“没有CAE支撑，物理AI难以真正走向工业世界。”6月11日，第四届软件创新发展大会在武汉举行，宁波东方理工大学校长、中国科学院院士陈十一表示，CAE能够提供完备的物理机理模型、海量仿真数据、严格的工程约束以及闭环验证能力，恰好补齐纯数据驱动AI的固有缺陷。（注：CAE，计算机辅助工程技术，是通过计算机软件对工程和产品进行仿真与分析，以实现工程全生命周期管理的计算机技术，其核心在于整合各环节数据。）

  陈十一介绍，纯AI模型常会出现能量不守恒、物体相互穿透、外推失效等问题，依托CAE输出物理先验，结合物理信息神经网络（PINNs）、物理约束损失函数、CAE+AI混合建模等方式，可强制AI遵循各类物理守恒律，从根源减少模型“幻觉”。

  “用CAE赋能AI，不是限制AI，而是解放AI；不是AI替代物理，而是将物理嵌入AI。”陈十一说。

  早在2022年，陈十一团队便提出CAE+数字孪生（DT）+AI是物理AI的基础架构。三者各司其职、协同联动：CAE解决“物理可信”问题，提供机理模型、仿真数据、工程约束与验证能力；AI承担“智能执行”任务，实现感知、生成、推理、优化与决策；数字孪生搭建“场景闭环”，对接真实系统状态，完成反馈迭代与持续优化。这套架构，也成为当前工业领域落地物理AI、世界模型的主流实现路径。

  陈十一表示，如今CAE的定位已彻底转变，从传统离线验证工具升级为四大核心角色：一是物理引擎，生成无限逼近现实的数字样本，为AI模型训练提供支撑；二是物理规律导师，以基础物理原理约束AI生成过程；三是实时精度把关者，对AI实时推理结果开展毫秒级验算与误差校准；四是数字孪生底座，构建高保真数字体，映射实体全生命周期状态。

  随着AI技术的全面渗透，传统CAE也在被深度重构，逐步从资深从业者使用的“专家工具”，进化为可交互、可推理、可自主执行的工业智能体。在陈十一看来，AI正从研发、求解、使用三个层面改造工业软件：研发端AI辅助编程可加快算法迭代；求解端AI加持下，传统几小时的仿真任务可被大幅压缩；使用端自然语言交互、任务分解和工具调用大幅降低门槛。

  针对国内工业软件与物理AI产业发展，陈十一提出，科研领域要加强物理约束学习、神经算子、工业世界模型等交叉基础研究；产业层面需将CAE能力建设作为工业AI的核心基础设施，推动仿真、数据、AI团队深度融合；政策层面要支持自主CAE智能化平台建设，依托制造业打造完善的物理AI生态。

  “紧抓AI+CAE融合发展的窗口期，是我国打造自主工业软件、构建产业新优势的重要机遇，将助力国内数字工业迈向高质量发展新阶段。”陈十一说。（记者 肖春芳）