查看原文
其他

融资3800万美金,AI在细分领域的颠覆性应用

SenseAI 深思SenseAI
2024-09-05


工程设计软件领域的AI成效开始显现,除了CAE、CAD传统玩家+AI外,新的竞争者开始占领市场。Neural Concept 最近公布 2700 万美元融资,将简化 CAE 流程,为设计师提供实时AI仿真预测的设计体验。



Sense 思考

我们尝试基于文章内容,提出更多发散性的推演和深思,欢迎交流。


交互方式的改变是重要的。Neural Concept 通过 AI 3D 深度学习预测的速度优势,将漫长的 CAE 仿真模拟环节变革为 CAD 实时设计反馈的能力,加快设计师的设计迭代周期。


客户对AI效果是敏感的。Neural Concept 2023年的商业化效果显著,客户在时间上的节省可以直接量化工程师投入的 ROI,同时针对 F1 赛车、电动车、航空航天、动力电池等对于设计创新性和仿真优化效果有极致要求的行业,客户买单意愿强烈。


每个技术背后都有颠覆的机会。虽然 Ansys 和 Altair 都分别推出了他们的最新 AI+CAE 产品,但不可否认的是,Neural Concept 可能是行业内的冲出的一匹黑马。



本篇正文共 3000 字,仔细阅读约 8 分钟

AI Native 产品分析          

48

Neural Concept


1. 产品:

Neural Concept


2. 创立时间:

成立于2018年,位于瑞士洛桑。


3. 创始团队:

公司由一群在瑞士洛桑联邦理工学院(EPFL)的一流人工智能研究实验室中拥有深厚学术和研究背景的专家创立。团队由60名成员组成,具备多样化的专业技能和行业经验。


4. 产品简介: 

这是一个3D深度学习平台,旨在通过先进的人工智能技术,加速产品开发周期,增强产品性能,并解决工程挑战。该平台特别适用于空气动力学管理和碰撞分析等领域,为工程设计带来创新解决方案。


5. 融资情况

- 2020年,获得 200 万美元种子轮融资。

- 2022年3月,A轮融资 900 万美元

- 2024年6月4日,B 轮融资2700万美元的,由Forestay Capital领投,D. E. Shaw集团以及现有投资者Alven、CNB Capital、HTGF和Aster Group参与。

    01.

    极速竞技领域的AI设计工具


    近期一款 AI 工程设计软件进入视野,Neural Concept,这家 AI 设计公司与 F1 车队——威廉姆斯车队达成合作,威廉姆斯车队是四支利用此 AI 平台提升赛车运动空气动力学性能的 F1 车队之一。
    威廉姆斯车队是一级方程式赛车界历史最悠久的车队之一。曾在1992 年至 1994 年的连续三次冠军。但是在2022 赛季排名垫底,去年仅升至第七。NCS 是帮助 Williams 重拾竞争优势的工具之一。
    空气动力学优化是 F1 赛车设计的关键,由于CFD(空气动力学计算)模拟耗时且成本高昂,同时 F1 赛车规则限制了车队的测试能力,这让情况雪上加霜。
    Neural Concept 的核心能力在于搭建了一个 AI 驱动的交互式、协作式且可扩展的平台,并与 CAE、CAD 等工具无缝集成。使用 NCS,通常需要一个小时的完整 CFD 模拟只需要 20 秒就能完成。借助 Neural Concept,工程师可以将工作速度提高 10 倍,将产品开发时间缩短多达 75%。


    Neural Concept 的成本因车队规模和访问类型而异,通常在每年10万至100万欧元之间,考虑到 F1 车队的年度成本上限为 1.35 亿美元,这也是一笔不小的开支。
    除了 F1 赛车领域,在所有需要动力学、流体力学优化和仿真的领域,这款 AI 工具都能够根据模型快速给出仿真结果,从而加速设计流程,也给了设计师、工程师更多创新空间结构和零件组合的可能性。
    例如骑行届的世界冠军弗朗索瓦·佩维斯 (François Pervis ) ,曾驾驶一辆由Neural Concept 设计和开发的流线型卧式自行车,打破欧洲骑行速度纪录——时速超过 138 公里。帆船届的世界冠军 SP80 使用 Neural Concept 的设计平台,设计了一款新型水翼,性能提升超过20%,速度大幅提升,以一艘时速可达到惊人的 80 节(148 公里/小时)的帆船,打破目前最快风帆动力船 65.45 节的世界纪录。
    NCS帮助设计人力车外形,突破世界纪录 138公里/时 时速

    目前,Neural Concept 的产品在汽车、微电子、航空航天和能源行业等领域均取得进展,已经吸引了一系列高端客户,包括航空巨头空客、汽车技术供应商博世、多元化的工业集团通用电气、汽车零部件制造商Mubea、汽车制造商斯巴鲁,以及四支顶级一级方程式赛车队


    此外,Neural Concept 与 Nvidia 取得合作,通过优化 Nvidia GPU 和 CUDA 软件,将 AI 赋能工业设计推向新的高度。


    02.

    Neural Concept

    本质是未来的 AI+ CAE


    2024年6月4日,Neural Concept 获得了 2700 万美金的 B 轮融资,本轮融资由Forestay Capital领投,D. E. Shaw集团以及现有投资者Alven、CNB Capital、HTGF和Aster Group参与。



    再次的资本追捧一方面来自 Neural Concept 在汽车、微电子、航空航天和能源行业等多领域的商业化进展,已达成与 40% 的欧洲和亚洲最大原始设备制造商以及 25% 的全球 100 强一级供应商合作。另一方面,也来源于其端到端的AI设计产品,改变了 CAD 和 CAE 的交互方式,实现了在AI 智能 CAE 领域的技术突破。


    在使用 Neural  Concept 之前,通常由 CAD 设计师绘制 3D 设计图,然后将其发送给其他人进行非常复杂的数值模拟。这可能需要很长时间才能完成,或者可能需要进行物理测试。


    但现在 Neural Concept 的平台能够加快设计阶段的模型性能预测速度,之前设计需要用 CAE 反复迭代进行仿真,而现在可以用 AI 模型实时预测进行设计,只有在设计迭代后再使用 CAE 进行完整验证即可,准确率可以达到和之前 CAE 模拟一致的效果。




    传统 CAE 领域 + AI 是必然之举,在2023年年末到2024年年初,行业头部 CAE 公司 Ansys 和 Altair 分别推出了他们的最新 AI+CAE 产品。


    可以说 Neural Concept 之于传统的 CAE 工具,类似于 Midjourney 之于 Adobe,通过AI 3D 深度学习模型,颠覆原有 CAE 市场。


    CAE 工具的本质是将输入条件,根据合理简化,建立数学模型,从而得到一个仿真后的结果。而 AI CAE 则是基于已有输入和输出的 3D 深度学习,通过训练神经网络得到一个预测模型,简化原本数值计算的流程。


    电池外壳的耐撞性(横向柱碰撞)CAE 模拟(顶部)与 AI 预测(底部)基本一致


    Neural Concept 相比于过去的产品,一方面可以缩短设计环节的 CAE 时间,另一方面基于这种深度学习 AI 预测模型的思路,工程师可以克服参数优化的局限,尝试更大胆和未知的设计结构,同时符合实时测试的物理学要求,使得设计出的产品模块性能更加极致。


    03.

    一支学院派的团队


    Neural Concept 脱胎于瑞士洛桑联邦理工学院 (EPFL) 的一流人工智能研究实验室 EPFL CVLab,于 2018 年从实验室剥离,正式作为公司运营。


    创始人 Baqué 就读于洛桑联邦理工学院计算机视觉实验室,致力于将机器学习技术应用于三维问题。



    目前该团队仍在 EPFL 充满建筑艺术特色的实验室内办公,团队成员 60 人,近半数来自洛桑联邦理工学院。



    04.

    产品与未来


    Neural Concept 的产品维度分为三层,内核是 AI 深度学习算法,由此来进行仿真预测,中间部分为基于 3D 数据训练和优化后的CAE 专家模型,组合成一个原子化的模块平台,外层则是面向工程师和设计师的产品,提供给用户一个端到端的,实时的设计仿真一体化体验。



    产品依托于 Neural Concept Shape 设计平台,平台汇集了数据科学家、CAE和CAD工程师,提供了一个交互式协作环境,以促进产品开发和创新。结合HPC集群和仿真专家的知识,Neural Concept的平台能够执行简单、可扩展且快速的仿真和优化。


    其产品核心在于实时3D仿真功能,它允许工程师和设计师在几秒钟内预测数百个操作条件下的结果。目前产品兼容SIEMENS NX、Solidworks、Catia等多个CAD格式,更好的适配目前工程师和设计师的工作流。




    工业领域的AI应用场景价值是巨大的,这意味着对上一代工业软件会迎来新的交互和应用范式。由于 AI 预测模型的响应速度和计算资源消耗,新一代的CAD、CAE也存在更多云端计算和部署的可能性,而非要求较高的本地计算资源。


    再往远说,如果说视频生成模型是世界模拟器,那仿真软件 CAE、英伟达的Omniverse、游戏开发中的物理引擎本质也是一种世界模拟器。这对训练模型进一步理解物理世界的交互规律,模拟光影等复杂的视觉效果也许有它的意义。


    参考材料

    https://www.neuralconcept.com/

    https://cloud.tencent.com/developer/news/628731

    https://www.36kr.com/p/1896029573153668

    https://sg.news.yahoo.com/neural-concepts-aerodynamic-ai-shaping-150056639.html

    转载请联系公众号后台


    欢迎填写问卷进入 【SenseAI深度交流群】,分享并交流彼此的产品使用体验。


    群内将提供对推文内容讨论、AI 产品探索交流、线下面基和认识新朋友的机会。为保证交流质量,我们采取问卷申请制,请先扫描下面二维码,下面二维码已作废,公众号后台回复【信息】填写新二维码

    欢迎关注我们


    关注全球 AI 前沿,走进科技创业公司,提供产业多维深思,我们是创业者/产品/投资人,这里是最有 AI-sense 的 SenseAI。


    修改于
    继续滑动看下一个
    深思SenseAI
    向上滑动看下一个

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存