GM توسعه خودرو را با هوش مصنوعی به دو سال کاهش می‌دهد

با کمک هوش مصنوعی، شبیه‌سازی‌های آیرودینامیکی شصت ساعته به شصت ثانیه کاهش می‌یابد و جنرال موتورز هدف دارد چرخه توسعه خودرو را از چهار-پنج سال به دو سال برساند.
با کمک هوش مصنوعی، شبیه‌سازی‌های آیرودینامیکی شصت ساعته به شصت ثانیه کاهش می‌یابد و جنرال موتورز هدف دارد چرخه توسعه خودرو را از چهار-پنج سال به دو سال برساند.

این صفحه را به اشتراک بگذارید

جنرال موتورز یک مدل توسعه جدید مبتنی بر هوش مصنوعی را معرفی کرد که هدف آن کاهش زمان توسعه خودرو از چرخه سنتی چهار تا پنج ساله به حدود دو سال است. این برنامه که در دومین رویداد سالانه GM Forward در ۲۱ اکتبر در نیویورک اعلام شد، شبیه‌سازی آیرودینامیک را از ۶۰ ساعت به ۶۰ ثانیه و تحلیل سازه‌ای را از ماه‌ها به ساعت‌ها کاهش می‌دهد. این شرکت این هدف را نه به‌عنوان یک وعده توخالی، بلکه با دستاوردهای زمانی که از قبل اندازه‌گیری شده، مطرح می‌کند.

نکات برجسته

  • هدف زمان توسعه خودرو: از ۵-۴ سال به ۲ سال
  • نتایج آیرودینامیک (CFD): ۶۰ ثانیه به جای ۶۰ ساعت
  • تحلیل سازه‌ای: چند ساعت به جای ۴ ماه
  • توسعه باتری LMR: 256 ساعت آزمایشگاهی به جای 60,000 ساعت
  • افزایش سرعت تولید در مونتاژ باتری: ۳۰ درصد

برنامه اعلام‌شده در رویداد GM Forward چه وعده‌هایی می‌دهد؟

رویداد Forward که دومین دوره برگزاری آن توسط GM بود، امسال میدان اعلام تغییری بنیادین در فرهنگ مهندسی شرکت شد. جوهره اعلامیه‌ای که در ۲۱ اکتبر در نیویورک ارائه شد چنین است: چرخه توسعه خودرو از فرآیند ترتیبی سنتی چهار تا پنج ساله به حدود دو سال کاهش خواهد یافت. این روش بر ایده‌ای استوار است که جدید به نظر نمی‌رسد اما هرگز به‌طور کامل اجرا نشده بود: مهندسی هم‌زمان. تیم‌های طراحی، مهندسی و تولید از همان روز اول روی یک خط دیجیتال واحد با هم کار خواهند کرد؛ چیدمان کلاسیک امدادی که در آن طراحی به مهندسی و مهندسی به تولید تحویل داده می‌شود، کنار گذاشته می‌شود.

در مرکز این ساختار، سیستم‌های هوش مصنوعی داخلی آموزش‌دیده با داده‌های خود GM، یادگیری ماشین، مجازی‌سازی و رویکردی قرار دارد که شرکت آن را agentic engineering می‌نامد. GM این موضوع را چنین موقعیت‌یابی می‌کند که سرمایه انباشته شرکت مانند تصمیم‌های طراحی، آزمون‌های برخورد و سوابق زنجیره تأمین که طی دهه‌ها گردآوری شده، در عصر هوش مصنوعی به مزیت تبدیل شود. دیدگاهی که استرلینگ اندرسون، معاون رئیس محصولات شرکت از آن دفاع می‌کند نیز چنین است: بار داده بزرگ خودروساز نه، بلکه مزیت داده؛ و تکرار سریع یعنی محصول بهتر.

تجسم عینی این استراتژی هم مبهم نمی‌ماند. اعدادی که در رویداد به اشتراک گذاشته شد، نشان می‌دهد که هدف دوساله در واقع از کدام فرآیندها به دست خواهد آمد.

نتایج CFD از ۶۰ ساعت به ۶۰ ثانیه می‌رسد

همان‌طور که کسانی که این حوزه را از نزدیک دنبال می‌کنند به‌خوبی می‌دانند، گلوگاه واقعی در توسعه خودرو معمولاً تخیل طراح نیست، بلکه سرعت اعتبارسنجی طراحی است. GM در این نقطه چشمگیرترین مثال را از آیرودینامیک ارائه داد. رزرو نوبت در تونل باد هفته‌ها زمان می‌برد؛ و شبیه‌سازی‌های دینامیک سیالات محاسباتی سنتی، یعنی CFD، در یک اجرای واحد تا ۶۰ ساعت طول می‌کشند. در عمل این یعنی تنها یک تکرار طراحی در روز برای مهندس.

ابزار مبتنی بر یادگیری ماشین که GM با داده‌های خودش آموزش داده، دقیقاً همین‌جا وارد عمل می‌شود. ابزار ثبت‌شده‌ای با نام Themed aero نتایجی بسیار مشابه CFD را در حدود ۶۰ ثانیه تولید می‌کند. یک ایده طراحی که پیش‌تر روزی یک بار قابل آزمایش بود، اکنون می‌تواند روزی صدها بار محک زده شود. برای کسی که بیش از سی سال است این صنعت را زیر نظر دارد، این یعنی تغییر ماهیت کار: آیرودینامیک دیگر یک فرایند تأیید ترتیبی نیست، بلکه یک ابزار طراحی با بازخورد آنی است.

دستاوردها در تحلیل سازه‌ای و باتری LMR

Dört ay süren yapısal analizler yapay zekâ ile birkaç saate, 60 saatlik aerodinamik simülasyonlar ise bir dakikaya iniyor.

آیرودینامیک به‌تنهایی نیست. دستاوردهای زمانی که GM با اعداد نشان داده است، تقریباً همه مراحل توسعه را در بر می‌گیرد. بر اساس داده‌های منتشرشده، یادگیری ماشین می‌تواند برای مثال تحلیل خردشدن سقف را از محاسباتی که 8 تا 40 ساعت طول می‌کشید به کمتر از 5 دقیقه برساند. تحلیل‌های سازه‌ای که در فرایند سنتی چهار ماه طول می‌کشیدند - سختی جلوبندی، استانداردهای دینامیکی، الزامات دوام - در فرایند جدید هوش مصنوعی در چند ساعت حل می‌شوند.

فرایندزمان سنتیزمان جدید
چرخه توسعه خودرو4-5 سالحدود 2 سال (هدف)
شبیه‌سازی آیرودینامیک CFDتا 60 ساعتحدود 60 ثانیه
تحلیل سازه‌ای4 ماهچند ساعت
تحلیل خردشدن سقف8-40 ساعتکمتر از 5 دقیقه
توسعه باتری LMRبیش از 60.000 ساعت آزمایشگاهی256 ساعت آزمایشگاهی
پک LMR: از مفهوم تا تأیید برنامه-1 ماه

باتری LMR: 300.000 طراحی، یک نمونه اولیه

شاید تأثیرگذارترین نمونه در حوزه باتری باشد. توسعه باتری LMR (غنی از لیتیم-منگنز) که بدون کبالت است و در مقایسه با شیمی LFP چگالی انرژی حدود 33 درصد بالاتری ارائه می‌دهد، به لطف مدل‌سازی در سطح مولکولی و یادگیری ماشین، از کاری که به‌طور معمول به بیش از 60.000 ساعت آزمایشگاهی نیاز داشت به 256 ساعت آزمایشگاهی رسید. GM بیش از 300.000 طراحی باتری را به‌صورت مجازی پیش از ساخت نمونه اولیه فیزیکی آزمایش کرد و نخستین پک LMR در یک ماه از مفهوم به تأیید رسمی برنامه رسید. همان‌طور که سپتامبر گذشته اعلام شد، سلول‌های LMR برای نخستین بار در جهان در تأسیسات Spring Hill در تنسی که با مشارکت LG Energy Solution بازتجهیز شده، در مقیاس تولید خواهند شد.

دقت موتور V8 سیلورادو و درس Corvette ZR1

این تصور نادرست است که مهندسی مجازی فقط در بخش خودروهای برقی کاربرد دارد. موتور 6.6 لیتری V8 Chevrolet Silverado 2027 در یک‌سوم زمان توسعه معمول یک موتور و با 80 درصد هزینه نمونه‌سازی توسعه یافت. مدرک دقت اما از Corvette ZR1 آمد: مهندسی مجازی سرعت آزمایشی 233 مایل بر ساعت را پیش‌بینی کرده بود؛ کالیبراسیون همان روز بازنویسی شد، روز بعد به تیم آزمایش ارسال شد و خودرو واقعاً به 233 مایل بر ساعت رسید. انحراف یک مایل بر ساعت، در این مقیاس دقت چشمگیری است.

سی درصد وعده داده‌شده در خط تولید

GM که می‌داند کوتاه کردن زمان توسعه به‌تنهایی کافی نیست، بخش تولید استراتژی را نیز به‌روشنی تعریف می‌کند. در عملکردهای رباتیک مانند پرس‌کاری، ریخته‌گری، جوشکاری، رنگ و مونتاژ بهبودهای مبتنی بر هوش مصنوعی انجام خواهد شد؛ در مونتاژ باتری وعده سی درصد تسریع داده شده است. پلتفرم PlantBrAIn این شرکت هدف دارد بسته‌های باتری را با این میزان سریع‌تر در خط تولید عبور دهد. اینکه خودرویی در دو سال طراحی شود اما به دلیل یک خط کند، دو سال و نیم بعد به جاده‌ها برسد، تناقضی است که زمان به‌دست‌آمده را هدر خواهد داد؛ GM به نظر می‌رسد این حلقه را نیز بسته است.

آیا این شتاب‌گیری حرکتی در برابر خودروسازان چینی است؟

پرسیدنی که پس از اعلام، بیش از همه مطرح شد. ریتم خودروسازان چینی که خودروهای متصل را سریع و با هزینه کم به بازار عرضه می‌کنند، مدت‌هاست برای خودروسازان باتجربه غربی مسئله بوده است؛ این تفسیر که تلاش GM برای شتاب‌گیری پاسخی مستقیم به این رقابت است، رایج است. این چارچوب بی‌پایه هم نیست: چرخه دو ساله، GM را به میزان قابل توجهی به سرعت تولید رقبای چینی نزدیک می‌کند.

با این حال، Stephanie Brinley از Mobility Global، از تحلیلگران صنعت، برداشت متفاوتی دارد. به گفته او، این حرکت واکنشی به تهدید چین نیست، بلکه مرحله‌ای از تحول بهره‌وری است که GM سال‌هاست دنبال می‌کند؛ سرعت به‌دست‌آمده، توان رقابتی را در برابر هر رقیبی افزایش خواهد داد. زمان‌بندی هم به‌تنهایی تئوری چین را تأیید نمی‌کند: اعلام، یک روز پس از اعلام آنکه نتایج سه‌ماهه سوم شرکت انتظارات Wall Street را برآورده کرده است، منتشر شد.

در سمت اجرا نیز هنوز نکات ناشناخته‌ای وجود دارد. GM هنوز اعلام نکرده است که فرآیند دوساله دقیقاً چه زمانی فعال می‌شود و به کدام مدل مرتبط خواهد بود؛ گفته می‌شود پشت این هدف، کاهش هزینه تجهیزات و پیچیدگی قرار دارد. این ابهام، برای کسانی که فاصله میان هدف و محصول مشخص را کنجکاوانه دنبال می‌کنند، تردیدی موجه است.

سایر عناوین رویداد: رایانه مرکزی، رانندگی با چشم آزاد و OnStar AI

توسعه با هوش مصنوعی تنها موضوع رویداد Forward نبود. GM همچنین معماری جدیدی را معرفی کرد که با یک واحد محاسبات مرکزی (CCU) جدید، ۴۰ برابر توان پردازش به ازای هر خودرو، ۳۰ درصد سیم‌کشی کمتر و اتصال سلولی تا ۵۰ برابر سریع‌تر را وعده می‌دهد. پلتفرم چهارم EV با عناوینی مانند آیرودینامیک ۲۵ درصد بهتر، ساختار ۱۵ درصد سبک‌تر، بسته باتری ۲۰ درصد فشرده‌تر، شیمی LMR و جریان دوسویه انرژی معرفی شد.

در بخش محصولات، سیستم رانندگی خودکارِ چشم آزاد که در سال 2028 با Cadillac ESCALADE IQ عرضه خواهد شد و دستیار هوش مصنوعی OnStar که از سال 2027 با به‌روزرسانی بی‌سیم روی Cadillac LYRIQ آغاز می‌شود، معرفی شدند. بیان شد که گزینه‌های دستیار فعلی - از جمله Google Gemini - همچنان به‌عنوان گزینه باقی می‌مانند و دستیار جدید جایگزینی برای آنها خواهد بود.

ارزیابی: سرعت یک هدف نیست، فرآیندی است که با اندازه‌گیری پیش می‌رود

در تاریخ خودروسازی، وعده‌های کوتاه کردن زمان توسعه همیشه وجود داشته است؛ چرخه‌های دوساله روی کاغذ همیشه موجود بودند. آنچه این اعلام GM را متفاوت می‌کند، پشتوانه داشتن این ادعا با دستاوردهای زمانی که هم‌اکنون محقق شده‌اند است. شبیه‌سازی آیرودینامیکی ۶۰ ثانیه‌ای، تأیید باتری در یک ماه، توسعه V8 در یک‌سوم زمان - این‌ها هدف نیستند، نتایج اندازه‌گیری‌شده هستند. اما اینکه چرخه کامل دوساله چه زمانی و با کدام مدل محقق خواهد شد، هنوز اعلام نشده است. کسانی که سال‌هاست این صنعت را دنبال می‌کنند می‌دانند: تغییر در فرهنگ مهندسی نه در سالن اعلام، بلکه در خط تولید انبوه آزموده می‌شود. GM در سمت خود امتیاز شروع قدرتمندی دارد؛ بقیه‌اش را جاده‌ها نشان خواهند داد.

منابع