核心要點(diǎn)

1. 數(shù)據(jù)中心的大規(guī)模建設(shè)，推動了更龐大、更復(fù)雜的抽象化技術(shù)落地

2. 汽車、航空航天、芯片制造等多個行業(yè)，掀起數(shù)字孿生 / 虛擬孿生技術(shù)的競爭熱潮

3. 人工智能，尤其是智能體技術(shù)，將在海量數(shù)據(jù)篩選中發(fā)揮關(guān)鍵作用，精準(zhǔn)定位潛在問題

數(shù)據(jù)中心的新建熱潮，為更大規(guī)模、更高層級的抽象化應(yīng)用打開了大門 —— 從整座城市的全方位實(shí)時監(jiān)測，到復(fù)雜系統(tǒng)中軟件更新的潛在交互影響分析，海量多物理場仿真得以實(shí)現(xiàn)。

抽象化技術(shù)在芯片行業(yè)早已由來已久。Python、Rust 等編程語言，可定制化人工智能智能體，以及能兼容其他廠商工具的集成式電子設(shè)計自動化（EDA）平臺，均已在系統(tǒng)設(shè)計中成熟應(yīng)用。如今的變化在于，這些技術(shù)能夠跨不同數(shù)據(jù)源拓展應(yīng)用，有時甚至突破核心市場邊界，并可根據(jù)需求靈活調(diào)整。這一突破很大程度上得益于計算資源的擴(kuò)容，而數(shù)據(jù)中心的大規(guī)模建設(shè)，徹底消除了此前存在的各類技術(shù)壁壘。

汽車市場成為這一技術(shù)變革的絕佳范本。隨著車企從分立的電子控制單元（ECU），向軟件定義的區(qū)域架構(gòu)及零部件轉(zhuǎn)型，整車廠及其供應(yīng)商難以再憑借傳統(tǒng)的機(jī)電技術(shù)，在競爭激烈的市場中形成差異化優(yōu)勢。產(chǎn)品的核心競爭力，不再僅僅是 0-60 英里的加速時間。如今，純電動和插電混動車型的單次充電續(xù)航、整車廠最新的高級駕駛輔助系統(tǒng)（ADAS）功能或自動駕駛前置技術(shù)，以及層出不窮的智能座艙電子配置，愈發(fā)成為關(guān)鍵的差異化指標(biāo)。

當(dāng)下行業(yè)面臨的挑戰(zhàn)是，確保所有系統(tǒng)無論是獨(dú)立運(yùn)行，還是協(xié)同工作，亦或是在極端條件下長期運(yùn)作，都能達(dá)到預(yù)期效果。這需要更高層級的抽象化技術(shù)支撐，且實(shí)現(xiàn)成本需控制在合理范圍。這也成為行業(yè)新的分水嶺：車輛的實(shí)時、專屬決策在車端完成，而多車交互、系統(tǒng)集成及新軟件的部署，則由數(shù)據(jù)中心負(fù)責(zé)處理，且人工智能技術(shù)的應(yīng)用占比正持續(xù)提升。

西門子 EDA 混合物理與虛擬系統(tǒng)副總裁戴維?弗里茨表示：“目前一輛汽車搭載的電子控制單元數(shù)量在 60 到 120 個之間，這些單元來自不同廠商，運(yùn)行著不同的軟件，卻被要求首次集成就能正常協(xié)同工作。我們打造了一套抽象化的參考設(shè)計，用戶可對其拆解、研究，并組建團(tuán)隊(duì)進(jìn)行二次開發(fā)，也能根據(jù)自身需求調(diào)整定制，替換自有技術(shù)棧，實(shí)現(xiàn)各類個性化開發(fā)。這并非全新理念，只是首次在汽車行業(yè)落地應(yīng)用。”

所有頭部 EDA 廠商及其核心客戶，都朝著同一方向發(fā)力：梳理硬件與軟件的所有潛在連接，打造具備足夠靈活性的系統(tǒng)，以支持新功能和新工具的集成；同時提升系統(tǒng)的開放性，使其能被不同廠商使用，兼容各類零部件組合。

“沒有任何兩輛汽車是完全相同的。” 弗里茨補(bǔ)充道，“部分車型可能采用替代供應(yīng)商的零部件，這些零部件或許存在細(xì)微差異；即便是兩位消費(fèi)者購買了同款車型，其中一輛的某一設(shè)備在使用兩年后出現(xiàn)故障并更換，新設(shè)備的運(yùn)行表現(xiàn)也會與未更換設(shè)備的車輛存在差異。這種差異可能簡單到剎車片厚度不同，也可能復(fù)雜到印刷電路板的配置差異，而任何一種差異都可能影響車輛性能。借助數(shù)字孿生技術(shù)，我們可以模擬道路上所有車輛的各類零部件組合情況，所有數(shù)據(jù)都會直接接入數(shù)字孿生系統(tǒng)，從而實(shí)現(xiàn)對市場上所有車輛組合的自動化測試。我們能提前精準(zhǔn)預(yù)判各類問題，而非寄希望于‘通過空中升級解決問題，一切聽天由命’。”

這是 EDA 廠商十多年來技術(shù)研發(fā)的自然延伸：隨著數(shù)據(jù)收集量和處理需求的持續(xù)增長，EDA 技術(shù)在各行業(yè)的應(yīng)用深度不斷提升。同時，該技術(shù)具備足夠的靈活性，可融入未來新功能，例如在智能基礎(chǔ)設(shè)施落地后，實(shí)現(xiàn)隨時隨地的連接。要讓這一模式落地，芯片需要具備更快的速度、更高的能效，更多流程需要實(shí)現(xiàn)自動化以縮短產(chǎn)品上市時間。而最重要的是，所有環(huán)節(jié)需整合為一個虛擬系統(tǒng)，這也是整個芯片行業(yè)向數(shù)字孿生和虛擬孿生技術(shù)轉(zhuǎn)型的核心原因。

行業(yè)的核心目標(biāo)，是將這類抽象化技術(shù)拓展至實(shí)時應(yīng)用場景。新思科技產(chǎn)品管理高級副總裁湯姆?德舒特表示：“數(shù)字孿生技術(shù)讓行業(yè)擁有了無限的創(chuàng)新想象空間。仿真與數(shù)字孿生的核心區(qū)別在于，仿真僅在實(shí)體設(shè)備落地前使用，而數(shù)字孿生的應(yīng)用則超越了現(xiàn)有實(shí)體設(shè)備或系統(tǒng)的邊界，能在設(shè)備運(yùn)行過程中持續(xù)進(jìn)行仿真或模擬。空中軟件升級就是典型應(yīng)用，但數(shù)字孿生的價值遠(yuǎn)不止于此。例如，它能持續(xù)監(jiān)測并優(yōu)化汽車與基礎(chǔ)設(shè)施、各類內(nèi)容的交互過程。在汽車行業(yè)，目前已形成電子數(shù)字孿生、多物理場數(shù)字孿生和環(huán)境數(shù)字孿生三大體系，三者間的交互協(xié)同成為技術(shù)核心，因?yàn)樾袠I(yè)需要實(shí)現(xiàn)系統(tǒng)的持續(xù)更新。”

這一技術(shù)的應(yīng)用并非局限于汽車行業(yè)。數(shù)據(jù)的數(shù)字化，以及幾乎所有電子設(shè)備的互聯(lián)互通，可能催生近乎無限的潛在交互場景，這些場景會對設(shè)備的性能、功耗、信號完整性等各方面產(chǎn)生影響。

楷登電子首席執(zhí)行官阿尼魯?shù)?span style="font-family:'微軟雅黑',sans-serif">?德夫甘在近期的演講中表示：“飛機(jī)在起飛和降落階段會遭遇強(qiáng)烈的湍流，傳統(tǒng)系統(tǒng)僅能模擬 20% 的飛行包線，這也是行業(yè)不得不依賴造價高昂的風(fēng)洞試驗(yàn)的原因。而在生物領(lǐng)域，新藥研發(fā)的成功率僅有百分之幾。因此，市場對高精度數(shù)字孿生技術(shù)的需求極為迫切，尤其是物理人工智能領(lǐng)域，以及支撐其運(yùn)行的相應(yīng)芯片。我們推出的數(shù)據(jù)中心數(shù)字孿生系統(tǒng)，可對整個數(shù)據(jù)中心進(jìn)行仿真模擬，這雖是一款非傳統(tǒng)產(chǎn)品，卻已成為當(dāng)下的核心剛需。該系統(tǒng)將計算流體動力學(xué)、仿真技術(shù)與人工智能融合應(yīng)用于數(shù)據(jù)中心領(lǐng)域。需要注意的是，并非只有大型云廠商擁有超大規(guī)模數(shù)據(jù)中心，企業(yè)級數(shù)據(jù)中心的數(shù)量同樣龐大。我們將該技術(shù)應(yīng)用于自有數(shù)據(jù)中心后，功耗降低了 10%。”

數(shù)字孿生與虛擬孿生：概念之別

隨著海量實(shí)時組合分析市場的逐步成型，相關(guān)技術(shù)的命名規(guī)范開始出現(xiàn)差異。例如，泛林集團(tuán)對二者作出明確區(qū)分：數(shù)字孿生依托數(shù)據(jù)模型進(jìn)行預(yù)測，而虛擬孿生則在物理約束之上設(shè)置管控功能，或具備經(jīng)數(shù)據(jù)驗(yàn)證 / 校準(zhǔn)的功能模塊。

泛林集團(tuán)企業(yè)副總裁戴維?弗里德在近期的視頻中表示：“一個真正的虛擬孿生往往具備多層架構(gòu)，無法用單一模型覆蓋整體。若要為一座城市打造虛擬孿生，首先要明確應(yīng)用場景和待解決的問題。如果是為了實(shí)現(xiàn)無人機(jī)在城市中的飛行，就需要精準(zhǔn)掌握建筑的地形地貌，因此城市虛擬孿生需整合建筑地形數(shù)據(jù)；但如果是為了實(shí)現(xiàn)城市內(nèi)的車輛行駛，這些地形數(shù)據(jù)則無關(guān)緊要，核心是掌握城市的道路及路網(wǎng)分布，這需要一套完全不同的數(shù)據(jù)和數(shù)據(jù)結(jié)構(gòu)來解決不同問題；而如果是為了優(yōu)化城市公共交通（如地鐵），則需要另一套全新的數(shù)據(jù)。”

其中的關(guān)鍵，是明確不同場景下的數(shù)據(jù)需求。“這些不同的數(shù)據(jù)集，都可以成為同一座城市、同一個虛擬孿生的不同圖層，我們需要將這些不同圖層、差異顯著的數(shù)據(jù)結(jié)構(gòu)，與真實(shí)的物理世界建立關(guān)聯(lián)。” 弗里德說，“現(xiàn)實(shí)中的城市是一個整體，道路、建筑、地鐵都必須與現(xiàn)實(shí)世界相契合。街道地圖上的道路，不能穿越地形地圖中的建筑，這些圖層之間必須建立關(guān)聯(lián)，且關(guān)聯(lián)方式需根據(jù)具體應(yīng)用場景定制。”

為何技術(shù)落地恰逢其時？

至少十二年來，EDA 廠商一直致力于借助領(lǐng)域?qū)Ｓ没彤悩?gòu)設(shè)計的發(fā)展趨勢，在相鄰市場發(fā)揮更大作用。企業(yè)紛紛在數(shù)據(jù)分析、人工智能、可擴(kuò)展多物理場仿真領(lǐng)域投入巨資，而數(shù)字孿生和虛擬孿生技術(shù)，正是這些技術(shù)積累的集大成者 —— 整合所有技術(shù)能力，對多源收集的數(shù)據(jù)分析交互關(guān)系，并根據(jù)需求實(shí)現(xiàn)實(shí)時或近實(shí)時的動態(tài)調(diào)整。

奎德瑞克公司首席技術(shù)官奈杰爾?德雷戈表示：“當(dāng)我們擁有大語言模型這類高度數(shù)據(jù)驅(qū)動的工具時，所有設(shè)想都具備了實(shí)現(xiàn)的可能，這類工具能幫助我們從海量數(shù)據(jù)中精準(zhǔn)找到關(guān)鍵信息。面對海量數(shù)據(jù)，我們迫切需要這種精準(zhǔn)篩選的能力。大數(shù)據(jù)集的訓(xùn)練能讓我們更快地發(fā)現(xiàn)極端邊緣場景，因?yàn)槲覀兡芨娴亓私饪赡艽嬖诘倪吘増鼍邦愋停约捌涑尸F(xiàn)形式。”

借助大語言模型融合多源數(shù)據(jù)的能力，有望成為行業(yè)游戲規(guī)則的改變者。大語言模型可充當(dāng)中間件，實(shí)現(xiàn)不同類型數(shù)據(jù)的共享。例如，車企可通過該技術(shù)，對不同廠商的應(yīng)用進(jìn)行沙盒測試，觀察其交互效果，尤其是在系統(tǒng)老化或安裝新更新后的表現(xiàn)；從更宏觀的視角來看，城市管理者可通過該技術(shù)監(jiān)測各類車輛的行駛狀態(tài)，實(shí)現(xiàn)車輛的自動最優(yōu)路徑規(guī)劃，甚至能構(gòu)建可持續(xù)的商業(yè)模型 —— 駕駛員可支付更高費(fèi)用，實(shí)現(xiàn)更快抵達(dá)目的地。

“當(dāng)下真正的挑戰(zhàn)在于，復(fù)雜系統(tǒng)會催生新的復(fù)雜性問題。” 德雷戈說，“誠然，這些復(fù)雜系統(tǒng)或許能解決部分邊緣場景問題，實(shí)現(xiàn)問題的識別與解決方案的制定，但同時，這些系統(tǒng)自身又會產(chǎn)生哪些新問題？這將是一個持續(xù)博弈的過程，核心問題在于，我們能否縮小模型的運(yùn)行范圍，將其復(fù)雜性掌控在可理解、必要時可調(diào)控的范圍內(nèi)。這正是行業(yè)面臨的挑戰(zhàn)：我們能否掌控一個本身具備復(fù)雜系統(tǒng)調(diào)控能力的復(fù)雜系統(tǒng)？”

人工智能智能體的全新角色

這一切在很大程度上依賴于人工智能智能體的技術(shù)演進(jìn)，其在數(shù)字孿生中的應(yīng)用占比將持續(xù)提升，因?yàn)樗艹掷m(xù)在海量數(shù)據(jù)中搜索異常信息。這一點(diǎn)在制造業(yè)中尤為重要，因?yàn)橹瞥唐顣绊懏a(chǎn)品的長期可靠性。

ChipAgents 公司首席執(zhí)行官威廉?王表示：“人工智能智能體是落地數(shù)字孿生技術(shù)的最佳方式。數(shù)字孿生的概念高度抽象，而人工智能智能體則具備極強(qiáng)的實(shí)用性，我們可通過它運(yùn)行各類工具，沿用現(xiàn)有方法論。這一趨勢已在行業(yè)中顯現(xiàn)：一年前，許多企業(yè)還試圖在各類工具中打造 copilots（輔助工具），但隨后發(fā)現(xiàn)其實(shí)際價值有限。而人工智能智能體可完成更復(fù)雜的任務(wù)，例如進(jìn)行回歸分析、根因分析，以及長時間的調(diào)試工作。未來，人工智能智能體將在后臺持續(xù)運(yùn)行。”

目前，該技術(shù)已開始在芯片制造領(lǐng)域落地，用于提升產(chǎn)品良率，確保芯片參數(shù)達(dá)標(biāo)，且在實(shí)際應(yīng)用中具備更高的可靠性。數(shù)字孿生技術(shù)的價值，則體現(xiàn)在對芯片制造前道和后道工藝的虛擬化模擬，從而更全面地掌握制程狀況，精準(zhǔn)定位偏差的產(chǎn)生源頭。

威廉?王說：“芯片的 GDSII 版圖設(shè)計完成后，晶圓廠的制造流程還有約 20 道工序。晶圓廠通常會從各頭部設(shè)備商采購設(shè)備，積累了海量數(shù)據(jù)，但這些數(shù)據(jù)處于孤立狀態(tài) —— 因?yàn)楣S的技術(shù)人員以化學(xué)工程師和物理學(xué)家為主，缺乏計算機(jī)科學(xué)專業(yè)人才。因此，如何挖掘這些數(shù)據(jù)的價值，實(shí)現(xiàn)與設(shè)計端的數(shù)據(jù)打通，成為行業(yè)關(guān)鍵。同時，這一切還需與芯片測試、流片后測試實(shí)現(xiàn)數(shù)據(jù)聯(lián)動。這一變革將從根本上改變行業(yè)格局：我們可通過人工智能智能體分析工廠的默認(rèn)工藝參數(shù)，并進(jìn)行優(yōu)化，為所有制造流程制定更優(yōu)的默認(rèn)參數(shù)。”

同樣，在汽車行業(yè)，所有環(huán)節(jié)都需要實(shí)現(xiàn)數(shù)據(jù)打通，而人工智能技術(shù)能幫助解析這些超大規(guī)模抽象化系統(tǒng)的海量數(shù)據(jù)。西門子的弗里茨表示：“目前仍有許多人對軟件定義汽車的概念感到困惑，而實(shí)際上，未來的汽車應(yīng)是人工智能定義的汽車。真正值得關(guān)注的是，人工智能智能體技術(shù)，是在面向服務(wù)的架構(gòu)之上，實(shí)現(xiàn)的又一層抽象化升級。”

結(jié)語

該技術(shù)的未來發(fā)展仍有待觀察，尤其是邊緣人工智能技術(shù)落地后，其發(fā)展態(tài)勢將更為明朗。邊緣 AI 將界定本地（邊緣設(shè)備端或近端）的處理范圍，也將決定數(shù)字孿生 / 虛擬孿生最終的應(yīng)用形態(tài)和價值。

新思科技的德舒特表示：“這一技術(shù)最終可能演變?yōu)橐环N軟件抽象層，為特定任務(wù)的定制化實(shí)現(xiàn)提供支撐。我們需要搭建這樣的軟件抽象層，確保無論在其上運(yùn)行何種程序，都能基于底層的計算資源實(shí)現(xiàn)優(yōu)化。”

這需要海量的計算能力作為支撐，同時行業(yè)需對該技術(shù)建立足夠的信任。“在某種程度上，這取決于我們愿意將多少控制權(quán)讓渡給更高層級的協(xié)同系統(tǒng)，以實(shí)現(xiàn)整體優(yōu)化。” 德舒特補(bǔ)充道，“城市級的抽象化應(yīng)用已逐步落地。30 年前，若有人問是否愿意將所有信息共享至公共數(shù)據(jù)庫，所有人都會表示拒絕，但如今的社交媒體正是如此 —— 我們將個人信息以公共方式共享至可被所有人訪問的數(shù)據(jù)庫。抽象化技術(shù)的發(fā)展，取決于我們對信息共享的接受程度，以及從中獲得的價值。只要該技術(shù)能為我們帶來更安全的城市、更高效的通勤，或是實(shí)現(xiàn)自動駕駛時的安心休憩，那么這種抽象化技術(shù)，以及我們對過往某些原則的妥協(xié)意愿，都將持續(xù)發(fā)展演進(jìn)。”