从海量的仿真结果和实验数据中学习物理规律，用深度学习网络替代那些计算密集型的求解过程。不是做另一个ANSYS，是做一种全新的、由AI驱动的仿真平台。”
李沫在会议室里把这条思路讲给陆远听时，声音都在抖。
不是害怕，是兴奋。
“陆总，这条路没人走过。华尔街那帮搞量化的，用深度学习预测股价，也是从历史数据中找规律。我们做的事，本质上是类似的——用AI学习物理场的演化规律。一旦走通，这就是降维打击。我们的计算速度会是他们的几十倍，而且不用求解偏微分方程——神经网络自己会算。”
陆远没有立刻表态。
他盯着李沫在投影上画出的那条技术路线图，盯了很久。
“给你多少人？”
“二十个。但我要陆小雨的智脑API接口，不限量。”
“批了。”
接下来数周，李沫带着团队在地下二层没日没夜地干。
他们把ANSYS和国产开源软件的几百万组仿真数据导进智脑大模型，训练AI去理解流体力学和固体力学的内在规律。
第一次测试，AI算出的机翼压力分布和ANSYS差了将近百分之四十。
李沫说很正常，继续喂数据。
第二次测试，差距缩小到百分之二十五。
第三次测试，百分之十二。
第四次测试的时候，李沫盯着屏幕上那两条几乎重合的压力分布曲线，以为自己眼花了。
他对旁边的工程师喊了一嗓子：“把算例再跑一遍，用不同的网格！”
第二遍，重合。
第三遍，还是重合。
更重要的是，AI只用了六分钟，ANSYS需要四个小时。
速度比传统软件快了几十倍。
“天工”AI气动仿真模块的精度，在第四个算例上追平了美利坚顶级工业软件。