为深入贯彻国务院《关于深入实施“人工智能+”行动的意见》,落实工业和信息化部等八部门《“人工智能+制造”专项行动实施意见》关于推进工业全要素智能化、加快虚拟仿真等技术研发应用的部署要求,进一步深化师生对人工智能与工程仿真融合发展的认识,9月17日下午,北京工商大学计算机与人工智能学院执行院长、商业数据安全防护与智能治理北京市重点实验室主任李海生教授来校,作题为《面向工业应用的仿智融合服务》的专题讲座。本次讲座由首都师范大学国家安全学院 管理学院公共管理信息化二级学科负责人李猛坤老师主持,国家安全学院 管理学院部分师生代表共同参加。

李猛坤老师代表主办单位对李海生教授来校交流表示诚挚欢迎。他指出,李海生教授团队长期深耕智能图学、科学可视化、工程仿真与人工智能融合研究,在复杂装备设计、数字孪生和工业智能化应用等领域形成了较为系统的研究积累。两校相关团队在科研项目申报和学术交流方面具有良好合作基础,希望以此次讲座为契机,进一步拓展交叉研究方向,推动双方在科研项目和成果应用方面深化合作。
李海生教授从人工智能与工程仿真两条技术路线的发展脉络切入,系统阐释了“仿智融合”的基本内涵。他指出,传统计算机辅助工程主要依托物理机理、数学模型和数值计算开展建模仿真,人工智能则擅长从数据中完成分类、聚类、回归、预测和决策。仿智融合并非对二者进行简单叠加,而是将机理驱动的仿真能力与数据驱动的智能方法有机结合,推动人工智能贯穿工业产品设计、仿真分析、运行监测和辅助决策等环节。
围绕仿智融合的工程化实现,李海生教授重点介绍了团队研发的MCLink元组件连接框架。该框架采用开放式、组件化架构,将CAD建模、地理信息系统、网格生成、数值求解、科学可视化、机器学习和数字孪生等工具与算法集成到统一平台,并通过算法流水线组织前处理、求解和后处理过程。用户可根据具体任务灵活选择数据模型、网格算法、求解器和可视化方法,减少不同工程软件频繁切换造成的数据割裂与重复操作。与此同时,项目形成的算法和工具能够以元组件方式持续沉淀,使分散的科研成果逐步转化为可复用、可扩展的平台能力。
在大语言模型赋能工业软件方面,李海生教授结合现场演示,介绍了团队将DeepSeek等基础模型接入仿真融合平台的技术路径。通过领域知识库、检索增强生成和智能体等技术,工程人员可以使用自然语言完成数据库构建、CAD模型修改、网格疏密调整和设计知识检索。对于涉及敏感数据和专业知识的工业场景,还可以采用本地化、私有化部署方式,在保障数据安全的前提下提升设计分析效率,降低复杂工业软件的使用门槛。
李海生教授结合航空发动机燃油电磁阀仿真、污水处理厂数字孪生、大规模交通噪声场预测和深基坑施工监测预警等案例,详细介绍了仿智融合技术的应用成效。以航空发动机燃油电磁阀项目为例,团队将流体域自动提取、智能网格生成与质量评价、仿真求解及结果可视化等环节贯通起来,有效减少了传统流程中大量依赖人工完成的前处理工作。相关实践表明,只有将人工智能方法嵌入具体工程流程,与行业知识、物理机理和实际数据深度结合,才能形成可验证、可复用的工业智能工具。

谈及仿智融合的应用边界,李海生教授强调,适合开展仿智融合的问题通常需要具备相对明确的物理机理、可编码的输入输出和可验证的任务目标,同时应有足量、可靠且覆盖较为完整的数据作为支撑。对于专业性较强的复杂工业问题,还需要将其合理抽象为人工智能能够处理的分类、聚类、回归或决策任务,并综合考虑模型精度、算力条件和领域知识等因素,避免脱离工程实际片面追求算法复杂度。
交流环节中,与会师生围绕仿真结果可信度、社会复杂系统仿真的验证方法、大模型私有化部署、算力需求以及跨学科成果转化等问题展开深入讨论。针对仿真结果如何验证的问题,李海生教授介绍了工程计算中通过数值计算结果与风洞试验等真实实验结果进行比较,评估模型误差和适用边界。他表示,不同行业对仿真精度、数据规模和计算资源的要求存在差异,开展相关研究必须充分理解具体业务流程和领域问题,在技术方法与应用需求之间建立有效衔接。
李猛坤老师在总结发言中对李海生教授的精彩报告表示衷心感谢。他指出,报告系统展示了人工智能、工程仿真、大语言模型与工业场景深度融合的研究路径,多个案例体现了科研成果面向真实需求、服务工程实践的鲜明导向。对于相关专业师生而言,开展人工智能研究既要掌握算法和计算技术,也要主动了解行业知识和实际业务,在交叉融合中寻找具有研究价值和应用前景的问题。
此次讲座的举办,使师生对仿智融合的技术体系、平台建设、应用条件和发展方向有了更加深入的认识,也为学院开展人工智能、数字孪生和复杂系统仿真等交叉研究提供了有益参考。学院将以此次学术交流为契机,持续加强与相关高校和科研团队的沟通合作,推动科研项目、人才培养与应用场景进一步衔接,不断提升科研成果服务经济社会发展和产业数字化转型的能力。

审核:林广成、李猛坤
图片:岳玥
文案:杨璧竹