經網路是執行速度極高的模擬器，這讓工程師在1天內探索數百萬種設計成為可能。
據Neural Concept客戶案例演示，他們的F1用例中，測地線CNN（幾何卷積神經網路）幾乎即時預測F1空氣動力學的能力，而在HPC叢集上執行則需要數小時，NCS的預測結果也相較準確。
Pierre表示，通常需要一個小時完整的CFD模擬，透過NCS僅需約20秒完成，且由於NCS是基於空氣動力學學習網路進行AI驅動的預測，很大程度上不受F1嚴格限制的約束。
據介紹，F1賽車不會總跑在直道上，車身採用流線型車身和空氣動力學套件以減少阻力，提高車速和穩定性。車身設計是車隊工程師重要工作之一。因此，任何幫助車隊完善空氣動力學設計的工具都是潛在優勢。
不過，NCS價格也不低，根據車隊規模和使用方式有所區別，大概是10萬歐元到100萬歐元之間。
Reddit網友結合經驗分析，NCS可能應用在前翼端板的部件上，利用了多個設計的行為資料，將表現最好的一個進行CFD測試，“我認為目前這項技術更多地是繞過CFD計算限制，而不是指導設計。”
此外，Neural Concept的在汽車行業也有系列應用輔助工程設計，如換熱器應用預測出口溫度和壓力下降，或引入Shape應用預測模擬結果，使工程師能獲得標量和向量，整合風洞資料，以及Shape可以模擬最佳化旋轉機械。
由此，該平臺加速了產品開發、產品模擬、效能改善的效率，被形容為“未來車輛的工程智慧”。他們與全球多家供應商簽訂了合同，NCS還能用於開發電池冷卻板的產品，改善電動汽車的續航里程。據統計，Neural Concept在2023年實現300萬美元收入。
NCS的AI模擬模擬不僅限於陸地的汽車/賽車競速，同樣適用於空中、水面，只是後兩者的預測能力較差，工業界對航空應用的CFD信心有限，而他們打算提振這個信心。
Neural Concept正計劃打破一項世界紀錄。他們與帆船團隊SP80合作，在標準設計工作流程中使用NCS，計劃造一艘時速達到80節的水翼船，僅靠風力推動，旨在2024年打破世界帆船速度記錄。他們與NUMECA合作專案HiFi-TURB也是旨在改進湍流模型，提升CFD在航空航天等高要求領域的應用效果。
圖源：Neural Concept
此外，Neural Concept有醫學領域的應用，助力3D眼部掃描，給新眼科產品的計算機臨床試驗加速。他們也在與英偉達合作，最佳化GPU及CUDA軟體中的深度學習模型。
CAE國產替代站上AI風口
Neural Concept的AI模擬工程是CAE（計算機輔助工程）的一部分，也是AI for Science的有效嘗試，讓CAE“老將煥新生”。
AI+CAE在工業領域應用場景較大，可以做到快速的3D模擬結果預測、動態ROM模型建立、形狀搜尋識別及整合分析。美國、英國等一直重視CAE等先進工程技術的發展，許多領先的CAE軟體公司如Ansys、Autodesk等都來自美國。2023年末2024年初，Ansys和Altair也推出了AI+CAE空氣動力學計算產品。
Uber報告提出，機器學習是CAE最有前景的AI技術之一，而近年正有人將深度學習應用於CFD模擬，中國航發研究院李義進表示，將人工智慧引入CFD是目前提高正向處理流體計算的準確性的重要途徑之一。
如南京天洑軟體將AI與CAE結合，為一家汽車企業研發環境風洞數字化平臺，實現多個模擬場景的自動化流程，產品線包括AICFD、AIPOD等，其服務的工業軟體是當地政府看重的方向。
據行業人士分析，2022年，我國CAE國產化率約為11%，這些廠商的軟體僅適用於特定領域，大部分客戶是軍工企業，商用較少。且國產對標國外專用CAE，在覆蓋度、成熟度、易用性方面仍有差距。
而國內在CAE行業內“臥虎藏龍”的企業並不少，有HAJIF軟體背後的中國飛機強度研究所、北京盈建科、北京安懷信、北京世冠、哈爾濱新光光電、上海霍萊沃、成都前沿動力、大連INTESIM、廣州中望軟體等。
其中，霍萊沃和INTESIM的創始人來自Ansys，前沿動力的技術領頭人胡光初是旅美科學家、NASA肯塔基州五個專業委員會的委員之一，世冠的GCAir在C919的虛擬測試環節發揮作用，中望軟體（ZWsoft）是工程建模國際權威組織NAFEMS（國家有限方法與標準機構）的會員單位。
目前國內CAE市場較小，但增速較快。CAE行業內的公司Ansys、Dassault、西門子等國外企業在中國軟體市場排名前三。國內CAE廠商索辰科技在財報中稱，國內CAE市場整體規模增長。IDC資料顯示，2022年我國CAE市場年增長率為17.13%，預計2022-2026年CAE市場CAGR將達到18.4%。
中國科學院院士陳十一曾表示，CAE軟體和人工智慧的結合來解決工業化、資訊化問題是發展的必然，對省市乃至全國做新質生產力來說是一個非常重要的發展道路。
在工業研發設計軟體站上AI風口時，海外公司正透過收購加速研發。去年底，西門子完成insight EDA收購，今年1月Synopsys花350億美元收購Ansys，強強互補。EDA巨頭Cadence擴大與Dassault合作應對雲廠商定製晶片需求，併購BETA CAE進軍結構分析。
海外技術整合時期，深度技術發展緩慢，國內有望抓緊機會縮小差距。據報道，我國EDA企業也有併購整合，趁著東風強化產品完整性。如芯華章併購瞬曜電子整合超大規模軟體模擬技術，華大九天收購芯達科技補短板。索辰科技、東璽技術等專業公司則正向著CAE國產替代的方向進發。
“工業軟體本身產生的GDP不大，但它影響的GDP是萬億級的”，陳十一認為，“工業模擬軟體在國內需求旺盛，但自主軟體滲透率極低。正是如此，我們的機會才最大。”
