仿真模型是物理对象、系统或过程的虚拟表示，可预测其在不同场景中的行为和性能。 如今，仿真模型广泛应用于各行各业，以优化流程、为决策提供信息并创建数字孪生。

几十年来，仿真模型一直被用来对复杂的系统和过程进行建模。 这些模型的发展是由计算能力的进步以及收集和分析大型数据集的能力推动的。 将人工智能（特别是生成式人工智能）集成到仿真模型中代表了其发展的下一步，使组织能够创建更准确、更可靠的模型。

1、仿真中的生成式AI

生成式AI彻底改变了我们进行仿真的方式，使工程师和研究人员能够创建极其准确和可靠的模型。

生成式AI是人工智能的一个分支，它可以创建模仿现实世界数据的新内容，例如图像、视频或文本。 它使用的算法可以从现有数据中学习并生成在风格和内容上与原始数据相似的新数据。 目前，预训练的生成式AI产品非常流行，例如用于文本生成的 OpenAI 的 GPT-3、用于图像生成的 NVIDIA 的 StyleGAN2 以及用于基于书面描述创建视频的 OpenAI 的 DALL-E 2。

数字孪生概念的先驱之一迈克尔·格里夫斯 (Michael Grieves) 表示，人工智能将有助于优化模拟并提高其准确性，使组织能够根据结果做出更好的决策。

在工程设计、建模和模拟的背景下，生成式AI可用于改进数据输入、生成场景、优化流程和生成合成数据。 通过分析和增强模拟中使用的数据输入，生成式AI可以提高模拟的准确性和整体质量。 生成式AI还可以在模拟中生成新的场景和变化，使组织能够测试不同的场景，识别潜在问题，并根据模拟结果做出明智的决策。 此外，生成式AI可以通过从仿真结果中学习并自动适应和改进模拟流程来优化模拟中的流程。 最后，生成式AI可以生成与现实世界数据非常相似的合成数据，这些数据可用于增强模拟中的现有数据集。

“人工智能和机器学习的使用将成为大多数行业开发和实施数字孪生技术的关键组成部分，”格里夫斯补充道。

2、汽车行业的突破

通过将生成式AI融入仿真中，专家可以获得更准确、更复杂的模型，以帮助决策和优化过程。 生成式AI在各个行业的实际应用证明了其在提高模拟准确性和可靠性方面的巨大潜力。

例如，生成式AI已应用于汽车行业，以优化汽车零部件的设计，在保持强度的同时减轻其重量。 通过在制造业中使用生成式设计和仿真，奥迪能够在 2023 年将其装配线的周期时间缩短 30%。 奥迪进行的仿真涉及汽车制造的装配线流程。 通过在仿真中使用生成式AI，人工智能算法能够从仿真结果中学习并自动适应和改进制造流程。 这种迭代优化过程提高了效率，降低了成本，并在实际应用中提高了性能。

奥迪应用中强化学习的使用展示了生成式AI在增强仿真和优化制造业流程方面的潜力。

另一家德国汽车制造商宝马将生成式AI与增材制造相结合，创造了新的创新。 BMW 使用生成对抗网络 (GAN) 创建了新版本的 3D 打印水泵皮带轮，重量减轻了 48%，效率提高了 25%。 这证明了生成式AI通过生成组件的优化设计来改进制造流程的潜力。

3、超越四轮车

生成式AI已在医疗行业中用于模拟疾病的传播并测试潜在的治疗方法。 宾夕法尼亚大学使用生成式 AI 来模拟 COVID-19 的传播并测试不同干预措施的效果。 通过模拟 COVID-19 的传播并测试不同干预措施的有效性，研究人员无需进行现实世界的实验，就可以深入了解各种措施的潜在影响，例如社交距离或疫苗接种。 这有助于为应对这一流行病的决策和政策制定提供信息。 此外，生成式AI放着用于预测疾病的传播并评估新疗法的潜在有效性，使研究人员能够识别有希望的候选药物以进行进一步的测试和开发。

在金融行业，生成式AI已被用来模拟市场趋势并预测股票价格。 高盛、摩根大通、黑石等金融机构利用生成式AI模拟众多市场场景，测试不同投资策略的表现。 通过使用生成式AI，他们能够创建更准确、更复杂的模型，从而改进他们的决策过程并优化他们的投资策略。

4、未来是令人兴奋的

在元宇宙中结合仿真和生成式AI的可能性是无限的

当我们见证数字孪生概念在许多行业的采用以及元宇宙的出现时，仿真与生成式AI相结合的可能性几乎是无限的。 借助生成式AI，组织可以实现更准确、更可靠的模型、优化流程并做出明智的决策。 这项技术已经在汽车、医疗保健和金融等各个行业掀起波澜，其创新和进步的潜力是巨大的。 通过利用生成式AI的力量，我们可以解锁新的场景，探索更广泛的可能性，并使不可能成为现实。 未来是令人兴奋的，可能性是无限的。