高科技電子、先進封裝及電動車等尖端技術的架構複雜度呈幾何級數攀升，傳統工程開發流程正迎來典範轉移。西門子數位化工業軟體（Siemens Digital Industries Software）全球模擬業務副總裁Jonah Normand指出，當前CAE（電腦輔助工程）模擬技術正邁向「模擬運算、高效能運算與工程AI」的三方大匯流。這場轉革的核心在於賦能工程師跨越傳統限制，在更短時間內發掘更多設計可能。
西門子數位化工業軟體全球模擬業務副總裁Jonah Normand(圖中)
|
AI 不是主角，而是工程生產力的放大器
針對產業界熱烈討論的AI話題，Normand強調：「AI本身並非工程的核心故事，而是推動工程師生產力躍升的關鍵加速器。」過去工程人員在進行有限元素分析或流體動力運算時，往往需耗費大量時間進行幾何圖形清理、網格生成與前置設定。
透過整合AI與物理模型，團隊得以將這些繁複流程自動化與壓縮。更重要的是，設計師能直接以自然語言向經物理驗證訓練的AI模型提問，在執行深度模擬前預先評估多種設計替代方案。這不僅可以實現研發流程的左移（Shift Left），提早探討概念設計，也讓專業模擬工程師能專注於攻克真正棘手的核心創新問題。
物理驅動的數位分身，打破多物理量穀倉效應
談及西門子的數位分身（Digital Twins）戰略，Normand指出，數位分身絕非單純的3D動畫或視覺呈現，而是基於物理真實性的全面性能洞察。例如在晶片散熱或系統運作中，工程師能在實際投產硬體前，藉由數位分身精準辨識潛在熱點並消除設計瓶頸，真正達到一次打造即最佳化（Build once and have the best design）」的成效。
面對日益嚴苛的跨領域整合，如電動車電池系統需同時涵蓋熱流、電氣特性、機構應力與軟體控制，若任何環節產生落差都會影響整車效能。西門子致力於串聯EDA、機構設計與系統模擬等跨領域數據鏈。當工程師面臨封裝尺寸或功耗平衡的取捨時，平台原生的資料鏈結能讓跨部門團隊即時理解各項工程變更的連鎖影響，大幅降低溝通成本。
HPC資源彈性擴展 Simcenter Agents降低專業門檻
針對日趨龐大的運算需求，Normand認為工程師應專注於解決工程問題，而非耗費心力管理運算架構。西門子提供涵蓋單機工作站、本地叢集至雲端彈性算力的多元部署架構，確保團隊能依任務需求彈性運用HPC資源，為多物理量與AI並行運算提供後盾。
此外，針對傳統CAE門檻偏高的挑戰，西門子透過Simcenter Agents平台來革新使用者體驗。這類AI工具如同智慧副駕駛一般，能引導使用者逐步完成建模設定，並將資深專家的隱性知識轉化為可在企業內規模化推廣的技能模組。Normand特別強調，AI工具在降低操作門檻的同時，必須基於物理原理與完整可追溯性，才能確保決策結果具備可信度。
邁向工程智慧：未來三至五年的三大變革
展望未來三到五年的模擬技術版圖，Normand毫不猶豫地給出了一個詞彙—工程智慧（Engineering Intelligence）。他認為，模擬軟體的未來並非單純疊加更多零散的工具，而是將設計、模擬與演算法迭代深度整合成一個具備自學習能力的完整閉環。這項藍圖將由三大方向共同推進：
1.AI原生工作流程（AI-Native Workflow）： 從底層徹底打通設計、模擬與最佳化。以往耗費工程師數天甚至數週的重複性工作——幾何處理、拓撲清理、網格生成與後處理分析，都將在 AI 驅動下實現全面自動化與高度壓縮。
2.運營級數位分身（Operational Digital Twin）： 將產品在真實世界運作的即時傳感數據，與虛擬世界中的模擬數據即時鏈結，建立雙向的閉環回饋（Closed-Loop Feedback）。這套機制能持續校正模擬預測的精準度，並為下一代產品的工程決策提供最真實的數據支撐。
3.跨尺度無縫串聯（EDA、CAE與HPC的極致融合）： 藉由AI橋接微觀的晶片設計、巨觀的系統機構，乃至資料中心級別的宏觀運行環境。在不遺失任何精度與細節的前提下，實現跨尺度的多學科並行探索，助力工程師突破既有思維框架，開創前所未有的顛覆性產品。
