从15小时到一分钟：AI/ML如何加速通用汽车的研发

# 从15小时到一分钟：AI/ML如何加速通用汽车的研发 来源：https://arstechnica.com/cars/2026/06/from-15-hours-to-one-minute-how-ai-ml-is-speeding-up-gms-development/ 从CFD和FEA到数字孪生，汽车制造如今大量依赖虚拟化技术。 一张工程模拟截图 (https://cdn.arstechnica.net/wp-content/uploads/2026/06/CoSim-SG1.jpeg) 一张CoSim截图，展示虚拟化汽车内饰及HVAC性能。图片来源：General Motors 一张CoSim截图，展示虚拟化汽车内饰及HVAC性能。图片来源：General Motors 当我们于2024年首次见到Sterling Anderson（https://arstechnica.com/cars/2024/09/driverless-semis-could-be-months-away/）时，他是Aurora的首席产品官——这家自动驾驶初创公司由他在2016年离开特斯拉后共同创立。然而就在一年多前，Anderson离开了创业圈，加入了一家更成熟的企业，担任通用汽车（美国最大汽车制造商）的首席产品官。自此，他得以近距离观察通用汽车如何进入他所说的工程与设计的第三纪元。 “曾经有一个时期，人类观察鸟类，然后想：‘好吧，那些翅膀看起来相当有效。我们设计一个类似的东西吧。’”安德森在描述工程学的第一个时代时说道。“然后他们就不断迭代，最终搞出了一些勉强可行的东西。” 他接着说，发明创造的头几百年“是一个高度经验性的迭代设计、开发和工程时代。我的意思是，人类基本上从已知或见过的东西出发，建造出看起来差不多的原型，然后可能做一些调整，希望它表现更好，测试、迭代，经过缓慢的‘猜与检查’过程，直到得到勉强能用的东西。” 第二个时代始于计算机强大到足以承担部分早期工作。“我们开始看到虚拟开发工具以功能特定的方式改善人们的工作，使他们不必依赖经验性原型开发，”Anderson说。 “例如，我们开始看到CFD（计算流体动力学）为空气动力学工程师提供信息，”他说。“我们看到FEA（有限元分析）为结构工程师提供支持。我们还看到许多其他虚拟工具……但开发的接力赛模式依然没变——设计把接力棒交给空气动力学，空气动力学再交给结构学，每当发现某个环节需要其他部门修复时，接力棒就会传回去。” 但Anderson的领域最近进入了第三纪元，“这正是通用汽车大力推动的方向——将这些功能整合为一个单一、广泛知情、大体基于概率的方法，用于这些资产的工程、设计和制造，”他解释道。没错，所谓“基于概率”，指的就是AI/机器学习。 ## 概率原因 使用模拟进行CFD等工程工作——而非使用物理模型在真实风洞中测试（https://arstechnica.com/cars/2022/03/honda-just-built-the-worlds-most-advanced-wind-tunnel-in-ohio/）——已经加速了这些工作，但模拟的复杂性使其在资源和时间上计算需求极高。不过，你可以教计算机如何虚拟化这种分析，然后利用AI/ML并行运行多个虚拟化过程。上个月，我们报道了一个这样的例子（https://arstechnica.com/cars/2026/04/in-motorsport-theres-nowhere-to-hide-as-ai-becomes-new-cfd-tool/），当时IBM与赛车制造商Dallara发表研究，显示这种方法生成的数据相关性足够高，可以实际使用。 当你意识到这些新工具有多快时，就会非常清楚为什么通用汽车要拥抱它们。“我们的FEA运行，历史上每次跑需要15小时？现在只需要一分钟，”Anderson告诉我。 不再需要设置一个模拟跑一整晚并祈祷不出错，“当你在不到一分钟内跑完这个时，你就能以更快的速度迭代，并且可以在给定的时间内运行比以往更广泛的测试，”Anderson说。 但这些新型虚拟化工具的覆盖范围远不止早期的工程分析以及空气动力学或结构设计领域，它们深入到了通用汽车的其他业务：赛车运动、能源与电池、国防，甚至月球计划。 “我们不仅用虚拟工具在车辆设计完成后检查工作，我们还为工程师提供一个虚拟环境，让他们可以同时优化硬件和软件，并以整个行业都没有的方式（尤其是在我们所做的规模和速度上）指导硬件设计、软件设计或车辆性能，”通用汽车虚拟集成工程执行总监Jason Fischer说。 “这些虚拟工具的妙处在于我们与NASCAR和一级方程式赛车团队的协作，”Fischer继续说道。“我们一起合作开发许多工具，然后根据各组织的优势和带宽，各自独立开发工具。当一个组织领先于另一个时，我们每月都会在赛车运动和——我称之为——生产部门之间进行技术转移，确保大家都能看到最新最好的技术，并使用最新技术。” ## 在制造之前先“驾驶” Anderson和Fischer向我展示了一个例子：使用虚拟化对开发中的车辆进行操控测试，具体是《消费者报告》的避让测试——汽车需高速变道以避让障碍物。通用汽车现在不再将所有电子子部件连接在测试台架上，查看它们能否无错误通信，而是对所有传感器、电子控制单元、域控制器等进行建模。 “我们在通用汽车实际拥有针对这套系统设置的知识产权保护，可以从物理角度组合车辆行为，”Fischer说。“因此（现在我们可以）在这个虚拟环境中同时运行车辆性能、电子控制单元和软件，真正开放我们设计空间的探索。这使我们能够实际改变物理参数，运行成千上万的设计实验，看看控制逻辑如何处理这些参数，”Fischer说。 由于可以轻松数字化改变路况等条件，迭代出比以前多得多的变体变得简单。“然后你得到的结果不仅在这特定操作中表现良好，而且实际上对现实世界具有鲁棒性，”Fischer告诉我。 碰撞性能也在改善，因为工程师可以在物理车辆以40英里/小时撞击障碍物之前很久就识别出薄弱点并进行加强。“运行这个大约需要15到18小时，取决于复杂度，”Fischer说。“我们使用概率方法、人工智能，可以把它缩短到不到一分钟。这不仅仅是让人能按时回家睡觉节省时间；关键是，一分钟后我们就知道答案，就可以开始优化结构性能，从而有能力去关注其他方面。” 新型车辆的HVAC系统是另一个例子。通用汽车现在不再独立设计、优化各个组件，再连接和校准，而是可以同时平衡气流和制冷剂行为与座舱舒适性，将以前需要数月或数周的时间缩短到几天或几小时。“这真正让工程师腾出时间来深入挖掘，在创意设计中创新，而不是做重复性任务或那种枯燥的迭代，”Fischer说。 这也包括那些设计装配线的同事们——这些装配线用于生产通用汽车卖给客户的车辆。在实际硬件安装之前很久，就会创建新装配线的数字孪生，以消除bug。 Jonathan M. Gitlin的照片 (https://arstechnica.com/author/jonathan-m-gitlin/) Jonathan是Ars Technica的汽车编辑。他拥有药理学学士和博士学位。2014年，他决定满足自己对汽车毕生的热爱，离开了国家人类基因组研究所，创办了Ars Technica的汽车板块。他住在华盛顿特区。 28条评论 (https://arstechnica.com/cars/2026/06/from-15-hours-to-one-minute-how-ai-ml-is-speeding-up-gms-development/#comments) 1. 最热文章列表头的图片：受够了“氛围型码农”，开发者将数据清除提示注入代码 (https://arstechnica.com/security/2026/05/fed-up-with-vibe-coders-dev-sneaks-data-nuking-prompt-injection-into-their-code/)