暴力創新與中國工業軟件的突破時刻

全球到處都是人工智能的浪潮，人類智能正在受到從未有過的挑戰。人類認知世界和預測未來，有四種范式，包括實驗、理論、仿真計算和大數據分析。Sora文生視頻為代表的數據驅動世界模擬模型，正是第四種范式的最新勝利。而仿真計算，則是基于第一性原理建立的物理定律的近似求解。它以偏微分方程的方式，用極限逼近的方式，重現了世界的邊界秩序。人們只有了解了邊界，才能形成確定性的預測。這種科學計算的優雅，給人們帶來信服、可解釋的世界模擬器。

然而現在，基于大模型的人工智能要以一種基于統計學的經驗主義，來奪取人類確定性的令旗。已經建立在確定性秩序的地基之上的整個世界，現在被深度學習的“不可解釋性”動搖。

第四范式如此迅敏地要從第三范式中，奪取定義預測世界的令旗，源自快速進化的人工智能。2015年成立的OpenAI，在推出ChatGPT2的時候，共有15億個參數。如果用來模擬動物大腦的神經元，那么這個數字相當于老鼠的智力。而ChatGPT3則達到了1750億，接近了一只貓的水平。一鳴天下白的ChatGPT4的參數為1萬億規模。正在呼之欲出、秘密訓練的ChatGPT5，將達到100萬億個參數。這與人類大腦的100萬億個神經觸元非常接近。ChatGTP5已經對標IQ值為48的人類智商。而英偉達認為只需要再過五年，人工智能就可以通過所有類型模擬人腦的圖靈測試。

決戰人類智能的奇點時刻提前到來，這是第三方式與第四范式的人類大決戰時刻。

Sora，還是Sora模式

Sora是世界物理模擬器，還是科技幻覺的巔峰？攪動馬蜂窩的Sora文生視頻，引發海嘯般的討論。Sora所謂的“世界物理模擬器”收割了普羅大眾的情緒，但在技術大咖之間也引發旗幟鮮明的兩派意見。至少Meta公司的首席科學家嚴肅地反駁了這個問題。Meta公司認為生成式智能，無法逼近真實的物理世界。

行業里一種有說服力的看法是，臨界狀態的災變是不可平滑過渡的，不具備推演性。一個水杯跌落桌面的時候，在觸底一剎那會產生災變。然而，這一瞬間產生的數據樣本量過小。從動態到瞬態二者之間存在的鴻溝，根本無法靠大數據暴力破解。即使機器人觀察足夠多的視頻也無濟于事。

在Sora和ChatGPT的光環之外，美國一種全新的創新模式正在浮現。最近四年的美國科技股爆發，出現了英雄崇拜的“大力神現象”，也就是一將可頂百萬雄兵。馬斯克一個人干翻所有的美國汽車界。而成立只有九年的OpenAI則在過去兩年沒收了所有光線的輝光。連谷歌、Meta這些巨無霸的光澤，似乎都在借著OpenAI的英雄盔甲再次反射出去。在Sora發布的同一天，谷歌發布的支持100萬令牌超級上下文的大模型Gemini 1.5 Pro（GPT4為13萬億個令牌），和Meta發布的人類思維模擬器的預測架構V-JEPA，不幸都被淹沒了。谷歌、Meta呼風喚雨的輿論魔法，幾近失效。

而當OpenAI成為舞臺明星的時候，它背后則有隱形的大力水手。AI的爆發讓GPU芯片奇貨可居，英偉達一夜之間的市值，可以增長出一個工商銀行的市值，超過2.2萬億美元，排列第三，僅次于蘋果和微軟。這在一年前不可想象。同樣做服務器，以AI服務器的美國超微電腦，今年市值飆升1倍。美國的科技股正在獨家狂歡，全球沒有第二個股市能夠如此獨自綻放。全球人工智能創新，呈現了“一夫當關”的“獨角戲”模式。

這種“獨角戲”的創新模式，正在演繹“科技大力出奇跡”的新劇種。OpenAI在收入幾乎為零的情況下，微軟依然投入10億美元。而在2023年ChatGPT出現之后，迅速再追加投入100億美元。這是一種何等宏大的視角和賭注。然而，這種前瞻性的思維，源自另外一個事實，那就是算力的無限擴大。

當人們感覺摩爾定律已經足夠快的時候，其實AI算力的增長，比摩爾定律要快幾十萬倍。英偉達GPU芯片在過去十年的算力增長，達到了100萬倍。這種驚人的核彈級暴力，炸開了新的生產力模式。所有AI的突破，都是基于這種算力炸裂的模式而來。

在確定性成長的領域，集中資本砸向優勢人才，成為美國科技股市的創新模式。就像鉆地彈一樣，在狹小的空間里爆發出最大的能量。

第三范式的進化

人們預測未來有不同的方式。2007年微軟科學家提出了基于大數據驅動。這種數據密集型的計算與推演世界的方式，被稱為第四范式。這也是當下深度學習所引發的AI狂潮的基石。而與此相對的更早范式，則是建立在物理方程的第三范式：科學計算。更早的范式則包括實驗和理論。

這是一個算力演變的過程。在實驗和理論的推演過程中，人們只需要消耗自己的腦力，就可以完成“夜觀天象卜天下”的預測未來。而工業軟件所代表的科學計算，則跟計算機的發展緊密相連。而仿真CAE軟件，則是最典型的科學計算的先鋒，也最為消耗計算資源。它采用優雅的微積分定律，通過偏微分方程，用數學破解一切宇宙的本質。

在上個世紀八十年代個人電腦PC開始逐漸普及，計算設備的平民化，使得科學計算從科學家封閉的實驗室走到了日常工程師的手中。這點燃了工業軟件的商業熱火。無論是美國宇航局NASA的有限元軟件NASTRAN，還是為西屋核電所準備的仿真軟件ANSYS，都開啟了工程師大量創業的新征程。科學家頻繁轉化成企業家，工業軟件則在大學院所與企業之間加速穿梭。數學方程、物理定律、化學定律等大量的基礎學科理論，被塞進芯片中加以馴化。這是算法至上的時代。

而這背后，工作站和個人電腦的計算性能，恰到好處地支撐了求解復雜方程所需要的算力。對于汽車、航空航天、消費電子的研發，即使仿真計算慢一點，在整個研發制造周期內，仍然是可以接受的。一輛汽車的型號，研制7年，銷售周期可以達到10-15年。仿真工程師用“精算”，為整個研發和制造部門，贏得了“先人一步”的洞見。

從PC普及算力開始，工業軟件的工程師們建立了一種“同步摩爾定律”的默契，讓算法的優化，與摩爾定律恰如其分地保持了一種同步進化。

科學計算，依賴的是數學方程，對物理定律的編碼與破解。這些寶貴的人類知識結晶，并非能夠持續成長。跟比特幣一樣，越挖越少。在解釋世界的水晶球里，已經很久沒有加入新鮮的突破性基礎理論。而在悠長的算力平民化的四十年，工業軟件的發展也在出現平滑曲線的拐點。能夠蒸餾的燒瓶，已經蒸餾了；能夠加速的粒子，也都加速完畢。能夠求解的物理方程，都已經求解了；能夠使用的偏微分方程，都已經消化成算法。能夠劃分的網格，都小到了原子尺度。科學基礎的理論，所能提供的燃料，已經耗盡。

第三范式的能力，似乎已經接近極限。科學計算的潛力，某種意義上，看似已經走到盡頭。2023年，人們在OpenAI人工智能狂飆猛進的震驚中，又驚愕地見證了一場第三范式的終結大戲。全球仿真巨頭ANSYS，居然被電子設計軟件新思以350億美元所收購。新思作為芯片設計的全球頂級軟件，是第四范式所需要的算力源頭。ANSYS是人類仿真軟件歷史的第一高峰，五十多年的激流奔蕩歷史中，它吞噬了上百個仿真軟件。就在四年前，兩者市值都是在200億美元左右。

而現在，面向第四范式的行業軟件，吃掉了代表了洞察物理秩序的通用軟件。后者的輪廓消失在第四范式的黑洞之中。市面上出現了一個市值1200億美元的科學計算公司，但它的成因卻跟第四范式有關。

如果這個并購的事件沒有發生，那么，不會有人能想到這個劇本。ANSYS的收購，代表物理仿真時代的終結。這場收購，堪比牛頓定律碰到了相對論。前者的作用沒有消失，甚至加強，但人們認知世界的方式正在發生變化。

中國的第三范式

第三范式真的“終結”了嗎？遠遠沒有。對中國而言，第三范式，恰好剛剛起步。

中國如果要實現工業軟件自主的任務，沒有一個100億美元市值的公司，是不可能實現真正的獨立。然而，100億美元并非是從天而降的。沒有10億美元的單體投入，恐怕實現這一點是很困難的。

在人工智能領域，投資熱隨處可見了。AI芯片初創公司Groq還沒有形成有效算力，已經快速融資3億美元。在中國大模型之戰，吸引了近200家企業，大量資本涌入其中——可以想見的是，絕大部分都會沉淪無息。

在AI高歌猛進的資本浪潮中，10億美元的投入，對中國工業軟件而言，卻是一個天量的數據。人們在這個領域，無論是科技攻關，還是企業融資，都習慣了胡椒面式的撒放。但對于科學計算這樣已經看到了天花板位置的行業，Sora的暴力投資模式，其實更具備可行性。

一家做CAE公司的云道智造，借助于底層多物理場的求解器，已經在電子散熱軟件領域，突破了德國公司Flotherm的壟斷。這得益于一家電子龍頭企業的真買真用。電子信息技術是高速發展、創新驅動的行業，對工業軟件的牽引要遠高于傳統行業。

Flotherm在電子元器件散熱的市場占有率，超過了80%。但它在十多年前的關鍵發展，也得益于這家用戶的精心調教和知識反哺。

在工業軟件領域，真買真用的真用戶太稀缺了。很多企業買軟件回去只是交差，然后就讓軟件睡大覺了。真買假用的常態化，也會造成一種表象上的繁榮。

現在，這家用戶就像老法師，正在重新調校創業10年的云道智造，這三年之內的拉動效應是驚人而讓人信服的。與一些企業買回去閑置只做案面工作不同，用戶的電子散熱工程師跟云道坐到了同一個板凳上，將大量應用場景反哺到云道公司。有的時候，性急的工程師連界面都畫好了圖——畫出了功能界面有時候就是捅破了窗戶紙。用戶一次性提出了上百個Bug，讓這家軟件公司的后生們使出渾身解數，活力綻放。Sora軟件背后也是大批畢業不久的年輕人所完成的。仿真計算，是最標準的密集型科學計算。這是一門算力消耗巨大的工程，跟AI一樣。這種強度某種程度可以用網格劃分來衡量。網格越密集，計算量就越大。現在這款軟件迅速從2千萬突破到5千萬的網格量，今年已經突破1億網格規模。這在電子散熱已經是自由境界了。由于企業擁有底層的引擎技術，在電子散熱打開局面后，就可以轉向結構力學、流體力學、電動力學等領域取得更多的并行突破。

這家企業花費約10億人民幣，就完成了底層求解器的布局，并且已經在單個領域取得了商業閉環。從資本的性價比上，頗具效率。從獨立自主的角度，則是很高的性價比。然而，如果從時間窗口期來看，依然有點慢。這是一個追趕者加速奔跑的過程，時鐘滴答作響，人們需要壓縮這樣的時間隧道。對于中國工業軟件而言，既然已經進入了第三范式的高速公路，那么“大力出奇跡“的時刻觸手可及。文生視頻的Sora模式，比Sora本身變得更加耀眼。

這家公司的突破，看上去是一個串行的線性進展。但它帶來了同樣的“獨角戲”的大力水手模式。如果資本投入在這里形成一個飽和式的轟炸，產生一個10倍、100倍的壓強，那么很多仿真軟件的壁壘，就會炸開。

這正是中國工業軟件面臨的困境，到處都是低門檻的單兵射擊。大量對于多物理場的工業軟件的突圍，都是單個工兵在爆破。工業軟件的小作坊作業太多。資源投入嚴重不足，而且還都是重復勞動。這種分散式的攻關模式，跟美國當下正在高歌猛進的“獨角戲”模式，呈現了完全不同的對比。

然而，中國市場并不缺錢。百模大戰已經看出這種非理性泡沫。3D打印、元宇宙的大話猶在耳邊，Sora濃妝已經撲鼻而來。當中國資本紛紛追趕大模型、Sora這類的AI突破的時候，有很多問題還需要澄清。但盲目的大資本投入可能會事與愿違。那些尸橫遍野的大模型失敗者，會帶來大量的資本消耗。

如果一些資本能夠如此高壓強地進入工業軟件的某些領域，物理世界的模擬就會出現迥然不同的一個局面。中國當下的科學計算，跟美國的人工智能一樣，需要一個資本集中點大爆炸的“蘑菇云時刻”。從Sora大熱，反思中國科創模式。這里可以得到的更多。

20年前，計算科學的算法早已經成熟。CAE軟件所有的基礎原理其實已經不需要突破，最重要的就是這些數據方程的工程化表現，來適應雖然多樣化但相對有限的工程場景要求。對于行業的非線性軟件Abaqus、多體動力學ADAMS或者電子散熱Flotherm這些軟件而言，它們能夠在行業確立霸主地位，并非是先進的算法，而是多樣化的場景適應。工程化的計算，需要大量“近似的藝術”，這是工程師而遠非科學家要解決的問題。

著名的非線性仿真軟件LS-DYNA，擅長計算車輛碰撞的變形，也擅長模擬爆破瞬間的破壞力，它可以適應上百個不同的場景。而課題所支持的科學家開發的求解器，只能在一個場景使用，換一個場景立刻就趴下。這種求解器獲獎無數，也無法在商業化勝出。這就是為什么現在的軟件開發主力已經從高校轉移到企業，為什么用戶的參與比政策的補貼更加寶貴。

讓作坊式的工業軟件作業方式消失，讓分散的課題集中在指定區域爆破，讓科技人才匯聚在刀尖上，飽和式攻關才是工業軟件的解決之道。然而這種飽和式攻關，最好讓大企業走開。大企業的組織慣性和考核體系，很難駕馭工業軟件這種小賽道的創新突破。就工業軟件的發展策略而言，大企業最合適的就是當奶媽，為中小企業提供豐富的使用場景。大企業親自下場做軟件，非利益作怪則虛榮耍妖。正如微軟對OpenAI一樣，既投入了資本，也投入了場景。但ChatGPT、Sora這樣的創新突破，很難想象是在幫派林立的大公司所能建樹。谷歌、Meta坐擁近似無窮的算力和數據資源，依然錯失引領通用人工智能的浪頭。

小結：飽和攻關

美國企業目前股市總市值為51萬億美元，占據全球近一半。而以微軟、英偉達為代表的Top8家科技企業市值則占據美國總市值的27%。新一輪科技競賽，就是這八家公司帶動，撐起了美國市值的天空。這種做法就是滿弓滿倉的高飽和投入。在算法沒有本質突破的情況下，依靠海量算力的投入，突破了大模型的人工智能應用瓶頸。這種模式給正處在追趕科學計算的中國工業軟件而言，有著極大的啟發。

工業軟件的突破，是一個連續的三板斧組合。第一板斧技術攻關是數學家解方程，第二板斧產品化是工程師做近似，第三板斧商業化則是市場打磨功能。工業軟件技術攻關可能只需要10人，產品化所需要的人員放到10倍，商業變現則需要再放大10倍。這是一個技術、工程化、應用普及的創新閉環。對于已經驗證的邏輯閉環的空間，飽和的資本投入，將使得能量成十倍成百倍的放大。一個初創的人工智能公司，很容易籌措到10億美元，然而它的指向則生死未明。而在第三范式的科學計算，采用飽和式投入10億美元，中國就可能實現全面爆破。投入規模要小得多，而突破的成果則是驚人的。而在第三范式的突破，則可以為消除第四范式的“AI幻覺”提供堅固的支撐。

人們會繼續探索AI理解和模擬現實世界的雙重能力。第四范式的暴力投入所取得的成就，對于中國急速沖破的第三范式的大門，留下了更具有現實意義的參考樣本。或許這正是當下最為有效的工業軟件突破時刻。

（本文為作者觀點，責任自負，并不代表本刊及其主辦、主管機構觀點）