數十年來，汽車製造商享有一種與最柔軟皮革或最平穩引擎無關的奢侈品：時間。一些受歡迎的汽車和卡車在全面重新設計前，可以維持十年甚至更長時間。然而，拜中國所賜，時間的滴答聲現在加快了。比亞迪（BYD）和其他中國汽車製造商正將電動車（EV）及其他車型從設計圖紙到展間的時間縮短至兩年或更短。
通用汽車（General Motors, GM）是西方汽車製造商中，努力透過運用人工智慧（AI）和模擬技術，大幅縮短開發時間以追趕這一驚人速度的其中一員。
通用汽車的這項努力由 Sterling Anderson 領軍，他是一位技術專家和機器人學大師，曾領導 Tesla Autopilot 和 Model X 的開發團隊，之後共同創立了自動駕駛卡車公司 Aurora Innovation。去年六月，通用汽車以 4000 萬美元的方案吸引 Anderson 加入，擔任其首席產品長，負責指導汽車、自動駕駛模型、電池、軟體及其他技術的開發。
通用汽車如何加速其設計流程？在最近的一次視訊通話中，Anderson 和通用汽車虛擬整合工程執行董事 Jason Fischer 向我介紹了公司最新的設計流程。但首先，Anderson 從宏觀角度闡述了 AI 如何徹底改變了以往的一切。
Anderson 將設計和人類創造力分為三個主要時代，始於數千年的經驗設計，創作者主要模仿自然、建造和測試模型，並從中緩慢、昂貴且狹隘地進步。「飛行就是一個很好的例子，」Anderson 說。「人類觀察鳥類，然後說：『嘿，那些翅膀看起來很管用。我們也來做一個類似的東西吧。』」
他表示，1950 年代電腦輔助設計（CAD）和計算流體動力學等虛擬工具的出現，開啟了第二個時代。開發人員有了更好的工作方式，但他們仍然在一個效率低下的「傳接棒」過程中各自為政。「設計師仍然必須將東西丟給其他工程師，而這些工程師最終還是得建造那個經驗資產，」Anderson 說。
在汽車領域，這意味著首先建造原型車，然後整合和評估無數獨立開發的功能：電氣系統、熱控制、安全、乘坐和操控等。Anderson 表示，今天的第三個時代以 AI 和模擬為特徵，可以將這些功能整合到單一的虛擬開發工具中。
結構工程師大約只需一分鐘，就能看到設計變更可能對最終車輛產生什麼影響，而過去則需要 15 小時。他表示，結果是「通用汽車的產品開發流程顯著加速」。
通用汽車正將這種方法應用於自駕車、LMR 電池、凱迪拉克（Cadillac）備受矚目的 Formula 1 賽車計畫、軍事防禦系統，以及用於 Lunar Outpost 的 Pegasus 探測車技術，該探測車是 NASA Artemis 任務的一部分，目標是在 2028 年將太空人送上月球。
Fischer 表示，該公司的專有環境允許工程師在實體原型階段之前，同步開發和優化硬體和軟體。在螢幕演示中，Fischer 讓數位渲染的 Cadillac Escalade IQ 執行了《消費者報告》（Consumer Reports）的避讓測試，該測試用於評估汽車的閃避能力。
這個棘手的雙車道變換是對這款電動 SUV 在壓力下操控性和穩定性的嚴峻考驗。過去，實體測試只能在底盤、動力系統、轉向、煞車、懸吊、感測器和控制等一系列系統單獨開發並組裝完成後才能開始。工程師需要花費數月時間在試驗場和實際道路上測試和校準原型車。
現在，通用汽車可以針對數千種模擬情境（雪、雨、不同路況、不同懸吊設定）運行詳細的、基於物理的模型設計。「我們可以在車輛實際製造之前進行全面的虛擬校準，」Fischer 說。「我們得到一個不僅在理想條件下表現良好，而且能抵抗現實世界挑戰的系統。」
這種方法將電動 GMC Hummer 的開發時間縮短了一半，從最初設計到展間僅用了兩年，而通常的產品週期是四到五年。通用汽車的目標是將全系列的車輛和技術計畫都納入這種閃電般的開發軌道。「我們還沒完全達到，但請給我們一點時間，」Anderson 說。
前端碰撞模擬也得到了加速。Fischer 表示，過去的「重度計算方法」需要 15 小時的計算才能完成。使用基於機率的 AI 方法，計算時間已縮短到不到一分鐘。這讓工程師可以專注於更多情境，「這些情境如果僅憑實體車輛，將難以、受限或坦白說不切實際地重現，」Fischer 說。「工程師們能更早發現弱點，更早修復它們，從而在進行實體測試時，擁有一輛更強大、更精良的車輛。」
「駕駛員在環」（Driver in the loop）模擬將人類變數添加到車輛變數中，例如模擬一位一月份在波士頓開車的男性，或一位在沙漠高溫中開車的鳳凰城女性。這些模擬被用於評估人們對車廂內加熱和冷卻的反應，以及在更惡劣的環境中：月球表面。
與 NASA 在 1960 年代和 70 年代的原始月球探索相比，通用汽車可以真實地模擬太空人或車輛在邁出那「一小步」後將經歷什麼。Fischer 表示，他們在下一代 NASA 月球探測車上的工作，正在證明虛擬化和模擬工具的巨大潛力。
「我們可以透過調整軟體中的物理參數來改變重力，」他說。「我們在密西根州的工程師可以在一個房間裡模擬真實世界的駕駛條件，為月球環境開發輪胎。」Anderson 擁有麻省理工學院（MIT）機械工程博士學位，專攻機器人學，他指出這些工具對於自動駕駛汽車開發至關重要。
「我們可以在一天內模擬 100 天的駕駛，每週大約進行 200 萬次模擬運行，這有助於我們探索那些在物理上重現會很危險或不切實際的邊緣案例，」他說。「這並不能取代道路測試，但它讓每一次實際行駛都更有價值，每一次發布決策都更有依據。」
AI 甚至被部署在像雪佛蘭 Corvette 這樣神聖且利潤豐厚的車輛設計中。生成式物理設計（Generative physics-based design）為 Corvette 巨大複合材料掀背蓋的支撐支架贏得了讚譽，這更好地展示了這款跑車的 V-8 引擎。
對於該車的可選掀背支架，這位未具名的 AI 設計師回歸自然，創造出類似樹根和樹枝的形狀，比原始設計更輕、更堅固、更耐用。「這真的正在成為通用汽車的新常態，」Fischer 說。