扛起国产工业仿真的大旗,适创科技的“专精特新”之路

简介: 适创科技是一家基于算法的工业数字化研究企业,主要投入在计算机辅助工程(CAE)、自动缺陷识别和智能设计等领域,服务的是高端制造业企业。

不同于其他的工业仿真供应商,适创科技是诞生于云原生的时代,业务全部搭建在云平台上。作为一家基础软件创业型公司,在巨人林立的工业仿真市场生存并壮大是倍加艰辛的。需要充分发挥后发优势,寻找弯道超车的机会,使困难的事业不断前进。


得益于云计算十余年的积累,阿里云丰富的产品栈成了客户成长的基础,特别是基于神龙架构打造的弹性高性能计算平台为适创科技提供了高效且稳定的生产底座,即用即得高效稳健的高性能计算服务使客户可以放心大胆的提供仿真服务。


除了云底座体系结构上对适创的有利支持,阿里云高性能计算技术专家得知国内有CAE企业自研求解器后,对其事业方向及其认同,多次上门技术交流准确定位计算侧的性能与业务痛点,最终提供一种开箱即用的MPI应用提交执行框架,对于初创的适创科技来说,无需部署任何基础软件栈即可启动性能无损的仿真集群作业,简化基础资源管理运维。


2016年,郭志鹏与其校友创立适创科技


2018年,郭志鹏和他的团队来到宁波一家新能源汽车零部件厂商进行现场计算机辅助工程仿真软件的演示。这是郭志鹏接触的第一家客户,一行五人在嘈杂的厂房角落里紧张地操作着。尴尬的是,还没等郭志鹏完成第一个演示,他带来的软件产品就先“熄火”了,打不开了。客户很无奈,郭志鹏也很无奈。不过,出乎意外的是,尽管演示失败了,客户还是对郭志鹏的软件充满期待。


郭志鹏团队带来的工业计算机辅助工程仿真软件与国外传统桌面版软件不同,所有的计算过程都依托于云端,大大方便了客户的使用,在理想的状态下,客户通过对已设计好的产品进行虚拟仿真,可以提前预测产品的开发缺陷,辅助修改设计,提高产品成品率。


“你们只要把这个平台做到能用了,我们就会采购,后续的性能问题,我们可以等你们持续迭代优化。”虽然演示失败,但这个客户却让郭志鹏团队重燃信心,他们迫切需要这样的仿真软件进行产品模拟,但在国内根本没有适合本行业的自主计算机辅助工程软件。


郭志鹏有一个聪明的大脑,他是一名清华大学的工科博士,也是一位数学痴迷者。约10年前,郭志鹏在英国皇家学会和牛津大学做国际学者的时候经常会被外国友人问到:中国人为什么数学学得这么好?


他告诉直通北交所,数学的艺术和魅力在于,它是理工科做任何科学研究的基础,而汉语的语言体系又为中国人学好数学提供了天然的优势。


“中文的数字系统非常简洁,大多数数字在25毫秒内即可读出,方便学习者记忆。而在英文体系中,它们的数字发音时间更长,计算起来比较复杂。”一个事实是,用阿拉伯数字构建数学体系的亚洲人和犹太人,他们的数学水平在全世界都出类拔萃。多年后,凭借对数学和自己算法技术的确定性,在计算机应用的基础上,郭志鹏进行了一场创业之旅。


2016年,郭志鹏和他的清华、牛津校友们一起在清华科技园创立了适创科技。以高性能算法研发为核心竞争力,适创团队从3个人开始,全身心投入到了计算机辅助工程(CAE)、自动缺陷识别和智能设计等数字化工业领域。计算机辅助工程的概念不为众人所熟知,郭志鹏向直通北交所举例,“这并不难理解。好比一辆汽车,在出厂前每一个环节都经历过上万次的模拟测试,从而才能达到性能的稳定。这中间就需要计算机辅助工程软件来完成产品的虚拟仿真。”因为,在工业界,只有当产品经过无数次的场景应用测试,商家才有信心将产品进行生产和交付。以前,在计算机没有出现之前,几乎都是凭借人的经验来模拟测试并找出生产标准;在信息技术革命到来之后,我们可以在计算机上部署软件,通过数学模型构建一个求解器,从而完成产品在虚拟世界的仿真。


了解中国工业的进化


早在20年以前,清华大学等国内工科大学就在仿真软件领域做了许多基础性研究,只是在彼时,工业仿真研究没有在市场上应用起来。“原因在于,那会中国的高端工业基础没有做起来。”郭志鹏告诉直通北交所。虽然,中国一直是世界最大的工业厂房;但是,中国在很长时间一段内只会做基础加工,工业基础跟高科技无缘。


世界银行数据库显示,中国2018年的工业增加值为5.53万亿美元,而美国2017年的工业增加值为3.55万亿美元,日本为1.42万亿美元,德国是1.08万亿美元。也就是说,中国的工业总产值基本相当于美日德三国之和。同样,我们作为制造业大国,目前拥有41个工业大类、207个工业中类、666个工业小类,是全世界唯一拥有联合国产业分类中所列全部工业门类的国家。


不过,在中国的工业门类齐全、产值高的背后,中国的工业生产很多集中在食品、服装以及简单的来料加工上。而这些基础加工业,比如造面包,它们的加工生产不需要工业软件来进行模拟仿真。直到最近几年,工业仿真才可以有了用武之地。这背后是中国工业终于开始走入了4.0,也就是所谓的智能化时代。尤其是最近我们在新能源汽车和工业机器人产业做出了成绩,有了工业仿真的市场需求量。


前几日,EV Sales发布了2020全球新能源车销量数据显示,2020年全球的新能源车销量是312万辆,中国占比40.7%。也就是说,多年来经过政府和企业、研究机构的共同努力,中国在汽车工业领域,终于实现了在新能源汽车赛道的弯道超车。最近几年,中国的工业机器人领域发展也在不断书写传奇。前不久,国际机器人联合会 (IFR) 主席 Milton Guerry 表示,“中国制造业的机器人密度目前全球排名第9位(246 台),而在5年前仅为第25名(49 台)。”


适创科技的发展之路


1)国内做工业仿真模式软件的首批创业者

从新能源汽车的角度来说,零部件的复杂程度越来越高,对生产工艺的要求也更高,以当前逐渐进入主流视野的压铸工艺为例,不同的材料、结构、参数设计都可能会导致最后的生产结果天差地别,而通过将材料属性参数(如粘度)、温度、初始条件(如速度、压力)、边界条件(滑移、无滑移、镜像、对称)等输入计算机辅助工程软件,就可以自动计算模拟出当下的设计方案是否可以满足生产需求,避免反复试模造成的巨大成本浪费。只有保证每一个精细零部件都做到高质量交付,才能有一辆合格的新能源汽车的诞生。 适创科技的计算机辅助工程平台恰好可以为这个环节提供模拟服务。


2)创业维艰,适创面临资金周转问题

2018年开始,郭志鹏大概见了超40位投资人。不过,这些投资人给出郭志鹏的反馈是这样的:听不懂什么是工业仿真,在国内也找不到可对标的公司,所以不太确定适创做的事到底有没有商业潜力。

2020年11月,来自亚杰天使和清华系启迪之星的注资为郭志鹏送来了及时雨。他们联合为适创科技带来一笔千万级级别的Pre-A轮融资。“启迪之星一直在清华大学内部寻找投资项目。兜兜转转,还是清华向我们伸出了橄榄枝。”郭志鹏回忆。这笔资金成为公司活下去的关键力量。所谓刚需才能产生真金白银,在产品的一次次迭代中,郭志鹏的工业仿真软件开始有了订单,这些订单多半来自电子信息制造业和新能源汽车业领域。


3)将业务搭建在阿里云平台上

有投资人告诉郭志鹏,可以去做一个基于saas的工业软件平台,去打通不同的行业来提供系统的软件服务,这或许比适创现在做的事更有赚钱机遇。此后,郭志鹏采纳了这个建议。

适创科技诞生于云原生的时代,业务全部搭建在云平台上。


4)申请专精特新企业资质

中关村管委会认为适创科技专注于中高端制造细分领域的中小企业,这符合专精特新的特质。他们建议适创可以申请专精特新企业资质,这里有一系列的补贴政策。2021年12月,适创科技拿到了北京市专精特新资质。

阿里云不断以计算技术领导力赋能客户,并同客户一同成长,助力“专精特新”企业成长,在打破“卡脖子”的场景下不断努力,技术奉献社会。

目前,郭志鹏收获了2000余家制造业用户,并为GE-贝克休斯、中信戴卡、一汽铸造、大连亚明、宁波隆源、云铜科技等国内外企业提供高性能数字化解决方案。这些订单稍微让他松了一口气。不过,创业5年,创业人又增添了新的压力,所谓有人的地方就有江湖,郭志鹏需要花很多的心思去解决公司管理问题,以及业务持续创新问题。终究我们都是在不确定性中寻找一丝确定性。


想要了解更多阿里云客户故事、企业成长相关的数字技术产品解决方案,或是了解企业发展所需的融资服务品牌扶持、组织培训和行业活动等服务,可以进入官网主页进行查看~

阿里云企业成长服务中心https://enterprise.aliyun.com/

开发者社区1.jpg

扫码加入钉钉群可享有以下权益↓

开发者社区2.jpg


目录
相关文章
|
机器学习/深度学习 并行计算 PyTorch
百度搜索:蓝易云【Pytorch和CUDA版本对应关系】
请注意,上述版本对应关系只是示例,并非详尽无遗。实际上,PyTorch的每个版本通常会支持多个CUDA版本,而具体支持的CUDA版本也可能因操作系统、硬件配置等因素而有所不同。因此,在使用PyTorch时,建议参考PyTorch官方文档或社区支持的信息,以获取最准确和最新的PyTorch与CUDA版本对应关系。
560 2
|
算法 分布式数据库 分布式计算
|
9月前
|
存储 安全 数据处理
探讨对称加密与非对称加密的区别
综上所述,对称加密和非对称加密的选用取决于不同的安全需求、性能考量和应用情境。了解各自的特点和限制,才能有效地部署合理的加密策略,以确保数据通信的安全性和效率。
1062 13
|
机器学习/深度学习 数据中心 芯片
【AI系统】谷歌 TPU 历史发展
本文详细介绍了谷歌TPU的发展历程及其在AI领域的应用。TPU是谷歌为加速机器学习任务设计的专用集成电路,自2016年首次推出以来,经历了多次迭代升级,包括TPU v1、v2、v3、v4及Edge TPU等版本。文章分析了各代TPU的技术革新,如低精度计算、脉动阵列、专用硬件设计等,并探讨了TPU在数据中心和边缘计算中的实际应用效果,以及谷歌如何通过TPU推动移动计算体验的进步。
1241 1
【AI系统】谷歌 TPU 历史发展
|
12月前
|
消息中间件 数据库 开发者
《微服务必解之惑:分布式事务方案大揭秘》
微服务架构因灵活性与可扩展性成为企业首选,但分布式事务问题随之凸显。本文探讨了多种解决方案:两阶段提交(2PC)和三阶段提交(3PC)保证强一致性,但存在性能瓶颈;基于消息队列的最终一致性方案通过异步通信提升性能,适合对实时性要求不高的场景;Saga模式和TCC模式分别通过补偿事务和三阶段控制实现灵活处理。选择方案需综合考虑业务需求、系统架构及开发成本,以找到最优解。掌握这些方法,可有效应对微服务中的分布式事务挑战,构建高效稳定的系统。
402 0
|
中间件 关系型数据库 数据库
docker快速部署OS web中间件 数据库 编程应用
通过Docker,可以轻松地部署操作系统、Web中间件、数据库和编程应用。本文详细介绍了使用Docker部署这些组件的基本步骤和命令,展示了如何通过Docker Compose编排多容器应用。希望本文能帮助开发者更高效地使用Docker进行应用部署和管理。
394 19
|
机器学习/深度学习 存储 人工智能
揭秘机器学习背后的神秘力量:如何高效收集数据,让AI更懂你?
【10月更文挑战第12天】在数据驱动的时代,机器学习广泛应用,从智能推荐到自动驾驶。本文以电商平台个性化推荐系统为例,探讨数据收集方法,包括明确数据需求、选择数据来源、编写代码自动化收集、数据清洗与预处理及特征工程,最终完成数据的训练集和测试集划分,为模型训练奠定基础。
469 3
|
Java API 开发工具
java实现chatGPT SDK
构建了一个Java ChatGPT-SDK,用于封装OpenAI接口,支持多种服务调用链路,特别是会话模型。SDK采用工厂模式,提供会话服务的创建,利用OkHttp3和Retrofit2处理HTTP请求,包括请求拦截设置apiKey。核心接口包括IOpenAiApi和OpenAiSession,后者实现会话交互,支持流式响应。测试代码展示了如何使用SDK进行聊天交互。
544 2
|
缓存 定位技术 Python
是时候跟Conda说再见了
是时候跟Conda说再见了
4063 2
|
自然语言处理 JavaScript 数据挖掘
Node.js服务器如何搭建?
【8月更文挑战第4天】Node.js服务器如何搭建?
381 2

热门文章

最新文章