Altair è una società di ingegneria fondata nel 1985 nel Michigan. Attualmente è composta da oltre 3.000 ingegneri. La presenza globale dell’azienda è garantita attraverso 81 uffici distribuiti in 29 paesi. Altair si concentra principalmente su tre grandi aree di competenza: simulazione, intelligenza artificiale e gestione delle risorse hardware, con un forte impegno verso l’high performance computing (HPC). La piattaforma tecnologica dell’azienda integra strumenti avanzati per affrontare problematiche ingegneristiche complesse in ambiti come termodinamica, fluidodinamica, elettromagnetismoa diverse frequenze e ingegneria strutturale, offrendo una copertura completa e multidisciplinare.
L’azienda si distingue per la sua capacità di supportare clienti in una vasta gamma di settori industriali, tra cui automotive, aerospaziale, bancario, assicurativo, farmaceutico e molti altri. Altair ha sviluppato un’offerta basata sui dati particolarmente apprezzata nel settore finanziario e in quello sanitario, grazie alle sue soluzioni avanzate in ambito di simulazione e intelligenza artificiale. Quotata al Nasdaq dal 2017, Altair ha continuato a crescere sia in termini di innovazione sia di risultati finanziari, registrando nel 2023 un fatturato superiore a 600 milioni di dollari.
Per saperne un po’ di più sull’azienda e sulle sue soluzioni, abbiamo incontrato Livio Mariano, Director Global Business Development, Simulation Data & Digital Twin di Altair.
– Quale strategia segue Altair nel suo processo di crescita?
Negli ultimi cinque anni, Altair ha intensificato i propri investimenti nello sviluppo tecnologico, destinando oltre 500 milioni di dollari all’acquisizione di aziende strategiche e al potenziamento delle sue capacità interne. Questi investimenti non solo hanno rafforzato il portfolio software, ma hanno anche portato all’integrazione di nuove competenze grazie all’assunzione di personale altamente specializzato. Questo processo di acquisizione è cruciale, poiché consente ad Altair di ampliare continuamente il suo know-how, rimanendo all’avanguardia nelle tecnologie emergenti. Le soluzioni software sviluppate internamente coprono un ampio spettro, supportando i processi di simulazione ingegneristica, l’analisi dei dati e l’elaborazione a elevate prestazioni, con una particolare attenzione a HPC, che è fondamentale per la gestione di scenari computazionali complessi e di grandi volumi di dati.
– Quali sono i punti di forza di Altair?
Uno dei punti di forza di Altair è l’applicazione di tecniche avanzate di machine learning e intelligenza artificiale alle sfide ingegneristiche. L’azienda utilizza algoritmi di machine learning, suddivisi principalmente in algoritmi supervisionati e non supervisionati, per affrontare diverse problematiche. Gli algoritmi supervisionati, per esempio, vengono impiegati per analizzare dati etichettati, cioè dati per i quali sono noti gli input e gli output attesi, al fine di determinare le relazioni complesse tra queste variabili. La rete neurale è una delle tecnologie utilizzate da Altair, che pur essendo costituita da operazioni matematiche elementari, è in grado di risolvere problemi complessi grazie alla sua struttura composta da molteplici livelli.
– Che ruolo ha l’intelligenza artificiale nelle soluzioni di Altair?
L’intelligenza artificiale rappresenta oggi uno strumento indispensabile per gli ingegneri, un’aggiunta potente alla cassetta degli attrezzi tradizionali, che fino a pochi anni fa si basava esclusivamente su equazioni derivate dalla fisica. Altair è in grado di integrare queste nuove tecnologie con le competenze ingegneristiche consolidate, offrendo soluzioni avanzate in grado di affrontare con efficacia le sfide più complesse dei suoi clienti, attraverso l’utilizzo di strumenti all’avanguardia e algoritmi di apprendimento automatico che continuano a evolversi rapidamente. L’azienda si trova in una posizione ideale per guidare l’innovazione in vari settori industriali, grazie alla sua capacità di adattarsi e sfruttare le nuove tecnologie emergenti in modo strategico e competitivo.
– In pratica, questo cosa significa?
L’approccio basato sui dati permette di costruire modelli predittivi senza la necessità di partire dalle equazioni fisiche, ma direttamente dai dati acquisiti. Questi, raccolti dal mondo reale, per esempio attraverso sensori installati su macchinari industriali, vengono elaborati per identificare automaticamente le relazioni tra le variabili, eliminando la necessità di codificarle manualmente. Tale processo si basa su algoritmi matematici di approssimazione, come le reti neurali o altre tecniche avanzate, che consentono di derivare relazioni implicite tra variabili anche complesse.
Nel contesto dell’intelligenza artificiale, questo approccio si estende anche a problemi più generali. Ad esempio, oltre ai classici modelli input-output, ci sono scenari, come gli algoritmi di clustering in cui l’obiettivo è identificare associazioni tra gruppi di dati, anziché predire un risultato specifico esplicitando un modello input-output. Questo è il caso di piattaforme come Amazon o Netflix, che analizzano i comportamenti degli utenti per identificare gruppi simili e fornire suggerimenti su prodotti o contenuti in base alle preferenze osservate in altri utenti con comportamenti affini.
– Come impiega queste tecnologie Altair?
Con le sue tre piattaforme dedicate alla simulazione, alla gestione dei dati e al calcolo ad alte prestazioni, Altair integra in modo sinergico tutte le tecnologie di cui ho parlato. Questa integrazione non è casuale: esiste una chiara correlazione tra i dati generati dagli strumenti di simulazione, spesso basati su equazioni fisiche, e l’intelligenza artificiale. Nel contesto ingegneristico, infatti, i tool di simulazione generano i dati necessari per creare modelli più snelli e veloci, utilizzati successivamente per applicazioni più avanzate.
Per esempio, quando una simulazione richiede troppo tempo per essere eseguita, non è adatta a sistemi che necessitano di risposte in tempo reale. In questi casi, partendo dai dati generati da simulazioni complesse, è possibile sviluppare modelli di ordine ridotto (ROM – Reduced Order Models) attraverso l’intelligenza artificiale. Tali modelli mantengono un’elevata accuratezza, ma funzionano migliaia di volte più velocemente rispetto ai modelli originali, consentendo l’applicazione in scenari che richiedono tempi di risposta rapidi. Ciò, per esempio, accade con i digital twin, in cui i modelli operano in parallelo con il sistema reale, processando dati provenienti dai sensori e fornendo risultati in tempo reale.
– Per poter eseguire tali elaborazioni serve ovviamente una dotazione hardware adeguata…
L’implementazione delle tecnologie di simulazione richiede l’uso di piattaforme di high performance computing, che ottimizzano le risorse hardware attraverso job scheduling e diagnostica automatizzata. Questo consente di sfruttare al meglio la potenza di calcolo disponibile, garantendo l’accessibilità delle risorse da diverse ubicazioni, tramite sia desktop sia cloud.
– Quali caratteristiche contraddistinguono le soluzioni proposte da Altair?
La nostra offerta si distingue per il fatto che forniamo soluzioni commerciali e non open-source, con un chiaro vantaggio competitivo legato al nostro approccio no-code o low-code. Questo significa che le nostre soluzioni non richiedono competenze di programmazione avanzate, democratizzando così l’accesso alla tecnologia AI anche a chi non è un data scientist. L’obiettivo è semplificare l’adozione delle tecnologie da parte di un ampio spettro di aziende, rendendole facili da usare e integrabili con i workflow esistenti. Le nostre soluzioni non impongono ai clienti di sostituire i loro sistemi attuali, ma sono progettate per integrarsi senza problemi con infrastrutture preesistenti, inclusi software non Altair. Un prodotto tecnologico complesso e poco fruibile non porterà benefici né a noi né ai nostri clienti.
Le nostre soluzioni sono poi agnostiche rispetto al settore di applicazione e trovano impiego in ambiti molto diversi, dalle macchine agricole agli elettrodomestici fino agli aerei. A seconda del contesto, possiamo operare direttamente con dati di test forniti dal cliente o generare simulazioni necessarie per produrre dataset utili all’addestramento di modelli di machine learning.
– C’è qualche settore o tipo di cliente che si dimostra più sensibile verso le vostre soluzioni?
Tradizionalmente, i nostri clienti principali sono grandi aziende, in grado di investire risorse significative in innovazione e ricerca. Tuttavia, la nostra missione si estende anche a piccole e medie imprese, per le quali stiamo sviluppando tecnologie di facile adozione. È cruciale che queste soluzioni richiedano un impegno minimo in termini di tempo e formazione, tipicamente ridotto a mezza giornata di training, al fine di garantire che anche le PMI possano competere nel mercato attuale.
Siamo estremamente flessibili nel nostro approccio, adattandoci al budget, alle risorse e al tempo che il cliente è disposto a investire. Possiamo lavorare su progetti in-house per il cliente o prendere in carico direttamente l’intero ciclo di sviluppo, inclusa la creazione di simulazioni, l’analisi dei risultati e il knowledge transfer per garantire che il cliente comprenda i processi adottati e possa applicarli in futuro.
– Quale supporto fornite ai vostri clienti?
Non ci limitiamo a fornire software, ma offriamo anche consulenza ingegneristica, guidando le aziende nel loro percorso di digitalizzazione. In base alle esigenze e risorse del cliente, possiamo offrire un supporto completo che va dalla formazione sull’uso dei nostri prodotti, fino alla gestione diretta di progetti specifici, compresa la creazione di simulazioni e l’analisi dei dati.
Stiamo implementando funzionalità avanzate di intelligenza artificiale generativa, simili a quelle di strumenti come ChatGPT o Microsoft Copilot, per facilitare l’interazione degli utenti con i nostri prodotti. Queste tecnologie permettono di porre domande direttamente attraverso un’interfaccia conversazionale, ricevendo risposte immediate e pertinenti, senza dover navigare in documentazione statica.
Per supportare ulteriormente l’adozione delle nostre tecnologie, collaboriamo con università e istituzioni accademiche, dove svolgiamo corsi e seminari per formare gli studenti e i professionisti del settore.
– Guardano un po’ al futuro prossimo, quali progetti avete?
Il nostro obiettivo futuro è di ristrutturare completamente il paradigma che seguiamo, passando dalla tradizionale verifica dei requisiti all’adozione di un approccio generativo, in cui i requisiti sono soddisfatti direttamente attraverso la produzione automatica di geometrie e parametri, senza necessità di loop di ottimizzazione. Questo approccio permette di ridurre significativamente il tempo necessario per il design e l’analisi ingegneristica.
