在汽车产业加速迈向智能化、数字化的背景下，整车外形设计已不只是造型问题，更直接关系到风阻系数、整车能耗、续航表现和产品市场竞争力。长期以来，汽车空气动力学开发高度依赖高精度计算流体动力学（CFD）、风洞实验和人工反复迭代，研发周期长、试错成本高、跨团队协同复杂，尤其在设计前期，如何快速获得可信的风阻反馈并高效完成外形优化，一直业面临的难题。
近日，宁波东方理工大学助理教授陈云天团队联合深圳十沣科技与智己汽车，在面向汽车风阻快速预测与外形优化设计的一体化智能体方向取得新进展。相关研究成果已发表于ICML、CVPR等国际顶级学术会议，并形成面向真实汽车研发流程的系统化解决方案，推动人工智能与工程研发深度融合，为汽车空气动力学设计提供了更高效、更智能的技术路径。
基于此成果开发的产品已在智己汽车成功应用，并助力其入选上海市“AI+制造”场景建设指南及发展白皮书，体现了该技术在汽车空气动力学智能设计与仿真优化中的先进性与示范意义。
面向真实研发流程，构建汽车空气动力学一体化智能体
与传统只关注单一数值预测的研究不同，该项成果并非简单的风阻系数回归模型，而是一套面向真实汽车研发场景构建的多模态、多场输出、多尺度智能系统。系统在输入端支持文本需求、实车图像、参考图像和三视图等多种设计意图表达方式，并可统一转化为标准化三维几何表示，使设计意图能够更自然地进入气动分析链路。
在模型架构上，研究团队提出面向工业真实几何的多尺度AI建模方法，同时兼顾整车级外形特征与局部细节敏感性，能够处理不同车型、不同网格分辨率以及复杂局部结构扰动等问题。在输出端，系统不仅能够快速预测风阻系数（Cd），还可同步输出表面压力、速度场、壁面剪切应力等多类物理量，让工程人员了解到“风阻高不高”，还能够进一步判断“问题在哪里、下一步该优化什么”。
这一研究的核心价值，在于将原本依赖多轮高精度计算流体动力学（CFD）仿真的前期判断，前移为“快速预测—局部诊断—少量高精度确认”的新流程，从而显著减少人工筛模、重复建模和无效仿真，提升造型、CAE与工程团队之间的协同效率，也使企业能够在相同开发周期内覆盖更多设计空间，以更低成本获得更优的气动方案。
研究成果获顶会接收，多数据集验证预测精度与效率
在技术先进性方面，团队围绕汽车空气动力学快速预测、多输出代理建模、智能优化决策等方向持续推进研究，相关成果已发表于ICML、CVPR等国际顶级会议。公开研究结果显示，面向风阻系数（Cd）快速预测的模型在DrivAerNet、DrivAerNet++、DrivAerML等真实数据集上，平均相对L2误差较既有方法下降58.7%，单车推理时间约0.9至5秒；在DrivAerNet++数据集上，风阻系数（Cd）预测相对L2误差达到0.0005，R²达到0.9712。
同时，面向多输出气动代理的模型可在约1秒内同步输出风阻系数（Cd）、表面压力和壁面剪切应力，并在多个工业级数据集上实现12%的风阻系数（Cd）误差降低和16%的局部场精度提升。这表明，该项研究不仅具备较高的预测效率，也能够提供更具物理解释性的反馈，从而更好支撑工程决策。
在外形优化环节，系统进一步将多模态输入、快速物理代理与决策规划打通为闭环。基于约5万组计算流体动力学（CFD）仿真数据训练形成的统一代理体系，已能够覆盖五类常见乘用车，并在五类车型上的风阻系数（Cd）预测R²均超过0.96；在实际优化中，仅通过五轮迭代，即可实现平均2%至12%的风阻下降，同时将高精度计算流体动力学（CFD）调用量降低50%至80%。这意味着该系统已不再停留于论文层面的算法验证，而是具备了面向真实研发流程的方案收敛与主动优化能力。
推动科研成果走向产业一线，服务汽车智能研发升级
依托上述研究成果，宁波东方理工大学与十沣科技进一步推动技术从论文走向工程应用，形成了面向汽车研发前期“快速评估、快速诊断、快速优化”的一体化智能体解决方案。该系统可服务于整车概念设计团队、造型设计团队、空气动力学团队以及数字化研发平台建设场景，帮助企业在设计早期更快完成候选方案筛选，并将高价值算力资源集中投入到最终少量方案的高精度验证中。
在产品化与产业化方面，该成果已具备便捷试用能力。用户无需本地部署复杂环境，也无需准备高门槛训练配置，即可通过云端方式快速接入，完成方案上传、风阻预测、关键区域分析与优化验证，降低了工业AI工具进入真实研发流程的门槛。
目前，相关技术成果正持续推进产业落地，已与国内多家知名新能源车企签约合作，展示出应用前景和产业价值。与此同时，十沣科技也正依托TF-AIDEA等工业AI平台能力，进一步推动仿真数据资产向可复用、可部署的工业智能工具转化，加快人工智能在复杂工程问题预测分析、设计优化与流程自动化等场景中的应用落地。
从研发前期方案筛选，到关键区域诊断，再到外形优化闭环，这一研究成果正在重新定义汽车空气动力学开发的效率边界。未来，宁波东方理工大学相关团队将继续围绕人工智能与工程研发融合方向开展研究，推动更多前沿成果从实验室走向产业一线，为智能制造和工业软件创新发展提供有力支撑。
相关论文和专利信息：
[1] Ye Liu, Yuntian Chen*. DragSolver: A Multi-Scale Transformer for Real-World Automotive Drag Coefficient Estimation. ICML, 2025.
[2] Ye Liu, Shouyi Liu, Huiyu Yang, Jianghang Gu, Wenhao Fan, Zhongxin Yang, Ding Wang, Simeng Chen, Zirun Jiang, Yuanwei Bin, Shiyi Chen, Yuntian Chen*. AeroAgent: A Vision--Physics--Decision Framework for Aerodynamic Vehicle Design. CVPR, 2026.
[3] Ye Liu, Yuntian Chen*, Yuanwei Bin, Shiyi Chen. EMOS: Efficient Multi-Output Aerodynamic Surrogates for Rapid Vehicle Design Iteration. ICME, 2026.
[4] Gu, Jianghang, Yuntian Chen*, Yuanwei Bin, and Shiyi Chen. GeoFormer: Mesh-free geometry-to-flow alignment framework for real-time aerodynamics on non-watertight vehicle geometries. Physics of Fluids, 2026.
[5] Yang, Huiyu, Jianghang Gu, Yuntian Chen, Yuanwei Bin*, Jianchun Wang*, and Shiyi Chen. Spatially-aware transformer operator for real-time aerodynamic evaluations of arbitrary three-dimensional vehicles. Journal of Computational Physics, 2025.
[6] 陈云天, 刘野, 宾远为. 车辆的风阻系数确定方法、装置、电子设备及存储介质. 中国发明专利, 2025.
