人工智能正在改变工程仿真的面貌，但其应用边界同样清晰。

西门子近日在印度班加罗尔举办的Realize LIVE亚太会议上展示了其Simcenter PhysicsAI软件。这款几何深度学习工具宣称，设计预测速度比传统求解器快出整整1000倍。然而，技术负责人山姆·马哈林甘毫不讳言其局限性——该技术无法为安全关键部件签字放行。

打开网易新闻 查看精彩图片

“它适合安全关键应用吗？不适合。”马哈林甘在会议间隙明确表示。

这一表态与业界近两年“AI无所不能”的叙事形成鲜明对比。对工程师而言，真正的价值不在于西门子所推销的速度，而在于清楚知道这种速度在何处不再安全可靠。

PhysicaAI的工作原理值得关注。它并非每次从头计算物理过程，而是通过代理模型学习历史仿真数据，预测新设计的结果。换言之，它产生的是数秒内得出的估算值，而非完整的计算。

准确性自然是首要顾虑。马哈林甘直面这一问题：数十年来，工程师们不断将基于物理的仿真与实物测试进行对照，直到相关性足够紧密才予以信任。如今，AI同样以物理基准为衡量标准。“我们看到的是，如果有足够的数据，它非常接近基于物理的求解器。”他援引西门子案例研究中的数据说，偏差在1%至3%之间。

接近，但不足以认证生死攸关的部件。这正是马哈林甘与标准供应商说辞分道扬镳之处——代理模型并非验证的替代品，而是置于流程前端的筛选工具。它可以快速淘汰明显不行的设计方案，但最终把关的仍是经过验证的物理仿真与真实测试。

这种务实的技术边界划分，或许才是AI落地工业场景最值得借鉴的思路。