新闻资讯

一睹「沣」采 | 十沣受邀参加第三届AI for Engineering大会,分享物理AI创新实践

发布时间:2026-11-17 17:13:33

11月14日至15日,第三届AI for Engineering人工智能工程应用大会相关专题活动在宁波东方理工大学举行。十沣受邀参与大会交流,围绕物理AI的技术创新及工程应用,分享人工智能与工业仿真深度融合的探索与实践成果。



本次大会汇聚高校、科研院所及行业企业代表,聚焦人工智能赋能工程研发、智能制造及工业应用等前沿方向,共同探讨AI技术从算法创新走向工程实践的新路径。


聚焦物理AI,分享工程实践


在“智能制造/建造与运维”专题报告环节,十沣AI软件开发部技术总监古江杭发表专题报告,分享十沣在物理AI技术研发及典型工业场景中的技术探索与应用实践。



面对工业研发周期长、仿真计算成本高等挑战,十沣持续探索人工智能与物理机理的深度融合,构建融合快速求解、物理约束与预训练微调的物理AI技术体系。通过将物理规律融入AI模型训练,提升复杂物理场的预测效率与可靠性,为工业产品研发与设计优化提供高效支撑。

依托自主研发的TF-AIDEA仿真预测平台,十沣将物理AI技术应用于汽车空气动力学、电池热管理、城市风场及装备热分析等场景,实现复杂物理场的快速预测与分析,加速工业产品设计与性能优化。



在汽车空气动力学分析中,十沣融合稀疏观测数据与物理机理,利用物理信息神经网络重构汽车周围的速度与压力分布。在典型研究案例中,仅利用约0.1%的观测数据即可重构完整外流场,速度重构均方根误差低于5%,为汽车气动性能分析提供新的技术路径。



在动力电池热管理应用中,针对液冷流道结构复杂、传统仿真周期较长等问题,十沣通过AI模型实现压力场、速度场及关键流动性能的快速预测。在典型案例中,各项性能预测耗时均低于10秒,平均误差低于10%,将传统小时级CAE分析缩短至秒级,显著提升液冷流道设计评估与优化效率。



在低空风场预测方面,十沣基于地形与建筑数据,融合物理约束与AI大模型技术,实现复杂城市环境下的风场快速预测与三维可视化。以宁波三江口为例,依托低空风场AI大模型及TF-SimCITY低空风场智能推演与风险预警平台,为低空航线规划、起降选址及风场风险预警提供技术支撑,助力低空经济安全高效发展。



从复杂物理场的快速预测到工业研发效率的持续提升,十沣正不断深化AI与CAE融合创新,推动人工智能技术从算法研究走向实际工程应用。未来,十沣将持续强化核心技术研发,深化与高校、科研机构及产业伙伴的协同创新,加速技术成果转化与产业应用,为工业软件自主创新与制造业高质量发展贡献力量。


最新资讯

申请试用产品

提交信息后,专属顾问将会与您联系

怎么称呼您?
如何联系您?
您的单位名称是?
您的邮箱地址?
您所在的地点是哪里?
您从事的是什么行业?
请描述下试用场景?

您的意向试用产品是什么?

TF-QFLUX
TF-Lattice
TF-CFlow
TF-SPH
TF-Struct
TF-Dyna
TF-DCAMS
TF-eMag
TF-Acoustics
TF-DEM
TF-AIDEA
TF-AIMDO
TF-Pandroid
TF-SimCITY
TF-Thermal
TF-SimFARM