0阶）或者二次单元（一阶）。实际上高阶网格（也就是常说的p单元）在处理复杂几何上更具优势，适当的设置网格参数，只需更少数量的网格，无需迭代，就能获得更好的数值计算解，期待未来在高阶领域有更多实际应用。无网格方法是近年来兴起的一种数值计算方法。流体领域的粒子方法(particle method）和lbm格子玻尔兹曼已经相当成熟，尤其是后者，达索系统早早将市场上的lbm软件收到旗下，垄断目前市场。altair与今年推出的simsolid号称也不需要网格，市场验证需要假以时日。要想在无网格应用上有所突破，底层理论和硬件都需要提供更多的支持。瑞士一家公司提出了一种基于mar（medial axis representation）方法，号称利用cax取代cad/cae，取代传统的网格划分流程，具体效果还需要市场检验。未来，网格仍然是仿真软件前处理的重要一环，网格生成性能会进一步提升，新算法会引入让网格生成趋向智能化。
7、数值计算方法
在数值计算机方法领域，结构还是以fem为主，电磁fem，fdtd，mom，流体fvm，以及无网格法。其它比如fdm，bem，dem，谱方法等在实际应用中大规模使用，还需要更多的努力。未来数值计算方法在理论上突破已经非常困难，但在以下几个方面仍然还有发展空间：1，同一分析空间中不同数值计算方法的混合使用；2，pde产生新的解析解方法所带来的新的数值解法；3，半解析解和数值解法的进一步组合使用；4，数值计算方法和业务场景实际工程应用的进一步耦合；5，高阶网格数值计算方法；前面讲过很多次，软件只是表现，软件和工程经验的结合才是核心技术，发展数值计算方法，只有和实际工程应用结合才能使软件产生更大的价值。
8、人工智能以及机器学习引入
人工智能最近几年火的一塌糊涂，但是真正静下心来仔细研发会发现，落地应用的项目其实集中在少数几个领域，比如语音识别，图像识别，聚类分析，专家系统等等，在仿真领域应用有限。这也是由仿真领域的特点决定的：1，人工智能依赖于大规模的训练数据输入，对于仿真而言，很多应用场景中，仿真一次的数据量就非常大，多次仿真不仅时间长，而且冗余数据多，生成的有效训练数据有限，无法提供ai训练以及深度学习所需的有效输入数据；以设置最优网格参数为例，至少两个位的训练次数才会出现有效解，而求解器一次求解时间可能就是几个小时，相比ai，实际应用中自适应网格划分更迅速和准确；2