计算流体动力学 (CFD) 仿真
利用 NVIDIA CUDA-X、NVIDIA Blackwell 和 AI 物理加速 CFD 仿真，并使用 NVIDIA Omniverse 构建实时交互式数字孪生。
工作负载
加速计算工具和技术
仿真/建模/设计
适用行业
航空航天
汽车/交通运输
制造业
工业
能源
HPC/科学计算
业务目标
创新
投资回报
更快上市
产品
NVIDIA CUDA-X
NVIDIA Omniverse
NVIDIA 数据中心/云
NVIDIA RTX GPU
概览
借助 CFD 仿真加速创新
计算流体动力学 (CFD) 仿真工具能够快速评估物理性能。这减少了对物理原型的需求，为众多行业和垂直领域的设计和开发过程节省了时间和成本。
领先的软件提供商，如 Cadence、Siemens、Synopsys、Dassault 等，使用 NVIDIA CUDA-X™ 库、AI-physics 模型、CUDA-X Python 框架和最新的 NVIDIA Blackwell GPU 将求解器的速度提高了几个数量级，将仿真时间从数天缩短至数小时，并实现更高保真度的仿真。
计算机辅助工程 (CAE) 从业者也希望能够将实时结果集成到数字孪生环境中，以便快速做出设计决策。与传统的 CFD 求解器不同，AI 物理代理模型能够提供实时结果，这些结果随后可以通过传统的高保真 CFD 求解器进行验证。
借助支持基于物理的 NVIDIA RTX™ 渲染的 NVIDIA Omniverse™ API，软件开发者可以直接在其 CFD 应用中创建完全交互式、基于物理的渲染，使设计师和制造商能够与具有完整工程保真度的数字孪生进行交互。
开发者可以使用 NVIDIA Blackwell GPU 将 NVIDIA Omniverse 集成到 CUDA-X 加速的 CFD 求解器和 AI 物理模型中，以构建实时数字孪生。用于构建流体仿真数字孪生的 NVIDIA Omniverse Blueprint 提供了一个交互式演示，展示如何实现这一目标。
快速链接
技术运用
实时 CFD 仿真入门
要开始开发实时数字孪生，请尝试用于实时计算机辅助工程数字孪生的 NVIDIA Omniverse Blueprint。
该 Blueprint 通过集成 AI 物理代理（使用 CUDA-X 加速求解器的数据进行训练）和交互式可视化，展示了实时数字孪生的参考架构。该 Blueprint 演示了如何通过通用场景描述 (OpenUSD) 将 CFD 求解器或 AI 代理连接到 Omniverse，实现 CFD 仿真结果的实时可视化。开发者可以将组件模块化，例如将 PhysicsNeMo 模型替换为自定义 AI 模型，以针对特定用例定制工作流。
实时数字孪生 Blueprint 的架构
以下是该 Blueprint 的四个功能，可以帮助开发者开始训练和微调 AI 物理模型，以利用 NVIDIA 技术更快地进行 CFD 仿真。这些功能既可以作为整体 Blueprint 的一部分使用，也可以单独使用。
1. 从头开始训练或微调基础模型
该 Blueprint 演示了如何使用 PhysicsNeMo 的预训练 AI 模型，PhysicsNeMo 是一个利用仿真数据（例如速度和压力场）训练和部署 AI 代理模型的开源框架。PhysicsNeMo 支持混合训练，将 CFD 数据集与基础模型相结合，以减少训练时间。在这个特定的 Blueprint 中，它使用 NVIDIA NIM™ 微服务来处理 DoMINO 汽车空气动力学模型。
2. 大规模构建、训练和调优 AI 物理模型
开发者可以使用 NVIDIA PhysicsNeMo AI 框架将 Navier-Stokes 等控制偏微分方程 (PDE) 嵌入到神经算子和图神经网络 (GNN) 等机器学习模型中。该框架与 CFD 求解器耦合，生成参数化训练数据集，并在训练过程中通过符号微分执行物理定律。该 Blueprint 展示了 PhysicsNeMo 如何与 Omniverse 集成来实现数字孪生的实时反馈循环，从而连接仿真和运营决策。
3. 利用 NVIDIA Blackwell 加速仿真
NVIDIA Blackwell 架构提供了十亿单元仿真所需的计算能力。NVIDIA Grace Blackwell 机架级系统配备 NVIDIA NVLink™-C2C，可实现超高带宽的 CPU 到 GPU 通信。它使 CFD 工作流能够高效管理大规模域分解和虚拟单元更新所需的复杂数据交换。例如，利用 CUDA-X 和 NVIDIA Grace Blackwell，Cadence 在对整架飞机起飞和着陆的 100 亿单元大涡仿真 (LES) 中，将仿真速度提升了 48 倍以上。整个仿真在单个 NVIDIA Grace Blackwell 机架级系统上运行，执行了近 300,000 个 CPU 核心的工作量，每次仿真成本降至原来的 1/7。
NVIDIA Blackwell GPU 还利用 CUDA® 感知的消息传递接口 (MPI) 来优化 GPU 之间的通信，即使仿真规模急剧增长，也能实现近乎线性的扩展。这直接转化为现实世界影响。借助 NVIDIA Blackwell，工程师可以执行高保真、端到端的 CFD 仿真，为快速设计迭代、实时数字孪生和运营分析开辟新的可能性，而不会影响模型准确性或可靠性。
4. 集成端到端工作流
开发者可以将这些技术组合成统一的工作流，例如 CAD → 网格划分 → GPU 加速的 CFD 求解 → AI 代理 → Omniverse 可视化。领先的 ISV，如 Ansys、Cadence 和西门子，正在将这些功能提供给客户。这种集成可加速洞察时间，同时保持行业领先的准确性，从而实现快速设计探索和实时运营分析——所有这些都在一个 CFD 仿真软件中完成。
快速链接
合作伙伴生态系统
开始与我们的合作伙伴合作
NVIDIA 强大的开发者和软件供应商生态系统正在将 CFD 仿真技术集成到他们的软件、解决方案和服务组合中。
开始体验
构建用于交互式流体仿真的数字孪生系统
了解为 CAE 软件提供商加速工作流的参考应用框架。
新闻
常见问题解答
NVIDIA CUDA-X 和 AI 基础设施可以将数值密集的任务分载到 GPU 优化的 CUDA-X 库，而不是在 CPU 上从头开始编写所有内容，从而更快并更大规模地加速流体仿真（CFD、基于粒子的流体等）。
AI 是传统求解器的能力倍增器。通过使用 AI 物理，工作流根据来自行业标准求解器的数据来训练 AI 代理模型。这些代理模型可模仿原始求解器的物理特性，但运行速度快了几个数量级。这使得大规模的设计空间探索和优化成为可能，而仅靠传统求解器在计算上是无法实现的。
用于交互式流体仿真数字孪生的 NVIDIA Blueprint 是一个参考工作流，使开发者能够构建实时、交互式的物理数字孪生。它结合了三项核心技术：用于加速求解器的 NVIDIA CUDA-X 库、用于训练 AI 代理模型的 AI 物理框架（例如 NVIDIA PhysicsNeMo），以及用于实时、高保真可视化的 NVIDIA Omniverse 库。该 Blueprint 使工程师能够即时可视化流体动力学仿真并与之交互，而不必等待数小时或数天才能获得离线结果。
传统的 CFD 是一个批处理过程，您需要设置仿真，等待求解器进行计算（通常需要数小时），然后分析结果。该 NVIDIA Blueprint 使用 AI 代理模型来近乎即时地预测流场，从而实现交互性。这使得工程师可以在虚拟风洞中修改几何或边界条件，并立即看到空气动力学效应，从而在使用高保真求解器运行最终验证之前实现快速设计迭代。
是的该 Blueprint 旨在成为一个开放且灵活的参考架构。它支持与 Synopsys、Cadence、Siemens 和 Altair 等合作伙伴的领先行业解决方案集成。此外，它使用 OpenUSD（通用场景描述）作为标准数据框架，确保数据可以在 CAD 工具、CFD 求解器和 Omniverse 可视化环境之间无缝流动，无需复杂的文件转换。
NVIDIA Omniverse 库将可视化从后处理转向实时。与在仿真完成后生成静态图像或视频不同，Omniverse 允许您在仿真或 AI 推理运行时以交互方式查看 3D 流场。它利用 RTX 实时光线追踪直接在数字孪生中渲染物理精准的视觉效果，例如烟雾、粒子或流线，从而更容易解读复杂的流结构并与非技术利益相关者协作。
