ChatGPT 等人工智能（AI）工具已成为主流，但人工智能在产品设计流程中的应用还不为人熟知。
工程与科学计算正借助人工智能，在各行各业开启创新的新时代。
计算机模拟越来越多地运用人工智能，以了解不同产品设计将会如何表现。
人工智能（AI）对数字服务的影响正迅速显现。诸如 ChatGPT、Bard 和 GitHub Copilot 等工具正在改变我们的工作和生活方式。
鲜为人知的是，人工智能有望彻底革新研究、工程和实体产品设计的基本面貌。
工程与科学计算如今已成为创新的基础。这些方法通常需要超级计算集群提供巨大的算力（也称为高性能计算或 HPC），以运行能复现现实世界的精细仿真模型。
各行各业的研发（R&D）团队都在运用数字仿真，有效探索物理世界。应用场景多种多样，包括研发救命药物、改进飞机设计、开拓可持续能源、制造自动驾驶汽车，以及优化制造流程等。
如今，人工智能有望大幅提升工程与科学计算能力，并改变组织的创新方式。
提高研发效率
如今用于工程与科学计算的计算机仿真，越来越多地在人工智能辅助下发挥作用（有时也由人工智能取代），大幅降低成本，帮助工程师更快找到最佳答案。
运行仿真可能成本高昂，往往需要超级计算机处理海量数据集并执行高度复杂的计算。但如果能建立一个关于物理规律如何运作的机器学习（ML）模型，就不必每次都运行仿真，因为机器学习推理模型可以根据数据外推答案。
这意味着，你能更快、更低成本地了解特定设计的表现。长远来看，机器学习、物理信息神经网络和其他基于人工智能的工具将成为所有工程师和科学家的常用工具，以最大限度提升研发工作的效率。
人工智能辅助工程的时代
善于创建精心设计的人工智能物理模型的组织，将获得稳固的竞争优势。这些能力将帮助他们从基础物理层面理解不同产品设计在现实中的表现。这对组织在研究和产品开发中留存知识具有重大影响。
人工智能物理模型能够捕捉最佳实践知识，了解实体如何表现——这些信息过去通常只存在于专家头脑中，例如科学家、工程师或设计师。
例如，飞机工程师积累了关于机翼形状最佳设计方法的知识，并据此决定通过数字仿真探索哪些设计方案。
世界经济论坛如何确保人工智能得到合乎伦理的发展？
如今，人工智能可以捕捉这类信息，并据此生成一份设计建议候选清单，供工程师进一步通过数字仿真进行探索。
关键在于，假如一家公司能够创建机翼设计最佳实践的机器学习模型（通过用其关于飞机机翼的知识训练人工智能工具），那么无论工程师是否离职，公司都能留住这份专业知识。
这也能让组织变得灵活得多。如果公司想制造一种在强风中更稳定的新型飞机，机器学习应用就能迅速生成机翼形状的最佳方案，帮助组织快速打造新原型，进入新市场。
人工智能将塑造我们的物理世界
鉴于人工智能能够帮助我们理解物理世界，我们很可能会看到各类产品出现新的形态，从建筑和飞机到家具和汽车。这些创新由人工智能的另一种形式——生成式设计——推动。
生成式设计的运作方式很像用于撰写文本的生成式人工智能。只需提供一些关于设计目标的基本指引（提示），生成式设计工具就会输出许多可能的方案，其中一些可能是你独自构思不出来的。
让软件根据性能目标决定设计方案，可能会带来一些令人惊叹的成果。例如，生成式设计正在打造外观非常具有生物形态的原型。
应对科学与工程领域的人工智能转型
拥抱人工智能的组织将加快工程与科学发现，同时开发创新解决方案；若采用传统方法，这些方案在计算上将难以实现。
尽管人工智能前景广阔，各行各业的组织仍需建立工程与研究最佳实践，以确保安全地应对这一转型，在最大限度造福社会的同时避免不必要的风险。
最重要的是，人工智能的能力取决于其训练信息的质量。组织仍需投入大量工作，提供必要信息，让人工智能工具以恰当的方式变得智能。
此外，人工智能相关法律问题仍有许多尚未明确。组织必须仔细审查人工智能的输出，确保其准确无误，并留意任何伦理方面的警示信号。
安全也是一项重要考量，必须确保人工智能应用不会意外泄露知识产权或专有信息。
在这项新技术发展的早期阶段，组织使用人工智能时必须设置必要的防护措施。但只要采取周全的措施，人工智能就能安全地为研发开辟全新可能，帮助组织加快步伐、提升灵活性，并找到创造未来的更好方式。
支持人工智能物理学的应用，将帮助我们更快打造更优质的产品，加速研发创新进程，并探索知识边界，从而取得新的工程突破和科学发现。
