会议纪要

       2026年10月17日，第十二届高性能计算中间件技术研讨会HPCMid2026在广东深圳国际会展中心18号馆二层CC204B会议室召开。本次研讨会以“AI4工业软件”为主题，围绕人工智能与工业软件的融合，交流几何建模、网格生成、数值求解、仿真优化及科研平台建设等方面的研究进展，探讨智能技术在实际工程中的应用路径与面临的挑战。

  首先，张林波研究员主持了简短的开幕式。受研讨会主席莫则尧研究员的委托，北京应用物理与计算数学研究所的徐小文研究员做了开幕致辞。研讨会创办于2015年，以科学与工程计算和CAE软件研发为需求背景，致力于搭建复杂实际应用与超级计算机研制之间的交流平台。十二年来，研讨主题从并行算法、性能优化等基础技术，逐步聚焦自主CAE软件研发、装备数字化与智能化，累计组织122个报告，邀请52位Panel嘉宾，参会达3000余人次。徐小文研究员在开幕致辞中回顾了这一发展历程，指出高性能计算的价值需要通过工业软件融入装备研制流程，面向实际场景实现快速响应与敏捷迭代。本届会议在此前关注软件研制智能化的基础上，进一步拓展至智能仿真与智能体应用，希望通过学术界与工业界的交流，促进人工智能与工业软件融合。

       会议共安排了10个报告，上午的报告分别由张林波研究员和徐小文研究员主持。

  来自安世亚太的孟志华经理分享了题为《安世亚太AI4CAE产品及解决方案》的报告。报告首先介绍了企业从传统CAE软件向工业物理世界AI平台转型的思路，围绕仿真前处理、方程组求解、智能体工作流和降阶代理模型等环节介绍产品及解决方案。在智能装配建模方面，通过识别机械连接类型、自动匹配有限元连接方法和参数，减少复杂装配体建模中的人工操作；在大型稀疏方程组求解方面，利用矩阵特征学习推荐预处理算法及参数，提高迭代求解效率。报告还介绍了面向CAE的问答助手、自然语言驱动的仿真智能体及AIROM产品，并结合芯片封装可靠性和汽车智能座舱等场景，讨论数据驱动模型与传统仿真工具相结合的应用前景。

  来自东方理工大学的刘野博士分享了题为《物理一致的智能体驱动工程优化》的报告。报告以汽车空气动力学设计为切入点，介绍了物理一致的高通量工程智能体研究，探索从需求输入、方案生成、物理响应预测到优化验证的自动化流程。针对外形多样性、多尺度流动及网格差异带来的挑战，团队开展了流场重建、阻力系数预测、表面物理场预测和可微分外形优化研究，并通过计算流体力学仿真验证优化结果。报告展示了融合文本与图像输入的空气动力学外形优化智能体，利用模型筛选高价值方案，减少重复计算，强调物理一致性、工程约束和跨车型泛化能力是智能方法进入实际设计流程的关键。

  来自北京航空航天大学的李建欣教授分享了题为《科学智算共性平台：迈向AI原生求解新范式》的报告。报告围绕科学计算与人工智能融合的共性需求，介绍了由计算框架、算子库与模型库、领域套件以及评测和协作社区组成的平台体系，支持国产加速硬件适配和跨领域应用。报告结合长序列建模、数字表征与偏微分方程基础模型等研究，讨论共享物理表征、多类型方程联合求解和泛化能力提升的技术路径；进一步介绍了智能体驱动计算流体力学求解器的探索，将智能模型与传统数值计算相结合，提升计算效率并保持求解精度。最后，报告展望了工业软件从AI辅助走向智能体原生的发展方向。

  来自中国科学院数学与系统科学研究院的贾晓红研究员分享了题为《AI4CAD —— 探寻几何内核的机遇与约束》的报告。报告首先阐述了几何内核在CAD软件中的基础地位，指出曲面求交、布尔运算等核心操作必须满足几何精度、拓扑正确性与一致性要求，工业模型中的脏几何也给CAD与CAE衔接带来困难。随后，报告介绍了团队自研几何内核在曲面求交、实体布尔运算、脏几何检测修复和逆向重建等方面的进展。对于AI与CAD的结合，报告区分了不同任务的适用条件：基元识别、过渡面识别及模型分割等环节具有较好的应用潜力，而高精度正向建模仍需严谨的数学算法支撑，几何约束求解和逆向重建值得进一步探索。

  来自大连理工大学的雷娜教授分享了题为《人工智能驱动的网格生成: 方法、挑战与应用》的报告。报告系统梳理了AI网格生成的主要路线，介绍了三角形网格的序列化生成与中间表示方法，以及四面体、四边形和六面体网格生成中的相关进展，并分析了拓扑感知、层次化生成、强化学习优化及场引导等技术的特点。报告指出，现有研究较多面向图形学与视觉表达，工业仿真则对边界吻合、网格质量、多尺度耦合、各向异性及大规模生成提出了更严格要求，生成结果的可控性、稳定性和可解释性仍需提高。报告建议结合工程师修正与仿真验证，构建数据、模型、约束和验证相互衔接的闭环，推进AI与传统网格方法协同发展。

  来自中物院高性能数字模拟软件中心的刘娜副研究员分享了题为《复杂场景冲击波效应场超分辨重建方法》的报告。针对装备研发中大规模工况分析对计算精度与效率的需求，报告分析了冲击波效应场强间断、多尺度及复杂边界耦合等特点，提出以粗网格数值解为基础、融合几何和物理先验的低保真增强路线。报告分别介绍了面向复杂几何的异构通道注意力重建、面向自适应网格的多层渐进增强重建，以及支持多种重建倍率的分辨率自适应方法。通过典型结构和舰船冲击波场景，展示了对精细波系及峰值压力、峰值时刻、冲量等关键物理量的重建效果，说明数值仿真与智能重建相结合能够为复杂效应场快速预测提供支持。

  下午的报告由张浩副研究员主持。

  来自北京瑞丰协同科技股份有限公司的产品经理陶佳欣分享了题为《面向装备研制的仿真与试验双向协同——关键技术与工程实践》的报告。报告针对仿真模型参与实物试验时面临的计算实时性、模型一致性和异构模型集成等问题，介绍了仿真与试验双向协同的数字孪生技术路线。通过仿真数据训练代理模型、以试验数据进行校准，并结合降阶建模、参数标定和不确定性分析，提高模型的预测效率与可信度；通过统一接口集成机理模型、系统模型和数据驱动模型，实现实时数据与虚拟物理场的映射。报告结合航空发动机试车台、变几何喷嘴控制及运输可靠性分析等案例，展示了相关技术在测点布置、状态预测和试验辅助决策中的工程应用。

  来自面壁智能科技股份有限公司的李宇轩博士分享了题为《Forge Engineering：高性能计算软件进入按需定制时代》的报告。报告提出，随着智能体代码生成和性能分析能力提升，高性能计算软件有望围绕具体应用与硬件开展深度定制，通过垂直整合和大规模自动探索提高执行效率。报告介绍了Forge Kernel、Forge Stencil、Forge Training以及Mega Kernel等工作，覆盖计算算子、科学与工业应用、训练框架和推理流程融合等层次。相关探索以参考实现为基础，结合领域知识、任务分解、阶段性目标和正确性检查，组织智能体完成代码生成、性能分析与迭代优化。报告强调，应明确数值精度与正确性边界，关注完整应用的实际收益，并展望了智能体持续维护软件和参与科学创新的可能性。

  来自北京大学的陈帜研究员分享了题为《Prime一行：面向航天动力研发的AI原生工业软件》的报告。报告以火箭发动机研发中的多物理场耦合、设计仿真流程分散和迭代成本高等问题为背景，介绍了通过多智能体协作贯通概念设计、几何建模、仿真评估、制造与试验的技术实践。平台将工程知识与几何、网格、仿真和试验数据组织为可调用的资源，集成系统分析、结构、流体和燃烧等工具，支持多方案并行探索和反馈优化。报告结合喷注器、再生冷却流道等设计环节以及500牛发动机热试车案例，展示了从设计方案到实物验证的闭环，强调工程知识管理、专家参与和全过程可追溯对AI原生工业软件落地的重要作用。

  来自清华大学的季向阳教授分享了题为《格悟：人工智能赋能科研底座》的报告。报告介绍了面向科研全流程的AI底座建设思路，以科学大模型和科学知识工程为基础，衔接方案生成、科学计算与高通量自主实验，形成假设提出、计算验证、实验分析和反馈迭代的闭环。平台集成文献调研、专业问答、数据整理、知识治理和科学计算等功能，并探索传统计算工具与AI代理模型协同，以及多任务偏微分方程模型和无人实验操作系统。报告结合涡轮叶片、射频芯片和材料等领域的应用，强调科研平台需要具备可信数据、可靠模型输出、受控行动和持续验证能力，使智能方法能够在专业约束下服务真实科研任务。

        Panel讨论环节由徐小文研究员主持，邀请刘野、李宇轩、贾晓红、季向阳、刘娜五位嘉宾，围绕“AI4工业软件”的机遇、约束及工程落地开展讨论与交流。首先，各位嘉宾结合自身研究和应用经验阐述观点。

  刘野博士指出，工业智能体需要关注跨场景泛化、可靠性和物理一致性。汽车外形与工程工况不断变化，模型既要具备快速预测和优化能力，也要学习工程师的建模过程与物理知识，将专业经验融入工具调用和方案生成，才能更好地服务实际工程。

  李宇轩博士认为，对目标明确且可检验的工程任务，智能体已经能够在保持计算结果一致的约束下开展代码优化；当任务进一步涉及算法调整、数值精度变化和研究创新时，则需要明确端到端的验证边界。他还提出，人的价值将更多体现在需求理解、结果判断、责任承担以及技术价值与实际应用的衔接上。

  贾晓红研究员指出，工业数据复杂、获取困难，长期积累的算法和工程经验仍是工业软件的重要基础。AI能够缩短开发周期，使研究人员把更多精力投入困难问题，但公开或生成数据与真实工业数据之间仍存在明显差距，评价方法应覆盖真实几何和工程约束。在可信验证方面，她介绍了数学领域形式化验证的思路，认为其可为其他领域探索可验证的智能方法提供参考。

  季向阳教授认为，从大模型能力提升到工业生产力改善之间仍有大量工作，需要关注多物理场、多工况、软硬件协同及实际部署中的安全可靠性。科研底座应将领域知识、专用工具、数据与验证流程相结合，基准测试有助于推动方法比较和技术进步，智能方法的价值最终需要在实际应用中检验。

  刘娜副研究员指出，本次交流体现出AI与工业软件融合正从单一方法研究走向实际工程应用。工业场景尤其重视适用性、长期稳定性、计算精度和物理规律，不能简单沿用语言或图像任务的评价方式，需要探索面向工程落地的评价标准。AI与传统CAE各有优势，二者的深度融合是值得持续推进的方向。

  在随后的互动环节，现场听众围绕AI优化算子的权限与边界、大规模网格的精度和资源开销、工业数据与基准测试建设、科研工作者的价值、复杂科研流程的可信验证，以及智能体使用工业软件与工程师之间的差距等问题提问。嘉宾结合汽车空气动力学、CAD几何建模、高性能软件优化及科研平台实践作了回应。讨论中既关注智能技术带来的效率提升，也强调工程知识、物理约束、数值精度与可追溯验证的重要性。

  最后，徐小文研究员请五位嘉宾分别用一句话展望AI4工业软件的发展前景。

  刘野博士认为，随着技术发展，AI有望以更低成本提供更高质量的结果，逐步替代部分传统CFD软件的功能。AI应以人为本、服务于人，并推动人机分工更加明确。

  李宇轩博士对AI赋能工业软件的前景持乐观态度，认为公式计算与模型预测将各展所长，AI能够帮助构建更准确的公式、更好的模型并加快迭代，从业者也需要适应随之而来的变化。

  贾晓红研究员认为，历次计算工具变革都推动了生产力发展，AI与工业软件同为工具，二者结合将带来积极影响，帮助人们探索工业场景中更多、更有价值的问题。

  季向阳教授认为，AI发展既带来从业角色变化，也带来新的机遇。从业者应主动提升自身能力，熟悉和适应技术浪潮，把握发展机会。

  刘娜副研究员认为，当前各家都在探索AI工业软件，尚未出现全面领先、取代其他产品的商业软件，行业仍处于多方探索阶段，AI4工业软件大有可为。

  本次研讨会围绕从基础算法、软件工具到装备研发和科研流程的多个层次展开交流，为持续探索人工智能与高性能计算、工业软件的融合提供了有益参考。