A GM mesterséges intelligenciával két évre csökkenti a járműfejlesztést

A General Motors bejelentett egy új, mesterséges intelligencia által támogatott fejlesztési modellt, amelynek célja, hogy a járműfejlesztési időt a hagyományos négy-öt éves ciklusról körülbelül két évre csökkentse. A programot október 21-én, New Yorkban rendezték meg a második éves GM Forward eseményen; az aerodinamikai szimulációt 60 óráról 60 másodpercre, a szerkezeti elemzést pedig hónapokról órákra rövidíti. A vállalat ezt a célt nem üres ígéretként, hanem már mért időmegtakarításokkal mutatja be.

Mit ígér a GM Forward eseményen bejelentett terv?

A GM által második alkalommal megrendezett Forward esemény idén a vállalat mérnöki kultúrájában bekövetkező gyökeres változás bejelentésének színtere lett. Az október 21-én New Yorkban tett bejelentés lényege a következő: a járműfejlesztési ciklust a hagyományos négy-öt éves szekvenciális folyamatról körülbelül két évre kívánják leszorítani. A módszer egy olyan ötleten alapul, amely nem tűnik újnak, de soha nem alkalmazták teljes mértékben: az egyidejű mérnöki tervezés. A tervező, mérnöki és gyártó csapatok már az első naptól kezdve egyetlen digitális vonalon dolgoznak majd együtt; elhagyják a klasszikus váltófutás-rendet, amelyben a tervezés a mérnöknek, a mérnökség a gyártásnak adja tovább a munkát.

Ennek a rendszernek a középpontjában a GM saját adataival betanított belső mesterséges intelligencia rendszerei, a gépi tanulás, a virtualizáció és az agentic engineering nevű megközelítés állnak. A GM ezt úgy pozicionálja, hogy a vállalat évtizedek során felhalmozott tudása - a tervezési döntések, töréstesztek és ellátási lánc múltja - a mesterséges intelligencia korában előnnyé alakul. A vállalat termékfejlesztési alelnöke, Sterling Anderson ugyanezt a nézetet vallja: a nagy autógyártó számára nem az adatterhelés, hanem az adatelőny számít; a gyors iteráció pedig jobb terméket jelent.

Ennek a stratégiának a konkrét megvalósulása sem marad bizonytalanságban. Az eseményen közölt számok tételenként mutatják be, hogy a két éves cél a valóságban mely folyamatokból nyerhető el.

A CFD eredmények 60 óráról 60 másodpercre csökkennek

Ahogyan azt a területet közelről követők azonnal felismerik, a járműfejlesztés valódi szűk keresztmetszete általában nem a tervező képzelete, hanem a terv ellenőrzésének sebessége. A GM ezen a ponton a leglátványosabb példát az aerodinamikából adta. Időpontot kapni a szélcsatornába hetekbe telik; a hagyományos numerikus áramlástan, vagyis a CFD szimulációk pedig egyetlen futásnál akár 60 óráig is eltarthatnak. A gyakorlatban ez azt jelenti, hogy a mérnöknek naponta csak egy tervezési iteráció jut.

Itt lép be a képbe a GM által saját adataival betanított, gépi tanuláson alapuló eszköz. A Themed aero nevű szabadalmaztatott eszköz a CFD-vel meglepően hasonló eredményeket körülbelül 60 másodperc alatt állít elő. Régen naponta egyszer lehetett próbálni egy tervezési ötletet, ma naponta többszázszor tesztelhető. Egy több mint harminc éve ezt a szektort figyelő ember számára ez azt jelenti, hogy a munka jellege megváltozott: az aerodinamika már nem szekvenciális jóváhagyási folyamat, hanem azonnali visszajelzést adó tervezőeszköz.

Nyíróerő-elemzési és LMR akkumulátorral elért eredmények

Az aerodinamika nem egyedül áll. A GM által számokkal alátámasztott időmegtakarítások a fejlesztés szinte minden szakaszára kiterjednek. A közzétett adatok szerint a gépi tanulás például a tetőráncosodási elemzést a 8-40 órát igénylő számításokról 5 perc alá csökkentheti. A hagyományos folyamatban négy hónapot igénylő szerkezeti elemzések - az első tengely merevsége, a dinamikai szabványok, a tartóssági követelmények - az új mesterséges intelligencia alapú folyamatban néhány óra alatt megoldódnak.

LMR akkumulátor: 300.000 terv, egyetlen prototípus

Talán a leglenyűgözőbb példa az akkumulátor oldalon található. A LMR (lítium-mangánban gazdag) akkumulátor, amely kobaltmentes, és az LFP kémiához képest körülbelül 33 százalékkal magasabb energiasűrűséget kínál, fejlesztése a molekuláris szintű modellezésnek és a gépi tanulásnak köszönhetően egy jellemzően 60.000-nál több laboratóriumi órát igénylő feladatról 256 laboratóriumi órára csökkent. A GM több mint 300.000 akkumulátortervet tesztelt virtuálisan, mielőtt fizikai prototípus készült volna, és az első LMR csomag egy hónap alatt jutott el a koncepciótól a hivatalos program-jóváhagyásig. A múlt szeptemberében bejelentettek szerint az LMR cellák a Tennessee állambeli Spring Hill-i, az LG Energy Solution partnerséggel újrafelszerelt üzemben világszinten elsőként, nagy mennyiségben fognak készülni.

A Silverado V8-asa és a Corvette ZR1 által tanúsított pontosság

Hibás lenne azt hinni, hogy a virtuális mérnökség csak az EV oldalon hasznos. A 2027-es Chevrolet Silverado 6,6 literes V8 motorát a jellemző fejlesztési idő egyharmada alatt fejlesztették ki, a prototípuskészítési költség pedig 80 százalékával csökkent. A pontosság oldaláról érkező bizonyíték a Corvette ZR1-től származik: a virtuális mérnökség egy 233 mph-s tesztsebességet jósolt; a kalibrációt még aznap újraírták, másnap elküldték a tesztcsapatnak, és a jármű ténylegesen elérte a 233 mph-t. Egy mph-s eltérés ezen a skálán figyelemre méltó pontosság.

A gyártósoron ígért 30 százalék

A GM, aki tudja, hogy a fejlesztési idő csökkentése önmagában nem elegendő, a stratégia gyártási lábát is egyértelműen meghatározza. A lemezalakítás, öntés, hegesztés, festés és szerelés robotikai funkcióiban mesterséges intelligencia által támogatott fejlesztések lesznek; az akkumulátor szerelésében 30 százalékos gyorsulást ígérnek. A vállalat PlantBrAIn platformja azt célozza, hogy az akkumulátorcsomagokat ezzel a mértékkel gyorsabban juttassa át a gyártósoron. Két év alatt megtervezett járműnek egy lassú sor miatt két és fél év múlva az utakra kerülnie ellentmondás lenne, amely elvesztegetné a megszerzett időt; a GM úgy tűnik, ezt a láncszemet is bezárta.

E gyorsulás lépés-e a kínai gyártók ellen?

Ez lett a bejelentést követően a leginkább vitatott kérdés. A gyorsan és alacsony költséggel csatlakoztatott járműveket piacra dobó kínai gyártók tempója már régóta probléma a bevezetett nyugati gyártók számára; széles körben úgy értelmezik, hogy a GM gyorsulási törekvése közvetlen válasz erre a versenyre. E keret nem üres: a két éves ciklus a kínai versenytársak gyártási sebességéhez mérhetően jelentősen közelebb hozná a GM-et.

A szektorelemzők közül azonban Stephanie Brinley a Mobility Global-től másképp olvassa a helyzetet. Szerinte ez a lépés nem a kínai fenyegetésre adott válasz, hanem a GM évek óta folytatott hatékonysági fejlődésének egy szakasza; a megszerzett sebesség a versenyképességet minden riválissal szemben növelni fogja. Az időzítés önmagában nem igazolja a kínai tézist sem: a bejelentés egy nappal azután érkezett, hogy bejelentették, a vállalat harmadik negyedéves eredményei teljesítették a Wall Street elvárásait.

A megvalósítás oldalán még mindig akadnak ismeretlenek. A GM még nem jelentette be, hogy a két éves folyamat pontosan mikor lép életbe, és melyik modellhez kapcsolódik; a cél mögött az eszközköltség és a bonyolultság csökkentése áll, ahogy említik. Ez a bizonytalanság megalapozott kételyek azok számára, akik kíváncsiak a cél és a bejelentés, illetve a konkrét termék közötti távolságra.

Az esemény további témái: központi számítógép, kezeket-mentes vezetés és OnStar AI

A mesterséges intelligencia által támogatott fejlesztés nem volt a Forward esemény egyetlen témája. A GM bemutatott egy új architektúrát is, amely egy új központi számítási egységgel (CCU) járművenként 40-szeres számítási teljesítményt, 30 százalékkal kevesebb kábelt és akár 50-szer gyorsabb mobilkapcsolatot ígér. A negyedik generációs EV platform 25 százalékkal jobb aerodinamikával, 15 százalékkal könnyebb szerkezettel, 20 százalékkal kompaktabb akkumulátorcsomaggal, LMR kémiával és kétirányú energiaáramlással érkezett.

A termékoldalon bejelentették a 2028-ban a Cadillac ESCALADE IQ -val debütáló kezeket-mentes vezetési rendszert, valamint az OnStar AI Assistant-t, amely 2027-től a Cadillac LYRIQ-ban vezeték nélküli frissítéssel indul. Közölték, hogy a jelenlegi asszisztens lehetőségek - a Google Gemini-t is beleértve - lehetőségként a helyükön maradnak, az új asszisztens pedig alternatívát kínál majd ezekhez.

Értékelés: a sebesség nem cél, hanem mértékben haladó folyamat

Az autóipar történetében mindig is voltak ígéretek a fejlesztési idő rövidítésére; a papíron két éves ciklusok mindig is léteztek. Amit a GM bejelentését mássá tesz, az az, hogy az állítást már megvalósult időmegtakarítások támasztják alá. A 60 másodperces aerodinamikai szimuláció, az egy hónapos akkumulátor-jóváhagyás, a harmadannyi idő alatt fejlesztett V8 - ezek nem célok, hanem mért eredmények. Hogy a két éves teljes ciklus mikor és melyik modellel valósul meg, egyelőre nem tudható. Aki évek óta követi ezt az iparágat, tudja: a mérnöki kultúra változása nem a bejelentési teremben, hanem a sorozatgyártó soron próbáltatik ki. A GM oldalán erős kezdőpont áll; a többit majd az utak mutatják meg.

Források

• GM Forward: Mindenki számára elérhető, intelligencia által meghatározott jármű tervezése
• Hogyan gyorsítja fel a General Motors a járműfejlesztést mesterséges intelligenciával - Road & Track
• A GM mesterséges intelligenciához fordul, hogy csökkentse a járműfejlesztési időt - Detroit Free Press
• A GM mesterséges intelligencia segítségével akár két év alatt fejlesztené ki járműveit - CNBC
• A GM 300 000 elektromos akkumulátor-tervet szimulált, mielőtt egyetlen prototípust elkészített volna - Fortune