19世纪末，莱特兄弟通过多次真实实验确定了飞机的各项气动参数，最终在1903年完成了人类历史上首次有动力飞行。如今，设计师与工程师通过操作物理AI仿真软件，即可同时调整飞行器成百上千个维度的参数，并获得实时计算结果。
从“实验驱动”到“AI驱动”，工业仿真的范式跃迁正在重塑制造业的效率边界。而这场变革的核心力量，来自一家深耕国产CAE（计算机辅助工程）领域的上市公司——索辰科技。
近二十年前，索辰科技创始人、董事长陈灏洞察出国产CAE软件市场的空白，以“助力中国制造业长期发展”为使命创办了索辰科技。如今，已正式登陆科创板的索辰科技，正以物理AI的复杂场景实时仿真与优化能力，参与推动工业仿真行业的技术革新。
源起：从“实验驱动”到“仿真驱动”
从莱特兄弟的“实验驱动”，到如今的“AI仿真”，这一技术跃迁绝非一蹴而就的飞跃，而是工业仿真领域历经数代技术革新的结果。在这条演进路径中，传统CAE软件是承上启下的关键里程碑。
2006年，陈灏注意到国产CAE软件市场仍是蓝海，于是秉持着“为中国工业提供更安全、更可靠、更贴合国情的解决方案”这一信念，创办了索辰科技。
彼时，国内制造业的产品研发往往依赖“实验驱动”，仿真技术尚未形成规模化应用。企业需要反复制造样机并进行物理实验，通过实验数据验证设计性能，若结果不满足预期，则需返工修改设计，重新生产样机并再次实验。这种“设计—实验—修正—再实验”的循环周期漫长，成本高昂。而通过CAE软件进行“仿真驱动”研发，则可大幅简化这一过程，仅需在电脑中更改参数，即可计算出方案修改后的“实验结果”，在短时间内完成优化与迭代。
“我们当时就意识到，CAE这种核心的研发设计工具，对中国制造业的长远发展意义重大。”陈灏告诉记者，“我们看到的是一个巨大的市场空白和国家战略需求。通过自主研发填补这一空白，也是索辰科技一直以来坚持的使命。”
索辰科技在初入CAE赛道时，却面临着国产工业软件市场认知度不高、巨头林立等困难——国际巨头经过数十年的沉淀，已形成深厚的理论基础、成熟的算法体系和广泛的工业应用验证，构建了庞大的用户群体、技术服务体系和开发者生态。
“我们深知技术是立身之本。”陈灏说：“因此我们别无选择，只能专注于研发投入。2025年上半年，公司研发投入总额占营业收入的比例达88%。”
同时，针对外国软件生态封闭、二次开发困难、特殊领域缺乏适配、难以满足国内市场需求等痛点，索辰科技专注平台化与生态构建，旨在降低使用门槛，鼓励更多行业专家基于产品平台进行二次开发；并通过收购WIPL-D软件源代码等完成产业内整合，提升整体解决方案的能力。
近二十年间，索辰科技专注于底层算法的创新与优化，在多物理场耦合、大规模并行计算等方面持续深耕，现已构建起覆盖流体、结构、电磁、声学、光学等全学科多类型的CAE仿真软件平台。
加速：从“仿真驱动”到“AI驱动”
从“实验驱动”到“仿真驱动”的范式转变，将不少复杂产品的设计周期从以“年”为单位缩短至以“月”甚至是“日”为单位。然而，这种效率提升的极限在哪里？这一速度能否更快？
索辰科技用物理AI告诉我们，结合AI技术，工业仿真的计算规模理论上可以无限扩展，计算结果也可以做到实时输出。
“通俗地说，物理AI可被看作CAE的进阶版本。”陈灏解释道：“通过将CAE软件底层的物理计算框架与人工智能强大的数据处理能力相结合，物理AI可以做到传统CAE软件做不到的事情。”
具体来看，传统CAE软件受限于计算资源与算法效率，单次任务通常仅能处理有限参数规模。以汽车设计为例，CAE软件仿真普遍需将变量控制在7—10个，如车辆长宽高、特定角度等，其余参数则被固定以实现局部最优化。这种“参数冻结”的策略虽能降低计算复杂度，却导致设计空间被压缩，调整车身局部形态以抑制噪声等大量潜在优化方向因未被纳入考量而被忽略。
“有了物理AI之后，整车所有几何尺寸、材料属性、布局参数等全部可被纳入优化体系，系统可构建完整的多物理场耦合仿真模型。随后，GPU强大的并行计算能力将对全局参数进行实时优化，瞬间输出多种迭代方案。”陈灏表示。
除了计算效率的提升，物理AI的另一大优势是精准与真实。在陈灏看来，实验与仿真均难以描述物体的真实状态：“比如一架无人机在楼宇间穿行，其周围的流体与电磁环境非常复杂且实时变化，唯有算力不受限的物理AI能准确重构这一环境，并通过在这一虚拟空间中的训练赋予飞行器对环境的自适应能力。”
换言之，一旦物理AI具备生成与现实中声、光、电、热等条件相吻合的虚拟世界的能力，仿真场景的数量将趋于无限，依靠物理AI进行仿真与优化的效率将显著提升。而“AI驱动”设计出的产品亦可适用于各类复杂环境，无惧气象、电磁等工况变化，在可靠性与质量上将显著高于“实验驱动”或“仿真驱动”。
未来：抵达人类科学的边界
物理AI具备诸多优势，但其能力边界究竟在何处？
陈灏告诉记者，物理AI很可能是人工智能技术的终极形态，其能力边界就是人类数学、物理等科学能力的边界。
“我们坚信未来所有工厂都将是‘AI工厂’，社会的方方面面都将受益于物理AI。”陈灏表示，“低空经济、新能源电池、风力发电、数据中心、具身智能、高端芯片、航空航天、生物医药、新材料等需要复杂场景仿真与优化的前沿领域，均是物理AI的落地方向。”
目前，索辰科技已与绍兴市和杭州市合作建设低空物理AI平台，推进低空经济赛道的应用落地。
索辰科技将基于物理AI平台进行多物理场的耦合推演，综合分析流体、电磁、声学等多种物理效应，从而提供全面且真实的低空环境画像，并实时评估空域内的电磁干扰水平，确保通信链路的稳定可靠，提升无人机的态势感知能力，辅助其进行精确决策。
陈灏也坦言，尽管物理AI潜力巨大，但距离其催生“杀手级”应用并实现商业化突破，仍有较长的路要走——行业“Know-How”与场景适配、用户接受度与市场教育、模型可解释性与认证等均是亟待突破的关键障碍。
为加速物理AI的产业化进程，索辰科技率先从数据基建切入，在嘉兴打造了4万平方米的物理AI实验室。通过“虚实融合”的数据策略，公司一方面在虚拟环境中高效生成符合物理规律的高密度合成数据，为AI模型提供充足训练样本；另一方面依托深耕CAE领域积累的行业“Know-How”，将真实场景数据用于物理AI模型的验证、校准和优化，构建起“仿真预测—真实验证—模型校正—迭代优化”的完整闭环，解决模型的场景适配与稳健性问题。
此外，索辰科技于今年设立了匈牙利子公司，以期打开观察和探索欧洲市场的窗口，助力公司深入理解海外工业需求，寻找潜在合作伙伴，并提前布局国际前沿的物理AI应用领域。
“我们认为，随着算力成本的持续下降与产业生态的不断完善，物理AI的普惠性将大幅提升，大规模应用将全面加速。届时，全球工业都将受益于物理AI的复杂场景实时仿真与优化能力。”展望行业未来，陈灏如是说道。
