GM利用人工智能将车辆开发周期缩短至两年
分享此页面
通用汽车宣布了一项全新的人工智能驱动开发模式,目标是将车辆开发周期从传统的四至五年缩短至约两年. 该计划于10月21日在纽约举行的第二届年度GM Forward活动上公布,可将空气动力学仿真时间从60小时缩短至60秒,结构分析时间从数月缩短至数小时. 公司并非以空洞的承诺提出这一目标,而是用已经实测过的耗时缩减来加以证明.
亮点
- 车辆开发周期目标: 从4-5年缩短至2年
- 空气动力学(CFD)结果: 60秒而非60小时
- 结构分析: 数小时而非4个月
- LMR电池开发: 256小时而非60,000实验室工时
- 电池装配生产提速: 30%
GM Forward活动上公布的计划有哪些承诺?
GM第二次举办的Forward活动,今年成为了公司工程文化发生深刻变革的宣言舞台. 10月21日在纽约公布的内容核心如下: 车辆开发周期将从传统的四至五年串行流程缩短至约两年. 这一方法基于一个看似并不新颖、却从未被完整实施过的构想: 同步工程. 设计、工程与制造团队从第一天起就在同一条数字化直线上协同工作; 经典的接力赛式流程——设计交给工程、工程交给制造——将被摒弃.
这一模式的中心,是用GM自有数据训练的内部人工智能系统、机器学习、虚拟化,以及公司称之为 agentic engineering 的方法. GM将此定位为其数十年积累的设计决策、碰撞测试和供应链历史等企业积淀,在人工智能时代转化为优势. 公司产品副总裁Sterling Anderson所持的观点也是如此: 这家大型汽车制造商拥有的不是数据负担,而是数据优势; 快速迭代则意味着更好的产品.
这一战略的具体成效也并不含糊. 活动中公布的数据逐项展示了两年这一目标究竟将从哪些环节中节省出来.
CFD结果从60小时降至60秒
密切关注这一领域的人很快就会明白,车辆开发中真正的瓶颈通常不是设计师的想象力,而是设计验证的速度. 在这一点上,GM给出了空气动力学方面最引人注目的例子. 在风洞预约需要数周时间; 传统的计算流体动力学(CFD)仿真,单次运行则可能需要 长达60小时. 实际上,这意味着工程师每天只能进行一次设计迭代.
GM以其自有数据训练的机器学习工具,正是在这里发挥作用. 这款名为 Themed aero 的专有工具,能在约 60秒内 生成与CFD惊人相似的结果. 过去每天只能测试一次的设计创意,如今每天可以测试数百次. 对于关注这个行业三十多年的人来说,这意味着工作的性质已经改变: 空气动力学不再是一个顺序式的审批流程,而是一种能获得即时反馈的设计工具.
结构分析与LMR电池方面的成果
不仅仅是空气动力学. GM以数字呈现的时间节省,几乎覆盖了开发的每一个阶段. 根据公布的数据,机器学习可以将车顶挤压分析从需要8-40小时的计算缩短至5分钟以内. 传统流程中需要四个月的结构分析——前部刚度、动态标准、耐久性要求——在新的AI流程中几个小时就能解决.
| 流程 | 传统耗时 | 新耗时 |
|---|---|---|
| 车辆开发周期 | 4-5年 | 约2年(目标) |
| CFD空气动力学仿真 | 长达60小时 | 约60秒 |
| 结构分析 | 4个月 | 几个小时 |
| 车顶挤压分析 | 8-40小时 | 5分钟以内 |
| LMR电池开发 | 60,000+实验小时 | 256实验小时 |
| LMR电池包: 从概念到项目批准 | - | 1个月 |
LMR电池: 300,000种设计,单个原型
也许最令人印象深刻的例子是在电池方面. 不含钴、相比LFP化学体系能量密度高出约33%的 LMR (富锂锰)电池,得益于分子级建模和机器学习,其开发从通常需要 6万以上实验小时 的工作缩短至 256个实验小时. GM在制造物理原型之前对超过300,000种电池设计进行了虚拟测试,首个LMR电池包从概念到正式项目批准仅用了一个月. 正如去年9月宣布的那样,LMR电芯将在位于田纳西州Spring Hill、经LG Energy Solution合作关系重新装备的工厂实现全球首次规模化生产.
Silverado的V8与Corvette ZR1验证的精准度
认为虚拟工程只在电动车领域有用,是错误的. 2027款Chevrolet Silverado的6.6升V8发动机,开发周期仅为典型发动机的三分之一,原型制作成本降低了80%. 精准度方面的证明则来自Corvette ZR1: 虚拟工程预测了233 mph的测试速度; 校准当天重写,次日即提交给测试团队,车辆最终确实达到了233 mph. 仅1 mph的偏差,在这个规模上是惊人的准确度.
生产线上承诺的30%
深知仅缩短开发时间并不足够的GM,也明确定义了该战略的生产环节. 冲压、铸造、焊接、涂装和总装等机器人环节将进行人工智能支持的改进; 电池装配环节则承诺提速30%. 该公司的PlantBrAIn平台的目标是以这一速度在生产线上更快地完成电池包的生产. 一辆花两年时间设计的汽车,却因为缓慢的生产线要用两年半才能上路,这将是一个让节省下来的时间付诸东流的矛盾; GM看来已经补上了这个环节.
这一提速是否是针对中国制造商的一步棋?
这是公告发布后讨论最多的问题. 以快速且低成本将联网汽车推向市场的中国制造商的节奏,长期以来一直是老牌西方制造商的难题; 人们普遍认为,GM寻求提速正是对这场竞赛的直接回应. 这一背景并非空穴来风: 两年周期将达到使GM显著接近中国竞争对手生产速度的水平.
不过,行业分析机构Mobility Global的Stephanie Brinley对此有不同解读. 在她看来,此举并非对中国威胁的回应,而是GM多年来持续推进的效率演进的一个阶段; 所获得的速度提升将增强其对所有竞争对手的竞争力. 这一时间点本身也并不能单独证实中国论: 这一消息是在该公司宣布其第三季度业绩符合华尔街预期的次日发布的.
在实施层面,仍存在未知之处. GM尚未说明两年周期将于何时正式启用以及与哪款车型相关; 据称,这一目标的背后是降低设备成本和复杂性的考量. 对于好奇这一目标在公告与实际产品之间还有多远的人来说,这种不确定性是一个合理的疑虑.
活动的其他要点: 中央计算机、免眼驾驶和OnStar AI
人工智能驱动的开发并不是Forward活动的唯一主题. GM还推出了一种新的中央计算单元(CCU)架构,承诺每辆车40倍的处理能力、减少30%的线束,以及最高50倍的蜂窝连接速度. 第四代EV平台带来了提升25%的空气动力学性能、减轻15%的车身结构、缩小20%的电池包、LMR化学体系以及双向能量流动等亮点.
产品方面,宣布了将于2028年随Cadillac ESCALADE IQ首次亮相的免眼驾驶系统,以及从2027款Cadillac LYRIQ的无线更新开始启用的OnStar AI Assistant. 据称,现有的助手选项——包括Google Gemini——仍将作为选项保留,新助手将成为它们的替代方案.
评价: 速度不是目标,而是循序渐进的过程
在汽车行业历史上,缩短开发周期的承诺屡见不鲜; 纸面上的两年周期一直都有. GM这次公告的不同之处在于,这一主张得到了已经实现的效率提升的支持. 60秒的空气动力学仿真、一个月的电池验证、以三分之一时间开发的V8发动机——这些不是目标,而是实测结果. 至于完整的两年周期将于何时实现以及伴随哪款车型,目前尚未公布. 多年来关注这个行业的人都知道: 工程文化的变革,不是在发布大厅里,而是在量产线上接受检验. GM这边已经拿到了很高的起始分; 剩下的就交给时间来证明了.