AI能造喷气发动机吗？JARVIS挑战测试AI副驾驶在硬核工程中的作用

# AI能造喷气发动机吗？JARVIS挑战测试AI副驾驶在硬核工程中的作用 来源：https://news.mit.edu/2026/can-ai-build-jet-engine-jarvis-challenge-tests-ai-copilots-in-tough-tech-engineering-0714 人工智能已迅速改变了软件工程。生成式AI与大型语言模型（LLM）能够产生海量代码与文档；机器学习算法可以监控性能并检测安全漏洞。但当任务是要构思、设计和制造一个复杂的物理系统（例如喷气发动机）时，这些AI工具同样具有变革性吗？ 上个学期，JARVIS挑战（Jet-engine AI Research and Validation Intensive Sprint，喷气发动机AI研究与验证强化冲刺）旨在探索AI能否压缩设计-建造-测试周期，让麻省理工学院的本科生验证AI能否帮助他们更快、更好地建造。 "JARVIS挑战表明，AI可以大幅加速安全关键型硬件工程，但工程判断仍是决定性的区分因素。一个AI原生的工程师不是由是否使用AI来定义的，而是由是否能领导AI——知道何时信任它、何时质疑它，以及如何将AI输出转化为可工作的硬件。制造——而非工程设计或分析——仍然是根本性的速率限制步骤，"MIT燃气轮机实验室（https://www.gas-turbine-lab.mit.edu/）主任Zolti Spakovszky教授说。 **团队、工具与任务** 该挑战给本科生四周时间，以AI作为主要工程伙伴，设计、制造、组装并测试一台小型燃气轮机航空发动机。目标：建造一台"JARVIS级"单轴喷气发动机，产生50–100磅推力，使用Jet-A燃油，并完成五次60秒运行。团队在设计、材料与制造方面拥有完全自由。 来自工程学院几乎所有系的31名学生组成七个团队，从全员大一新生到以高年级为主的团队均有。许多参赛者最初在涡轮机械、可压缩流动方面经验甚少，对于低年级学生甚至连热力学都是如此。很多人在报名建造燃气轮机之前从未见过其内部结构。 可供他们使用的资源：MIT的机加工车间和制造供应商；包括Concepts NREC、SolidWorks和ABAQUS在内的商业软件；以及用于表征和组装单个组件的各种试验台。 团队还可使用MIT Parley（https://ist.mit.edu/parleynowavailable），这是一个新推出的平台，通过单一界面汇总前沿大型语言模型。通过Parley，JARVIS负责人可以直接看到学生如何使用AI工具，包括他们的提示词、每次提示的成本、所使用的具体LLM以及其他关键信息。JARVIS负责人为所有参与者提前获取了Parley访问权限，并在MIT林肯实验室、机械工程系以及企业赞助商Safran、Voyager Technologies和Beehive Industries的资金支持下，学生们可以无限使用AI。 赞助商的参与是出于招聘兴趣以及对AI如何可能重塑工程工作流程的真实好奇。 "我们认为这是工程的未来，"Voyager Technologies的Ryan (Hal) Hefron告诉学生们。"你们正在磨练的技能不仅仅是锦上添花——它们将成为工程劳动力未来的基线。" Safran Tech的董事总经理Vincent Garnier兴奋地观看比赛展开。"JARVIS是一个真正的实验，是一次学习尝试。老实说，我们不知道从学生或AI模型那里期待什么。学生们给我留下深刻印象的是：首先，他们探索的热情；然后，随着项目进展，他们都冷静地认识到AI能或不能帮助他们什么，然后几乎立即为此调整，"他说。"这让我相信，这一代领先的工程师可能不会轻易陷入对AI的肤浅短视使用，而且他们会通过与实际实验——无论是物理实验还是思想实验——保持更紧密的接触来做到这一点。" 教职领导——航空航天系的Zachary Cordero教授、Zolti Spakovszky教授、Masha Folk教授和Andreea Bobu教授，以及林肯实验室的工程师和助教团队——负责确保安全。在每周的进度评审中，他们会批判性地评估学生进展以及学生如何使用AI。 Spakovszky开发了细致的技巧，在不过于透露答案或提供帮助的情况下引导团队朝正确方向前进。在一个团队演示后，他可能会问："你知道什么是嵌口配合吗？把这个意见记下来。" **AI在何处有帮助、何处有妨害** 到第一周结束时，一个团队退出比赛；其他团队以不同程度的成功，为他们的燃气轮机制定了初步设计。不同团队使用AI来总结教科书、教他们使用设计软件、寻找供应商、创建Excel表格、回答具体问题、寻找参考资料，并在设计决策之间进行比较分析。一个团队在Parley中创建了一个智能体并让它担任项目经理。 到第二周，团队必须开始制作详细的CAD设计、订购零件并制作燃烧室原型。这时团队开始遇到使用AI的限制。虽然Claude和ChatGPT擅长提供设计替代方案和填补知识空白，但团队发现，AI的幻觉、阿谀奉承以及缺乏物理理解（这些已成为生成式AI臭名昭著的特点）正在削弱他们的信心并拖慢进展。 "AI是一个有用的工具，擅长查找信息、帮助组织事物，并且写得好，但它不能做设计，"811 Crew团队的Elizabeth Tupaj说。"当工程师不知道发生了什么，而AI在掌管时，设计就变得不可靠，至少以AI目前的能力来看是这样。" 助教John Zhang指出，"亲自看到学生们的经历提醒我，第一印象有多重要。如果学生早期无法从AI那里得到答案，他们会迅速感到沮丧，并形成持久的看法，这使他们后来不再使用AI。" 在最后几周，决赛者遇到了另一个AI无法解决的障碍：与供应商合作。学生们报告说："AI搜索找到了一些我们没有合作关系的供应商，他们对我们的紧张时间表不感兴趣。那些最终合作成功的供应商是我们的团队与之有人脉关系的供应商。" 在三个决赛团队中，只有Fast and Fractured实现了首次尝试点燃他们的微型燃烧室。该团队大量使用AI进行权衡研究和架构比较，尽管他们之前都没有燃气轮机经验，但仍得出了一个可行的设计。 "JARVIS挑战展示了当你将AI驱动的设计、积极的学生和快速实验的文化结合起来时，可以达成什么，"航空航天系Charles Stark Draper职业发展教授Masha Folk说。"最突出的时刻是当第一个学生设计的燃烧室被安装在测试台上时。它完美地点燃，升至全功率，过渡到双燃料运行，然后在100% Jet-A燃油上维持稳定燃烧。这证明了我们可以大幅加速设计、建造和测试的循环，同时让学生获得真实工程挑战的动手经验。" **在AI原生工程的前沿** 到五月底，两个更资深的团队——Fast and Fractured和811 Crew——完成了完整的发动机测试。Fast and Fractured通过AI辅助设计，每周都因供应商问题而延迟，但最终进入了测试。不幸的是，他们的热试车因转子摩擦并卡住静止壳体而提前中止。然而，811 Crew团队，他们在比赛前对涡轮机械和推进概念有更多接触，最终获胜。他们的发动机启动成功，过渡到Jet-A燃油，并产生了净推力。 "当我们站在那里拿着空气启动器，听到他们的发动机加速旋转并看到它们喷出火焰时，感觉我的心都要跳出来了。有那么多可能出错的方式！这些学生在如此短的时间内完成的事情简直令人惊叹，"博士生Joe Chiapperi说。 811团队在整个比赛中一直不愿使用AI，而是依赖他们的基础知识和团队合作。"我们有至少对设计软件有些熟悉的人，有知道如何建造任何东西的机械工程师，还有专门上过燃气轮机发动机设计课程的空天工程师，"Tupaj说。 从JARVIS挑战一开始，低年级学生使用Parley更频繁且更巧妙，而高年级学生则利用了更深的经验。 "JARVIS教会我，从AI中获得价值需要两样东西：足够多的专业知识来判断它告诉你的内容并在它出错时发现它，以及足够的好奇心来实际在它能帮助的地方依赖它，"Andreea Bobu教授说。"在冲刺中行动最快的团队经验丰富，并且大量依赖AI来实现目标。最终获胜的团队对AI更加抗拒；他们有专业知识，但那种怀疑态度使他们更慢。最佳点似乎是：足够了解从而保持对工具的掌控，同时又足够渴望去首先拿起它。对我来说，这才是未来的真正机遇：培训下一代工程师，使他们既有判断力来指导这些AI工具，又有本能去使用它们。" 比赛最明确的发现：工程经验是一个倍增器，人为因素仍然是关键要素。掌握基本原理和基本概念能培养良好的工程判断力，以及在信息不完整的情况下驾驭一连串艰难决策的能力。而且，在构建安全关键物理系统时，没有什么可以取代人类的手和人类的问责制。 "JARVIS表明，AI副驾驶可以对工程生产力产生倍增效应，而判断力和基于第一性原理的思维是团队之间的关键区分因素，"助教Kyle Woody补充道。 但AI在航空航天领域的影响是巨大的。如果小团队使用管理良好的AI副驾驶能够将设计-建造-测试周期从数年压缩到数周，那么对劳动力结构、研发时间线和竞争动态的影响可能是深远的。参与JARVIS挑战的学生是首批不仅将其作为思想实验，而且在机加工车间里、在测试台上的喷气发动机面前，去面对这些利害关系的工程师。 "JARVIS凸显了AI在物理系统设计中的力量，"MIT燃气轮机实验室副主任Cordero说。"但它也表明，释放这种力量的关键在于教育——通过课程、实习以及像MIT Motorsports和Rocket Team这样的动手课外活动。JARVIS中的表现与年级密切相关。我的主要收获是，在AI时代，教育比以往任何时候都更有价值。"