NVIDIA GTC 2025：GPU 加速为实时模拟和预测建模开辟了新的可能性。
人工智能驱动的虚拟模型正在为工程和制造业带来变革。借助NVIDIA图形协作平台Omniverse等技术（该平台由最新的GPU驱动），增强传统的计算流体动力学（CFD）和计算机辅助工程（CAE），可以实现实时可视化，从而缩短开发周期并提高精度。
在加利福尼亚州圣何塞举行的 NVIDIA GTC 2025 会议上，Vertiv 首席创新官 Gregory Ratcliff 与仿真专家 Ansys 的杰出工程师 Rongguang Jia 和产品经理 Jeremy McCaslin 在一场会议上讨论了这些仿真技术的创新。
Vertiv 一直与 Ansys 合作，对其 数据中心冷却系统设计 进行数字化转型。通过利用 Ansys 先进的仿真工具，Vertiv 能够获得更优质的工程资源，从而缩短产品上市时间并提高设计的可靠性。此次合作还将帮助 Vertiv 提高可扩展性，实现早期决策，并赋能销售团队。
演讲重点介绍了 Ansys 如何运用 NVIDIA 的 Omniverse Blueprint（一个用于元宇宙应用程序开发的框架）、CUDA（一个 GPU 加速的并行计算平台）以及 Modulus 神经网络工具集进行模型创建和训练。Omniverse 支持实时仿真和可视化，并由用于 AI/HPC 的 Grace 处理器、用于加速计算的 Hopper GPU 以及用于高级计算性能的 Blackwell 技术提供支持。
GPU加速模拟
重点是优化 CFD 以适应 GPU 计算。Ansys 的贾教授解释了 Ansys 如何根据 NVIDIA 硬件定制其 CFD 求解器。 “我们调整了 CFD 算法，以充分利用 GPU 计算能力。这使我们能够以更快的速度和更高的精度执行物理模拟，从而显著缩短高保真分析时间。” 他举了一个具体案例：一个 25 亿个单元的汽车模拟，曾经在 2,048 个 CPU 核心上需要近一个月的时间才能完成，现在使用 320 个 NVIDIA GH200 Grace Hopper 超级芯片仅需六个多小时即可完成。这一改进展示了 GPU 加速如何在保持精度的同时缩短模拟时间，从而为工程师提供更高效的工作流程。
人工智能驱动的设计优化
NVIDIA Modulus AI 框架的集成被展示为增强设计流程的工具。Ansys 的 McCaslin 强调了其实际优势： “Modulus 使我们能够快速探索设计方案并确定最佳配置。它旨在通过让 AI 管理设计空间探索的复杂性来提高设计师的工作效率。” 这种方法使工程团队能够快速评估众多可能性，支持数据驱动的决策，避免了传统方法的延迟。通过将 AI 与高保真仿真相结合，Modulus 可以加快迭代速度，帮助工程师更有效地改进设计。
将模拟与现实联系起来
此次会议还展示了 NVIDIA Omniverse 的实时可视化功能。Ratcliff 强调了它的实用性： “借助 Omniverse，我们不仅可以进行模拟，还能以清晰、可操作的方式呈现结果。” 该平台能够提供细致的渲染—涵盖材料、照明和资产—与物理原型高度相似的渲染效果。 “渲染质量将模拟与现实世界的结果联系起来，” Ratcliff 引用演讲中展示的示例指出。这款可视化工具支持更好地解读模拟数据，并通过在团队之间提供精确、共享的数字孪生视图来促进协作。（见图 1）
图 1： 一张包含三张仿真图像的幻灯片：一张是喷气发动机燃烧室，一张是带有气动流动可视化的战斗机，第三张是高升力配置的商用飞机。每张图像都包含单元数量、网格划分时间和 GPU 使用情况的详细信息。
数字孪生实践
会议还讨论了基于 Ansys 专业知识的 AI 驱动数字孪生的精确用例。贾教授强调了它们对工业设计的影响： “我们正在模拟整个发动机系统—热流、应力点—将验证时间从几周缩短到几天。” 这种效率加速了重型机械和动力系统的改进，无需进行大量的物理测试。McCaslin 进一步扩展了范围： “Modulus 可以快速优化热交换器或 HVAC 系统—任何涉及流体或热传递效益的应用。” 在汽车、航空航天和能源领域，这些例子凸显了数字孪生作为简化复杂工程挑战和提高精度的有力工具。
推进多尺度建模
Vertiv 的 Ratcliff 也强调了 AI 驱动的数字孪生的实用价值： “Omniverse 让每个人都—工程师、设计师、高管—在同一个虚拟房间内，实时查看和调整同一个模型。这可不是只有一招的小马驹—它旨在解决数据中心、工厂、甚至智能城市等任何需要革新复杂系统的问题。” 其核心信息超越了速度—它是关于重新定义协作并让团队能够精确、大规模地解决棘手的挑战。
要深入了解这项改变游戏规则的技术，请观看此处的完整 GTC 会议：
人工智能驱动的数字孪生：基于 NVIDIA 技术的实时物理和加速模拟
