Bên Trong Kế Hoạch Thay Thế Phần Mềm CAE Truyền Thống Bằng Nền Tảng Đám Mây, Tích Hợp AI của Quanscient

Các phần mềm mô phỏng kỹ thuật (CAE - Computer-Aided Engineering) truyền thống thường buộc kỹ sư phải làm việc trên các mô hình vật lý đơn giản hóa, bị giới hạn bởi bộ nhớ của máy trạm cục bộ. Quanscient, một startup có trụ sở tại Tampere, Phần Lan, đang giải quyết nút thắt cổ chai này bằng bộ giải đa vật lý (multiphysics) trên nền đám mây mang tên Allsolve, một công cụ khám phá thiết kế tăng cường bởi AI, và các thuật toán lượng tử đã được trình diễn công khai. Vào tháng 11 năm 2024, công ty đã huy động thành công 5,2 triệu Euro (tương đương khoảng 5,66 triệu USD) trong vòng gọi vốn tăng trưởng để đồng thời thúc đẩy cả ba mặt trận này .

Lưu ý về bối cảnh tài trợ: Mặc dù một số cơ sở dữ liệu của bên thứ ba phân loại hồi tố vòng gọi vốn tháng 11/2024 là "Series A" với số tiền khoảng 5,7 triệu USD, thông cáo chính thức của công ty mô tả cụ thể đây là một vòng gọi vốn tăng trưởng trị giá 5,2 triệu Euro. Không có hồ sơ nào về vòng Series A độc lập 10 triệu Euro cho Quanscient . Kết hợp với vòng gọi vốn hạt giống (seed) 3,9 triệu Euro trước đó vào tháng 4/2023, công ty đã huy động được tổng cộng khoảng 9,1 triệu Euro (≈ 9,96 triệu USD) qua tất cả các vòng đã công bố .

Mục tiêu của khoản tài trợ tăng trưởng 5,2 triệu Euro

Số vốn mới được rót vào ba mục tiêu cụ thể, tất cả đều tập trung vào việc đưa mô phỏng kỹ thuật thoát khỏi những ràng buộc của máy tính để bàn truyền thống, hướng tới cơ sở hạ tầng đám mây và lượng tử có khả năng mở rộng, tích hợp AI .

1. Phát triển sản phẩm cho nền tảng Allsolve
Nguồn vốn hỗ trợ việc tiếp tục xây dựng Quanscient Allsolve, một nền tảng SaaS mô phỏng đa vật lý gốc đám mây (cloud-native), chạy trên sức mạnh điện toán đám mây không giới hạn thông qua các dịch vụ như AWS Batch . Không giống các công cụ truyền thống yêu cầu ghép nối thủ công các mô-đun cho các loại vật lý khác nhau, nền tảng này bao gồm sẵn các liên kết cho vật lý chất lỏng, nhiệt, cấu trúc, điện từ, âm thanh và áp điện, loại bỏ các bước tích hợp thủ công và phá vỡ giới hạn bộ nhớ của các máy trạm đơn lẻ .

2. Mở rộng đội ngũ và đưa sản phẩm ra thị trường
Khoản tài trợ hỗ trợ việc mở rộng các nhóm kỹ thuật và thương mại của Quanscient nhằm tăng cường sự hiện diện trong các lĩnh vực năng lượng, hàng không vũ trụ và ô tô, những nơi mà việc tiết kiệm chi phí và thời gian từ mô phỏng đa vật lý nhanh hơn là cấp thiết nhất .

3. Nghiên cứu và xác nhận thuật toán lượng tử
Một phần vốn được dành cho việc phát triển bộ giải lượng tử thuần túy. Đây không phải là một hạng mục lộ trình suông – vào tháng 3 năm 2025, Quanscient đã trình diễn mô phỏng động lực học chất lỏng tính toán (CFD) đa bước thời gian đầu tiên trên thế giới sử dụng Phương pháp Lattice Boltzmann Lượng tử (QLBM), thực thi trên máy tính lượng tử siêu dẫn 50 qubit đầu tiên của Châu Âu . Mục tiêu đã nêu của công ty là các thuật toán lượng tử thuần túy cuối cùng sẽ mang lại lợi thế tốc độ lên đến 100 lần cú đánh so với các giải pháp CAE truyền thống .

Hai hướng đi song song để cải thiện mô phỏng đa vật lý

Cách tiếp cận của Quanscient để giải quyết những điểm yếu của phần mềm CAE truyền thống được chia thành một lộ trình đám mây và AI sẵn sàng cho sản xuất ở hiện tại, và một lộ trình lượng tử dài hạn hơn hiện đã vượt qua giai đoạn nghiên cứu thuần túy.

Hướng đi thứ nhất: Mô phỏng gốc đám mây với tăng cường AI (hiện có sẵn)

Đa vật lý liên kết chặt chẽ ở quy mô đám mây
Allsolve chạy trên sức mạnh tính toán đám mây hầu như không giới hạn, cho phép mở rộng các mô hình với hàng trăm triệu bậc tự do (DoF) trong vài phút thay vì vài ngày hoặc vài tuần trên một máy trạm cục bộ . Phương pháp phân rã miền của nền tảng phân tán các công việc lớn qua các nút đám mây một cách hiệu quả, loại bỏ nhu cầu đơn giản hóa mô hình để phù hợp với bộ nhớ cục bộ .

MultiphysicsAI để khám phá không gian thiết kế tức thì
Cuối năm 2025, Quanscient ra mắt MultiphysicsAI, một công cụ quyết định chuyển đổi dữ liệu mô phỏng với độ chính xác cao thành các mô hình AI thay thế (surrogate model) có nhận thức về vật lý . Sau khi được huấn luyện trên các tập dữ liệu độc quyền do Allsolve tạo ra, các mô hình thay thế này dự đoán kết quả hiệu suất trong mili giây. Các kỹ sư có thể khám phá hàng nghìn ứng viên thiết kế khả thi và các đường cong đánh đổi (ví dụ: trọng lượng so với hiệu suất nhiệt so với chi phí) trong vài giây, thay vì chạy một mô phỏng duy nhất và phỏng đoán phương án tốt nhất tiếp theo .

Hỗ trợ AI tạo sinh và dự đoán
Nền tảng bao gồm một trợ lý mô phỏng được hỗ trợ bởi AI tạo sinh, có thể trả lời câu hỏi của người dùng bằng cách tham chiếu tài liệu và một công cụ phát hiện bất thường để gắn cờ các lỗi có thể có của con người trong thiết lập mô phỏng trước khi các lần chạy dài lãng phí tài nguyên tính toán . Về phía bộ giải, AI dự đoán đang được tích hợp để trực tiếp tăng tốc độ hội tụ .

Bộ công cụ phát triển Python (SDK) cho quy trình máy học (ML) quy mô lớn
Một SDK Python cho phép các nhóm kỹ sư trích xuất dữ liệu mô phỏng thô một cách tự động ở quy mô lớn, xây dựng các tập dữ liệu huấn luyện tùy chỉnh và huấn luyện các mô hình AI thay thế có độ chính xác cao. Điều này được thiết kế để tự động hóa tối ưu hóa sản lượng và tích hợp vào các ngăn xếp phần mềm kỹ thuật hiện có, bao gồm các tác nhân ngôn ngữ tự nhiên có thể chạy mô phỏng từ lời nhắc .

Hướng đi thứ hai: Thuật toán lượng tử thuần túy (giai đoạn đầu nhưng đã được xác nhận)

Quanscient không chờ đợi các máy tính lượng tử có khả năng sửa lỗi (fault-tolerant) xuất hiện. Công ty đã xây dựng thứ mà mình mô tả là nền tảng CAE đầu tiên trên thế giới được thiết kế ngay từ đầu để tích hợp các bộ giải lượng tử khi phần cứng đủ trưởng thành, và họ đã chuyển các thuật toán lượng tử từ lý thuyết sang phần cứng siêu dẫn thực tế .
Màn trình diễn QLBM vào tháng 3 năm 2025 trên hệ thống 50-qubit của VTT là một minh chứng cụ thể, công khai cho cách tiếp cận lượng tử, chứ không chỉ là mô hình lý thuyết . Lộ trình của công ty nhắm đến sản phẩm thí điểm lượng tử thuần túy đầu tiên, với lời hứa dài hạn là giải quyết các bài toán đa vật lý liên kết mà hiện tại không thể xử lý trên phần cứng cổ điển do độ phức tạp tăng theo cấp số nhân .

Công nghệ đang được ứng dụng ở đâu

Sự kết hợp giữa quy mô đám mây không giới hạn, mô hình thay thế AI và một lộ trình lượng tử đáng tin cậy làm cho nền tảng này phù hợp với nhiều ngành công nghiệp nơi hiệu suất phần cứng bị thắt cổ chai bởi tốc độ và độ chính xác của mô phỏng.

• Ô tô: Từ cảm biến RF và LiDAR đến quản lý nhiệt hoàn chỉnh cho hệ thống truyền động điện, MultiphysicsAI hiển thị toàn bộ không gian thiết kế dưới các ràng buộc cạnh tranh về sản xuất, hiệu suất và chi phí để kỹ sư có thể thấy tất cả các đánh đổi tối ưu, không chỉ kết quả đầu tiên từ một mô phỏng điểm .
• Hàng không vũ trụ: Các bài toán liên kết khí-nhiệt, cấu trúc và điện từ quá lớn đối với bộ giải trên máy tính để bàn. Allsolve gốc đám mây xử lý những vấn đề này với vật lý liên kết chặt chẽ ở quy mô lớn, trong khi các mô hình AI cung cấp khả năng lặp lại thiết kế nhanh chóng .
• Năng lượng: Mô hình đa vật lý với độ chính xác cao là rất quan trọng đối với độ tin cậy của điện tử công suất, mô phỏng thoát nhiệt pin và thiết kế hệ thống năng lượng tái tạo. SDK Python cho phép quét tham số tự động qua hàng nghìn điểm thiết kế .
• MEMS và Bán dẫn: Mô hình toàn diện về liên kết áp điện, tĩnh điện, âm thanh và sóng đàn hồi, ở quy mô sản xuất mà không cần đơn giản hóa, là một trong những lĩnh vực ứng dụng có lưu lượng truy cập cao nhất của nền tảng .

Đề xuất giá trị thống nhất xuyên suốt các ngành dọc này là sự thay đổi từ việc đánh giá từng thiết kế một trên phần cứng cục bộ sang khám phá toàn bộ không gian thiết kế khả thi trên đám mây, với AI cung cấp dự đoán tức thời và các thuật toán lượng tử mang lại một con đường đã được chứng minh, dù còn ở giai đoạn đầu, hướng tới việc tăng tốc theo cấp số nhân khi phần cứng trưởng thành.