云CAE市场
什么是云CAE
老师，最近经常听到云CAE这个词，具体有什么优势呢？用普通工作站进行CAE运行和云CAE有什么区别呢？
简单来说就是"以零初期投资使用HPC（高性能计算）级计算资源"。传统的CAE环境构建需要工作站（200～500万日元）、求解器许可证（年数百万～数千万日元）、本地HPC集群（数千万～亿日元）。
云CAE中，在AWS/Azure/GCP的云基础设施上，按需使用计算资源，按使用时间付费。中小企业现在也可以按时间收费运行LS-DYNA的1000核计算。
1000个核心，这意味着研究室的电脑需要运行几百年的计算，可以轻松完成吧？
正是这样。例如碰撞分析中，本地工作站（16核）需要48小时才能完成的计算，在云HPC的512核上可以在2～3小时内完成。而且作业结束后停止实例，只需要为计算时间付费。不需要像自有HPCs那样全年365天支付电费。
具体优势
除了成本之外还有其他优势吗？
有4个主要优势。
1. 可扩展性：可以在项目高峰期临时增加到1000核，在平稳期缩减。自有HPC中会出现"按最大负荷购买硬件，但大部分时间闲置"的问题，但云可以灵活扩缩。
2. 求解器许可证的按需化：Rescale等平台允许按时间计费使用LS-DYNA、Abaqus、Star-CCM+的许可证。不需要拥有年度合同的完整许可证也能进行分析。
3. 不受地点限制的访问：可以从Web浏览器进行作业投入、监控、结果下载。在远程办公环境中也可以顺利进行CAE业务。
4. 即时访问最新硬件：可以不购买直接使用AWS的Hpc7a实例（AMD EPYC 9004系列）、NVIDIA H100 GPU实例等最新HPC硬件。
求解器许可证也是按时间计费！这样的话，那些无法支付年数千万日元许可费的中小企业也能使用CAE呢。
完全正确。这就是所谓的"HPC民主化"现象。传统上只有大企业才能使用的高性能计算环境，现在对初创企业和小规模制造商来说也是可以接近的。实际上Rescale的客户中也有员工数少于50人的中小制造商。
主要平台比较
云CAE有哪些平台呢？区别是什么呢？
让我介绍3个主要平台。各有各的特点。
Rescale：专精于HPC作业管理的平台。支持200多个CAE求解器，可在AWS/Azure/GCP的多云环境中运行。用户将现有求解器输入文件上传，然后投入作业。擅长大规模计算，主要客户是汽车OEM和航空航天企业。
SimScale：浏览器完整型CAE平台。从前处理（网格生成）到后处理（结果可视化）都在Web浏览器内完成。求解器基于OpenFOAM（CFD）、CalculiX（结构）。面向教育和中小企业，还提供免费计划，非常适合CAE入门。
AWS ParallelCluster + HPC：AWS的HPC专用服务。可以灵活配置集群，但需要Linux/Slurm的知识。通过EFA（Elastic Fabric Adapter）的低延迟网络，MPI并行计算的性能与本地HPC相当。
SimScale只用浏览器就完全够了！也不需要安装软件吧。性能没问题吗？
SimScale的强项是简便性，但不适合大规模计算（数千万单元）。目标是100万单元左右的中等规模分析。而Rescale可以直接使用现有求解器（LS-DYNA、Abaqus等），所以从本地容易迁移。按用途选择是现实的做法。
大型供应商的云战略
像Ansys、Dassault这样的大型CAE供应商也有推出云服务，对吧？和Rescale、SimScale有什么区别呢？
大型供应商采用纵向整合型方法，将自有求解器和云基础设施一体化。
Ansys Cloud：可以直接从Ansys的Workbench/Fluent向AWS投入作业。对Ansys用户来说是最无缝的选择，但只能使用Ansys求解器。
Dassault 3DEXPERIENCE Platform：从CAD（CATIA）到CAE（SIMULIA）的全流程云平台。强项是设计和分析的数据管理一体化。
Siemens Xcelerator Cloud：推出Simcenter/Star-CCM+的云版本。通过PLM（Teamcenter）的集成，提供包括分析数据配置管理在内的完整环境。
相比之下，Rescale的求解器非依赖性是其差异化优势，支持200多个求解器。"我们既用Abaqus又用LS-DYNA，还用Fluent"这样的企业更适合Rescale。
安全性与课题
把CAE数据上传到云，安全性没问题吗？汽车制造商的设计数据泄露的话会很糟糕吧。
这是云CAE普及的最大障碍。从技术层面讲，AWS/Azure/GCP获得了SOC2、ISO 27001认证，标准配置包括数据加密（AES-256）、VPC（虚拟专用云）隔离。
但是，日本制造业特别是汽车和防御产业中，"设计数据不对外"的方针根深蒂固。丰田、电装等是否会把CAE模型上传到公共云上？从目前看还是很有限的。
现实的解决方案是混合云越来越普及。机密性低的通用计算（材料参数扫描等）用云运行，产品详细模型在本地处理。这种用法分离成为主流。
不是全部迁到云，而是分开使用才是实际呢。还有其他课题吗？
还有一个课题是数据传输的瓶颈。大规模碰撞分析模型（数GB～数十GB）上传到云，结果文件（数百GB）下载需要时间。特别是日本办公室网络环境（上行100Mbps左右）中，100GB的结果文件下载可能需要2小时以上。可以用AWS Snowball或Direct Connect解决，但需要额外成本。
市场规模与今后展望
云CAE市场在整个CAE市场中占多大比例呢？
2025年时点云CAE约占CAE市场总体的20%。金额基础约为16亿美元。以20%以上的CAGR增长，预计2030年将达到50亿美元规模。
增长的驱动力有3个。
1. 许可证模式的变化：CAE供应商正在转向订阅+云模式，用户也别无选择。
2. GPU计算的普及：NVIDIA H100/H200 GPU实现的CFD高速化（相比传统CPU快10～50倍），使大规模云计算经济上成立。
3. AI/ML工作流的集成：CAE+AI的集成工作流（代理模型学习等）以GPU集群为前提，与云的亲和性极高。
对云CAE的全景有了相当的了解。优势很容易理解，但安全性和数据传输也有课题呢。实务中需要灵活选择用途。
云CAE要理解为"本地的替代"而不是"扩大计算能力选择的工具"。特别是对新创企业和研究室来说，初期投资的门槛大幅降低是很大的优势。从SimScale的免费计划尝试流体分析开始也不错。
CAE技术日新月异。— Project NovaSolver的目标是将最新研究成果应用于实务。
与实务者一同思考CAE的未来
Project NovaSolver作为研究开发项目，致力于直面云CAE市场的实务课题，并制作支援工程现场的工具。
查看项目最新信息 →价值
细些
报告