流體力學專用版DeepSeek，單GPU可跑，成本節(jié)約高達100倍

一水 2025-04-10 16:59:41 來源：量子位

又一專業(yè)領域成功引入AI工程師！

而且還是基于DeepSeek、Qwen等國產大模型打造，國內研究人員都能用的那種。

不賣關子了，這就是由英國?？巳卮髮W初旭副教授團隊與北航王文康副教授團隊聯(lián)合打造的OpenFOAMGPT，將AI工程師成功引入計算流體力學(CFD)領域。

作為一門介于數學、流體力學和計算機之間的交叉學科，CFD主要研究如何通過計算機和數值方法來求解流體力學的控制方程，對流體力學問題進行模擬和分析。

而兩位華人副教授領銜的這項研究，主要貢獻在于：通過使用國產模型將相關成本狠狠打下來了。

在保持相近性能的前提下，國產的DeepSeek V3和Qwen 2.5-Max與國外頂級商業(yè)模型相比，可實現(xiàn)高達100倍的成本節(jié)約。

并且還支持本地化部署，團隊使用QwQ-32B模型成功實現(xiàn)了本地化運行。

具體咋回事兒？下面詳細來看。

基于國產模型的AI CFD工程師

整體而言，在將AI工程師引入CFD領域這件事上，團隊這次主要實現(xiàn)了“國產化替代”，并探索了在單GPU環(huán)境下的本地部署方案。

一切的一切，都是為了實現(xiàn)降低成本這一核心目標。

據了解，CFD領域的網格劃分、邊界條件設置、求解器選擇等工作通常需要專業(yè)工程師投入大量時間，且操作過程中容錯空間極小。

而在之前的研究中，初旭團隊開發(fā)的OpenFOAMGPT已經能夠實現(xiàn)，讓研究者通過簡單自然語言（如“構建三維湍流氣泡上浮模型”或“將湍流模型從k-ε切換到LES”等），自動生成并修正相應的OpenFOAM代碼。

這一方式顯著降低了CFD仿真的使用門檻，不過當時OpenFOAMGPT使用的還是GPT-4o和o1模型，不僅價格昂貴，而且不便于國內研究者使用。

于是這次，兩個團隊聯(lián)合推出最新版OpenFOAMGPT，成功整合了兩款領先的國產大語言模型：

• DeepSeek V3（671B）
• Qwen 2.5-Max：通義千問旗艦版模型

加上之前的GPT-4o和o1模型，團隊接下來進行了一系列zero shot的CFD案例測試，包括falling droplets和rising bubble等經典復雜場景。

模型價格和實驗表現(xiàn)如下：

研究結果表明，在保持相近性能的前提下，國產的DeepSeek V3和Qwen 2.5-Max與國外頂級商業(yè)模型相比，可實現(xiàn)高達100倍的成本節(jié)約，為科研機構與中小企業(yè)提供了更具經濟性的技術選擇。

此外，團隊還成功嘗試了本地部署方案，使用QwQ-32B模型實現(xiàn)本地化運行。

團隊表示，雖然目前大語言模型在CFD自動化應用中仍面臨挑戰(zhàn)，但未來可從模型微調、多模態(tài)融合等方向改進，以實現(xiàn)更高效的CFD解決方案。

團隊介紹

如開頭所言，這項研究由英國?？巳卮髮W初旭副教授與北航王文康副教授領銜，其余作者包括：

• 徐冉：初旭團隊德國斯圖加特大學博士生，共同第一作者
• 馮晶森：初旭團隊埃克塞特大學博士生
• 張清福：北京航空航天大學流體力學研究所
• Sandeep Pandey：初旭團隊畢業(yè)博士

團隊表示，這項研究的重要意義在于：

1、降低專業(yè)門檻：OpenFOAMGPT讓非專業(yè)人員能夠通過自然語言描述需求，無需深入學習復雜的OpenFOAM命令與參數，即可完成基礎案例構建與優(yōu)化調整。

2、成本與靈活性優(yōu)化：不同規(guī)模的用戶群體可根據精度需求、上下文要求和預算限制，靈活選擇DeepSeek或Qwen模型，甚至可選擇在本地環(huán)境部署小型模型進行試驗。

3、跨領域應用前景：該技術框架有望與Ansys、COMSOL等主流CAE軟件深度融合，進一步拓展AI在自動化仿真、并行參數調優(yōu)和實時優(yōu)化等領域的應用空間。

4、人機協(xié)作的價值：研究團隊強調，鑒于CFD問題本身的物理復雜性和大語言模型生成內容的不確定性，專業(yè)人員的監(jiān)督與審核仍是保障模擬準確性和數值穩(wěn)定性的關鍵環(huán)節(jié)。

更多細節(jié)歡迎查閱原論文。

論文：
https://arxiv.org/abs/2504.02888