2024年4月，开放原子开源基金会联合百度飞桨及北京航空航天大学，共同举办了一场集科技英才、挖掘创新潜力的盛会——IJCAI 2024：三维几何外形车辆风阻快速预测竞赛。本次大赛吸引了全球323支队伍竞相参与，不仅是一次技术革新的较量，更是对汽车空气动力学深度应用的一次重要探索与实践。

赛项奖池高达35,000美元，提供的450种不同ShapeNet汽车的训练数据和基于PaddlePaddle框架的baseline代码，为参赛者搭建了一个公平、开放的技术竞技场。三个赛道的精心设计，分别针对不同的数据类型和预测目标，充分体现了开放原子开源大赛对技术深度和广度的双重考量。

经过两个月的激烈竞争，14支队伍凭借其卓越的创新能力和技术实力脱颖而出，成功晋级决赛。他们在决赛中提交的技术报告和代码，不仅体现了对汽车风阻预测难题的深刻理解，也展现了人工智能技术在解决实际问题中的巨大潜力。

8月6日，在韩国济州岛举行的第33届国际人工智能联合会议（IJCAI）上，获奖队伍与主办单位共同分享了他们的研究成果。论坛上的演讲内容丰富，深度剖析了人工智能在汽车空气动力学领域的应用前景。

百度深度学习技术平台部高级工程师王冠的分享，不仅展示了飞桨在科学计算领域的深厚积累，还揭示了PaddleScience如何通过物理信息神经网络(PINN)和算子神经网络等先进技术，为流体力学等复杂数学问题提供高效解决方案，从而推动科学研究与产业应用的深度融合。

NVIDIA解决方案架构师况吕林的报告，则进一步阐释了NVIDIA Modulus如何通过物理机器学习框架，在计算流体力学等领域实现突破，其应用实例为科学家和工程师提供了强大的工具，以解决复杂的科学和工程问题。

北京航空航天大学软件学院副教授周号益的报告，阐述了偏微分方程（PDE）求解是科学计算领域最核心的难题之一，并分享了北航提出的OmniArch智算天璇模型为该领域带来的全新解决思路。

惠尔智能CEO常宇飞的演讲，则从自动驾驶的实际应用出发，探讨了大数据和大模型在提升研发效率和测试准确性中的作用，为自动驾驶技术的商业化提供了新的思考路径。

四川大学工程数值模拟基础算法与模型全国重点实验室副研究员张明洁的分享，介绍了四川大学工程数值模拟实验室在结合人工智能与流场预测方面取得的多项进展。未来将拓展至3D预测和高阶数值方法，追求更高预测精度，并探索智能网格生成与无人机导航等领域。

四川大学李天宇团队的分享，不仅展示了图神经网络在3D流场预测中的优势，还详细阐述了他们如何通过多尺度几何特征来增强图神经网络的性能表现，实现了对车辆风阻的高效预测，这一成果对于汽车设计阶段的成本控制和效率优化具有重要意义。

十沣科技团队成员阳汇昱的报告，分享了参赛过程中使用的Transolver改进模型，该模型利用先进的Transformer框架和物理注意力机制，专注于网格数据的空间聚合和学习策略的动态适应，能有效处理复杂的几何数据。

广东工业大学曾培健和北京大学古江杭的分享，则从不同的技术角度，展示了人工智能技术在复杂几何体物理建模和气动阻力预测中的创新应用，他们的研究成果不仅为汽车风阻预测提供了新方法，也为其他领域的物理建模提供了新的思路。

此外，值得一提的是，川大团队与十沣科技团队在所有赛道中均获TOP5佳绩，其中川大团队斩获A和C赛道冠军，十沣科技在B赛道斩获冠军。大会程序主席、渥太华大学教授Kate Larson为川大团队与十沣人工智能专家颁发获奖证书。

 

本次“IJCAI 2024：三维几何外形车辆风阻快速预测竞赛”的圆满落幕，不仅是对参赛者创新能力和技术实力的肯定，更是对人工智能技术在汽车空气动力学领域深度应用的积极探索。赛项成果将进一步推动汽车行业的技术革新，提高能源利用效率，减少环境污染，为全球汽车产业的可持续发展贡献中国智慧。同时，开放原子开源大赛也将以科技创新为引领，注重解决“真问题”，推动更多领域实现跨越式发展。