不是，現在造車都得ChatGPT一下了嗎？_風聞

　　金磊 夢晨 發自 凹非寺

　　量子位 | 公眾號 QbitAI

　　ChatGPT的火，讓全球概念股開啓狂飆模式。

　　單是在國內資本市場，像百度、科大訊飛、雲從等一眾AI企業，可謂是一路“大寫”的漲漲漲。

　　甚至是像搞手寫識別、OCR的漢王科技都能連拉5個漲停板，引得不少網友直呼“這都能扯上關係”……

　　但是家人們，正所謂“沒有最意外，只有更意外”，還有更令你意想不到的企業也要插足ChatGPT了——

　　造車！

　　啊這……一個對話機器人，現在都厲害到可以造車了嗎？？？

　　造車，如何AIGC？

　　首先要説明的是，AI造車並非指的是AI去操縱生產線，而是利用AI算法來完成汽車零部件的設計方案。

　　在造車界地位相當於ChatGPT的，便是汽車算法設計模型AAM™（Automotive Algorithm Modeling），由自動駕駛滑板底盤及整車開發製造企業PIX Moving提出。

　　與AI繪畫、AI聊天非常相似，AAM™用起來也是由人類給出參數或草圖，包括允許AI生成的區域、功能需求和約束條件。

　　與文本、繪畫類“基於數據量巨大，訓練資源豐富”的前提不同，對於工業領域，數據量往往很難達到繪畫、文本領域的數據量。

　　因此，根據工業場景的特徵，PIX 提出基於規則的小模型與大模型相結合的策略，使用大模型通過學習海量車輛數據生成近似設計，然後通過經典算法來將近似設計優化為精確的工程文件，從而符合工業場景的製造需求。

　　AAM™，可以看成是一個“經驗老到”、“手法成熟”的設計師。

　　經驗來自大量訓練數據，手法成熟指的是在給出設計的同時也完成了後續仿真驗證。

　　按照傳統流程，初步設計方案給出之後還要經過仿真驗證，未通過驗證的地方要返回修改。

　　過去，人類工程師想要修改一個方案，那工作量其實並不比從頭設計新的小多少，少則幾天，多則一週。

　　而AI來修改方案，那就是改動幾個參數的事，幾分鐘就可以搞定。

　　還可以按不同參數一次性批量生成，再從中篩選出最優。在節省時間的同時，最終選中的方案質量也可以邁上一個台階。

　　有了AAM™參與之後，整個流程能加快多少？

　　PIX Moving團隊給出的數字是：整個產品降低60%的時間，單個零件從幾天縮短到幾小時。

　　與AI繪畫、AI聊天機器人等消費級AIGC算法相比，AIGC用於工業的難度還要大的多。

　　舉個例子，現在用AI來修改照片或視頻，根本不需要考慮光學和材質的物理特性，只需要在像素層面“騙過人眼”就行。

　　工業上就沒有這麼簡單，設計出的零件最終是要進入生產環節的，騙不過車牀、也騙不過3D打印機，必須是實打實的可用、滿足製造要求。

　　

　　

　　****△3D打印機在生產AI設計的滑板底盤架構

　　

　　****△由AAM™設計完成的3D打印自動駕駛滑板底盤（實車）

　　眾所周知，深度學習為基礎的AI算法有不可解釋性，在這方面確實不咋擅長。

　　為了克服這個這個問題，AAM™算法由AI算法與經典的幾何、物理算法合作完成，也是AAM™相比其他AIGC應用的創新之處。

　　AI與傳統方法配合之下，設計出的部件不光進入生產，甚至已經實裝上車。目前已應用於PIX研發的自動駕駛滑板底盤，以及共享移動空間（Robobus）、個人移動空間（NEV）產品的底盤及車架設計中。

　　****△共享移動空間（Robobus）

　　****△個人移動空間（NEV）

　　除此之外，PIX的合作伙伴福龍馬集團，已將AAM™應用於清掃機器人的設計與製造中。

　　****△福龍馬集團無人駕駛環衞機器人

　　據PIX Moving團隊介紹，有經驗的工程師其實容易會被過去的經驗限制住，產生路徑依賴，想要產出又有創意又符合生產需要的作品還是不容易的。

　　AI則不受此限制，訓練數據越多能力越強。

　　總的來看，AI造車除了加快流程節省成本之外，在創意、設計質量上也有發揮空間。

　　據瞭解，AAM™在PIX Moving 內部已經投入使用超過一年，正是因為看到如此顯著的效果，團隊才有了將其對外開放的信心。

　　產品化，是將AI算法推向市場的關鍵一步，正如GPT-3誕生多年影響力僅限於科技圈內部，做成人人都能方便使用的ChatGPT才引爆全球。

　　PIX Moving團隊表示，最終產品會是基於Web的雲服務。

　　不需要過去工業軟件的繁瑣配置部署，只要打開瀏覽器就能使用，並且支持多人在線協作。

　　通過智能化+工作流程革新，AAM™的最終目標是給行業帶來顛覆性的改變。

　　AIGC，正在改變生產模式

　　不難看出，所謂的“用ChatGPT造車”，並非是字面所指的那種意思。

　　而是藉以ChatGPT為代表的AIGC模式，來改變傳統造車流程中的設計、工程和製造環節。

　　傳統汽車設計固有的一大痛點，可以總結為**“牽一髮而動全身”**，因為它所涵蓋的細分流程不僅紛繁複雜，而且環環相扣。

　　例如計算機模型繪製、工程分析、估算成本、可靠性實驗等等，一旦客户針對某個環節提出改動需求，無異於給設計團隊送上一首《重頭再來》……

　　汽車設計領域不僅是在需求上具有碎片化的特點，而且還逐步在向多樣化和非標化的方向發展，諸如物流、安防、農業等場景的不同，便會使得汽車設計無法做到“一個模板cover所有”。

　　而像ChatGPT這般的AIGC，它們的一大特點便是能夠以專家級的知識、能力儲備，在極短的時間內呈現高質量的結果。

　　二者結合之下，便不難得出PIX Moving此舉所劍指的目標了——讓AAM™成為工業界的ChatGPT。

　　從實際“上崗”後的結果來看，也是可以印證這種模式的正確性。

　　據瞭解，在AAM™的加持之下，汽車設計流程的效率可以提升10倍，相對人工設計效率提升50-100倍，而且還是在精確性和穩定性上能夠提供“更優解”的那種。

　　而且PIX Moving不僅僅是在設計端處發力，在製造端上，還提出了RTM™（實時成型模型），這套組合拳的打法可以總結如下：

　　AAM™：將車輛設計數據化、系統化，快速確定高質量設計方案；

　　RTM™：接手確定方案，通過無模具實時成型系統，快速進行數字化的製造。

　　****△RTM™，實時成型技術展示

　　這種以AIGC的思路來提高汽車製造效率的模式，同樣得到了全球工業軟件巨頭Autodesk的認可：

　　2022年10月，因PIX Moving在AI算法設計與新制造工藝上的創新與貢獻，被授予年度創新者獎。

　　但PIX Moving所下的這盤棋，可不止於汽車製造這一個領域，據瞭解，他們在未來還要將這種模式復刻到建築設計、航空航天、船舶等更多工業設計領域中。

　　至於更深遠的目標，或許正如百年前福特發明的流水線，讓汽車走進千家萬户、變為大眾消費品，PIX Moving的工藝創新會讓個性化成為下一代工業生產的主流。正如CEO喻川所述：

　　製造工藝，決定了硬件產品創新的邊界。

　　……

　　那麼普通開發者能否體驗一把工業界的ChatGPT呢？這個可以有。

　　據瞭解，2023年4月份，PIX AAM™將以SaaS或PaaS的形式，對外開放部分免費功能模塊！

　　想體驗的小夥伴們，可以坐等福利了。