GM Skraca Rozwój Pojazdów Do Dwóch Lat Dzięki Sztucznej Inteligencji

General Motors ogłosiło nowy model rozwoju wspierany sztuczną inteligencją, którego celem jest skrócenie czasu opracowywania pojazdów z tradycyjnego cyklu czterech-pięciu lat do około dwóch lat. Program zaprezentowany podczas drugiego dorocznego wydarzenia GM Forward, które odbyło się 21 października w Nowym Jorku, skraca symulacje aerodynamiczne z 60 godzin do 60 sekund, a analizy strukturalne z miesięcy do godzin. Firma przedstawia ten cel nie jako puste obietnice, lecz z już zmierzonymi oszczędnościami czasu.

Co obiecuje plan ogłoszony podczas wydarzenia GM Forward?

Drugie wydanie wydarzenia Forward organizowanego przez GM stało się w tym roku areną ogłoszenia głębokiej zmiany w inżynieryjnej kulturze firmy. Istota ogłoszenia dokonanego 21 października w Nowym Jorku jest następująca: cykl opracowywania pojazdów zostanie skrócony z tradycyjnego, sekwencyjnego procesu trwającego cztery-pięć lat do około dwóch lat. Metoda opiera się na pomyśle, który wydaje się nie nowy, ale nigdy do końca nie wdrożony: inżynieria współbieżna. Zespoły projektowe, inżynieryjne i produkcyjne będą od pierwszego dnia pracować wspólnie na jednym cyfrowym torze; odchodzi się od klasycznego układu sztafety, w którym projekt przekazywany jest inżynierowi, a inżynieria produkcji.

W środku tego układu znajdują się wewnętrzne systemy sztucznej inteligencji trenowane na danych samego GM, uczenie maszynowe, wirtualizacja oraz podejście, które firma nazywa inżynierią agentową. GM pozycjonuje to jako przekształcenie korporacyjnej wiedzy accumulatedej przez dziesięciolecia - decyzji projektowych, testów zderzeniowych i historii łańcucha dostaw - w przewagę w erze sztucznej inteligencji. Także pogląd broniony przez wiceprezesa ds. produktów firmy, Sterlinga Andersona, jest taki sam: nie obciążenie danymi, lecz przewaga danych wielkiego producenta samochodów; zaś szybka iteracja oznacza lepszy produkt.

Konkretne odzwierciedlenie tej strategii również nie pozostaje niejasne. Liczby zaprezentowane podczas wydarzenia pokazują punkt po punkcie, w których procesach rzeczywiście zostaną osiągnięte oszczędności wynikające z dwuletniego celu.

Wyniki CFD spadają z 60 godzin do 60 sekund

Ci, którzy śledzą tę branżę z bliska, od razu rozumieją, że prawdziwym wąskim gardłem w opracowywaniu pojazdów nie jest wyobraźnia projektanta, lecz szybkość przechodzenia od projektu do rzeczywistości. GM zrealizował największy postęp właśnie w aerodynamice. Uzyskanie wyniku w tunelu aerodynamicznym zajmuje tygodnie; tradycyjna obliczeniowa mechanika płynów, czyli symulacje CFD, trwa z kolei do 60 godzin w pojedynczym uruchomieniu. W praktyce oznacza to dla inżyniera tylko jedną iterację projektu dziennie.

Narzędzie oparte na uczeniu maszynowym, trenowane na danych samego GM, włącza się właśnie tutaj. Narzędzie o nazwie Themed aero, będące własnością firmy, produkuje wyniki uderzająco podobne do CFD w około 60 sekund. Kiedyś pomysł konstrukcyjny dało się przetestować raz dziennie, a teraz można go sprawdzać setki razy dziennie. Dla kogoś, kto od ponad trzydziestu lat obserwuje tę branżę, to oznacza zmianę samej natury tej pracy: aerodynamika nie jest już sekwencyjnym procesem zatwierdzania, lecz narzędziem projektowym zapewniającym natychmiastową informację zwrotną.

Zyski w analizie strukturalnej i baterii LMR

I to nie tylko aerodynamika. Oszczędności czasu, które GM wykałuje liczbami, obejmują niemal każdy etap rozwoju. Według opublikowanych danych uczenie maszynowe potrafi na przykład skrócić analizę zgniatania dachu z obliczeń trwających 8-40 godzin do poniżej 5 minut. Analizy strukturalne, które w tradycyjnym procesie zajmowały cztery miesiące - sztywność przedniej części, normy dynamiczne, wymagania trwałościowe - w nowym procesie ze sztuczną inteligencją rozwiązywane są w kilka godzin.

Bateria LMR: 300.000 projektów, jeden prototyp

Może najbardziej efektowny przykład dotyczy strony bateryjnej. Rozwój baterii LMR (bogatej w lit i mangan), pozbawionej kobaltu i oferującej o około 33 procent wyższą gęstość energii w porównaniu z chemią LFP, dzięki modelowaniu na poziomie molekularnym i uczeniu maszynowemu spadł z zadania, które normalnie wymagałoby ponad 60.000 godzin laboratoryjnych, do 256 godzin laboratoryjnych. GM przetestował wirtualnie ponad 300.000 projektów baterii, zanim wykonano fizyczny prototyp, a pierwszy pakiet LMR dotarł od koncepcji do oficjalnego zatwierdzenia programu w ciągu miesiąca. Jak ogłoszono we wrześniu ubiegłego roku, ogniwa LMR będą po raz pierwszy na świecie produkowane na skalę przemysłową w zakładzie Spring Hill w stanie Tennessee, wyposażonym na nowo we współpracy z LG Energy Solution.

V8 Silverada i dokładność, którą demonstruje Corvette ZR1

Myleniem byłoby sądzenie, że wirtualna inżynieria sprawdza się tylko po stronie EV. Silnik V8 o pojemności 6,6 litra w Chevrolet Silverado 2027 opracowano w jednej trzeciej typowego czasu rozwoju silnika. Najlepszy dowód przyszedł jednak z Corvette ZR1: inżynieria wirtualna przewidziała wynik testu 233 mph; kalibrację przepisano tego samego dnia, następnego dnia wysłano ją do zespołu testowego, a pojazd rzeczywiście osiągnął 233 mph. Odchylenie jednej mili na godzinę to przy takiej skali uderzająca celność.

Obiecane 30 procent na linii produkcyjnej

GM, wiedząc że skrócenie czasu rozwoju to za mało, wyraźnie określa także produkcyjny aspekt strategii. W robotycznych funkcjach, takich jak tłoczenie, odlewanie, spawanie, lakierowanie i montaż, zostaną wprowadzone ulepszenia wspierane sztuczną inteligencją; w montażu baterii obiecywane jest przyspieszenie o 30 procent. Platforma PlantBrAIn tej firmy ma na celu przyspieszenie produkcji pakietów baterii na linii produkcyjnej dokładnie w tym tempie. Byłoby to sprzecznością marnującą zaoszczędzony czas, gdyby pojazd zaprojektowany w dwa lata trafił na drogi w dwa i pół roku z powodu powolnej linii; GM najwyraźniej zamknął również tę lukę.

Czy to przyspieszenie jest posunięciem przeciwko chińskim producentom?

Takie pytanie budziło największe kontrowersje po ogłoszeniu. Tempo chińskich producentów, którzy szybko i niskim kosztem wprowadzają na rynek pojazdy połączone, od dawna stanowi problem dla ugruntowanych zachodnich producentów; Powszechny jest komentarz, że dążenie GM do przyspieszenia jest bezpośrednim odzwierciedleniem tego wyścigu. Ten kontekst nie jest pusty: dwuletni cykl stawia GM na poziomie zbliżonym w znacznym stopniu do tempa produkcji chińskich konkurentów.

Jednak Stephanie Brinley z Mobility Global, analityczka branżowa, interpretuje to inaczej. Według niej ten ruch nie jest reakcją na chińskie zagrożenie, lecz etapem ewolucji efektywności, którą GM prowadzi od lat; zdobyta prędkość wzmocni konkurencyjność wobec każdego rywala. Samo w sobie również nie potwierdza tezy o Chinach: ogłoszenie nastąpiło dzień po ogłoszeniu, że wyniki trzeciego kwartału firmy spełniły oczekiwania Wall Street.

Po stronie wdrożenia wciąż istnieją niewiadome. GM nie poinformował jeszcze, kiedy dokładnie dwuletni proces wejdzie w życie i z którym modelem będzie powiązany; podaje się, że za celem stoi redukcja kosztów urządzeń i komplikacji. Ta niepewność jest uzasadnioną wątpliwością dla tych, którzy zastanawiają się nad dystansem między celem a konkretnym produktem.

Pozostałe tematy wydarzenia: komputer centralny, prowadzenie bez obserwacji wzrokowej i OnStar AI

Rozwój wspierany przez sztuczną inteligencję nie był jedynym tematem wydarzenia Forward. GM zaprezentował również architekturę, która wraz z nową jednostką obliczeniową centralną (CCU) obiecuje 40-krotną moc obliczeniową na pojazd, o 30 procent mniej kabli i do 50-krotnie szybsze połączenie komórkowe. Czwarta generacja platformy EV nadeszła z takimi nagłówkami jak o 25 procent lepsza aerodynamika, o 15 procent lżejsza konstrukcja, o 20 procent bardziej zwarty pakiet baterii, chemia LMR i dwukierunkowy przepływ energii.

Po stronie produktów ogłoszono system prowadzenia bez obserwacji wzrokowej, który zadebiutuje w 2028 roku z modelem Cadillac ESCALADE IQ oraz Asystenta AI OnStar, który ruszy od aktualizacji bezprzewodowej w modelu Cadillac LYRIQ z 2027 roku. Podano, że obecne opcje asystentów - w tym Google Gemini - pozostaną na swoim miejscu jako opcje, a nowy asystent będzie dla nich alternatywą.

A jednak: prędkość to nie cel, lecz proces mierzony krok po kroku

W historii motoryzacji zawsze obiecywano skrócenie czasu rozwoju; dwuletnie cykle zawsze istniały na papierze. To, co wyróżnia to ogłoszenie GM, to fakt, że deklaracja jest wspierana przez już osiągnięte zyski czasowe. Symulacja aerodynamiczna w 60 sekund, zatwierdzenie baterii w miesiąc, rozwój V8 w jedną trzecią czasu - to nie są cele, lecz zmierzone rezultaty. Kiedy dokładnie i z jakim modelem nastąpi dwuletni pełny cykl, nie zostało jeszcze ujawnione. Ci, którzy od lat śledzą tę branżę, wiedzą: zmiana w kulturze inżynieryjnej nie jest sprawdzana na sali konferencyjnej, lecz na linii produkcji seryjnej. GM ma po swojej stronie mocny punkt startowy; resztę pokaże drogi.

Źródła

• GM Forward: Inżynieria pojazdów zdefiniowanych przez inteligencję dla wszystkich
• Jak General Motors planuje przyspieszyć rozwój pojazdów dzięki sztucznej inteligencji - Road & Track
• GM sięga po AI, aby skrócić czas rozwoju pojazdów - Detroit Free Press
• GM chce skrócić rozwój pojazdów do dwóch lat dzięki AI - CNBC
• GM zasymulował 300 000 projektów baterii EV, zanim zbudował choć jeden prototyp - Fortune