nTop在LuminaryCloud中模拟飞机。
对高升力预测模型（HLPW-5）的部分模拟。
Luminary为Kona生成的表面压力的等值线图。
Luminarycloud仿真示例。
在LuminaryCloud分析后，对Joby飞机的整流罩进行了优化，展示了更平滑的压力分布和减少的分离区。钟怡菲引言近期，一家成立于2023年、为中程航空货运市场开发自动驾驶飞机的初创企业Rune Aero宣布，通过使用Luminary Cloud公司的“Physics AI”（译作“物理AI”）驱动的交互式虚拟风洞，将早期设计开发成本降低了80%。“物理AI”是一种快速设计的方法，通过虚拟风洞可以让设计师快速分析飞机设计原型、迭代优化、实时可视化即时反馈，与传统风洞测试相比，大大降低了技术风险和成本。虚拟风洞作为风洞技术发展的新风向并非第一次进入大众视野，随着AI技术与高性能计算（HPC）的深度融合，以Luminary Cloud为代表的工程仿真平台通过“物理AI”重构CFD这一传统费时费力的流程，将设计周期压缩至“小时”级别。本文将以Luminary Cloud平台为引线，探究近几年AI驱动下的CFD计算发展情况，部分企业情况、初创公司通过物理AI优化开发的实例等，以供读者参考。基于云的GPU加速CFD计算在2014年NASA发 布 的“CFD2030愿景”中指出，“尽管CFD取得了相当大的成功，但由于目前的方法无法可靠地预测湍流分离，CFD的可靠使用仍然局限于操作设计空间的小而重要的区域。与此同时，高性能计算（HPC）硬件在迅速发展，处于技术范式转变的风口浪尖，可能需要重新思考当前的CFD算法和软件。”传统CFD方法在预测飞机高升力配置下的复杂流动时存在困难，尤其是在接近失速条件时的流动分离现象。这些计算对几何建模、网格划分、物理建模、求解器性能等多方面均提出了很高的要求。CFD是工程设计师预测设计性能的关键工具，随着模拟精度的需求日益增长，多种物理功能纳入了CFD工具，例如传热、传质、化学反应、颗粒流动等等。CFD工具增长的另一个原因在于，在每一个工具中捕获每种类型用例的所有相关物理数据是一项耗时的工作。与基于CPU的技术相比，利用GPU的求解器计算能力提高可达50~100倍，在提高建模保真度的同时大幅缩短时间，但增加了开发和部署的复杂程度。云计算提供了可扩展和弹性资源，可以缓解设计工程师面临的容量和时间限制。Luminary Cloud公司“目标提供全球首个现代计算机辅助工程CAE软件即服务（SaaS）平台”的Luminary Cloud于2019年创立，创始人是高性能计算、基于云的基础设施和云安全专家Jason Lango与斯坦福大学航空航天设计实验室创始人、NASA航空研究项目前主任Juna Alonso。2024年3月，Luminary Cloud公司在英伟达GPU技术大会上公开亮相，获得了萨特希尔创投1.15亿美元的融资。Luminary Cloud提供多物理场CAE仿真解决方案，其所有的物理求解器均基于GPU计算。2025年3月，Luminary Cloud与nTop宣布与英伟达PhysicsNeMo AI进行了新的集成，新的解决方案结合了三项关键技术：nTop的参数化几何引擎在几秒钟内可以生成复杂的设计变化；Luminary Cloud的GPU原生平台快速并行运算数百个高保真度的模拟；英伟达的PhysicsNeMo AI将这些数据转化为基于物理的预测人工智能模型。通过上述整合，实现了一个无缝连接的工作流程，将曾经需要数周的工作时间压缩到数小时。nTop公司2024年9月，nTop宣布与英伟达合作。nTop（原名nTopology）是一家专注于高性能工程计算设计软件的创新企业，致力于通过先进的算法和参数化设计技术，帮助工程师突破传统CAD工具的局限。nTop的核心技术是基于隐式建模，即通过数学函数定义几何形状从而快速生成复杂几何，以及提供无代码化的工作流。nTop与NVIDIA OptiX渲染框架和NVIDIA Omniverse技术集成，实现了更好的建模可视化设计。根据公司披露的信息（论文、报导）显示，Luminary Cloud 开发了一个完整的端到端、云原生和基于GPU的解决方案，功能包括几何体提取和简化、网格划分、自适应网格细化、RANS/ DDES/WMLES解决方案功能、集成后处理和可视化、协作共享，以及带有Python工具包的完整应用编程接口，打包为SaaS（软件即服务）产品。其求解器采用基于任意多面体非结构化网格的单元中心有限体积法，使用通量差分方法计算离散对流通量，采用低速预处理技术。对于湍流建模，使用Spalart-Allmaras（SA）模型及其变体。计算密集型任务在GPU执行，利用GPU的异步特性避免非关键任务阻塞计算，采用共享内存并行化策略和先进的分布式内存并行化技术，实现了高性能和可扩展性。其自适应网格技术基于度量张量方法，通过插值误差控制来优化网格，提高计算效率和结果准确性。Luminary Cloud的工程应用实例1．Joby公司对eVTOL的微调Joby公司专注于开发evtol飞机，致力于提供高效、可持续的城市空中交通解决方案。在飞机认证的关键阶段，Joby 需要快速迭代设计以优化气动性能。但传统的CFD存在着网格生成效率低下、仿真速度慢的缺点。通过采用Luminary Cloud的工程仿真平台，实现了自动网格生成、CFD模拟加速、云端协作与无缝集成，迭代周期大幅缩减，单次分析成本仅为传统方法的1/50。Joby的首席空气动力学专家肯定了Luminary在快速确定设计重点的价值以及其带来的从几何模型到结果的完整工具链的优势。2．Natilus优化BWB翼型Natilus是一家开发自主货运无人机的美国公司，率先将翼身融合型BWB布局应用于货机设计，并在去年雄心勃勃地推出翼身融合型客机型概念，意图在2030年与成熟窄体飞机竞争。Natilus的首要目标是验证设计的性能，以证明其BWB概念可以在保持稳定飞行的同时减少30%的燃料消耗和优化内部空间，因此需要在模型上进行大量的CFD工作。Natilus团队最初尝试了许多解决方案，包括NASA的开源CFD代码，但这些方案的可扩展性有限。因此，创始人Matyushev将目光投向了Luminary Cloud这一快速迭代、提高工程效率的仿真平台。他充分肯定了平台近乎“一键式”的解决方案以及对用户友好的界面设计，使团队能够专注于飞机性能的全面改善。3．Flighthouse扩展CFD能力Flighthouse是一家总部位于俄勒冈州波特兰市的提供咨询服务的无人机公司。作为咨询顾问，Flighthouse面临着为客户平衡成本、日程安排和整体质量的挑战。它设计并制造了一架名为FV-21的初始演示飞机，可以进行如控制设计方法、空中数据系统、航空电子系统等的诸多测试，是一个独立的开放式架构平台。Luminary Cloud协助其在不到一天的时间内完成了FV-21的某空速下的模拟，并且确保旋翼相互作用被准确考虑，大大削减了成本。结语从行业报告的市场份额数据来看，Ansys、Dassault等头部厂商共同占据了大部分的市场份额。但随着云计算的兴起，类似Luminary、Dive这样的新兴企业也层出不穷。以汽车行业为例，大多均有或已开展风洞数字化的项目，并将其作为科研的重要方向。物理AI涉及两个层次：①模拟仿真工具：将物理AI模型集成到自主机器中；②生成符合物理规律的训练数据，通过结合传统AI与物理模型，能够使AI理解和模拟物理世界的规律，这对于CFD行业来讲，无疑是一种颠覆性的范式改变，可以加速创新周期，突破传统试错法的局限。中小型的企业通过云平台也可以获得与巨头媲美的仿真能力，有望为飞机设计的创新速度带来指数级的增长。
