GM ลดเวลาพัฒนายานพาหนะเหลือสองปีด้วยปัญญาประดิษฐ์

General Motors ประกาศโมเดลการพัฒนาใหม่ที่ใช้ปัญญาประดิษฐ์ช่วยขับเคลื่อน โดยตั้งเป้าลดเวลาการพัฒนายานพาหนะจากรอบดั้งเดิมสี่ถึงห้าปี เหลือเพียงประมาณ สองปี โปรแกรมที่ประกาศในงาน GM Forward ครั้งที่สองซึ่งจัดขึ้นที่นิวยอร์กเมื่อวันที่ 21 ตุลาคม ช่วยลดเวลาการจำลองพลศาสตร์อากาศจาก 60 ชั่วโมงเหลือ 60 วินาที และการวิเคราะห์โครงสร้างจากหลายเดือนเหลือเพียงไม่กี่ชั่วโมง บริษัทไม่ได้นำเสนอเป้าหมายนี้ในฐานะคำสัญญาเปล่า ๆ แต่แสดงให้เห็นด้วยการประหยัดเวลาที่วัดผลได้จริงแล้ว

แผนที่ประกาศในงาน GM Forward สัญญาอะไรบ้าง?

งาน Forward ครั้งที่สองที่ GM จัดขึ้นในปีนี้ เป็นเวทีประกาศการเปลี่ยนแปลงครั้งใหญ่ในวัฒนธรรมวิศวกรรมของบริษัท แก่นสำคัญของการประกาศที่นิวยอร์กเมื่อวันที่ 21 ตุลาคมคือ: รอบการพัฒนายานพาหนะจะถูกลดจากกระบวนการแบบลำดับขั้นดั้งเดิมสี่ถึงห้าปี เหลือประมาณสองปี วิธีการนี้อาจดูไม่ใหม่ แต่อิงจากแนวคิดที่ยังไม่เคยถูกนำไปปฏิบัติอย่างสมบูรณ์: วิศวกรรมแบบขนาน ทีมออกแบบ วิศวกรรม และการผลิตจะทำงานร่วมกันบนสายการทำงานดิจิทัลเดียวตั้งแต่วันแรก โดยยกเลิกรูปแบบการวิ่งผลัดแบบเดิมที่ฝ่ายออกแบบส่งต่อให้วิศวกรรม และวิศวกรรมส่งต่อให้การผลิต

อยู่ตรงกลางของรูปแบบนี้คือระบบปัญญาประดิษฐ์ภายในที่ฝึกด้วยข้อมูลของ GM เอง การเรียนรู้ของเครื่อง การจำลองเสมือน และแนวทางที่บริษัทเรียกว่า agentic engineering GM วางตำแหน่งสิ่งนี้ในฐานะการเปลี่ยนองค์ความรู้สะสมหลายสิบปี เช่น การตัดสินใจด้านการออกแบบ การทดสอบชน และประวัติห่วงโซ่อุปทาน ให้กลายเป็นข้อได้เปรียบในยุคปัญญาประดิษฐ์ ความคิดที่ Sterling Anderson รองประธานฝ่ายผลิตภัณฑ์ของบริษัทสนับสนุนก็เช่นกัน: ผู้ผลิตรถยนต์รายใหญ่ไม่ได้มีแค่ภาระข้อมูล แต่มีข้อได้เปรียบจากข้อมูล และการทำซ้ำอย่างรวดเร็วหมายถึงผลิตภัณฑ์ที่ดีกว่า

ผลลัพธ์ที่จับต้องได้ของกลยุทธ์นี้ก็ไม่เคลือบคลุม ตัวเลขที่แชร์ในงานแสดงให้เห็นเป็นข้อ ๆ ว่าเป้าหมายสองปีนั้นจะได้มาจากกระบวนการใดจริง ๆ

ผลการทดสอบ CFD ลดจาก 60 ชั่วโมงเหลือ 60 วินาที

อย่างที่ผู้ติดตามเรื่องนี้อย่างใกล้ชิดจะเข้าใจได้ทันที คอขวดที่แท้จริงในการพัฒนายานพาหนะมักไม่ใช่จินตนาการของนักออกแบบ แต่คือความเร็วในการตรวจสอบการออกแบบ GM ยกตัวอย่างที่โดดเด่นที่สุดในจุดนี้จากด้านพลศาสตร์อากาศ การนัดหมายใช้อุโมงค์ลมใช้เวลาหลายสัปดาห์ ขณะที่การจำลอง CFD หรือ computational fluid dynamics แบบดั้งเดิม ใช้เวลาถึง 60 ชั่วโมงต่อการรันหนึ่งครั้ง ในทางปฏิบัติ หมายความว่าวิศวกรได้การทำซ้ำการออกแบบเพียงหนึ่งครั้งต่อวัน

เครื่องมือที่อิงการเรียนรู้ของเครื่องซึ่ง GM ฝึกด้วยข้อมูลของตัวเอง คือจุดที่เข้ามามีบทบาท เครื่องมือที่จดทะเบียนซึ่งชื่อว่า Themed aero สร้างผลลัพธ์ที่คล้ายคลึงกับ CFD อย่างน่าทึ่งภายในเวลาประมาณ 60 วินาที แนวคิดการออกแบบที่เคยทดสอบได้เพียงวันละครั้ง ตอนนี้สามารถทดลองได้หลายร้อยครั้งต่อวันแล้ว สำหรับคนที่ติดตามวงการนี้มานานกว่าสามสิบปี นี่หมายความว่าธรรมชาติของงานได้เปลี่ยนไปแล้ว: aerodynamic ไม่ใช่กระบวนการอนุมัติแบบลำดับขั้นอีกต่อไป แต่กลายเป็นเครื่องมือออกแบบที่ได้รับผลตอบกลับแบบทันที

ผลก้าวหน้าในการวิเคราะห์เชิงโครงสร้างและแบตเตอรี่ LMR

aerodynamic ไม่ได้โดดเดี่ยวอยู่ตามลำพัง การประหยัดเวลาที่ GM เปิดเผยเป็นตัวเลข กระจายไปเกือบทุกขั้นตอนของการพัฒนา ตามข้อมูลที่เผยแพร่ การเรียนรู้ของเครื่องสามารถลดการวิเคราะห์การบีบอัดหลังคาจากการคำนวณที่ใช้เวลา 8-40 ชั่วโมง ลงมาเหลือ ต่ำกว่า 5 นาที การวิเคราะห์เชิงโครงสร้างที่ใช้เวลาสี่เดือนในกระบวนการแบบดั้งเดิม - ความแข็งแรงส่วนหน้า มาตรฐานไดนามิก ข้อกำหนดความทนทาน - ได้รับการแก้ไขภายในไม่กี่ชั่วโมงในกระบวนการ AI แบบใหม่

แบตเตอรี่ LMR: การออกแบบ 300,000 แบบ เพื่อต้นแบบหนึ่งชิ้น

ตัวอย่างที่น่าประทับใจที่สุดอาจอยู่ที่ฝั่งแบตเตอรี่ การพัฒนาแบตเตอรี่ LMR (ลิเทียม-แมงกานีสที่มีส่วนผสมสูง) ซึ่งไม่มีโคบอลต์และให้ความหนาแน่นของพลังงานสูงกว่าสูตร LFP ราว 33 เปอร์เซ็นต์ ได้ลดลงจากงานที่โดยทั่วไปต้องใช้ มากกว่า 60,000 ชั่วโมงในห้องแล็บ เหลือเพียง 256 ชั่วโมงในห้องแล็บ ด้วยการจำลองระดับโมเลกุลและการเรียนรู้ของเครื่อง GM ได้ทดสอบการออกแบบแบตเตอรี่มากกว่า 300,000 แบบในเชิงเสมือนก่อนการสร้างต้นแบบจริง และชุดแบตเตอรี่ LMR ชุดแรกได้เดินทางจากคอนเซ็ปต์ถึงการอนุมัติโปรแกรมอย่างเป็นทางการภายในหนึ่งเดือน ตามที่ประกาศเมื่อเดือนกันยายนที่ผ่านมา เซลล์ LMR จะผลิตในระดับอุตสาหกรรมเป็นครั้งแรกของโลกที่โรงงาน Spring Hill รัฐเทนเนสซี ซึ่งได้รับการปรับปรุงใหม่ผ่านความร่วมมือกับ LG Energy Solution

V8 ของ Silverado และความแม่นยำที่ Corvette ZR1 พิสูจน์

การคิดว่าวิศวกรรมเสมือนมีประโยชน์เฉพาะฝั่ง EV จะเป็นความเข้าใจที่ผิด เครื่องยนต์ V8 ขนาด 6.6 ลิตรของ Chevrolet Silverado 2027 ได้รับการพัฒนาภายใน หนึ่งในสามของเวลาพัฒนาเครื่องยนต์ทั่วไป และด้วยต้นทุนต้นแบบเพียง 80 เปอร์เซ็นต์ หลักฐานด้านความแม่นยำมาจาก Corvette ZR1: วิศวกรรมเสมือนคาดการณ์ความเร็วทดสอบที่ 233 mph; การปรับเทียบถูกเขียนใหม่ในวันเดียวกันและส่งให้ทีมทดสอบในวันรุ่งขึ้น และยานพาหนะก็ไปถึง 233 mph จริงๆ ความคลาดเคลื่อนเพียง 1 mph ถือเป็นความแม่นยำที่น่าทึ่งในระดับนี้

30 เปอร์เซ็นต์ที่สัญญาไว้บนสายการผลิต

GM ซึ่งรู้ดีว่าการลดเวลาพัฒนาเพียงอย่างเดียวไม่เพียงพอ ได้กำหนดแผนการผลิตของกลยุทธ์นี้ไว้อย่างชัดเจน จะมีการปรับปรุงด้วยการสนับสนุนของ AI ในฟังก์ชันหุ่นยนต์ต่างๆ เช่น การปั๊ม การหล่อ การเชื่อม การพ่นสี และการประกอบ; การประกอบแบตเตอรี่ได้รับการสัญญาว่าจะเร็วขึ้น 30 เปอร์เซ็นต์ แพลตฟอร์ม PlantBrAIn ของบริษัทตั้งเป้าที่จะผ่านชุดแบตเตอรี่บนสายการผลิตให้เร็วขึ้นในอัตราระดับนี้ การที่รถที่ออกแบบมาสองปีต้องใช้เวลาสองปีครึ่งกว่าจะลงถนนเพราะสายการผลิตที่เชื่องช้า ถือเป็นความขัดแย้งที่ทำให้เวลาที่ประหยัดได้สูญเปล่า และ GM ดูเหมือนจะปิดวงจรส่วนนี้ได้สำเร็จแล้ว

การเร่งความเร็วนี้เป็นหมากเพื่อรับมือกับผู้ผลิตชาวจีนหรือไม่?

นี่คือคำถามที่ถูกพูดถึงมากที่สุดหลังการประกาศครั้งนี้ จังหวะของผู้ผลิตชาวจีนที่นำรถยนต์เชื่อมต่อออกสู่ตลาดอย่างรวดเร็วและต้นทุนต่ำ เป็นปัญหาที่ผู้ผลิตรายใหญ่ระดับตำนานของตะวันตกเผชิญมานาน คำวิจารณ์ที่แพร่หลายคือการแสวงหาความเร็วของ GM เป็นการตอบโต้โดยตรงต่อสงครามแข่งขันครั้งนี้ กรอบการมองแบบนี้ก็ไม่ได้ไร้มูลความจริง: วงจรสองปีจะพา GM เข้าใกล้ความเร็วในการผลิตของคู่แข่งชาวจีนอย่างมีนัยสำคัญ

อย่างไรก็ตาม Stephanie Brinley จาก Mobility Global นักวิเคราะห์ในอุตสาหกรรม ให้การตีความที่ต่างออกไป ในมุมมองของเธอ การเคลื่อนไหวนี้ไม่ใช่การตอบสนองต่อการคุกคามจากจีน แต่เป็นขั้นตอนหนึ่งของวิวัฒนาการด้านประสิทธิภาพที่ GM ดำเนินมาหลายปี และความเร็วที่ได้มาจะเพิ่มขีดความสามารถในการแข่งขันต่อผู้แข่งขันทุกราย จังหวะเวลาของการประกาศก็ไม่ได้ยืนยันทฤษฎีจีนเพียงอย่างเดียว: การประกาศมาถึงหนึ่งวันหลังจากที่บริษัทประกาศว่าผลประกอบการไตรมาสสามตอบโจทย์ความคาดหวังของ Wall Street

ในด้านการนำไปปฏิบัติ ยังมีสิ่งที่ยังไม่เป็นที่ทราบอยู่ GM ยังไม่ได้ประกาศว่ากระบวนการสองปีจะเริ่มใช้งานจริงเมื่อใด และจะเชื่อมโยงกับรุ่นใด ระบุว่าเบื้องหลังเป้าหมายนี้คือการลดต้นทุนอุปกรณ์และความซับซ้อน ความไม่แน่นอนนี้เป็นข้อสงสัยที่มีเหตุผลสำหรับผู้ที่สงสัยว่าเป้าหมายนี้อยู่ห่างจากการประกาศถึงการเป็นผลิตภัณฑ์จริงเพียงใด

หัวข้ออื่นๆ ของงาน: คอมพิวเตอร์กลาง, การขับขี่แบบไร้ซึ่งสายตา และ OnStar AI

การพัฒนาที่ขับเคลื่อนด้วย AI ไม่ใช่หัวข้อเดียวของงาน Forward GM ยังเปิดตัวสถาปัตยกรรมใหม่ที่นำเสนอหน่วยประมวลผลกลาง (CCU) รุ่นใหม่ด้วยพลังการประมวลผลต่อยานพาหนะเพิ่มขึ้น 40 เท่า สายไฟน้อยลง 30 เปอร์เซ็นต์ และการเชื่อมต่อเซลลูลาร์เร็วขึ้นถึง 50 เท่า แพลตฟอร์ม EV รุ่นที่สี่มาพร้อมหัวข้อเด่นอย่างอากาศพลศาสตร์ที่ดีขึ้น 25 เปอร์เซ็นต์ โครงสร้างเบาลง 15 เปอร์เซ็นต์ ชุดแบตเตอรี่ขนาดกะทัดรัดลง 20 เปอร์เซ็นต์ สูตรเคมี LMR และการไหลของพลังงานสองทิศทาง

ในด้านผลิตภัณฑ์ มีการประกาศระบบขับขี่แบบไร้ซึ่งสายตาที่จะเปิดตัวครั้งแรกในปี 2028 กับ Cadillac ESCALADE IQ และ OnStar AI Assistant ที่จะเริ่มต้นด้วยการอัปเดตไร้สายจาก Cadillac LYRIQ ปี 2027 ระบุว่าตัวเลือกผู้ช่วยที่มีอยู่ในปัจจุบัน รวมถึง Google Gemini จะยังคงเป็นตัวเลือกเหมือนเดิม โดยผู้ช่วยใหม่จะเป็นทางเลือกอีกหนึ่งแบบเทียบกับตัวเลือกเหล่านั้น

การประเมิน: ความเร็วไม่ใช่เป้าหมาย แต่เป็นกระบวนการที่ก้าวไปอย่างมีการวัด

ในประวัติศาสตร์ยานยนต์ คำสัญญาเรื่องการลดระยะเวลาการพัฒนาเคยมีมาแล้วเสมอ วงจรสองปีบนกระดาษก็มีมาตลอด สิ่งที่ทำให้การประกาศครั้งนี้ของ GM แตกต่าง คือข้ออ้างดังกล่าวได้รับการสนับสนุนด้วยผลการประหยัดเวลาที่เกิดขึ้นจริงแล้ว การจำลองอากาศพลศาสตร์ใน 60 วินาที การอนุมัติแบตเตอรี่ในหนึ่งเดือน V8 ที่พัฒนาในหนึ่งในสามของเวลาเดิม - สิ่งเหล่านี้ไม่ใช่เป้าหมาย แต่เป็นผลลัพธ์ที่วัดได้จริง ส่วนว่าวงจรครบสองปีจะเกิดขึ้นเมื่อไรและกับรุ่นใดนั้นยังไม่มีการเปิดเผย คนที่ติดตามอุตสาหกรรมนี้มาหลายปีย่อมรู้ดี: การเปลี่ยนแปลงในวัฒนธรรมวิศวกรรมไม่ได้ถูกพิสูจน์ในห้องประกาศข่าว แต่ถูกพิสูจน์บนสายการผลิตจริง ฝั่งของ GM มีแต้มเริ่มต้นที่แข็งแกร่งอยู่แล้ว ที่เหลือให้ถนนเป็นคนแสดงให้เห็น

แหล่งข้อมูล

• GM Forward: วิศวกรรมยานยนต์ที่นิยามด้วยความฉลาดเพื่อทุกคน
• How General Motors Plans to Speed Up Vehicle Development Using A.I. - Road & Track
• GM is turning to AI to slash vehicle development time - Detroit Free Press
• GM aims to develop vehicles in as little as two years with AI - CNBC
• GM simulated 300,000 EV battery designs before building a single prototype - Fortune