PhysAI 物理AI平台 · 工作模式
从需求对接到验收交付的标准六阶段 —— 每一步有定义、有投入、有可验收的交付物
交付主流程
验收标准在 L0 冻结并写进合同 —— 双方对"什么叫做好"零歧义
L0 · 0.5-1 周
需求对齐与可行性
双方各投入半天-1天
- 场景定义与工艺参数清单
- 数据可得性评估（实测/生成）
- 验收标准冻结（误差阈值、判据）
客户投入：工艺参数清单（半天）
交付：《POC 验收标准单》→ 写进合同
L1 · 1-6 周
数据准备
路径 A：1 周 / 路径 B：2-6 周
- 路径 A：客户实测/CAE 数据直接使用
- 路径 B：我方 FD/FEM/解析生成器批量生成
- 数据质量门禁自检（样本审计）
客户投入：路径 A 提供数据（NDA+脱敏）
交付：训练+校准+测试 三分数据集
L2 · 1-2 周
代理训练与验证
V100 集群训练
- 物理 AI 模型训练（FNO 模型族）
- 独立验证（非 AI 自评，FEM/实测复算）
- 误差分解与归因报告
客户投入：关键点复核（如有实测）
交付：rel_l2 < 5% 门禁报告
L3 · 0.5 周
UQ 置信度校准
Conformal 校准
- 校准集构建与覆盖率验证
- 异方差风险分级（哪里可信/哪里保守）
客户投入：留出实测约 20%
交付：Coverage 90%±5% 证书
L4 · 0.5-1 周
集成交付
进入客户环境
- REST API / Web Dashboard
- ONNX 边缘导出（产线工位机）
- 按需私有化部署（数据不出厂）
客户投入：内网环境（私有部署时）
交付：可调用服务 + 使用文档
L5 · 0.5 周
验收与移交
评审会 + 培训
- 对照 L0 冻结标准逐项验收
- 文档移交 + 工程师培训 1 场
客户投入：验收确认
交付：《验收报告》+ 1 年支持起算
↻
交付后进入持续迭代循环（L2↔L5）
产线积累的新数据 → 周期性重训练与漂移校准 → 模型随产线共同进化（年度维护合同，合同额 15-20%/年）。工艺窗口变化时，同一平台可横向扩展新模块，无需推倒重来。
L1 数据准备的两条路径
有数据走 A，没数据也能启动——生成器是我们的底盘能力
路径 A · 客户数据有实测 / 有 CAE 积累
客户提供历史 试验数据或 CAE 仿真结果，NDA+脱敏后直接进入训练。我方完成清洗、三分与质量审计。
周期 ≈1 周 ｜ 全流程 3-4 周 ｜ 报价系数 ×0.8
路径 B · 自研生成器无数据 / 数据不足
我方 FD/FEM/解析求解器（向量化提速 ~75×）按客户工况参数空间批量生成训练数据，含解析解交叉验证。历史战绩：16 并发 469 样本/分钟。
周期 2-6 周 ｜ 适合新品类冷启动 ｜ 报价系数 ×1.0
六个看得见摸得着的交付物
每一步结束，客户手里都多一份可复核的资产
📋
验收标准单
L0 冻结 · 写进合同
误差阈值+判据
🛡️
UQ 置信证书
覆盖率 90%±5%
高风险区标注
🔌
可调用服务
API/Dashboard
ONNX 边缘包