GM Memangkas Pengembangan Kendaraan Menjadi Dua Tahun dengan AI

General Motors mengumumkan model pengembangan baru berbasis kecerdasan buatan yang bertujuan memangkas waktu pengembangan kendaraan dari siklus tradisional empat-lima tahun menjadi sekitar dua tahun. Program yang diumumkan pada acara GM Forward tahunan kedua yang digelar di New York pada 21 Oktober memangkas simulasi aerodinamika dari 60 jam menjadi 60 detik, dan analisis struktural dari bulan menjadi jam. Perusahaan tidak mempresentasikan target ini sebagai janji kosong, melainkan dengan penghematan waktu yang sudah terukur.

Apa yang dijanjikan oleh rencana yang diumumkan pada acara GM Forward?

Acara Forward kedua yang diselenggarakan GM tahun ini menjadi panggung bagi pengumuman perubahan mendasar dalam budaya rekayasa perusahaan. Inti dari pengumuman yang dibuat di New York pada 21 Oktober adalah: siklus pengembangan kendaraan akan dipangkas dari proses berurutan tradisional empat-lima tahun menjadi sekitar dua tahun. Metodenya berlandaskan pada sebuah gagasan yang tampaknya bukan baru, tetapi belum pernah diterapkan sepenuhnya: rekayasa serentak. Tim desain, rekayasa, dan produksi akan bekerja bersama di satu jalur digital sejak hari pertama; susunan estafet klasik di mana desain diserahkan ke rekayasa, dan rekayasa ke produksi, ditinggalkan.

Di tengah susunan ini terdapat sistem kecerdasan buatan internal yang dilatih dengan data milik GM sendiri, machine learning, virtualisasi, dan pendekatan yang perusahaan sebut sebagai agentic engineering. GM memposisikan ini sebagai keunggulan di era kecerdasan buatan dari akumulasi korporat seperti keputusan desain, uji tabrak, dan riwayat rantai pasok yang telah dikumpulkan selama puluhan tahun. Begitu pula pandangan yang diperjuangkan wakil presiden produk perusahaan, Sterling Anderson: bukan beban data, melainkan keunggulan data bagi pabrikan mobil besar ini; dan iterasi yang cepat berarti produk yang lebih baik.

Wujud nyata dari strategi ini juga tidak menggantung. Angka-angka yang dibagikan pada acara tersebut menunjukkan poin demi poin proses apa saja yang sesungguhnya menghasilkan penghematan untuk target dua tahun ini.

Hasil CFD turun dari 60 jam menjadi 60 detik

Sebagaimana langsung dipahami oleh mereka yang mengikuti bidang ini dari dekat, hambatan sesungguhnya dalam pengembangan kendaraan biasanya bukan imajinasi sang desainer, melainkan kecepatan validasi desain. GM memberikan contoh paling mencolok di titik ini dari bidang aerodinamika. Mendapatkan jadwal di terowongan angin butuh waktu berminggu-minggu; sedangkan computational fluid dynamics tradisional, yaitu simulasi CFD, memakan waktu hingga 60 jam dalam satu kali proses. Dalam praktiknya, ini berarti hanya satu iterasi desain per hari bagi seorang insinyur.

Di sinilah alat berbasis machine learning yang dilatih GM dengan datanya sendiri berperan. Alat berhak paten bernama Themed aero ini menghasilkan hasil yang secara mencolok mirip dengan CFD hanya dalam sekitar 60 detik. Sebuah gagasan desain yang dulu hanya bisa diuji sekali sehari, kini dapat diuji ratusan kali sehari. Bagi seseorang yang telah mengamati industri ini selama lebih dari tiga puluh tahun, ini berarti hakikat pekerjaannya berubah: aerodinamika bukan lagi proses persetujuan berurutan, melainkan alat desain yang memberikan umpan balik secara langsung.

Keuntungan pada analisis struktural dan baterai LMR

Bukan hanya aerodinamika saja. Keuntungan waktu yang ditunjukkan GM dengan angka mencakup hampir setiap tahap pengembangan. Menurut data yang dipublikasikan, machine learning misalnya dapat memangkas analisis crush atap dari perhitungan yang memakan waktu 8-40 jam menjadi di bawah 5 menit. Analisis struktural yang dalam proses tradisional memakan waktu empat bulan - kekakuan bagian depan, standar dinamis, persyaratan daya tahan - diselesaikan dalam beberapa jam dengan proses AI yang baru.

Baterai LMR: 300.000 desain, satu prototipe

Mungkin contoh paling mengesankan ada di sisi baterai. Pengembangan baterai LMR (kaya lithium-manganese) yang bebas kobalt dan menawarkan kepadatan energi sekitar 33 persen lebih tinggi dibanding kimia LFP, berkat pemodelan tingkat molekuler dan machine learning, turun dari pekerjaan yang biasanya membutuhkan lebih dari 60.000 jam lab menjadi hanya 256 jam lab. GM menguji lebih dari 300.000 desain baterai secara virtual sebelum prototipe fisik dibuat, dan paket LMR pertama mencapai persetujuan program resmi dari konsep dalam waktu satu bulan. Sebagaimana diumumkan pada September lalu, sel LMR akan diproduksi secara skala penuh untuk pertama kalinya di dunia di fasilitas Spring Hill, Tennessee yang dilengkapi kembali melalui kemitraan dengan LG Energy Solution.

V8 Silverado dan presisi Corvette ZR1 yang memberi pelajaran

Akan keliru jika mengira rekayasa virtual hanya bermanfaat di sisi EV. Mesin V8 6,6 liter pada Chevrolet Silverado 2027 dikembangkan dalam sepertiga waktu pengembangan mesin pada umumnya, dan dengan biaya prototipe sekitar 80 persen lebih hemat. Bukti di sisi presisi justru datang dari Corvette ZR1: rekayasa virtual memprediksi kecepatan uji 233 mph; kalibrasi ditulis ulang pada hari yang sama dan dikirim ke tim uji keesokan harinya, dan kendaraan benar-benar mencapai 233 mph. Selisih satu mph merupakan tingkat akurasi yang sangat mengesankan pada skala ini.

Janji 30 persen di lini produksi

Menyadari bahwa memperpendek waktu pengembangan saja tidak cukup, GM secara gamblang mendefinisikan sisi produksi dari strategi ini. Peningkatan berbantuan AI akan dilakukan pada fungsi-fungsi robotik seperti stamping, pengecoran, pengelasan, pengecatan, dan perakitan; di perakitan baterai dijanjikan percepatan sebesar 30 persen. Platform PlantBrAIn milik perusahaan ini bertujuan mempercepat proses paket baterai di lini produksi sebesar angka tersebut. Adalah kontradiksi jika kendaraan yang dirancang dalam dua tahun harus menunggu dua setengah tahun untuk mengaspal karena lini produksi yang lambat, sehingga menghabiskan waktu yang telah dihemat; GM tampaknya telah menutup mata rantai tersebut.

Apakah percepatan ini merupakan langkah melawan produsen Tiongkok?

Itulah pertanyaan yang paling banyak diperdebatkan setelah pengumuman ini. Tempo produsen Tiongkok yang meluncurkan kendaraan terhubung secara cepat dan dengan biaya rendah telah lama menjadi masalah bagi produsen Barat mapan; Komentar yang umum dikemukakan adalah bahwa upaya GM untuk mempercepat diri merupakan respons langsung terhadap perlombaan ini. Kerangka tersebut memang tidak kosong: siklus dua tahun membawa GM secara signifikan mendekati kecepatan produksi pesaing-pesaingnya dari Tiongkok.

Namun analis industri Stephanie Brinley dari Mobility Global membacanya secara berbeda. Menurutnya, langkah ini bukanlah respons terhadap ancaman Tiongkok, melainkan tahapan dari evolusi efisiensi yang telah dijalankan GM selama bertahun-tahun; kecepatan yang dicapai akan meningkatkan daya saingnya melawan setiap pesaing. Pengaturan waktu pun tidak sendirian membenarkan tesis Tiongkok: pengumuman itu datang sehari setelah perusahaan mengumumkan bahwa hasil kuartal ketiganya memenuhi ekspektasi Wall Street.

Di sisi penerapan, masih ada yang belum diketahui. GM belum menjelaskan kapan proses dua tahun ini akan benar-benar berlaku dan dengan model apa program ini terkait; disebutkan bahwa di balik target tersebut terdapat pengurangan biaya perangkat dan kompleksitas. Ketidakpastian ini merupakan keraguan yang beralasan bagi mereka yang bertanya-tanya tentang jarak antara target dan produk konkret dalam pengumuman tersebut.

Judul-judul lain dari acara tersebut: komputer terpusat, hands-free driving, dan OnStar AI

Pengembangan berbasis kecerdasan buatan bukanlah satu-satunya topik dalam acara Forward. GM juga memperkenalkan arsitektur baru dengan unit komputasi terpusat (CCU) yang menjanjikan tenaga pemrosesan 40 kali lipat per kendaraan, kabel 30 persen lebih sedikit, dan koneksi seluler hingga 50 kali lebih cepat. Platform EV generasi keempat hadir dengan aerodinamika 25 persen lebih baik, struktur 15 persen lebih ringan, paket baterai 20 persen lebih ringkas, kimia LMR, dan aliran energi dua arah.

Di sisi produk, diumumkan sistem hands-free driving yang akan debut dengan Cadillac ESCALADE IQ pada 2028 dan OnStar AI Assistant yang akan dimulai dengan pembaruan nirkabel pada Cadillac LYRIQ 2027. Disebutkan bahwa opsi asisten yang tersedia saat ini - termasuk Google Gemini - akan tetap sebagai pilihan, dan asisten baru akan menjadi alternatif bagi mereka.

Penilaian: kecepatan bukanlah tujuan, melainkan proses yang berjalan secara terukur

Dalam sejarah otomotif, janji untuk mempersingkat waktu pengembangan selalu ada; siklus dua tahun di atas kertas selalu ada. Yang membedakan pengumuman GM ini adalah klaim tersebut didukung oleh penghematan waktu yang sudah terwujud. Simulasi aerodinamika 60 detik, persetujuan baterai dalam satu bulan, V8 yang dikembangkan dalam sepertiga waktu - itu bukan target, melainkan hasil yang terukur. Namanya kapan siklus penuh dua tahun akan terjadi kapan dan dengan model apa masih belum diumumkan. Mereka yang telah memantau industri ini selama bertahun-tahun tahu: perubahan dalam budaya rekayasa tidak diuji di ruang pengumuman, melainkan di lini produksi massal. Di sisi GM ada modal awal yang kuat; sisanya akan ditentukan oleh jalan di depan.

Sumber

• GM Forward: Merekayasa kendaraan yang didefinisikan oleh kecerdasan untuk semua orang
• Bagaimana General Motors Berencana Mempercepat Pengembangan Kendaraan Menggunakan A.I. - Road & Track
• GM mengandalkan AI untuk memangkas waktu pengembangan kendaraan - Detroit Free Press
• GM berupaya mengembangkan kendaraan hanya dalam dua tahun dengan AI - CNBC
• GM mensimulasikan 300.000 desain baterai EV sebelum membangun satu pun prototipe - Fortune