原文標題：Cadence and Toyota Advance Automotive Simulation on NVIDIA AI Infrastructure
Cadence 10 月 21 日公布與 Toyota Motor Europe（TME）合作的高精度車輛空氣動力學與氣動聲學模擬進展。雙方以 Toyota Aygo X 的既有研究模型為基礎，使用 Cadence Fidelity CFD Software 中的 Fidelity Charles Solver，在 NVIDIA RTX PRO 6000 Blackwell Server Edition 與 DGX B200 GPU 系統上執行大型渦流模擬（LES），評估運算擴充性、求解時間與未來以模擬取代部分實體測試的可行性。
這項模型採用以 clipped Voronoi diagrams 為基礎的網格配置，對整車外部車體進行均勻細化，包含 1.78 億個控制體積（MCV）。高解析度網格搭配 Fidelity Charles 的低耗散數值運算，可分析影響外部氣流與車外噪音的非穩態細微流場，協助工程團隊在虛擬風洞中檢查不同設計方案。
Cadence 指出，Toyota 的測試顯示 GPU 加速的高精度 CFD 可比既有 CPU 工作流程顯著縮短周轉時間，同時維持準確性。RTX PRO 6000 隨 GPU 數量增加可縮短運算時間，而 DGX B200 能以較少 GPU 達到相近的收斂時間。官方並提到，以其他飛機模擬的內部工程估算，若要達到相應 GPU 吞吐量，CPU-only 系統可能需要約 1,500 或 5,000 個 CPU 核心；但這不是 Aygo X 基準測試直接量測的數字，不能當成該車款的加速倍數。
後續工作包括利用大量 CFD 結果建立物理 AI 模型訓練資料。Cadence 也提到透過 KOMVOS SDM Console 保存精簡化模擬替代模型，讓工程師能比較不同設計版本、重用歷史資料，再搭配 META Post-Processor 與 AI 模型加速探索。公告未公布完整測試時間表、硬體成本或可直接比較的逐項效能表。
發生了什麼事
Cadence 與 Toyota Motor Europe 使用 NVIDIA Blackwell GPU，針對 Aygo X 的 1.78 億控制體積模型執行高精度氣流模擬。
為什麼重要
汽車設計可在實體風洞測試前進行更多高精度設計迭代，並把模擬結果轉化為未來物理 AI 模型的訓練資料。
影響哪些人
車廠空氣動力學工程師、CAE／CFD 團隊、GPU 叢集維運人員及汽車數位研發工具供應商可參考這項研究。
已確認與未確認
已確認模擬工具、GPU 平台及模型規模；CPU 核心數是不同案例的方向性估算，未提供可當作 Aygo X 實測加速比的數據。
