计算机辅助工程（CAE）技术，最开始是为航空航天和汽车开发的，到现在已经使用了50多年。几乎所有行业都在使用CAE仿真分析。
跟芯片设计仿真之于半导体行业一样，工业仿真本应是工业制造业的明珠，如今在国内却有着非常尴尬的位置。
一边很多工业界和学术界大拿大谈数字孪生与智能制造、工业互联网、工业软件、人工智能之间的关系和未来发展前景；
另一边，不少从业者甚至对CAE工业仿真软件有哪些都没有概念。更不用说怎么通过仿真驱动研发，推动业务发展，加快产品上市。
听起来非常离谱，但现在就是这么个情况。（摊手
大家对仿真的态度，差别也大了去了。
有些人麻了，产业升级数字化转型什么的关我什么事，你们玩你们的吧，我躺着也能赚；
有些人反手一个外包，虽然有时候也想让仿真给比对比对实验，但总之最后能给我个仿真数据报告就行了，产品设计可不敢指望；
有些人不见兔子不撒鹰，实验花钱是一回事，但大家都信啊，仿真我就不知道效果了。。。上来就要钱搞项目，我怎么给？最近这种经济形势下，现金流是底线啊；
扩展阅读：当仿真外包成为过气网红后…
还有一些人，希望借仿真提升产品研发设计能力，增强差异化竞争优势，应对更高的市场要求。一颗颗蠢蠢欲动的心，却只能叹口气：宝宝心里苦~
身在中小企业，咱家里实在没有这个条件，既一下子拿不出那么多钱，也缺乏相应的技术人才；
大企业看起来风光无限，但事事要申请，动辄来个项目评估，毕竟大公司嘛，流程走起来，懂的都懂；
高校搞科研的老师们，看起来拥有一整个超算，然而——排队能排到天长地久，而且资源一不小心还会被抢走，啊这……我头发呢？
委屈，
但又莫得办法。
只能自己默默把自己哄好了。
最近问过仿真工程师们一个问题：你觉得咱们啥时候能实现“仿真驱动研发”？
他们半真半假地回答：2025啊（有期待，但不多。。
来来来，这回换我们来哄你，哄不好不要钱。
关于仿真有啥价值的大饼，我们画过一回。具体可查看《杨洋组织的“太空营救”中， 那2小时到底发生了什么？》。大至宇宙膨胀，小至纳米机器人，都是仿真的地盘。
我们的小目标——让你或者你的仿真团队：
既不用一次性付一大笔钱，又不用搞一大堆硬件；
原来一个IT可以管100台机器，以后可以管10000台；
既可以瞬间有一套现成的很多人能同时用的CAE仿真环境，又可以不用排队；
可以搞到某些高配机器甚至一堆机器飞快跑完仿真任务，还不用改变现成的习惯；
不伤筋不动骨，既可以帮助老板们验证仿真价值，提升仿真效率，又可以不再需要限制工程师仿真模型的大小和数量，不降低计算精度。
从此，不再有以下烦恼：
1、没这个预算买服务器，周期还巨长
2、总是在排队队队队队队队
3、动不动一个任务跑一个星期……
4、预计未来会有突发大需求，没法满足
5、如何快速搭建一整套CAE仿真环境
6、不想轻易动现金流
7、IT不懂CAE研发场景
8、emmm不想写命令行
……
往大了说，让原本被高高挂起的仿真：
限制不再那么多，人人都可以随时随地仿真，中小企业也能有自由发挥空间；
门槛不再那么高，工程师只要专精于提升CAE专业能力就好，不需要从上到下什么都会；
落地不再那么难，不管是一个人还是一个团队，一套仿真研发环境说启动就启动，即开即用。
让仿真跟实验并驾齐飞，相互支持，找到最具性价比的平衡。
听起来也相当离谱……
这是真实存在的吗？
我们有证据：
Fluent：快速获取960核网络加强型实例，有效解决Fluent任务并行计算节点间通信问题，成功将原本需要45天才能跑完的任务缩短到4天内完成。
LS-DYNA：快速精确匹配合适类型的云资源，并可有效进行资源的统一管理和监控，DM工具为用户提供简单有效的云端数据传输方案，无需改变本地使用习惯。
COMSOL：完美支持COMSOL基于不同用户策略的多机和多人并行，混合云平台在本地资源不足时可自动溢出到云端，同时提供独占资源，绝不会被抢走。
这究竟是个什么东西？
名字千奇百怪，叫啥的都有，基本上可以用仿真云平台或者仿真平台来概括他们。
但这家与那家之间，只能说：
不能说一模一样，简直就是毫不相同
乍一看，大概都长成差不多这样——
更多的“灵魂”在这张图里：
Get不到？
问题不大，看完白皮书就都明白啦。
大多数用户很难深入探究每一种产品。
我们按照上面说的“乍一看”标准，调研了超过30款你可能想到/找到的各种解决方案/产品，综合对比整理了一份包含了市面上几乎所有类型仿真平台的全方位对比白皮书（选择真的太多了，相信我，你需要它），告诉你各种平台啊云啊之间到底是个啥，有啥区别，方便你理清思路，做出最适合最正确的选择，甚至可以直接给老板做报告。
即便你之前毫无概念，我们保证你看完之后可以对这些仿真平台建立起系统化的认知，并且能根据自己的实际情况，有理有据地挑选出最适合自己的平台。
简单介绍下本白皮书主角人物及重要剧情：
仿真宇宙三大主流派系
这个领域里的主流玩家分为三种：
1第一类是开发CAE应用的软件厂商。比如ANSYS、MSC、达索、Simscale等。
他们在做的一件事是应用SaaS化，以自家开发的应用为基础向下延伸，提供给用户一个能够通过浏览器就能操作仿真软件的SaaS平台，Software as a Service。
注：不理解SaaS/PaaS/IaaS的，完整白皮书Part.3会展开解释
主要特点：
1、以自己开发的一个或多个CAE/CFD应用为基础做的平台，具有排他属性；
2、超级懂行，对自家应用的支持几乎是无限的。当然，因为SaaS平台提供的是标准化产品，所以如果用户有额外需求，就会涉及产品级的调整；
3、底层资源一般比较薄弱或者依赖某第三方合作伙伴，IT这块的支持比较有限；
4、一般不能跨厂商，也不能和用户的本地环境相结合。
这一类厂商的核心目标就是尽可能让更多用户使用他们的仿真软件，既可以以软件的方式卖License，也提供了SaaS平台这种方式方便用户使用。
2第二类是面向用户、集成多种应用的开放云平台，比如我们速石科技。
我们提供的是一整套仿真研发环境，既连接上层应用，对应用本身的运行提供支持和优化；同时连接底层资源，给用户提供更灵活，更高效使用资源的能力。
主要特点：
1、以应用为核心，集成市面上主流CAE软件厂商的应用。除此之外，平台还支持如PyTorch这类AI框架，满足用户的AI计算需求；
2、是一整套研发环境，既提供产品，也有专业的R&D-IT服务能力。具有中立属性，用户对全部数据均自主管控；
3、底层资源丰富，按需弹性使用，对于用户“过山车式”波动需求（详见白皮书1.2章节），特别适用。覆盖全球多个区域的云上异构资源，用户可自由选择区域；
4、不止有SaaS平台，也有成熟PaaS产品支持多区域本地和云端的多地协同。
我们的核心目标就是围绕CAE甚至AI应用和工具，原本手动的工作能自动化，让仿真这件事变简单，提高整体仿真研发效率。
3第三类是以提供底层资源作为主要商业模式的平台。
分为三种：硬件厂商、超算中心、云厂商。
为了更好地卖资源，三者基于自身资源，或自己开发、或联合其他合作伙伴推出不同的仿真平台层给用户使用，这其中的差异就非常大了。
主要特点：
1、有些集成了市面上部分主流CAE软件厂商的应用与AI框架，有些没有，整体对应用的支持有限，对研发业务的理解比较少；
2、以底层资源为导向，但主要是基于某一家的资源，无法跨超算中心或跨硬件/云厂商；
而不同资源厂商的资源量差距其实是很大的，比如超算中心和云厂商的资源总规模差异就非常惊人。当然，还有很多其他差别。可点击查看《国内超算发展近40年，终于遇到了一个像样的对手》
3、如果你能直接使用他们的资源，那就算IaaS，但如果使用他们提供的仿真平台这种，就可以算SaaS了。也能以项目制的方式定制化解决用户更复杂的问题（对比于直接可用的成熟产品）；
4、用户使用体验比较复杂。要么对用户自身能力要求很高，且有比较高的学习门槛，比如云厂商；要么一般企业不能用，限制很多，使用不灵活，甚至资源会被抢走，比如超算。
三者的共同点都是以资源为导向，核心是卖机器，业务Know-how有限。
硬件厂商卖服务器，超算中心卖闲置的超算资源，云厂商卖云资源。
这里有一个衍生问题。
所谓的“成熟产品”跟“定制化做项目”有什么区别？
比如说，我们要组一个麻将局。
成熟产品就是“三缺一”，三个牌友已经到位，就等你来了。
自动麻将机是我们自己研发的，你来之前，产品开发已经花了很大工夫，规划，需求分析，设计，编程，测试，交付，验收，维护这一套流程都跑完，也在别的用户那里落地验证了很多次了。
牌友也都是老朋友了，一起打过N局麻将了，大家是啥性格，牌品如何，各自心里都有数。
产品一般明码标价，价格比较透明。
定制化做项目就是一缺三，是先喊你，根据你的喜好，临时再喊别人，可能每次喊来的人都不一样，对你来说，永远是完全重开的一个新局。
Emmmm，没有麻将机，手动开搓。
项目一般按整体打包报价，周期比较长。
当然，两者之间界限可能有时候也没这么分明，毕竟不同用户的需求天差地别，就看你更希望往哪个方向靠。