核心觀點

產品和技術：CAE工業軟件的入門門檻高，產品開發周期雖短但產品完善周期長，產品研發需要大量的前期資金與復合學科人才支持。同時針對目前市面上的使用痛點，CAE軟件也在不斷迭代，隨著底層軟硬件環境的更迭，目前CAE軟件已開始向云端化（SaaS化）、CAX一體化、AI智能化的方向逐步發展；

行業與市場：目前國內和國際的CAE市場都面臨多頭壟斷的局勢，三巨頭在國內市占率超過了95%。國內比國際廠商在產品成熟度、商業化、可靠性、穩定性等方面都略差一截，但隨著國家的政策支持與國內的制造業升級，留給國產CAE的機會窗口逐漸開放；

賽道融資：從資本的角度來看，可以看出國外領跑的巨頭由于先發優勢已通過大量并購和自研達到縱向向工業軟件全鏈、橫向向各工業細分領域的產品布局。國內CAE廠家近5年開始發力，相對于老牌公司傳統的軟件模式，新的創業公司更多選擇向云端協作的方向發展。在此時期頭部機構與工業CVC也隨著政策的風潮相繼布局；

車載應用：雖然汽車行業是CAE應用最多的行業，尤其動力仿真與NVH仿真在汽車制造的過程中不可或缺，但目前汽車企業使用的，不論是CAE軟件還是前后處理器，海外廠商都占有不可或缺的主導地位，國產仿真想要“彎道超車”，最好從新興場景入手，如自動駕駛。

本篇行研報告將分四個部分——產品與技術、行業市場、賽道融資、汽車場景相關來向大家介紹自動駕駛仿真測試。

01

產品與技術

//CAE概念

CAE （computer aid engineer）即計算機輔助工程設計。主要指用計算機對工程和產品進行性能與安全可靠性分析，對其未來的工作狀態和運行行為進行模擬，及早發現設計缺陷 ，并證實未來工程、產品功能和性能的可用性與可靠性。

CAE是一個很廣的概念，從字面上講它可以包括工程和制造業信息化的所有方面。隨著行業細分領域的發展，比如EDA 、CFD發展出獨立的分支，CAE的概念也在逐步弱化和抽象。廣義的CAE主要指利用計算機仿真分析來幫助或者解決實際工程應用中的查驗，設計，驗證，優化等問題。在談到CAE時，有可能是指CAD/EDA/CFD/TCAD，或者結構動力分析、熱分析、電磁分析、耦合分析等等其中一種或多種。狹義上的CAE，更多是指利用CAE軟件進行仿真優化分析。

//CAE的產業價值

CAE工具最大的產業價值就是能夠簡化產品設計過程，提高試錯、降低成本。

降低成本：幫助企業在生產鏈中盡早發現問題，以減少實際產品的迭代和試驗次數，優化整個設計流程，達到降低設計成本的效果；

提高效率：幫助企業實現某些難度較大或很難在現實完成的實驗步驟，同時幫助企業減少實際生產中的設計風險；

經驗積累：CAE工具不僅提供了軟件工具，更重要的是融合了對設計至關重要的行業標準和累計的經驗，提高研發設計效率和成功率。

//產品結構

CAE軟件的基本結構主要組成部分包括：用戶界面、數據管理系統、數據庫、專家系統和知識庫五大模塊。

數據管理系統是使用CAE軟件進行性能分析或模擬時用到的核心部件，一方面通過接口實現CAD、CAM等格式文件的輸入，另一方面提供前處理、求解分析（大多為有限元分析）、后處理三個流程實現仿真模擬。

求解分析模塊根據處理問題的類型，可以細分為靜力線性子系統、動力分析子系統等眾多分支。

//產品流程

從核心工作流程來看，CAE軟件仿真過程包括前處理、求解、后處理、優化、報告。

前處理：前處理模塊主要用于對工程或產品進行建模，完成分析數據的輸入， 建立合理的有限元模型。功能包括對幾何圖形處理、模型導入、邊界定義、材料定義、網格定義等；優秀前處理軟件的網格劃分能夠避免復雜模型的拓撲錯誤，提高模型單元質量與仿真效果；

求解器：求解分析主要是對有限元模型進行單元特性分析、 有限元單元組裝、有限元系統求解和有限元結果生成；對模型的各子仿真形態如剛度、強度、熱量等分析計算;

后處理：后處理模塊主要是基于求解分析的結果對模型進行數據平滑等處理，同時對模型的受力、位移、應力、變形等進行視覺效果展示；

仿真優化：如果仿真結果未達到設計要求，優化模塊會針對仿真結果設計進行參數修改，并再次回到前處理進行仿真流程。

//CAE仿真軟件的核心模塊——求解器

求解器是還原仿真的核心工具：求解器指的是針對特定場景（比如液體流動、溫度傳播以及結構變形），用程序編碼的方式實現的對場景中的物理規律、數學原理進行客觀還原，也就是實現所謂的“仿真”。而仿真軟件的核心競爭力正是仿真結果與現實場景的匹配度，即求解器結果的匹配能力。

底層的數學求解和物理邏輯：底層仿真的數學物理模型通常有兩種求解方法，解析解和數值解。解析解精準而且高效，但現實中很多問題找不到解析解（即精準答案）。CAE軟件主要是使用數值解，也就是以結構離散化為主的數值計算方法。目前市面上最主流的是利用有限元法（FEM）進行計算。

//技術點拆分

仿真軟件研發內容從上到下分為4層：

第1層為上層應用層，屬于計算機前端處理；

第2層為工業軟件上層應用的支柱或者說是核心內容和框架；

第3層是整體工業軟件的核心技術；

第4層屬于底層基礎理論。

即使仿真軟件的開發圍繞了多個技術點，但隨著資金和人力的支持，短期（1-2年）完成一款工業軟件產品的開發也并非難事。真正需要關注的是產品在長期使用過程中的數據累積、場景還原、對工程問題的還原程度以及底層基礎研究的迭代。

//技術痛點與潛在解決方案

CAE軟件的技術痛點主要是仿真誤差，而造成該誤差的原因又分為底層計算誤差和求解效率太低。

底層計算誤差：

物理模型誤差+數學計算誤差；

人為誤差：由于CAE軟件需要使用人員在模型建立、仿真參數設置、工藝經驗等專業領域有大量的經驗積累才能成功輸出，因此人為操作導致的誤差一方面提高了軟件的鋪開難度，另一方面也使輸出結果更加不穩定可靠。

求解效率太低：

前處理錯誤：CAD與CAE不打通導致復雜模型在軟件之間轉變的時候操作人員需要花費大量時間去建立模型、處理拓撲錯誤、重新劃分網格等前處理工作；

算力不夠導致的求解時間過長。

解決方案主要有四點。

增加物理建模的真實性與結果準確性：

3D渲染引擎；

底層物理數學理論的突破。

減少人為手動調試因素：

對I/O（輸入輸出）加入AI進行優化。

一體化CAD/CAE：

CAE 軟件通過積極發展對各 CAD 軟件的專用接口，將高質量模型的導入，減少幾何清理的難度，增強軟件的前處理能力。

云端化軟件：

增加業務協同性；

節省本地算力，減少求解時間。

02

行業市場

//市場容量

市場規模：Credence研究數據，2020年預計全球CAE市場規模達到81億美元，預計2025年達到128億美元，年均復合增速9.6%。根據賽迪顧問2016-2021年中國工業軟件市場規模數據，2020年中國CAE市場規模達到18億元，預計2021年達到21億元，年均復合增速為16.2%，明顯高于全球增速水平。

市場CR3：2020年全球CAE市場前三大供應商分別是Siemens、ANSYS和達索，市占率達到47%。中國本土仿真解決方案供應商包括中望軟件、霍萊沃等。在中國市場，全球CAE三巨頭的市占率超過95.7%，國產化率不足5%。

//市場驅動力

政策鼓勵（參見APPENDIX1）：21世紀以來政府陸續出臺了一系列扶持政策以推動 CAE 行業發展。此類政策有助于推動 CAE 技術發展、健全行業標準體系、促進 CAE 軟件行業應用、加快建立產業生態體系，對于助力下游工業企業智能化、信息化進程具有重要意義。

需求升級：國內需求弱的表面原因是盜版軟件橫行。隨著國內版權意識和行業競爭的提升，國產CAE靠著完善的功能和高性價比會逐漸進入市場。而國內高端制造業的發展將為CAE提供足夠的本土仿真軟件市場，從根本上帶動國產CAE行業發展。

基礎技術支持：CAE/CAD是工業4.0、數字孿生和數字化交付的基礎。隨著云計算，數字孿生和工業互聯網的興起，為CAE提供了更加有力和密切的細分場景。B/S架構的軟件相比傳統C/S架構的軟件，在更有利的細分場景內，能更快速完成計算任務

//市場發展

工業軟件行業發展可分為三個階段：

軟件自身發展階段；

軟件的協同應用階段，業務流程實現串通和優化階段；

由向客戶提供單一工具轉型為向客戶提供“軟件+服務”的整體解決方案。

國內廠商發展階段：中國CAE行業處于第一階段到第二階段之間，向協同應用的轉型成為大勢所趨。目前，國內大量的設計、制造等核心工業軟件均為國外品牌所占領。在中國制造業轉型升級的大背景下，工業企業均開始加快兩化融合（工業化與信息化的融合）的步伐，逐步轉變發展模式。

海外廠商發展階段：國外CAE行業發展已經處于第三階段。達索、西門子等領先企業已實現軟件本身的技術積累，并在國家工業化的實踐中實現軟件的應用協同，正向“軟件+服務”的整體解決方案轉型升級。

//頭部玩家生態Mapping

//國外頭部玩家歷史沿革

海外工業軟件廠商多成立于上世紀60年代，在90年代開始高速發展一度沖擊國內CAE市場。發展至今的海外巨頭們產品應用鋪滿各行各業，在CAE產品的通用性、可靠性和穩定性上都有著強大的先發優勢。

行業巨頭利用頻繁收購細分領域的技術公司來補足自己的生態閉環以實現更完整的工具鏈。收購不光實現了不同CAE算法功能的不足，也體現出CAD/CAE/CAM逐漸一體化的趨勢?？v觀2020年至2021年一季度，CAE市場發生了15起主要收購事件。其中，Altair完成7家公司的收購，是收購數量最多的廠商；其次是海克斯康（4家）和Ansys（2家）。

03

賽道融資

//國內主要玩家及情況

//海內外龍頭對比：中望 VS 達索

商業模式：相對于達索早已向訂閱制、模塊化銷售的商業模式轉型，中望軟件仍在依賴于買斷Licens的收入，可以預期由于目前商業模式存在的變現周期限制，中望后期也將向訂閱制轉型。

整體規模：相對于達索，可以看出中望軟件目前的整體規模還較小，但營收增速更高，隨著國內高端制造市場的增長與工業軟件國潮，可以預見中望（中國廠商）還有很高的市場天花板。

//國內玩家發展趨勢

市場局勢變化：行業加速發展

21世紀初期開始，國內CAE軟件逐漸開始發展，但受兩方面限制，對外有成熟的海外產品已經在國內完成商業落地，用戶替換意向低；對內的應用又受到需求場景和數量的限制。進入2006年以來，為了滿足符合“中國制造”特色的需求，國內的CAE軟件公司從二次開發國外軟件業務開始進入行業視野。

產品發展：CAX一體化

工業軟件從單項應用到實現對制造企業研發、生產、經營、物流等各業務環節的全覆蓋和深度滲透后，逐步朝綜合集成的方向發展，實現業務流程和生產經營模式變革。打造貫穿工業生產前端和后端的系統化軟件解決方案，以此提升整個流程的管理效率和準確率成為了工業軟件發展的新方向。CAD/CAE一體化之后，CAE對CAD模型進行仿真分析，通過反饋的數據，對原設計或模型進行反復修正，以求達到最佳效果。

融資歷史變化：產業基金入局

1998-2009：國產CAE軟件剛剛起步，大部分在此時期成立的公司都經歷了漫長的研發周期且基本都在2010年后才逐漸對股權市場開放融資機會，目前大部分公司已成為國產行業龍頭，但上市企業屈指可數。

2009-2019：隨著國家政策鼓勵與產業資源的升級，更多高科技人才選擇在CAE賽道創業。但可以看出，許多企業是以仿真計算為入口，瞄準的是比工業軟件更大的市場，如云計算、工業互聯網、數字孿生等。而這些新興公司的資方背景也更加多樣化，除了政府基金，CVC也不甘落后。制造企業如比亞迪，互聯網公司如華為都在仿真軟件賽道不斷布局。

//投資特點

以并購為導向結合政策驅動的投資策略可能成為主流。

CAE賽道屬于高度產品標準化的細分領域，產品可復制性高且通用性強。但軟件功能和底層算法需要長時間迭代，對資本來說回款周期拉長；

CAE屬于典型的“壁壘高、周期長、市場小、投資大、退出渠道不明確”的賽道，不是特別適合VC機構入場的細分領域；

但由于CAE仿真是整個工業領域最關鍵的環節之一，投資時機構大多需要從產業地位和政策支持，結合來尋找潛在發展機會和增長點并特別關注相應細分領域。

04

汽車場景相關

//應用場景：汽車生產制造

汽車是目前CAE軟件最主要的應用場景。從 CAE應用的具體場景看，汽車是目前最主要的應用場景， 據 marketintellica，2019 年全球 CAE 市場中 36%的收入來自汽車行業的應用，其次是電子電氣、航空航天及國防，占比分別為 22%、21%。

汽車開發場景：

系統動力學分析：主要分析汽車的行駛性、操縱性等，常采用多體（多剛體、多柔體）系統動力學分析方法；

疲勞壽命分析：汽車疲勞壽命分析主要研究汽車整車及各部件的動、靜疲勞壽命；

碰撞分析：碰撞分析方法主要包括有限元法、多剛體系統動力學法河機械振動學法。汽車碰撞分析主要進行車身結構的耐撞性研究、碰撞生物力學研究和乘員約束系統及安全內飾件研究；

NVH分析：工程中常用的NVH分析方法有：多剛體系統動力學方法、有限單元法、邊界元法、統計能量分析法；

空氣動力學分析：主要進行汽車高速行駛時的氣動噪聲分析，分析汽車高速行駛時空氣流場對操縱穩定性的影響。

汽車開發中的主要CAE：

前后處理軟件：Heperworks、Patran

碰撞分析：LS-Dyna、Pam-Crash、Radioss

機械動力學仿真：Adams

非線性分析：Abaqus、Marc、Ansys

疲勞分析：Fatigue

流體分析：Fluent、Star-cd、AVL-Fire

鍛壓過程分析：SuperForge

汽車內噪聲預測分析：Akusmod

多學科智能優化：iSight

汽車自動化建模：SOFY

發動機熱力學分析：GT-Power

整車性能分析：GT-Drive

//應用場景：自動駕駛

由于車載硬件發展的另外一個趨勢是越來越小，仿真可以和硬件結合，類似于現在的FPGA編程。自動駕駛是一個典型的例子，自動駕駛實際上就是一個實時的仿真系統、攝像頭、傳感器實時收集數據。處理器根據收集的數據進行駕駛路線計算和預測，并采取相應的策略，在這個過程中依賴于數據的傳輸和對數據仿真處理。如果將碰撞仿真軟件固化在汽車硬件里，汽車在行駛過程中能實時仿真與其它車碰撞的結果，從而讓自動駕駛在遇到危險時采取更有利的預防和避險措施，其意義不言而喻。

目前，仿真功能被用于自動駕駛算法研發中的測試和驗證決策模塊以及路徑規劃模塊。但是，當前的仿真環境的能力仍有待開發。如基于游戲引擎的Carla和LGLVS嘗試使用計算機圖形模型、渲染算法和物理模型來嘗試產生一個高保真環境。但這只是基于底層引擎渲染能力從視覺上實現了“高保真”，從物理反饋、運行邏輯、結構感知等層面目前的虛擬仿真想要真的與現實環境貼合仍有一段差距。

//Appendix：國家工業軟件相關政策