如果说大型语言模型改变了软件开发，那么所谓的大物理模型则正在彻底重塑工程设计。这种新技术正在汽车、航空航天和半导体工程等领域开始取代或补充传统的物理模拟过程。

　　回溯历史，在 计算机模拟普及之前，汽车制造商需要制作大量的物理原型来测试设计。Neural Concept的常务董事Thomas Von Tschammer指出，在过去的40年里，数值模拟大大减少了对原型的需求。而现在，人工智能正在以同样的方式大幅减少对模拟的需求。

　　以通用汽车为例，在过去半年里，他们将大物理模型引入了汽车设计流程。以往，设计师开发出3D模型后，需要送往空气动力学专家那里进行物理模拟，以确定阻力系数，这个过程通常需要大约2周时间。现在，通用汽车利用内部训练的大物理模型，只需输入3D模型，几分钟内就能得出结果。通用汽车的虚拟集成工程总监Rene Strauss表示，现在专家们可以坐在一起即时讨论并做出决策。

　　这种转变带来的时间红利是巨大的。PhysicsX的首席执行官Jacomo Corbo指出，根据模拟的复杂程度，人工智能推理的速度可以比传统模拟快一万到一百万倍。

　　关于准确性的担忧在设计初期并不突出。Rene Strauss解释说，在初期阶段，快速迭代比绝对精度更重要。只有在 车辆即将上市、需要进行最终能耗认证时，才会使用风洞进行精确测试。而且，通过加入实验测量数据进行微调，人工智能模型的准确性甚至可以超越它所模仿的数值模拟。

　　目前，行业内正在努力推动这类模型的标准化。PhysicsX正在与英伟达合作，利用physicsNeMo开源平台开发通用标准，让研究界和工业界都能更容易地复用和改进现有模型。

　　尽管对于人工智能是否会完全取代模拟还存在争议，但专家们一致认为，人类工程师的地位依然不可替代。Thomas Von Tschammer认为，这些工具让工程师能够从低价值的重复劳动中解脱出来，转而专注于最终的设计决策。在2026年的今天，大物理模型不是要取代工程师，而是赋予他们前所未有的效率。

　通用汽车的大型物理模型目前正在用于加快空气动力学模拟