出行洞察：仿真软件及其在汽车行业的应用现状 CAE工业软件研报-电子发烧友网

核心观点

产品和技术：CAE工业软件的入门门槛高，产品开发周期虽短但产品完善周期长，产品研发需要大量的前期资金与复合学科人才支持。同时针对目前市面上的使用痛点，CAE软件也在不断迭代，随着底层软硬件环境的更迭，目前CAE软件已开始向云端化（SaaS化）、CAX一体化、AI 智能化的方向逐步发展；

行业与市场：目前国内和国际的CAE市场都面临多头垄断的局势，三巨头在国内市占率超过了95%。国内比国际厂商在产品成熟度、商业化、可靠性、稳定性等方面都略差一截，但随着国家的政策支持与国内的制造业升级，留给国产CAE的机会窗口逐渐开放；

赛道融资：从资本的角度来看，可以看出国外领跑的巨头由于先发优势已通过大量并购和自研达到纵向向工业软件全链、横向向各工业细分领域的产品布局。国内CAE厂家近5年开始发力，相对于老牌公司传统的软件模式，新的创业公司更多选择向云端协作的方向发展。在此时期头部机构与工业CVC也随着政策的风潮相继布局；

车载应用：虽然汽车行业是CAE应用最多的行业，尤其动力仿真与NVH仿真在汽车制造的过程中不可或缺，但目前汽车企业使用的，不论是CAE软件还是前后处理器，海外厂商都占有不可或缺的主导地位，国产仿真想要“弯道超车”，最好从新兴场景入手，如自动驾驶。

本篇行研报告将分四个部分——产品与技术、行业市场、赛道融资、汽车场景相关来向大家介绍自动驾驶仿真测试。

产品与技术

//CAE概念

CAE （computer aid engineer）即计算机辅助工程设计。主要指用计算机对工程和产品进行性能与安全可靠性分析，对其未来的工作状态和运行行为进行模拟，及早发现设计缺陷，并证实未来工程、产品功能和性能的可用性与可靠性。

CAE是一个很广的概念，从字面上讲它可以包括工程和制造业信息化的所有方面。随着行业细分领域的发展，比如EDA 、CFD发展出独立的分支，CAE的概念也在逐步弱化和抽象。广义的CAE主要指利用计算机仿真分析来帮助或者解决实际工程应用中的查验，设计，验证，优化等问题。在谈到CAE时，有可能是指CAD/EDA/CFD/TCAD，或者结构动力分析、热分析、电磁分析、耦合分析等等其中一种或多种。狭义上的CAE，更多是指利用CAE软件进行仿真优化分析。

//CAE的产业价值

CAE工具最大的产业价值就是能够简化产品设计过程，提高试错、降低成本。

降低成本：帮助企业在生产链中尽早发现问题，以减少实际产品的迭代和试验次数，优化整个设计流程，达到降低设计成本的效果；

提高效率：帮助企业实现某些难度较大或很难在现实完成的实验步骤，同时帮助企业减少实际生产中的设计风险；

经验积累：CAE工具不仅提供了软件工具，更重要的是融合了对设计至关重要的行业标准和累计的经验，提高研发设计效率和成功率。

//产品结构

CAE软件的基本结构主要组成部分包括：用户界面、数据管理系统、数据库、专家系统和知识库五大模块。

数据管理系统是使用CAE软件进行性能分析或模拟时用到的核心部件，一方面通过接口实现CAD、CAM等格式文件的输入，另一方面提供前处理、求解分析（大多为有限元分析）、后处理三个流程实现仿真模拟。

求解分析模块根据处理问题的类型，可以细分为静力线性子系统、动力分析子系统等众多分支。

//产品流程

从核心工作流程来看，CAE软件仿真过程包括前处理、求解、后处理、优化、报告。

前处理：前处理模块主要用于对工程或产品进行建模，完成分析数据的输入，建立合理的有限元模型。功能包括对几何图形处理、模型导入、边界定义、材料定义、网格定义等；优秀前处理软件的网格划分能够避免复杂模型的拓扑错误，提高模型单元质量与仿真效果；

求解器：求解分析主要是对有限元模型进行单元特性分析、有限元单元组装、有限元系统求解和有限元结果生成；对模型的各子仿真形态如刚度、强度、热量等分析计算;

后处理：后处理模块主要是基于求解分析的结果对模型进行数据平滑等处理，同时对模型的受力、位移、应力、变形等进行视觉效果展示；

仿真优化：如果仿真结果未达到设计要求，优化模块会针对仿真结果设计进行参数修改，并再次回到前处理进行仿真流程。

//CAE仿真软件的核心模块——求解器

求解器是还原仿真的核心工具：求解器指的是针对特定场景（比如液体流动、温度传播以及结构变形），用程序编码的方式实现的对场景中的物理规律、数学原理进行客观还原，也就是实现所谓的“仿真”。而仿真软件的核心竞争力正是仿真结果与现实场景的匹配度，即求解器结果的匹配能力。

底层的数学求解和物理逻辑：底层仿真的数学物理模型通常有两种求解方法，解析解和数值解。解析解精准而且高效，但现实中很多问题找不到解析解（即精准答案）。CAE软件主要是使用数值解，也就是以结构离散化为主的数值计算方法。目前市面上最主流的是利用有限元法（FEM）进行计算。

//技术点拆分

仿真软件研发内容从上到下分为4层：

第1层为上层应用层，属于计算机前端处理；

第2层为工业软件上层应用的支柱或者说是核心内容和框架；

第3层是整体工业软件的核心技术；

第4层属于底层基础理论。

即使仿真软件的开发围绕了多个技术点，但随着资金和人力的支持，短期（1-2年）完成一款工业软件产品的开发也并非难事。真正需要关注的是产品在长期使用过程中的数据累积、场景还原、对工程问题的还原程度以及底层基础研究的迭代。

//技术痛点与潜在解决方案

CAE软件的技术痛点主要是仿真误差，而造成该误差的原因又分为底层计算误差和求解效率太低。

底层计算误差：

物理模型误差+数学计算误差；

人为误差：由于CAE软件需要使用人员在模型建立、仿真参数设置、工艺经验等专业领域有大量的经验积累才能成功输出，因此人为操作导致的误差一方面提高了软件的铺开难度，另一方面也使输出结果更加不稳定可靠。

求解效率太低：

前处理错误：CAD与CAE不打通导致复杂模型在软件之间转变的时候操作人员需要花费大量时间去建立模型、处理拓扑错误、重新划分网格等前处理工作；

算力不够导致的求解时间过长。

解决方案主要有四点。

增加物理建模的真实性与结果准确性：

3D渲染引擎；

底层物理数学理论的突破。

减少人为手动调试因素：

对I/O（输入输出）加入AI进行优化。

一体化CAD/CAE：

CAE 软件通过积极发展对各 CAD 软件的专用接口，将高质量模型的导入，减少几何清理的难度，增强软件的前处理能力。

云端化软件：

增加业务协同性；

节省本地算力，减少求解时间。

行业市场

//市场容量

市场规模：Credence研究数据，2020年预计全球CAE市场规模达到81亿美元，预计2025年达到128亿美元，年均复合增速9.6%。根据赛迪顾问2016-2021年中国工业软件市场规模数据，2020年中国CAE市场规模达到18亿元，预计2021年达到21亿元，年均复合增速为16.2%，明显高于全球增速水平。

市场CR3：2020年全球CAE市场前三大供应商分别是Siemens、ANSYS和达索，市占率达到47%。中国本土仿真解决方案供应商包括中望软件、霍莱沃等。在中国市场，全球CAE三巨头的市占率超过95.7%，国产化率不足5%。

//市场驱动力

政策鼓励（参见APPENDIX1）：21世纪以来政府陆续出台了一系列扶持政策以推动 CAE 行业发展。此类政策有助于推动 CAE 技术发展、健全行业标准体系、促进 CAE 软件行业应用、加快建立产业生态体系，对于助力下游工业企业智能化、信息化进程具有重要意义。

需求升级：国内需求弱的表面原因是盗版软件横行。随着国内版权意识和行业竞争的提升，国产CAE靠着完善的功能和高性价比会逐渐进入市场。而国内高端制造业的发展将为CAE提供足够的本土仿真软件市场，从根本上带动国产CAE行业发展。

基础技术支持：CAE/CAD是工业4.0、数字孪生和数字化交付的基础。随着云计算，数字孪生和工业互联网的兴起，为CAE提供了更加有力和密切的细分场景。B/S架构的软件相比传统C/S架构的软件，在更有利的细分场景内，能更快速完成计算任务

//市场发展

工业软件行业发展可分为三个阶段：

软件自身发展阶段；

软件的协同应用阶段，业务流程实现串通和优化阶段；

由向客户提供单一工具转型为向客户提供“软件+服务”的整体解决方案。

国内厂商发展阶段：中国CAE行业处于第一阶段到第二阶段之间，向协同应用的转型成为大势所趋。目前，国内大量的设计、制造等核心工业软件均为国外品牌所占领。在中国制造业转型升级的大背景下，工业企业均开始加快两化融合（工业化与信息化的融合）的步伐，逐步转变发展模式。

海外厂商发展阶段：国外CAE行业发展已经处于第三阶段。达索、西门子等领先企业已实现软件本身的技术积累，并在国家工业化的实践中实现软件的应用协同，正向“软件+服务”的整体解决方案转型升级。

//头部玩家生态Mapping

//国外头部玩家历史沿革

海外工业软件厂商多成立于上世纪60年代，在90年代开始高速发展一度冲击国内CAE市场。发展至今的海外巨头们产品应用铺满各行各业，在CAE产品的通用性、可靠性和稳定性上都有着强大的先发优势。

行业巨头利用频繁收购细分领域的技术公司来补足自己的生态闭环以实现更完整的工具链。收购不光实现了不同CAE算法功能的不足，也体现出CAD/CAE/CAM逐渐一体化的趋势。纵观2020年至2021年一季度，CAE市场发生了15起主要收购事件。其中，Altair完成7家公司的收购，是收购数量最多的厂商；其次是海克斯康（4家）和Ansys（2家）。

赛道融资

//国内主要玩家及情况

//海内外龙头对比：中望 VS 达索

商业模式：相对于达索早已向订阅制、模块化销售的商业模式转型，中望软件仍在依赖于买断Licens的收入，可以预期由于目前商业模式存在的变现周期限制，中望后期也将向订阅制转型。

整体规模：相对于达索，可以看出中望软件目前的整体规模还较小，但营收增速更高，随着国内高端制造市场的增长与工业软件国潮，可以预见中望（中国厂商）还有很高的市场天花板。

//国内玩家发展趋势

市场局势变化：行业加速发展

21世纪初期开始，国内CAE软件逐渐开始发展，但受两方面限制，对外有成熟的海外产品已经在国内完成商业落地，用户替换意向低；对内的应用又受到需求场景和数量的限制。进入2006年以来，为了满足符合“中国制造”特色的需求，国内的CAE软件公司从二次开发国外软件业务开始进入行业视野。

产品发展：CAX一体化

工业软件从单项应用到实现对制造企业研发、生产、经营、物流等各业务环节的全覆盖和深度渗透后，逐步朝综合集成的方向发展，实现业务流程和生产经营模式变革。打造贯穿工业生产前端和后端的系统化软件解决方案，以此提升整个流程的管理效率和准确率成为了工业软件发展的新方向。CAD/CAE一体化之后，CAE对CAD模型进行仿真分析，通过反馈的数据，对原设计或模型进行反复修正，以求达到最佳效果。

融资历史变化：产业基金入局

1998-2009：国产CAE软件刚刚起步，大部分在此时期成立的公司都经历了漫长的研发周期且基本都在2010年后才逐渐对股权市场开放融资机会，目前大部分公司已成为国产行业龙头，但上市企业屈指可数。

2009-2019：随着国家政策鼓励与产业资源的升级，更多高科技人才选择在CAE赛道创业。但可以看出，许多企业是以仿真计算为入口，瞄准的是比工业软件更大的市场，如云计算、工业互联网、数字孪生等。而这些新兴公司的资方背景也更加多样化，除了政府基金，CVC也不甘落后。制造企业如比亚迪，互联网公司如华为都在仿真软件赛道不断布局。

//投资特点

以并购为导向结合政策驱动的投资策略可能成为主流。

CAE赛道属于高度产品标准化的细分领域，产品可复制性高且通用性强。但软件功能和底层算法需要长时间迭代，对资本来说回款周期拉长；

CAE属于典型的“壁垒高、周期长、市场小、投资大、退出渠道不明确”的赛道，不是特别适合VC机构入场的细分领域；

但由于CAE仿真是整个工业领域最关键的环节之一，投资时机构大多需要从产业地位和政策支持，结合来寻找潜在发展机会和增长点并特别关注相应细分领域。

汽车场景相关

//应用场景：汽车生产制造

汽车是目前CAE软件最主要的应用场景。从 CAE应用的具体场景看，汽车是目前最主要的应用场景，据 marketintellica，2019 年全球 CAE 市场中 36%的收入来自汽车行业的应用，其次是电子电气、航空航天及国防，占比分别为 22%、21%。

汽车开发场景：

系统动力学分析：主要分析汽车的行驶性、操纵性等，常采用多体（多刚体、多柔体）系统动力学分析方法；

疲劳寿命分析：汽车疲劳寿命分析主要研究汽车整车及各部件的动、静疲劳寿命；

碰撞分析：碰撞分析方法主要包括有限元法、多刚体系统动力学法河机械振动学法。汽车碰撞分析主要进行车身结构的耐撞性研究、碰撞生物力学研究和乘员约束系统及安全内饰件研究；

NVH分析：工程中常用的NVH分析方法有：多刚体系统动力学方法、有限单元法、边界元法、统计能量分析法；

空气动力学分析：主要进行汽车高速行驶时的气动噪声分析，分析汽车高速行驶时空气流场对操纵稳定性的影响。

汽车开发中的主要CAE：

前后处理软件：Heperworks、Patran

碰撞分析：LS-Dyna、Pam-Crash、Radioss

机械动力学仿真：Ad ams

非线性分析：Abaqus、Marc、Ansys

疲劳分析：Fatigue

流体分析：Fluent、Star-cd、AVL-Fire

锻压过程分析：SuperForge

汽车内噪声预测分析：Akusmod

多学科智能优化：iSight

汽车自动化建模：SOFY

发动机热力学分析：GT-Power

整车性能分析：GT-Drive

//应用场景：自动驾驶

由于车载硬件发展的另外一个趋势是越来越小，仿真可以和硬件结合，类似于现在的FPGA 编程。自动驾驶是一个典型的例子，自动驾驶实际上就是一个实时的仿真系统、摄像头、传感器实时收集数据。处理器根据收集的数据进行驾驶路线计算和预测，并采取相应的策略，在这个过程中依赖于数据的传输和对数据仿真处理。如果将碰撞仿真软件固化在汽车硬件里，汽车在行驶过程中能实时仿真与其它车碰撞的结果，从而让自动驾驶在遇到危险时采取更有利的预防和避险措施，其意义不言而喻。

目前，仿真功能被用于自动驾驶算法研发中的测试和验证决策模块以及路径规划模块。但是，当前的仿真环境的能力仍有待开发。如基于游戏引擎的Carla和LGLVS尝试使用计算机图形模型、渲染算法和物理模型来尝试产生一个高保真环境。但这只是基于底层引擎渲染能力从视觉上实现了“高保真”，从物理反馈、运行逻辑、结构感知等层面目前的虚拟仿真想要真的与现实环境贴合仍有一段差距。

//Appendix：国家工业软件相关政策