夜雨聆风
公众号以后将发一些阅读量较高的历史文章，最新文章将仍发在知识星球。请知悉。
2023年之前的参考：“工业软件” 语录摘要100句（点击链接查看）
1.公司之所以如此坚决，因为内部报告显示，未来求解器70-80%的代码可以用AI生成，而早先估计的约5年左右时间才能完成的工作量，在AI加持下可能1-2年就能完成。重写求解器，AI有不可比拟的天然优势
2.从算法维度看，机器学习，深度学习等AI算法正在与CAD/CAE/EDA/CFD软件中的传统算法加速融合，带来设计，建模，仿真，优化等环节的技术变革。
3.借助于AI技术，自适应网格划分可能成为历史。同时，AI为偏微分方程的求解带来新的思路方法
4.快速发展的AI优化，强化学习，深度学习可以进一步优化求解多目标，多约束的等问题，提升求解效率和精度，实现更高效智能的求解
5.广义上讲，但凡求解器涉及到力学方面的内容，都可以称之为“结构求解器”。热学，CFD相关也可以放在里面。
6.作为通用有限元仿真软件，结构求解器是必需的内容。
7.个人以为，麦克斯韦方程边界条件和激励的理解可以有三层：
第一是边界和激励用来确定麦克斯韦方程组的唯一定解
第二是因为电磁波活动范围内是一种场，所以需要在限定范围内对电磁波做截断
第三是电磁波在任意不同材料之间交界面发生反射折射，失去连续性，需要进行特殊设置
8.这里的求解器主要是工业设计仿真软件中的内容，由英文Solver翻译而来，Solver是个比较通用的叫法，有些软件程序会叫做Engine(引擎)，或者Kernel Program(核心程序)，其实都是一个意思。它的主要目的是利用程序，求解多物理场问题。几何相关的约束求解器，运筹优化中的求解器等不在此讨论范畴
9.目前市面上几乎所有的工业设计仿真软件，注意是仿真设计类(非工业控制类)，这类软件都是可以逆向工程的。也就是说只要有安装包，就可以得到源码
10.不远的将来,AI技术将系统性地嵌入工程软件的底层算法数据结构和计算框架。工程软件将从"计算机辅助"走向"智能辅助"
11.熟悉的朋友都知道，公众号输出的核心价值观之一就是：工业软件要用质量说话。是骡子是马拉出来溜溜，别打嘴上功夫
12.高端工业软件巨大的工作量，把大多数小公司研发团队挡在了门外。所以一般的小公司能在某个点上，某个工具或者某项新技术上做一些产品就已经相当不错了，而且一般还是长期坚持的结果
13.所以只要出现工业软件的地方，公众号文章都会告知主要是CAD CAE EDA CFD CAM TCAD BIM等相关。这里讲的工业软件研发也不例外
14.在软件研发人员效率上，1+1 可能大于2， 但是10+10 远小于20，配置不当甚至不如10.
15.当一个生物体的身躯规模增大时,它需要的能量消耗并不成正比地增加,而是按照身躯规模的3/4次方增加。另一个例子是当一个城市人口增长时,其需要的路面区域并不是线性增加,而近似按照人口数的4/3次方增加
16.其实这些内在本质规律也同样适用大规模软件研发，也从理论上说明了，为什么花5万招一个优秀人才好过花3万招三名普通人，以及处理超大模型时候，性能瓶颈和资源投入不成比例。
17.使用第三方库是软件研发中常用的做法，因为不可能所有的事情都重头做，重复造轮子没有必要，而且有些轮子短期内也造不出来
18.背景网格作为现代网格生成和优化算法中的关键组件，为控制和指导复杂几何体的网格生成过程提供了工具，通过合理利用背景网格，可以显著提高生成网格的质量和效率
19.如何在一个庞大的老工程上加新功能。不管是开源还是商业软件，都是一件非常棘手的工作。大部分成熟的工业设计仿真软件都可以认为是庞大的老工程
20.如何避免“s山”代码。怎样防止代码变成祖传“s山”？（点击链接查看）
21.EDA软件虽然小众，但是却是整个半导体行业的基础，而且覆盖面相当广，要有一个全流程的知识体系也需要长期积累。参见 一篇文章了解EDA(全)
22.图划分在神经网络计算，交通规划，图像处理，数据库，社交媒体算法 等领域有很多应用，求解线性方程组是图划分的一个细分应用领域
23.之前某公司宣传其产品代替Matlab，但使用下来不仅功能1%都不到，而且还几乎没法用。整个技术栈都基于开源，套了个壳。
1+1 matlab可以算，你也可以算，说替代Matlab就是偷换概念
24.后面最有可能被收购的几家公司，COMSOL，SimScale和Simmetrix。不过这几家都没上市，比较惜售。收购和被收购方都在排队
25.现在有了AI加持，在逆向工程这块更是如虎添翼。问题在于，不是高度机密的内容，做逆向的那点精力，还不如直接做正向研发
26.在SimSolid最新的产品介绍中，表示将重点支持对PCB和IC领域的热，结构分析，同时支持SI/PI分析。如果SimSolid能将无网格方法引入到高频电磁分析领域，可能会部分解决有限元方法的性能问题。但是否能真正解决工程问题，满足性能和精度的平衡要求，还需要更多实际工程检验
27.大厂的各种“全家桶”，安装包动辄几个G，多则几十个G。其实大部分都是第三方库的文件
28.OF的全部功能，基本三个月左右，4到5个研发+AI就全部重新设计实现并通过验证，并且架构上做了优化，扩展性更好，CMAKE跨平台等等之类
29.之前有朋友反复问：开发用几何内核到底是用OCC还是ACIS好
其实这种问题真没法回答，得首先了解业务，再了解团队，最后了解长远规划和预算。
30.如果说觉得CUDA没有广泛应用，个人可能觉得两个原因：第一好的GPU太贵，用不起，毕竟很多服务器GPU不是标配；第二开发人员CUDA不会用，所以不做支持
31.评估网格质量其实要综合考虑拓扑和物理场两种信息。拓扑就是计算一个网格单元的质量，比如最小边，aspect ratio，以及相邻单元过渡是否平滑，以及网格密度，分布等等。另外一个就是必须靠求解器的物理场信息来判断网格是否满足计算要求
32.AI正在重塑整个技术领域的基础，包括IT基础架构，当然也包括工业软件
33.AI必将取代传统的技术方法和工具。这是一个渐进的过程，就像当年电力取代蒸汽一样。之所以说是渐进，是因为很多AI基础设施还没有完成，这个过程中必然交织着失败，失误，乃至倒退。这些基础设施就类似电气革命时候的水坝电网，需要时间
34.技术传导有延迟性，但是最终会传导到各个领域；代码安全会成为一个更敏感的话题
35.Altair这类收购对国内没多大参考意义。Altair营收近70%来自license授权，也就是卖自己研发的软件。国内有哪家工业软件公司能做到10%？上市辅导那点伎俩其实大家都清楚。
36.前沿技术和工程化的矛盾。每年都有新的技术出来，有些可能还是稍微有颠覆性的。如何将这些前沿技术低成本的融入软件中，也是比较棘手的问题
37.早期软件需求分析和确定，市场定位。这些直接决定了技术路线，技术选型，人员投入，研发流程等一系列内容。最常用的比方就是盖楼，盖多高的楼就挖多深的地基，一旦地基确定，再改楼层需求就不太可能了
38.一套先进的工业软件，如果不保持技术敏感度，3-5年不更新，产品很容易被其它产品取代；大厂形成规模后，转弯困难，技术更新缓慢，很多时候存在竞争被淘汰的风险。
39.这个世界有两套规则，一套桌面上的，一套桌面下的。大家平常能看到的都是桌面上的，而桌面下的通常涉及利益，认知，圈层和丛林法则。看不明白的当娱乐八卦看看就好
41.只能说，如果软件研发中还没有使用AI，那是因为还在维护老项目。但凡一个新项目，AI是基本工具。对于软件研发而言，未来更多需要的是懂业务，懂设计，理解需求的Super Programmer，大部分的中级初级的基本都会被淘汰裁掉，因为确实不需要那么多人了。
42.其实可以看到，全球行业大厂进一步加大了公司收购力度，除了提到的资本和市场逻辑外，还有一个比较底层的核心逻辑：通过提升行业壁垒，缓解AI技术对行业带来的冲击。
43.多年前开始，某CAD外企大厂就开始将国内的核心研发逐步撤离，在当前大环境下，有加速的趋势。和其它外企大厂不同，该大厂将一些核心研发放在中国，客观上培养了大量CAD人才。
44.在过去五年，ANSS的每年利润始终保持在4-5亿美元，而Synopsys则保持了高速增长，反映在股价上就是过去五年Synopsys翻了六倍，而ANSYS为两倍，和纳斯达克指数基本持平
45.三星，台积电一直是全球芯片制造的领军企业，在最先进芯片制程上有垄断地位。EDA公司中谁能和这些企业合作也就相当是走在了芯片设计领域的最前沿。
46.按照目前发展势头，工业设计仿真软件领域会出现出几家比较大的企业
Synopsys，Cadence，Dassalut，Siemens和Keysight
47.ANSYS能在早期买下Ansoft是最成功的收购之一，尽管2008年8亿美金已属天价，但和后续的收益比起来，可以说性价比是非常高的。一方面开启了公司仿真全新领域，也为后续更深入进军EDA，收购更多相关公司做了技术储备。这也说明了公司的长远眼光以及保持技术敏感度的重要性。
48.2023年七月，人工智能初创公司Stability AI的CEO Emad Mostaque表示，“五年内，人类程序员将彻底消失。”后台也一直有朋友私信问类似的问题
49.未来几年，最有可能出现大的突破的是量子计算机。量子计算机加AI，工业软件领域必将发生翻天覆地的变化
50.Ansys公司的第一款产品就是Ansys，主要做结构，热等有限元仿真，并提供了前后处理以及APDL脚本支持，从现在观点看：界面丑陋，操作困难，用户交互反人类
51. PDE，FEM，FVM，大规模线性方程组求解 等各种数值技术方法都会因为AI技术的引入，效率性能大幅提升
52. 使用商业库的原因，除了功能，性能，可靠性有保障，以及简单易用外，商业库一大优势是有技术服务，不会用的地方或者碰到问题，容易得到技术支持，因此可以在研发资源和研发人员水平有限的情况下，开发出相对高质量的产品
53. 虽说“悲观者永远正确，乐观者永远前行”。国产替代确实是机遇，但是还是要靠质量才行
54.Techsoft3d下一步应该两个选择：一是 CAD几何内核；二是基于组件的AI工具。CAD几何内核开发周期长，大概率也是自研+源码收购， 后续不排除基于组件开发CAD，CAE的OEM产品
55.不管做项目还是学习，当你面临C++和Fortran二选一时，就选C++
56.语言的底层是数学和工具。语言本身学起来很快，需要就学就用
57.当你求职一份工作，Fortran是必须要求掌握时，可能有大坑等着你填，但也可能是逆天改命的机会
58. 本人review过的工业软件代码超过一个小目标，约有5%的是使用Fortran，主要集中在codeaster，openradioss，线性方程组求解库以及一些数值优化算法库
59. 语言就是工具，哪个适合好用，就用哪个，没有好坏一说
60. C++生态要远好于Fortran，这个是客观事实，不用讨论
61. Fortran现阶段不仅无法退出历史舞台，在数值计算领域还大有用武之地。但再过十年就很难说了
62.毫无疑问，软件确实能提升飞机设计生产整个流程的效率，但是软件内部不会有幻影，F22的技术参数，也无法单独代替其它成千上百种软件
63.以波音公司为例，公开资料显示，在波音飞机设计生产中，总共使用了近一万多款软件，其中约10%是市场上可以购买的通用软件，其余为公司研发内部使用。
64.从心理学上讲，当你在宣传和广告上，把自己的产品和“对标产品”做比较的时候，首先就是在帮对方宣传产品，这个就类似于，一个国内非常漂亮的风景，硬要说成“东方阿尔卑斯”，其实，“桂林山水甲天下”就挺好
65.深销售朋友都知道一句话：只说自家好，莫说他家差。当宣传自己的时候，直接摆出数据，讲明自家优势即可。真正的工程师看着数据就能明白，不懂的人就算看着对标数据也摸不着头脑
66.做研发很少有“系统学习”一说。因为大多数研发都是边做边学习，边学习边摸索。如果说研发有“系统学习”的话，那大概率是类似把旧项目拿来抄抄改改，或者有固定的模板，因此需要严格的事前定义需求，规范以及研发方法
67.一提到工业软件领域，就是大家熟悉的几家大厂，表面看上去，大家各自安好，和和气气守着各自蛋糕，而实际上都暗着把手伸到对方领域，也是个非常典型不进则退，此消彼长的行业
68.工业软件公司的核心资产是人才，业务发展需要一大批高素质的人才，给足待遇，给足发展空间，才可能留住人才。作为大厂，找人留人是一大要务
69.保持技术敏感性非常重要。虽然相比互联网，工业软件领域技术迭代要慢很多，但一旦技术成熟，都是会应用到的。大公司在新技术新领域方面普遍反应较慢，大概率需要通过收购等手段完成技术升级转型。所以需要有一定技术敏感性，识别拥有潜力和先进技术的小公司，不要碰销售型的伪工业软件公司
70.投行最为关注的技术投入成本主要集中在研发人员和商业组件采购上。工业软件行业覆盖面广，相比其它行业，更依赖高水平的研发人员
71.一段百来行的代码，如果10分钟内完全读不懂或者理不出头绪，除非是客户项目，一般都打个标记不会再看。大白话就是：代码在系统工程上被判定为“没有价值”。就像是孔乙己的茴字八法
72.“北京海淀牛娃”人手 一本的科普《万物》杂志上赫然印着“多物理场仿真软件”的广告。
73.目前和网格研发相关的企业大致主要有这几类：
1.提供网格引擎
2.提供前处理工具
3.使用网格引擎开发网格应用程序
4.根据业务自己开发网格应用程序
74.翻看目前几家大型工业软件公司的主流仿真类产品历史，在网格上重金投入做研发的，都获得了丰厚的回报；而采用第三方网格组件，投入不足的企业，不仅在核心利益上受制于人，而且由于技术积累不够，造成产品质量也难以有质得提升
75.在科技领域从事诈骗的朋友都知道，“巴铁”项目是一个可以写进教科书的教程。以至于到现在，还有人说“巴铁”是一个创新想法，只是提前了几十年。芯片行业的朋友应该都非常熟悉“芯片大基金”
76.三十年前流行的操作系统还是DOS，内存32M就是高配，按照现在软件规模，一个IDE都运行不了。所以除了少部分代码能拿过来研究外，其它基本上是要重新来一遍。工程上有些核心技术知识很难传承。我国战国时代有个成语，轮扁斫轮，说的就是这个道理
77.因为我评判软件公司的标准很简单，就是测评软件产品功能质量，不管是软件产品，还是sdk，或者源码，都能测评。但是按照目前国内实际状况没法评判，所以是真不了解。另外除了“汉芯”“木兰”这种公然实锤的可以谈谈，其它的就不讲了
78.可以看出Bentley是一家非常典型的细分领域的工业软件公司。尤其是在2022年收购Adina这一老牌仿真软件。也足以说明，大公司都在扩展行业设计，行业仿真以及底层核心技术等综合解决能力，而不是单单从技术层面提供软件产品
79.有了以上认知，就会明白现在科技领域所谓的卡脖子本质上就是利益的博弈。这也是为什么一直提，在自力更生的大前提下要加强对外合作
80.虽然现在经济不是很乐观，但社会财富和二三十年前有了翻天覆地的变化，所以也不要老是借着卡脖子，让技术工程科研人员讲牺牲谈奉献。确实提高福利待遇，提升管理话语权，“让听得见炮声的人指挥战斗”
81.所谓的卡脖子技术，其实有非常明显和突出的特点，之前多有解释不再阐述，且常常关系到产业链，供应链和生态圈，很多时候都涉及到国家科技战略层面的内容，远不是一个技术点和产品所能涵盖的。现实中套个壳，做个OEM，就敢喊解决卡脖子问题，比比皆是
82.掌握技术优势的国外大公司，在国内利用分销商赚取超额利润，公司层面只想着赚钱，压根不会想着卡谁的脖子
83.需要说明的是：软件OEM并不是什么新鲜事，一直以来就有。很多大公司都提供有类似服务。早年的LS-DYNA主要做求解器，前后处理比较弱，很多第三方公司都会围绕LS-DYNA做前后处理，包括ANSYS。做好自己的核心技术，非核心技术采用OEM，也是通用做法。重要的是，产品最后能用，能给客户产生价值
84.窃以为：工业软件领域但凡能拿到桌面上，供大家选择使用的，都是好事
85.在笔者看来，出现“s山”代码其实是一种客观规律，并没有贬义，超过十年的代码都可以认为是“s山”代码。用比较科学的理论解释是由热力学第二定律衍生出来的“熵增定律”：
就是在一个孤立系统中，事物总是自发、不可逆的朝着熵增加（混乱）方向进行
86.一个大型软件项目，最终走向混沌状态(s山)是必然的。这个过程和研发人员水平有些关系，但是不太大，不会影响最终状态
87.奥卡姆剃刀原理告诉我们：如无必要，勿增实体。当一个大型系统能很好运行时，就不要去动它，出现了大问题能小修则小修，如需大修，大多数时候耗费的成本不如推倒重来
88.阅读历史悠久的大型软件源码，是一个痛苦的过程，尤其是没有文档，没人指导，且很多业务算法都看不懂的情况下，要想去改动代码是非常困难的
89.AI自主编程现在性价比还不高，且技术还不成熟。这个临界点发生在AI性价比高于人工的时候，资本不傻，1元钱AI能干的活，为什么要花2块雇人工？
90.ANSA是BETA-CAE公司的旗舰产品，其公司成立于上世纪90年代末，最早开始于希腊亚里士多德大学四名师生团队提交的一个计算梁单元横截面应力的程序。公司总部最早在希腊古城塞萨洛尼基，后总部移到瑞士。2019年在国内成立了分公司。
ANSA全称
Automatic
Net-generation For
Structural
Analysis，
初期是想做结构分析的网格自动化处理，很明显软件的发展早已经超出了最初的预期
91.CAE的前处理一直是令人头疼的问题，据早期统计，CAE项目整个流程中，前处理时间占到60%-70%以上。其主要工作就是清理修复几何和生成高质量的网格，以供求解器使用，网格的生成除了拓扑信息外，其单元边界激励荷载等求解属性也需要正确设置
90.性能是做拾取时需要考虑的内容，但是对于拾取技术的采用，需要综合考虑软件架构，技术选型，第三方组件以及业务实际需求，而不能单看拾取性能
91.经常阅读公众号的朋友都知道，除了讲三维几何内核，涉及CAD内容比较少。其它介绍的一些渲染，几何，拾取捕捉，几何数据库，网格算法，优化算法等都是工业软件的通用技术，算不上CAD专有内容
92.CAD软件研发应用相对广泛，历史也较长，所以笔者认识的CAD资深研发人员也多一些，很多人从事大家耳熟能详的CAD软件核心功能开发，只不过都很低调，也不太愿意动笔杆子写东西
93.2017年，ANS和SYN第一次合作时，ANS的剧本是这样的，先推动合作，再了解业务，再收购进来，壮大工程仿真版图。
但是ANS低估了第四次工业革命中半导体行业和EDA的影响程度，或者能看到趋势，但没能预估发展势头，所以最后结果就是被反噬
94.比如CAD领域，已经过度内卷；CAE领域基本都在低端；EDA领域开始拼中高端，但还是缺乏全流程工具链。除了少数公司有平台建设能力，绝大多数都只能做点上的工具
95.不过有一说一，GLD是国内少有的在工业软件图形渲染，三维几何内核，几何数据库等底层技术领域长期投重金研发的企业，你没看错，就是被有些人称为“卡脖子”且大书特书的三维几何内核。只是受限于业务应用，技术视野和人才等，研发成果主要在公司内部使用。真要拿卡脖子说事，公司可能早就已经解决了这个问题
96.不过熟悉的朋友都知道，公众号从来不做行业相关广告业务，只是偶尔推荐两本书，卖一下海飞丝洗发水。原因很简单，之前也讲过：一旦做了行业广告，以后就没法讲真话了
97.工业软件200个基础知识点写完了。点击链接查看所有内容：
也可以访问如下网址：(不加www)
fasbridge.com
这200个知识点，包含了基础数据结构，常用算法，线性方程组解法，优化算法，学科理论，工业软件细分领域以及软件研发实操，没有分门别类，从横向和纵向覆盖了常见的工业软件领域知识
98.其实一般的小公司，尤其是没什么收入利润，在温饱线上挣扎的小企业，大家对盗版都是睁一只眼闭一只眼，因为就算走法律流程也拿不到钱，反而还得罪潜在客户，用盗版的员工熟悉流程后如果能去大公司还能帮忙推广产品
99.所以大家在工作场合尽量使用正版软件，以免出现合规问题。尤其是工业软件，价格不菲，一旦背上官司，会给公司带来巨大的经济损失和不必要的麻烦
100.对于真心想做事的高校老师，不太建议花太多时间精力在前后处理上，也不要用纯开源的东西。而是把自己擅长的领域做精通，形成核心优势，然后和做商业开发公司产品做集成，国内外公司都可以，融入商业生态链，接入用户迭代，这才是正规军打法
