工业软件深度融合了先进工业制造、工程管理、计算机与软件等相关技术，设计流程复杂、研发难度大且周期长、投入成本高。预计，一款大型工业软件的研发周期需要3~5年时间，要被市场认可则需要10年左右。日本工程院院士董勤喜近日表示，目前来看，国内工业软件仍处于“中低端数量多、高端数量少”的发展阶段，仍有很大提升空间。

“我从20世纪80年代初就开始从事工业软件算法的相关工作。如果不用相关算法优化，存储量越大占用的CPU越多，热量的排放也就越多，很多指标的变化都是关联在一起的。”董勤喜表示。

在他看来，终端硬件设备的发展速度非常快，回顾内存产品的发展历程：5寸软盘、3寸软盘、MD存储卡、SD存储卡……董勤喜认为内存已经不再是桎梏工业软件发展的因素。未来很长一段时间，多物理场耦合成为工业软件设计的一个重要趋势，计算资源需求也会随之飞速增长。

董勤喜研究团队自主研发的DonSys/Quake地震分析模块，是一种能够快速模拟地震波传播及地震响应分析的有限元并行计算专用软件，它集成了模拟地震波传播所需的功能，例如震源、断层滑动、边界能量耗散吸收或无限元、快速网格自动生成及地震波后处理功能等。

这一技术对2011年日本东北大地震南北720公里、东西630公里、深度80公里范围内进行了大规模仿真计算，真实再现了地震波的传播过程。地震波传播数值模拟超级并行计算软件Quake，已经被日本铁道技术综合研究所、东京电力设计院、日本国家测绘局等采用，作为日本地震防灾减灾关键技术支撑平台。

再比如其自主研发的DonSys/Mine矿山分析模块，可用于各类矿山尾矿库建造运维工程安全分析，有渗流诱发失稳的E级超算解析、应力—渗流耦合作用下，坝基失稳溃坝机制、洪水漫顶诱发尾矿坝失稳的高性能数值计算、地震作用下，尾矿坝非线性力学响应及其溃坝模拟等功能，还可应用于地球物理、地下结构、各类矿山、尾矿库、环境保护、应急防灾等领域。

“国外商业软件的数据读取（单一串行）未能考虑现在及未来超大规模计算需求，商业软件前处理部分成为高性能计算的严重瓶颈。国家战略性的、高水准的工业工程数值模拟需要自主研发的高性能并行计算软件，计算机硬件的并行化、CPU多核同时执行演算、演算和数据传送的并行化，以及大量应用需求的驱动，都需要高性能并行计算的支撑。”董勤喜表示，“深入理解并掌握包括数据结构、数据交换、并行处理等在内的核心技术，运用高性能计算的强大处理能力，能有效提升制造业的效率和产品质量。”

“人工智能赋能CAE工业软件建模，”董勤喜指出，“将人工智能尤其是机器学习导入工业软件，能够大幅度缩短产品开发周期，节约开发成本，快速响应客户需求，实现产品高效升级迭代。”

基于丰富的仿真模型和行业数据，CAE的应用可有效帮助制造业企业减少甚至避免在产品设计阶段多次召回调优的重复工作。然而，传统的CAE三维建模技术逐渐难以满足企业对于这种高时效性和逼真模型效果的要求，倒逼服务商不断探索更优的解决方案。

随着人工智能技术的不断演进，机器学习能够基于已有的大量数据，通过训练神经网络得到更准确的预测模型，人工智能开始成为制造业企业在研发设计环节的重点应用技术。董勤喜表示，以CAE在制造业积累的大量数据作为深度学习的基础，人工智能的导入将赋能CAE建模范式持续优化，并进一步降低计算成本，驱动工业软件设计开发的范式变革。