CAE（Computer Aided Engineering，計算機輔助工程）始于50年代，由數學家、科學家和工程師共同開發，可用于求解分析復雜工程和產品。起先，CAE旨在改善航空和汽車行業的設計，例如，模擬飛機周遭的沖擊波、氣流、溫度數據，計算汽車模型表面的壓力系數等。

隨著半導體工藝對摩爾定律的進一步推動、內存的每一次進步以及CPU和GPU并行處理能力的倍增，CAE性能隨之擴展，其應用范圍也逐漸延展至制造業的方方面面，并有勢頭成為 “數字孿生”、“工業互聯網”、“智能制造”，乃至“工業元宇宙”的引擎。

1/CAE轉型：從CPU走向GPU，這頭巨獸已邁出兩個十年

作為一種資源密集型技術，即便歷經大半個世紀的發展，CAE領域仍然充滿挑戰，始終向新技術與新解決方案敞開大門。

·精益求精的工程師們提出需求：更真實！更復雜！更大規模！

Altair、Ansys、Autodesk、Dassault Systèmes （Simulia）、Hexagon MSC和Siemens等主要工程仿真軟件提供商長期依賴將CPU作為驅動計算的主要引擎時開發出的技術。最初，模型已經過簡化，可適應計算系統，但制造業對仿真度有著孜孜不倦的追求。

然而，如若以基于CPU的工作流程來處理這些問題，則必須考慮到CPU的功能——必須縮小模型的大小、簡化設計并管理網格大小，因此，最終評估的實體可能與要分析的真實事物大相徑庭。顯然，這又將我們帶回了原點。1999年，NVIDIA發明了GPU （圖形處理器），這為CAE實現重大轉型創造了舞臺。就像許多受益于并行處理的領域一樣，CAE的主要任務是執行大規模并行進程。CAE通過在模型上創建節點網格來評估模型，然后對節點應用力和條件，評估設計是否適合其用途。網格越密集，仿真就越可靠。對于GPU來說，這是一個顯而易見的應用領域，軟件供應商和硬件開發者在GPU出現的初期就已經認識到了這一點。

·半導體巨頭推動GPU加速的普及

GPU的優勢在于單個芯片上的處理單元數量遠超CPU，從處理器的角度上來比較，GPU的成本遠低于CPU，但GPU和CPU的工作方式各不相同，需要針對兩者采用特定的編程方法，因而，為GPU調整這些程序卻并非易事。 這時，GPU的發明者NVIDIA做出表率，于2006年發布NVIDIA CUDA （Compute Unified Device Architecture）——一種并行計算平臺和編程模型，并于2008年之后，與業內領先的公司合作推進OpenCL （Open Computing Language，開放設計語言）——專為異構平臺（CPU/GPU/DSP/FPGA等）編程設計的框架。這些編程工具讓開發者能夠更輕松地利用GPU來大幅提升計算性能。

NVIDIA一直與CAE開發者合作，創建為仿真分析可視化常見任務量身打造的工具。公司獨樹一幟，專注于GPU，推動其進入專用工具開發領域。2023年，隨著NVIDIA的Grace CPU的推出，其將在GPU+CPU的道路上發展得更加深遠。

2/軟件生態向GPU算力靠攏

半導體發展趨勢、GPU在并行計算方面的獨特優勢，以及NVIDIA等GPU廠商為CAE搭建的開發工具，讓入局以GPU為基礎的CAE變得更加容易。

·CAE不斷迭代：提高自動化水平，注入AI

除了對更復雜、更逼真、更大規模的CAE應用的需求外，21世紀初，計算機輔助設計 （CAD） 軟件供應商也開始獲取CAE技術以添加到設計工作流。集成到CAD流程中的分析工具具有更高的自動化水平，這讓設計師能夠在工作時執行簡單分析。

要實現上述兩個愿景，需要構建插件和附加組件來實現GPU加速，并進一步添加云資源、推進高性能計算 （HPC） 的應用。同時，人們也越來越關注使用機器學習 （ML） 和人工智能 （AI） 來預處理和識別模型中值得關注的領域。

·軟件廠商爭先“吃螃蟹”

自2014年以來，各個主要CAE供應商都在某種程度上利用了GPU加速。

Ansys和Hexagon專門針對GPU設計并編寫了應用程序。

Ansys針對GPU從頭開始設計了應用Discovery，這一互動實時仿真解決方案允許在流體、熱力學、結構和模態應用中進行迭代設計探索。此后，PTC與Ansys在2018年的LiveWorx 18數字化轉型會議上宣布，PTC的Creo 3D CAD軟件中將實現Ansys Discovery Live實時模擬功能，這消除了CAD與模擬活動之間的界限。

Ansys Discovery典型應用（圖片來源：Ansys）

同樣，Hexagon也決定從一開始就為GPU編寫其新產品MSC Apex Generative Design，NVIDIA的CUDA框架為Hexagon的開發者提供了一個輕松的切入點，他們能夠立即開始編碼，不僅能夠更快生成產品，而且將設計、網格化和分析功能融于一體。

MSC Apex Generative Design的工作流程

西門子則是致力于讓其CFD軟件可以在CPU與GPU之間無縫切換。2022年初，西門子發布了首個GPU版本的Simcenter STAR-CCM+，這一版本在一開始專注于車輛外部空氣動力學應用，隨后，Siemens工程師投入巨資，移植所有可在未來數年從GPU中受益的物理、求解器和相關軟件部件。

達索系統（Dassault Systèmes）和Altair選擇將GPU加速逐漸應用于原有產品中。

達索發現，GPU的架構非常適合基于有限差時域仿真算法的CST Studio Suite電磁仿真和分析，且從工作站GPU到數據中心計算GPU的擴展效果非常出色。而Altair在實踐過程中得出，與用來處理類似工作負載的12個CPU相比，添加GPU可將AltairEDEM的性能提升20倍。

CST Studio Suite允許客戶訪問多種電磁仿真解算器

Altair EDEM的主要功能

迄今為止，已有來自10多個ISV的120多個CAE應用通過GPU進行加速。結果令人印象深刻，根據應用和工作負載不同，結果的交付速度最高可提升100倍。此外，隨著GPU的添加，性能提升會進一步飛躍。隨著越來越多的求解器移植到GPU上，可以預見性能會取得更大的突破。

·GPU自身的升級將為前期軟件投資帶來持續紅利

以NVIDIA為例，在今年9月的GTC大會上，其推出了基于全新Ada Lovelace架構的NVIDIA RTX 6000工作站GPU，具有最先進的NVIDIA RTX技術，特點包括：

1）第三代RT Core：吞吐量是上一代的2倍，能夠同時運行具有著色或去噪功能的光線追蹤技術。

2）第四代Tensor Core：相比上一代AI訓練性能提升近2倍，擴展支持FP8數據格式。

3）CUDA core：單精度浮點吞吐量最高達到上一代的2倍。

4）GPU顯存：具有48GB GDDR6顯存，可處理大規模的3D模型、圖像渲染、模擬和AI數據集。

5）虛擬化：將支持用于多個高性能虛擬工作站實例的NVIDIA虛擬GPU（vGPU）軟件，使遠程用戶能夠共享資源并驅動高端設計、AI和計算工作負載。

6）XR（擴展現實）：視頻編碼性能相比上一代產品提升近3倍，可使用NVIDIA CloudXR流式傳輸實現多個XR會話同步。

NVIDIA RTX 6000 Ada架構GPU提供了實時渲染、圖形和AI功能，可以幫助設計師和工程師推動基于仿真的尖端工作流程，以構建和驗證更復雜的設計。

憑借更大的二級緩存、更多的新一代核心和更高的內存帶寬，Ansys Discovery和Ansys Fluent的用戶可以通過釋放NVIDIA RTX 6000的48GB GPU顯存的全部威力，進行互動式仿真驅動的設計研究和高保真CFD仿真。NVIDIA針對這一應用發布了演示視頻：

3/制造業利用GPU加速的CAE向工業元宇宙延伸

在CAE借助GPU過程中，沒有一家軟件公司采取相同的路線來實施GPU：他們都有自己的方法，對分析和仿真的作用有自己的理念，并有自身特別感興趣的領域。但我們確實看到，隨著GPU的出現，CAE及制造業產品設計流程正在迅速變化。

同時，在元宇宙概念席卷各行各業的背景下，GPU加速CAE的結果呈現方式將百花齊放。通過與XR相結合，設計師和審查人員可開啟沉浸式工作；采用虛擬GPU技術，將讓工作流程在不局限于本地算力的同時，保障數據安全性；將其置于協作平臺（例如NVIDIA Omniverse）中，則能打通制造業產品設計鏈路，大幅縮短正式投產前的準備時間。

審核編輯 ：李倩