不是,現在造車都得ChatGPT一下了嗎?_風聞
量子位-量子位官方账号-02-14 14:48
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。