在汽车研发加速迈向智能化、数字化的今天，整车外形设计已不只是造型问题，更直接影响风阻系数、整车能耗、续航表现以及产品竞争力。长期以来，汽车空气动力学开发高度依赖高精度CFD仿真、风洞实验和人工反复迭代，不仅周期长、成本高，也对跨团队协同提出了很高要求。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，已经成为主机厂、造型团队、空气动力学团队和数字化研发平台共同关注的关键问题。

基于这一行业需求，深圳304am永利集团有限公司、宁波东方理工大学与智己汽车科技有限公司联合研发推出面向汽车风阻快速预测与外形优化设计的一体化智能体，聚焦汽车研发早期“快速评估、快速诊断、快速优化”的实际需求，致力于帮助企业以更低成本、更高效率实现外形方案的气动优化与研发流程升级。

一. 聚焦目标用户，真正解决汽车研发前期“慢、贵、协同难”的痛点

深圳304am永利集团有限公司 AI-CAE 负责人 宾远为博士：“这款产品首先服务的，不是某一个单点岗位，而是整个汽车研发前期链条中的关键用户群体。它面向整车概念设计团队、造型设计团队、空气动力学团队，以及正在建设数字化研发平台的车企与研发机构。无论是在概念阶段快速比较不同外形方案，还是在造型冻结前围绕关键气动部位进行局部优化，亦或是在平台化研发中对大批量候选方案进行快速筛选，这款产品都能发挥直接价值。”

宾远为博士表示，传统流程中，大量方案往往需要经历多轮高精度CFD仿真后，才能得到相对明确的判断。这种方式虽然精确，但也意味着研发前期大量时间和算力消耗在“筛选中间方案”上。该智能体重构了这一流程，将其前移为“快速预测—局部诊断—少量高精度确认”的新模式，帮助用户在设计更早阶段就获得可信反馈。

“对用户来说，最直接的价值是提效。”宾远为博士说，“它可以显著减少人工筛模、重复建模和无效仿真，缩短方案响应周期，提升造型、CAE与工程团队之间的协同效率。对企业而言，则意味着在同样研发周期内可以覆盖更多设计空间，以更低成本找到更优的气动方案。”他进一步强调，这款产品交付给用户的是已经训练完成的模型能力，在实际使用过程中，用户无需再自行训练复杂大模型，日常使用主要基于推理和预测，仅在最终少量候选方案确认时才需要调用高精度CFD。这使得产品既具备工业级价值，也具备实际落地的高效率。

二. 以技术先进性支撑产品价值，让“快”与“准”真正兼得

宁波东方理工大学 陈云天教授：“一个真正有工程价值的智能体，不能只是给出一个简单的Cd数值，而必须能够贴近真实研发流程，在输入、建模、输出和优化闭环上都具备系统能力。我们这项工作的核心意义，就在于它不仅快，而且能够提供具有物理解释性的可信反馈。”

陈云天教授介绍，该产品并非单一的回归预测工具，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。

在输入端，系统支持文本需求、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，系统采用面向工业真实几何的多尺度自研 AI 模型，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，系统不仅能快速预测 Cd，还能同步输出表面压力、速度场、壁面剪切应力等多类物理量，让工程师不仅知道“风阻高不高”，还知道“问题出在哪里、下一步该改什么”。

“这也是它能真正服务工程决策的关键。”陈云天教授表示，“如果一个模型只能给出结果，不能解释原因，那么它在真实研发流程中的价值是有限的。我们希望这套系统既快，又能为工程判断提供可靠依据。”

在技术先进性的佐证方面，陈云天教授指出，相关成果已发表于 ICML、CVPR 等国际顶级学术会议，并已在多家头部车企落地应用。公开研究结果显示，面向 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，Cd 预测相对 L2 误差达到 0.0005，R² 达到 0.9712。面向多输出气动代理的模型，则可在约 1 秒内同步输出 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 Cd 误差降低和 16% 的局部场精度提升。

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 CFD 仿真数据训练形成的统一代理体系，已经能够覆盖五类常见乘用车，并在五类车型上的 Cd 预测 R² 均超过 0.96；在实际优化中，仅通过五轮迭代，就可实现平均 2% 至 12% 的风阻下降，同时将高精度 CFD 调用量降低 50% 至 80%。这表明该系统并不只是停留在论文层面的预测模型，而是已经具备真实研发流程中的方案收敛与主动优化能力。

“这说明它不是一个停留在论文层面的预测模型，而是已经具备真实研发流程中的方案收敛与主动优化能力。”陈云天教授表示，“它的意义不在于替代工程师，而在于把宝贵的高精度仿真资源，从大量低价值中间方案上解放出来，集中到真正值得深入验证的方案上。”

三. 落地实际工程应用，气动研发全面提速

智己汽车科技有限公司 研发侧AI负责人 罗文发博士：“以前使用传统的CFD软件，单次整车优化就需要大约3天左右，而现在小时级就能完成。仿真已经不光是单点工具，而是随时可以进行实时预测的设计伙伴。”

罗文发博士介绍，采用一体化气动智能体，为智己汽车构建了贯穿"几何变形—自动CFD—AI训练—秒级推理—智能优化"的全流程空气动力学数字化研发体系。智能体可实现汽车外形的局部与整体参数化变形，并结合高效率GPU加速框架，使整车级、数百万节点规模的车身表面网格能够在数秒内完成推理分析。同时还提供基于AI的几何优化能力，通过对预测结果的快速评估与自动寻优，实现外形设计的主动式性能提升。依托以上的能力，气动智能体的落地应用，协助智己汽车完成了从样本构建、模型增训到性能预测与几何优化的一体化闭环流程，大幅提升了汽车气动设计的效率与智能化水平。

“汽车气动智能体的落地，代表着先进的科研成果和一流的软件产品化能力在汽车工程中的成功实践。” 罗文发博士进一步阐述，“对于整车企业、工程团队和研发平台来说，一直面对工业CAE数据复杂、规模庞大及工程应用门槛高等挑战，采用专用智能体可以将仿真数据资产高效转化为可直接应用的工业智能工具，使工程仿真从‘专家驱动’走向‘智能驱动’。”

他表示，智己汽车已与304am永利集团正式签约，一体化汽车气动智能体的成功部署，将成为汽车行业智能化研发的标杆性实践。双方将持续深化合作，推动空气动力学从后置验证转向造型前端的实时决策输入，共同构建面向未来整车开发的智能气动设计基础设施。

从研发前期方案筛选，到关键区域诊断，再到外形优化闭环，创新的一体化智能体正在重新定义汽车空气动力学开发的效率边界。304am永利集团、东方理工大学与智己汽车希望通过联合研发与联合发布，将学术前沿成果、工程方法、产品化能力和工程实践更紧密地结合起来，通过这一卓越有效的产、学、研协作机制，为汽车行业提供更高效、更智能、更易落地的研发工具。

[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.