計算流體動力學 (CFD) 模擬
利用 NVIDIA CUDA-X™、NVIDIA Blackwell、代理程式工程與 AI 物理學加速您的 CFD 模擬，利用 NVIDIA Omniverse 函式庫打造即時、互動式數位孿生。
工作負載
加速運算工具與技術
模擬 / 建模 / 設計
產業
航太
汽車 / 交通運輸
製造業
工業
能源
高效能運算 (HPC) / 科學運算
業務目標
創新投資
報酬率
加速上市時間
概覽
利用 CFD 模擬加速創新
計算流體動力學 (CFD) 模擬工具提供快速評估物理效能的能力。 這減少了對實體原型的需求，節省了廣泛產業及領域設計、開發的時間與成本。
Cadence、Siemens、Synopsys、Dassault 等頂尖軟體供應商，正採用 NVIDIA CUDA-X 函式庫、AI 物理模型、自主 AI 代理工程師、CUDA-X Python 框架，以及最新的 NVIDIA Blackwell GPU，將其求解器的速度提升數個數量級，不僅將模擬時間從數天縮短為數小時，同時實現更高逼真度的模擬結果。
電腦輔助工程 (CAE) 使用專家也希望能將即時結果整合至數位孿生環境，以快速做出設計決策。 與傳統的 CFD 求解器不同，AI 物理替代模型提供獲得即時結果的機會，並稍後透過傳統的高擬真 CFD 求解器驗證結果。
透過適用於基於物理的 NVIDIA RTX™ 渲染的 NVIDIA Omniverse 函式庫，軟體開發人員可直接在 CFD 應用程式中建立完全互動且基於物理的渲染效果，讓設計師與製造商能與完整工程保真數位孿生互動。
開發人員可透過 NVIDIA Blackwell GPU 將 NVIDIA Omniverse 整合至使用 CUDA-X 加速的 CFD 求解器與 AI 物理模型，打造即時數位孿生。 用於打造流體模擬數位孿生的 NVIDIA Omniverse Blueprint 是實現這一目標的互動式展示。
快速連結
技術執行
開始使用即時 CFD 模擬
若要開始開發即時數位孿生，請試用 NVIDIA Omniverse Blueprint 以實現即時電腦輔助工程數位孿生。
這張藍圖展示了即時數位孿生參考架構，整合 AI 物理替代物 (使用 CUDA-X 加速求解器中的資料訓練) 與互動式視覺化技術。 該藍圖展示了如何透過通用場景描述 (OpenUSD) 將 CFD 求解器或 AI 代理程式連接至 Omniverse，實現 CFD 模擬結果的即時視覺化。 開發人員可將元件模組化，例如將 PhysicsNeMo 模型替換為自訂 AI 模型，針對特定使用案例訂製工作流程。
即時數位孿生藍圖架構
以下是藍圖的四大特色，可協助開發人員開始訓練與微調 AI 物理模型，藉助 NVIDIA 技術加速 CFD 模擬速度。 這些功能可作為整體藍圖的一部分使用，也可單獨使用。
1. 從頭開始訓練或微調基礎模型
該藍圖展示了如何運用 PhysicsNeMo 預先訓練的 AI 模型，這是一種開源框架，運用模擬資料 (例如速度場與壓力場) 訓練與部署 AI 代理模型。PhysicsNeMo 支援混合訓練，結合 CFD 資料集與基礎模型，減少訓練時間。 在這份特定藍圖中，它使用 NVIDIA NIM™ 微服務，作為汽車空氣動力學的 DoMINO 模型。
2. 大規模建立、訓練與微調 AI 物理模型
開發人員可使用 NVIDIA PhysicsNeMo AI 框架，將支配偏微分方程式 (PDE) (例如 Navier-Stokes) 嵌入到神經運算子與圖神經網路 (GNN) 等機器學習模型中。 該框架與 CFD 求解器結合，生成參數化訓練資料集，並在訓練過程中透過符號微分法執行物理定律。 該藍圖展示了 PhysicsNeMo 如何與 Omniverse 整合，為數位孿生提供即時回饋迴路，將模擬與營運決策相結合。
3. 利用 NVIDIA Blackwell 加速模擬
NVIDIA Blackwell 架構提供十億單元模擬所需的運算能力。 NVIDIA GB200 Grace™ Blackwell 超級晶片 (GB200) 採用 NVIDIA NVLink™-C2C，實現 CPU 到 GPU 之間的超高頻寬通訊。 這套技術可讓 CFD 工作流程有效率地管理大規模域分解與幽靈單元更新所需的複雜資料交換。 例如，Cadence 透過 CUDA-X 與 NVIDIA Grace Blackwell 技術，在完整飛機起降過程中實現了 100 億單元的大型渦流模擬 (LES) 的加速能力提升，達到超過 48 倍。 整個模擬在單一 NVIDIA GB200-NVL72 系統上執行，能完成近 30 萬個 CPU 核心的工作，且每次模擬成本僅為原本的 1/7。
NVIDIA Blackwell GPU 也運用 CUDA® 感知訊息傳遞介面 (MPI) 的優勢，最佳化 GPU 間通訊，即使模擬規模急劇成長，也能提供近乎線性擴充能力。這直接轉化為實際影響。透過 NVIDIA Blackwell，工程師可執行高擬真度的端到端 CFD 模擬，在不影響準確性與可靠性的情況下，為快速設計迭代、即時數位孿生，以及營運分析開啟全新可能性。
4. 整合端到端工作流程
開發人員可將這些技術整合至統一流程，例如 CAD → 網格生成 → GPU 加速 CFD 求解 → AI 代理模型 → Omniverse 視覺化。Ansys、Cadence 與 Siemens 等頂尖 ISV 如今正提供客戶這些能力。這項整合可在維持黃金標準準確度的同時縮短獲得深入分析資訊的時間，實現快速設計探索與即時營運分析，全部在 CFD 模擬軟體內完成。
快速連結
合作夥伴生態系
立即開始與我們的合作夥伴合作
NVIDIA 強大的開發人員與軟體供應商生態系統，正將 CFD 模擬技術整合至軟體、解決方案與服務組合中。
立即開始
打造互動式流體模擬的數位孿生
探索參考應用框架，加速 CAE 軟體供應商的工作流程。
最新消息
常見問題
NVIDIA CUDA-X 與 AI 基礎設施透過將數值密集型部分卸載至 GPU 最佳化的 CUDA-X 函式庫，而非在 CPU 上從頭開始編寫，能以更快的速度與更大的規模加速流體模擬 (CFD 和粒子流體等)。
AI 可作為傳統求解器效能倍增的利器。該工作流程透過使用 AI 物理，根據產業標準求解器中的資料，訓練 AI 代理模型。這些代理模型模仿原始求解器的物理性質，但執行速度快上數個數量級。這有助於進行大規模設計空間探索與最佳化，僅靠傳統求解器在運算上難以實現。
適用於互動式流體模擬的數位孿生 NVIDIA Blueprint 是一個參考工作流程，協助開發人員打造即時、互動式物理數位孿生。結合三項核心技術：適用於加速求解器的 NVIDIA CUDA-X 函式庫、用於訓練 AI 代理模型的 AI 物理框架 (例如 NVIDIA PhysicsNeMo)，以及支援即時、高擬真視覺化的 NVIDIA Omniverse 函式庫。這款藍圖讓工程師能即時將流體動力學模擬視覺化並與之互動，無需等待數小時或數天才能獲得離線結果。
傳統的 CFD 是一種批次處理流程 — 您需要先設定模擬，等待求解器進行計算 (通常需要數小時)，然後再分析結果。NVIDIA 藍圖透過使用 AI 代理模型，以近乎即時的方式預測流場，進而實現互動性。這讓工程師能修改虛擬風洞中的幾何形狀或邊界條件，並立即觀察空氣動力學效果，讓他們在使用高擬真求解器進行最終驗證前快速進行設計迭代。
是。該藍圖旨在打造一個開放且具彈性的參考架構。支援與來自 Synopsys、Cadence、Siemens 與 Altair 等合作夥伴的頂尖產業求解器整合。此外，它採用 OpenUSD (通用場景描述) 作為標準資料框架，確保資料能在 CAD 工具、CFD 求解器與 Omniverse 視覺化環境之間順暢流通，無需複雜的檔案轉換。
NVIDIA Omniverse 函式庫將視覺化從後期處理轉向即時處理。Omniverse 讓您能在模擬或 AI 推論執行時，以互動的方式查看 3D 流場，而不是在模擬結束後生成靜態影像或影片。它利用 RTX 即時光線追蹤技術，直接在數位孿生中渲染符合物理準確性的視覺效果 (例如煙霧、微粒或流線)，讓解讀複雜的流動結構以及與非技術利害關係人協作變得更加輕鬆。