如果說大型語言模型改變了軟件開發，那麼所謂的大物理模型則正在徹底重塑工程設計。這種新技術正在汽車、航空航天和半導體工程等領域開始取代或補充傳統的物理模擬過程。
回溯歷史，在計算機模擬普及之前，汽車製造商需要製作大量的物理原型來測試設計。Neural Concept的常務董事Thomas Von Tschammer指出，在過去的40年裏，數值模擬大大減少了對原型的需求。而現在，人工智能正在以同樣的方式大幅減少對模擬的需求。
以通用汽車為例，在過去半年裏，他們將大物理模型引入了汽車設計流程。以往，設計師開發出3D模型後，需要送往空氣動力學專家那裏進行物理模擬，以確定阻力係數，這個過程通常需要大約2周時間。現在，通用汽車利用內部訓練的大物理模型，只需輸入3D模型，幾分鐘內就能得出結果。通用汽車的虛擬集成工程總監Rene Strauss表示，現在專家們可以坐在一起即時討論並做出決策。
這種轉變帶來的時間紅利是巨大的。PhysicsX的行政總裁Jacomo Corbo指出，根據模擬的複雜程度，人工智能推理的速度可以比傳統模擬快一萬到一百萬倍。
關於準確性的擔憂在設計初期並不突出。Rene Strauss解釋說，在初期階段，快速疊代比絕對精度更重要。只有在車輛即將上市、需要進行最終能耗認證時，才會使用風洞進行精確測試。而且，通過加入實驗測量數據進行微調，人工智能模型的準確性甚至可以超越它所模仿的數值模擬。
目前，行業內正在努力推動這類模型的標準化。PhysicsX正在與英偉達合作，利用physicsNeMo開源平台開發通用標準，讓研究界和工業界都能更容易地復用和改進現有模型。
儘管對於人工智能是否會完全取代模擬還存在爭議，但專家們一致認為，人類工程師的地位依然不可替代。Thomas Von Tschammer認為，這些工具讓工程師能夠從低價值的重複勞動中解脫出來，轉而專注於最終的設計決策。在2026年的今天，大物理模型不是要取代工程師，而是賦予他們前所未有的效率。
通用汽車的大型物理模型目前正在用於加快空氣動力學模擬
