做 CFD 仿真，需要博士学位吗？
“清楚你希望从工具中得到什么，才能判断你得到的结果是否合理。但我认为，亲手去用、真正理解你手中的工具，知道需要输入什么才能得到可靠结果，这一点至关重要。”
—— Eric Janz
嘉宾 Eric Janz（代顿大学创新中心实践教授）做客节目，与 John 分享他的 CFD 经验，并回答一个高频问题：做 CFD 仿真，必须要有博士学位吗？
在本期节目中，John 和 Eric 讨论了：
- 过去 25 年来 CFD 在工业界和学术界的发展与提速
- 优秀仿真工程师的特质与技能
- 给想学好 CFD 的人的建议
John Thomas：今天我们聊一聊资质问题 —— 做 CFD 需要什么样的技能、正规培训和背景。我们想回答一个很简单的问题：做 CFD 仿真，必须要有博士学位吗？
为了回答这个问题，我邀请到了 Eric Janz，代顿大学创新中心实践教授，来分享他在 CFD 方面的经验，以及他如何看待 CFD 在工业和学术中的应用。Eric，非常感谢你来到这里讨论这个话题。
Eric Janz：我很乐意。
John Thomas：Eric，给不认识你的朋友简单介绍一下你自己吧。讲讲你的学术和职业经历，以及你是如何走到今天的。
Eric Janz：我本科毕业于代顿大学化学工程专业，之后直接返校攻读了化学工程硕士学位。我就是在那时开始接触 CFD 工作的 —— 那是 90 年代中期，当时用的还是 Fluent 软件。
我的职业生涯是从 Chemineer 公司开始的，这家公司做工业搅拌设备。职业生涯前十年左右，我主要在销售和研发之间跨界，做应用和开发相关工作，之后转向工程领域，最后十年则完全投入 Chemineer 的研发与创新部门。
最近五年左右，我转型来到代顿大学担任学术职务，而 CFD 一直是我用来补充实验研究的重要工具，尤其在开发工作中。
John Thomas：你说你 90 年代就开始做 CFD 分析了。现在说 90 年代已经是 25 年前，我还是有点不敢相信。你拥有使用这类工具的漫长职业生涯，过去这 25 年里，你肯定见证了巨大的变化。
Eric Janz：没错。我刚开始做的时候，3D 仿真里的滑移网格技术才刚刚起步。我们所有 CFD 工作都是在 Unix 工作站上运行的，不是 Linux，是 Unix。回看早期仿真能做什么、再对比现在能做什么，非常有意思。
我们早期用自动化 CFD 工具时，需要从设计系统中提取数据来设计搅拌器，尽可能利用对称性，用拼接边界条件去看流场。当时只能做 2D 仿真，而且一跑就是好几个小时。但在 90 年代中期，能得到那样的结果已经很震撼了。
John Thomas：嗯。
Eric Janz：对比一下，现在同样三小时，用普通从业者都能接触到的计算资源能完成多少工作。今天和 25 年前的差距，大到几乎令人难以置信。
John Thomas：我知道我们今天的主题是 “使用 CFD 需要什么资质”，但我真的很想听你的视角。
简单回顾这 25 年，你有没有印象特别深刻的关键转折点？比如 “从今天起，一切都不一样了”，或者 “这个新功能会彻底改变我做分析的方式”。以你的经验来看，这些变化是突变，还是更偏向逐步成熟？
Eric Janz：这是个好问题。我入行后的前十到十五年，大部分发展都是功能逐步叠加：滑移网格实现得更好，网格划分更快，开始能用更多 CPU 核，任务规模也变大。
大概在 2005–2010 年，真正的转折点出现：人们开始可以在个人电脑上跑有工程意义的仿真，用来做开发工作。
从 Chemineer 的角度看，其中最大的影响是：我们终于可以做真正影响实际项目的仿真了。可以做针对客户的仿真，而且速度足够快，能够影响销售周期。
John Thomas：对。
Eric Janz：这种变化就是在 2005–2010 年左右发生的。
John Thomas：嗯。
Eric Janz：在 Chemineer，我们工作方式的下一个重大改变，是开始和 M-Star 合作。我们真正从大多数 RANS 仿真里的平均化方法，转向更稳定地使用 ** 大涡模拟（LES）** 并得到可用结果。
Chemineer 有 Kinecs 静态混合器产品线，我们用 M-Star 工具做的其中一件事，就是静态混合器的开发，尤其是湍流工况。因为对一些湍流混合器来说，要在一倍、三倍管径的短距离内实现混合，看平均流场远远不够；用传统平均化方法去处理这类短停留时间过程，难度非常大。
John Thomas：是的。
Eric Janz：这是我们最早能把大涡模拟真正用于业务并产生价值的场景之一。
最近几年，GPU 技术真正崛起。过去需要集群里几十、上百个 CPU 才能完成的工作，现在用一块或几块 GPU就能实现。这对能完成的工作量影响巨大。
我认为过去五到八年里的这些阶跃式变化，真正改变了工业界的研发节奏：现在我们要结果，是以小时、天为单位，而不是几周、几个月。
John Thomas：没错，这是很好的回顾。能指出那些真正改变工业工作流的事件和变化，非常有价值。听起来你的职业生涯是和 CFD 新算法、新方法同步发展起来的。你刚毕业的时候，学校里教过 CFD 吗？还是后来边工作边学的？
Eric Janz：我是在研究生阶段边做边学的。我们学过优化方法、统计热力学，接触过一些仿真内容，但我的教育背景里没有纯 CFD 课程。
John Thomas：哦。
Eric Janz：我在 CFD 方面的启蒙导师是 Andre Bakker，他 90 年代初到 90 年代末在 Chemineer 工作，是这类工业应用领域的先驱之一。后来他回到了当时的 Fluent 公司（也就是后来被 Ansys 收购之前）。我就是这样入门的。
完全是在岗培训。工具扔给你，像被大水猛浇一遍，然后自己去学。一部分是我自己有兴趣学，另一部分是业务需要：必须把仿真用起来，搞明白怎么做，然后应用到实际工作，尤其是应用端。
John Thomas：做这行 25 年还能一直保持热情，显然你做得很对。我相信你见过很多人进入、又离开仿真领域。
在那些真正坚持下来、能从仿真中得到有效信息和价值的人身上，你看到哪些共同特质、技能或共同点？这行不是适合所有人，对吧？有些人就是不适应仿真。你觉得哪些特质，能让人真正投入这类分析并取得成功？
Eric Janz：我观察到大概有两类人。
一类是学术型：对过程、底层原理有非常细致的理解。但在我职业生涯早期，我并不是这样。我把 CFD 当作工具来用，这对我所在的工业设备制造商来说非常重要。
我们不像大型化工公司，只针对某一个特定工艺去调仿真、做参数优化。作为设备厂商，我们的客户来自水处理、高端化工、医药等各行各业，应用范围极广，想从仿真或实验中得到的目标也千差万别。你没有时间为每个特定应用开发专用模型，你需要拿起工具就知道能用在哪。
所以我看到的区别是：有的人擅长用工具得到答案，并清楚工具的局限在哪里。你不能过度解读，不能给出没有依据的结论。因为很容易跑出一张好看的图，刚好支持你想要的答案，但实际上并没有足够的物理依据。
另一类人，则是对自己所在的细分领域有极深的理解。比如气体分散，你用 whatever 模型，你知道怎么调到刚好能算出功率、传质、持气率这些关键指标，这在特定应用里非常有用。
但以我的经验，CFD 最实用的场景是：拿起来就用，直接替代实验，相信你得到的结果是合理的，然后继续推进工作。
John Thomas：有些人需要这些工具，就像杂务工需要他的卡车一样，对吧？开到哪儿都能解决几乎任何问题，而且要快，知道怎么用工具解决各种问题。还有些人在生产装置里反复用同一套设备，他们必须吃透细节，保证产品稳定。
所以在我看来，做好仿真所需的技能，很大程度上取决于你做的是什么类型的工作，对吗？
Eric Janz：没错。
John Thomas：但我听下来，核心线索可能是：懂科学、懂物理，足够判断结果什么时候对、什么时候可能错。
Eric Janz：是的，很多来自经验 —— 做任何仿真，你都必须对 “正确答案大概长什么样” 有概念。
John Thomas：对。
Eric Janz：如果你盲目相信结果，一定会出大问题。我自己在仿真里踩过坑，在实验里也踩过。
John Thomas：说得非常精辟。你必须对预期结果有基本判断。这其实也回答了我们最开始的问题：需要博士学位吗？有博士学位当然不坏，但如果你对系统里什么物理上是现实、可实现完全没概念，博士学位也帮不了你，对吗？
Eric Janz：完全正确。
John Thomas：假设有个人想学好 CFD，你会建议他怎么做？就是多练？去实验室做实验？我有点开玩笑，但如果有人想熟悉这些工具并应用到实际工业问题，你会给什么建议？
Eric Janz：我走的路和你说的很像。我有一个很大的优势：在工业制造环境里，同时见过实验侧和应用侧，接触过各种各样的场景。
清楚你希望从工具中得到什么，才能判断你得到的结果是否合理。但我认为，亲手去用、真正理解你手中的工具，知道需要输入什么才能得到可靠结果，这一点至关重要，这也取决于客户的专业程度。
在应用端，有的客户能提供完整的流变数据：随温度、剪切速率、浓度变化；而有的客户只能描述：“这东西有点像蛋黄酱，可能还加了点糖蜜之类的。”输入信息的质量差别很大。
但任何系统里，输入都直接决定输出是否合理。
我觉得有效的路径是：从简单开始。先确保你理解工具，能得到稳定、可靠的结果，再逐步增加复杂度。这和很多工作的培训逻辑是一样的。
另外，我认为要有承担风险、接受失败的能力。明白不是所有东西都能一次成功，知道坑在哪、错在哪，很多时候比成功更有价值。有点像快速试错、从失败中前进的心态，才能把这些工具用起来。
John Thomas：对。而且仿真的一大优势就是：纯测试阶段的试错成本很低。你可以失败，可以重来，永远只差一个撤销（Ctrl+Z）。能认识到这一点，我认为是成为优秀仿真工程师的关键一步：愿意测试、打破、尝试、重来，直到你足够理解工具，可以在各种场景下应用，并对预测结果有信心。
Eric，今天聊得非常好。我非常欣赏你对这些问题的看法。很少有人能像你这样，横跨四个十年一直在做这件事，听起来有点厉害。
Eric Janz：谢谢，我之前还没这么想过。[笑]
John Thomas：祝你未来一切顺利。非常感谢你的分享。
那回到我们的问题：需要什么资质？什么学位？做 CFD 必须要有博士吗？我认为不是，这本身就是个错误的问题。
真正需要的是：
- 熟悉物理
- 熟悉机理
- 熟悉你预期的物理结果应该是什么样的
在我看来，这些直觉与洞察力，才是面对建模挑战时最相关的技能。这是我对你刚才内容的总结。
Eric Janz：对，就是这样。
John Thomas：如果大家想联系你，有什么方式吗？LinkedIn 还是代顿大学的教师页面？
Eric Janz：我有 LinkedIn，也有代顿大学的教师主页。
John Thomas：很好，Eric。我们会把你的联系方式放在简介里。再次感谢你来到这里分享观点。
Eric Janz：谢谢邀请，我很开心。
