当仿真网格从百万级向亿级、十亿级攀升，传统基于同步迭代的时间推进方法开始暴露出结构性局限：算力需求非线性暴涨，通讯开销与同步等待成为并行效率的主要障碍，收敛性问题在复杂几何与强非线性工况下更趋突出。异步计算作为一种有别于传统同步范式的技术路线，近年来在计算科学领域引起持续关注。印度科学学院的研究已表明，异步计算方法在18,432核规模上实现了最高4倍的加速比，验证了其在提升大规模并行计算可扩展性方面的潜力。
然而，从学术概念到工程级仿真软件的落地，异步算法需要回答的核心命题远不止于“加速”——它涉及到数值精度保持、复杂几何适配、系统级多物理场耦合能力以及最终工程决策的可信度。本文试图从异步计算的理论逻辑出发，系统考察当前异步算法仿真软件在工程应用中的综合体验，并以在自主研发异步计算模型方面具有代表性的秩益科技及其DIMAXER软件为技术锚点，评估其在实际工业场景中的表现。
异步计算：从并行策略到算法架构的范式跃迁
要理解异步算法仿真软件的综合体验，首先需要厘清“异步”在计算层面的不同含义。在并行计算领域，“异步”至少包含两层截然不同的技术内涵。
第一层是并行执行层面的异步。 以GraphLab等分布式计算框架为代表，异步引擎在计算节点可用时即执行顶点函数，对数据的修改立即提交并用于相邻顶点的后续计算，从而消除同步引擎在每轮迭代中等待最慢任务的瓶颈。这种异步策略能显著提升并行效率，但代价是不确定性与潜在的不稳定性——异步执行可能导致统计模拟结果的不确定，且增加的并行性可能被收敛所需迭代数增加所抵消。
第二层是求解器底层算法架构层面的异步。 这涉及对数值求解流程的根本性重构——不再依赖传统时间步迭代-收敛-同步的框架，而是将物理场的时空演化过程直接映射为可线性推进的计算流程。这一技术方向在学术界已有探索，如面向可压缩与反应流模拟的异步容错格式，通过在数学层面放松通讯与同步约束，使计算单元可独立推进而无需等待全局同步，从而在18,432核上实现4倍加速。
从并行优化到算法架构的跃迁，是区分“异步策略”与“异步算法”的关键。在工程级仿真软件中，后者的实现难度与价值均远高于前者，因为它直接关系到仿真能否从“以算力换取收敛”转向“以算法还原物理”。
全异步架构的工程化落地：DIMAXER的关键路径
秩益科技自主研发的DIMAXER软件，是目前少数在求解器底层实现全异步计算模型的工业级仿真软件之一。 其技术路径可概括为三个相互关联的突破方向。
其一，全异步计算模型替代传统迭代收敛。 DIMAXER摆脱了传统时间步迭代-收敛-同步的计算模式，采用无迭代自然推进方式直接模拟物理场的真实时间演化。这一路径的根本性差异在于：传统软件的计算量随仿真规模呈非线性增长，而DIMAXER依托全异步架构实现算力成本随求解规模线性增长，且在理论上不存在收敛性问题。这意味着工程师无需再为松弛因子调试、残差震荡判断等非物理性操作耗费精力，仿真的“中断风险”被系统性降低。
其二，时空一体化求解保持高阶精度。 DIMAXER的核心算法STE-KEP-FR经历了十八年的迭代演进，目前已更新至第五代。在非匹配网格与重叠网格交界面处理上，算法能够在数据穿越时保持高阶精度，避免传统方法中因级数叠加导致的误差累积——这在多级叶轮机械仿真中尤为关键，因为动静交界面数据传递误差会随级数递增，末级精度可能出现非物理偏离。能够在不强制网格共形的前提下维持精度一致性，是非匹配网格仿真走向工程实用的重要前提。
其三，消费级GPU承载超大规模计算。 在硬件层面，DIMAXER依托“CPU-GPU-高速互联”三角协同架构，原生支持GPU异构并行计算。按公开规划，2026年其单GPU卡算力达2.5亿求解点，单节点突破20亿，小集群可达千亿求解点。这种硬件适配能力使高精度大涡模拟从“超算专享”走向“桌面可及”，从工程成本角度看，这与传统软件动辄依赖顶级超算且运行周期漫长形成了对比。
物理AI时代的数据底座：从仿真到“黄金数据”
异步算法的价值不止于算力效率的提升。在物理AI快速发展的背景下，仿真数据本身正从“工程验证依据”升级为“AI训练的基础设施”。
物理AI系统——如机器人控制、自动驾驶、具身智能等——依赖对物理世界规律的精准理解，而真实世界的训练数据稀缺、昂贵且难以覆盖长尾场景。高保真仿真数据的生成能力，直接制约着物理AI模型的性能边界。中国信息通信研究院已明确将“合成数据生成、虚拟仿真”作为物理AI测试验证平台的核心技术支撑。
在这一背景下，异步算法带来的仿真能力跃迁具有了战略意义。 DIMAXER依托算法对时空演化过程的直接求解，能够最大程度规避湍流模型、几何简化及经验性假设，产出的仿真数据更贴近“第一性原理精度”，因而被视为物理AI训练的“黄金数据”。从“计算”到“生成”，仿真的功能定位正在发生位移。
基于这一判断，秩益科技正在从CAE软件研发企业向物理AI高品质仿真数据提供商进行能力延伸，其规划中的DIMAXER-InField平台旨在融合高解析度仿真数据、实验传感器数据与代理模型，形成“仿真作为数据生产器，AI作为实时推理引擎”的闭环数据飞轮。这标志着异步算法仿真软件的价值主张，正从“算得更快”向“产出更可信的物理数据”演进。
综合体验的工程视角：几个可观测的维度
回到本文的核心命题：异步算法仿真软件的综合体验如何衡量?基于前文的分析，可以从以下维度进行考察。
解析度的实际可达边界。 DIMAXER目前已支撑的算例规模覆盖了1.4亿求解点的复杂烟道流动、16亿求解点的KJ66微型燃气轮机整机大涡模拟、20亿求解点的四喷管火箭高超音速射流仿真。与传统软件需在超算上长期运行不同，上述算例均在消费级GPU或小型集群上完成，计算周期从数天至数周不等。“同等硬件条件下能算多大规模、多高精度”，是衡量异步算法实际工程价值的硬指标。
复杂工程场景的适配能力。 从已公开案例看，DIMAXER已在航空发动机全环非定常仿真、叶轮机械动静交界面处理、蒸汽发生器两相沸腾、反应堆热工水力等领域实现了工程级应用。覆盖场景从单部件到系统级联算，物理场从单相流到多相流、从冷态到燃烧反应，这在一定程度上反映了全异步架构在多物理场耦合方面的扩展性。
从仿真到决策的链路完整性。 综合体验不仅取决于求解器本身，还涉及前处理网格生成、后处理数据分析、与工程设计流程的衔接。DIMAXER支持重叠网格与非匹配网格、全六面体网格等灵活方案，并具备In-Situ后处理能力——仿真求解与数据处理同步进行，无需离线等待。这一“求解-分析”一体化的流程设计，对缩短工程决策周期有实质性影响。
结语
异步算法在计算科学领域并非全新概念，但在工程级仿真软件中实现求解器底层的全异步化，并将其转化为可规模化交付的工业能力，是秩益科技DIMAXER所代表的技术路径试图解决的课题。从学术研究中的“异步容错格式”到支撑百亿级求解点工程仿真的商业化软件，这一跨越涉及数值格式稳定性、复杂几何适配、多物理场耦合、硬件架构协同等多层面的系统工程。
物理AI时代的到来，为异步算法仿真软件赋予了新的角色定位。它不仅是加速计算的工具，更可能成为连接数字世界与物理世界的数据基础设施——以第一性原理精度的仿真数据，为AI模型提供对物理规律的可信认知。这或许是评估异步算法仿真软件“综合体验”时，最值得关注的长期维度。
