2025年4月，Luminary Cloud 联合本田和英伟达，正式发布了SHIFT-SUV —— 面向公众开源的汽车空气动力学AI基础模型，模型和数据集全部开源（当前基于AeroSUV的数据集仅供非商业研究）。
它的核心能力很简单：输入汽车的3D几何，实时输出空气动力学预测结果（阻力、升力等），无需网格生成、无需CFD专业知识、无需等待数小时。它不是要替代传统CFD，而是让设计师在早期就能获得“准CFD级”的即时反馈，将设计迭代周期从数天压缩到数分钟。
1、关键性能指标
- 预测平均阻力误差约3.45%，最大误差约6.5%；
- 75%的预测误差在5%以内，全部预测误差小于10%；
- 推理时间：秒级
2、数据集构成
- 车辆三维数模基于AeroSUV数据集（斯图加特动力车辆研究所FKFS的开放SUV参考模型）；
- 通过参数化变形生成超过1000个高保真CFD仿真案例；
- 涵盖离散变量（底盘类型、冷却系统、车尾形式）和连续变量（挡风玻璃角度、车头半径、后部斜度）；
- 后续将扩展至 25,000个变体，成为全球最大SUV数据集。
3、模型架构
采用 NVIDIA PhysicsNeMo框架，基于DoMINO 神经网络架构（点云架构，针对3D几何优化），直接接受STL文件，兼容主流CAD格式。支持工业级规模部署，可进行表面场+体积场双预测。
NVIDIA Omniverse Windtunnel 蓝图示意图
4、训练效率
- 1000个表面数据训练约 13.7小时（8×H100 GPU）；
- Luminary贡献了 50倍训练加速，该优化对所有人开放；
专业化和泛化之间存在一种权衡关系：
结论：
- 如果你的设计集中在某一类型（如Fastback），用专属数据微调，误差可降至2%左右；
- 如果覆盖多类型SUV，完整模型泛化能力更强，误差仍控制在可接受范围；
- 对于分布外形状（如旅行车），误差会增大，但仍然可用于早期方向性决策；
针对fastback车型变体的阻力和升力预测对比
针对wagon车型变体的阻力和升力预测对比
5、与设计工具Blender的融合
Luminary Cloud已经将SHIFT-SUV集成到 Blender 中（Blender是汽车设计常用的3D建模工具），成为Blender的“即时空气动力学”工具。设计师在Blender中调整车身几何（如改变挡风玻璃角度、调整后部斜度），无需导出、无需转换、无需切换软件，即可在几秒钟内看到空气动力学结果的变化。
6、SHIFT-SUV的变革
传统汽车设计流程中，空气动力学仿真是典型的“线性瓶颈”：设计 → 等待CFD → 修改 → 再次等待 → 迭代。而SHIFT-SUV改变了这一范式：设计 → 即时物理反馈 → 立即修改 → 再次即时反馈。设计师不再需要等待CAE工程师的排期，不再需要自己理解网格、湍流模型、求解器设置。物理AI将仿真的门槛从“专家”降低到“使用者”。
7、未来的规划
Luminary Cloud正在不断完善SHIFT-SUV数据集及其与其他软件的融合，根据官方信息，后续：
- 将数据集扩展至 25,000个变体；
- 扩大与本田、英伟达的协作，覆盖更多车辆类型；
- 将推理集成到Rhino、CAD等更多设计工具；
8、相关资源
1）完整数据集下载：https://huggingface.co/datasets/luminary-shift/SUV
2）示例数据集下载：https://huggingface.co/datasets/LuminaryCloud/shift-suv-samples
3）详细介绍可查看官方博文：https://luminary.ai/resources/introducing-luminary-shift-models-a-suite-of-physics-ai-foundation-models-to-transform-engineering-design/
从行业角度看，SHIFT-SUV代表了一个趋势：开源AI仿真预测模型正在成为一股新力量。延续多年的传统仿真软件生态（卖方授权、闭源求解器、高门槛工作站）可能会迎来持续变化。当任何人都可以基于开源模型构建自己的AI预测工具时，仿真将从“稀缺资源”变成“基础设施”。
👇来个“分享、点赞、推荐”👇
