Rune Aero 使用 Nvidia GPU 将虚拟风洞成本降低 80%

快速阅读: 据《VentureBeat 公司》称，鲁尼宇航借助物理人工智能驱动的虚拟风洞优化飞机设计，大幅降低成本并提升性能。通过实时模拟和反馈，他们将传统开发流程压缩至短期优化过程，有效载荷翻倍且燃料消耗减半。这一创新由英伟达技术支持，助力航空货运经济性变革。

鲁尼宇航利用由物理人工智能驱动的交互式虚拟风洞彻底革新了其飞机开发流程，实现了早期设计成本降低80%，同时将有效载荷能力翻倍并减少燃料消耗50%。这项突破性的数字孪生技术结合了鲁尼云的英伟达CUDA-X加速计算流体力学（CFD）模拟与英伟达Omniverse蓝图，用于实时计算机辅助工程数字孪生。最终，工程师可以在修改设计时即时观察气动效应。这种变革性方法将传统需要数月迭代物理测试的过程压缩为一个持续、实时优化的过程，适用于这家新兴的自主货运飞机企业。该公司在加利福尼亚州圣何塞的英伟达GTC 2025大会上宣布了这一消息。

物理人工智能技术通过实时设计优化改变了飞机经济性。成立于2023年的鲁尼宇航正在为快速增长的中程航空货运市场开发可持续且自主的飞机。作为一家初创公司，他们正采用物理人工智能——一种现代化的快速设计探索方法。鲁尼宇航对虚拟风洞的采用展示了航空航天设计工程师如何能够快速分析许多飞机设计原型，迭代设计，并实时可视化影响。

物理人工智能技术通过实时设计优化改变了飞机经济性。通过在设计过程中更早地进行虚拟风洞测试，鲁尼宇航相比仅依赖传统风洞测试，大幅降低了未来的技术风险和成本。公司表示，结果是具有颠覆性的：通过优化空气动力学和燃油效率，运营成本削减70%，有效载荷能力翻倍，燃料消耗降低50%。对于运营商来说，这意味着利润增长两位数，从根本上重塑航空货运经济。

鲁尼云通过结合其GPU原生CFD求解器、利用英伟达CUDA-X库、物理神经模块（PhysicsNeMo）人工智能训练框架以及Omniverse可视化API来创建数字孪生环境，提供即时设计反馈。这一技术栈使得其他数字孪生环境成为可能，并有能力将现实世界的数据整合到物理人工智能平台中。

“人工智能物理模型对于实时交互式工程分析和设计至关重要，但需要大量的数据，”英伟达高级总监蒂姆·科斯塔在一份声明中说，“鲁尼云加速的CFD求解器允许客户在几小时内生成训练英伟达PhysicsNeMo底层人工智能物理模型所需的高精度数据。”

“与像鲁尼宇航这样愿意采用新的设计优化技术的航空航天公司合作令人兴奋。通过快速运行大量模拟数据库并创建物理人工智能模型，鲁尼宇航的工程师可以更快地找到可行的设计，以解决重要的区域性航空运输问题，”鲁尼云首席技术官胡安·J·阿尔瓦雷斯在一份声明中说。

“在飞机开发的初期阶段，获得快速、精准且具成本效益的设计反馈至关重要。鲁尼云的虚拟风洞允许鲁尼宇航在流程早期测试配置，相比传统风洞，我们的早期开发成本减少了80%以上，并能实现更快、更明智的设计决策，”鲁尼宇航联合创始人纳丁·奥达在一份声明中说。

“这些测试得出的鲁尼优化的飞机配置提高了气动升阻比，加上先进的推进系统，这使有效载荷和航程翻倍，同时燃料消耗减少50%，最终降低了我们客户的运营成本。”

鲁尼云和nTop今天还宣布了一项与英伟达PhysicsNeMo的新集成，将基于物理的AI设计优化从数周或数月缩短至仅仅数小时。通过无缝衔接nTop的参数化几何生成、鲁尼云的GPU原生仿真和仿真管理平台以及通过NIM微服务的英伟达PhysicsNeMo，工程师现在可以在一天内创建和分析数百种设计方案——这一过程之前需要在多个系统间耗时数周至数月的手动操作。

每日电讯及时了解！每天获取最新新闻订阅阅读我们的隐私政策感谢订阅。了解更多VB资讯，请点击这里。

发生错误。

(以上内容均由Ai生成)