⚛️Ars Technica AI•較早收集於 20m
GM 利用 AI 與數位孿生技術大幅提升開發速度
💡了解 GM 如何利用 AI 驅動的數位孿生技術，將工程模擬時間縮短 900 倍。
⚡ 30-Second TL;DR
有什麼變化
工程任務的模擬時間從 15 小時縮短至 1 分鐘
為什麼重要
此轉變展示了傳統製造業如何透過 AI 驅動的虛擬化實現巨大的效率提升，並為汽車產業的研發速度樹立了新標竿。
下一步行動
研究如何將您的工程工作流程中的實體原型替換為 AI 加速的數位孿生模擬，以縮短迭代週期。
誰應關注：Enterprise & Security Teams
關鍵要點
- •工程任務的模擬時間從 15 小時縮短至 1 分鐘
- •利用數位孿生技術實現汽車製造過程的虛擬化
- •應用 AI 驅動的 CFD（計算流體力學）與 FEA（有限元素分析）
🧠 深度解析
Web-grounded analysis with 17 cited sources.
🔑 增強重點摘要
- •通用汽車正利用由AI和雲端運算驅動的生成式設計，探索車輛零件的設計解決方案，目標是打造更輕、更高效且可客製化的汽車。
- •通用汽車與NVIDIA合作，運用NVIDIA Omniverse平台建立裝配線的數位孿生，進行虛擬測試和生產模擬，並將NVIDIA DRIVE AGX用於車載AI系統。
- •AI已應用於通用汽車的設計和開發工作流程，從初步草圖到虛擬風洞測試，使設計師能從手繪草圖快速生成3D渲染圖。
- •通用汽車正開發其專屬的車載AI系統，包括預計於2027年開始搭載的Google Gemini對話式AI，以及透過OnStar連接、為個人化體驗量身打造的AI。
- •通用汽車的製造設施正運用AI進行預測性維護、電腦視覺品質檢測，並優化機器人與物料流動，以減少停機時間並提升品質。
🛠️ 技術深入
- AI設計工具： 通用汽車採用AI和雲端運算驅動的生成式設計。 他們也使用Vizcom軟體將簡單的草圖轉換為動畫影片，加速設計理念的探索。
- 模擬加速技術： AI透過自動網格生成、優化網格品質、加速求解器收斂，以及在無需完整模擬的情況下預測結果，來加速計算流體力學（CFD）分析。 AI加速的有限元素分析（FEA）則整合了機器學習、神經網路和代理模型技術，以縮短求解時間並提高設計迭代速度。
- 數位孿生平台： 通用汽車利用NVIDIA Omniverse（包含NVIDIA Cosmos）建立裝配線的數位孿生，用於虛擬測試和生產模擬。
- 車載AI硬體： 通用汽車將基於NVIDIA Blackwell架構，並運行安全認證的NVIDIA DriveOS作業系統，在NVIDIA DRIVE AGX平台上打造下一代車輛，該平台每秒可執行高達1,000兆次運算。
- 自動駕駛AI訓練： 通用汽車使用專有的多代理強化學習模擬器GM Gym，以大規模訓練自動駕駛系統，該模擬器能夠在名為「Boxworld」的抽象環境中，模擬高擬真度感測器數據和每秒數千名駕駛員。 他們還採用「On Policy Distillation」和利用擴散模型進行「Seed-to-Seed Translation」等技術來生成多樣化的訓練數據。
- 製造AI應用： AI驅動的預測性維護分析機器人的振動、溫度、馬達電流和循環時間，以預測故障。電腦視覺品質檢測則使用AI模型掃描焊縫、油漆和組件中的細微缺陷。
🔮 前景展望AI analysis grounded in cited sources
車輛開發週期將持續大幅縮短。
AI驅動的模擬和數位孿生技術的整合，實現了快速迭代和虛擬測試，顯著減少了對實體原型和傳統耗時方法的需求。
汽車製造將變得高度適應性和預測性。
AI驅動的工廠數位孿生，結合預測性維護和AI優化的機器人技術，將實現即時調整、最大限度地減少停機時間並主動提高品質。
車載AI將提供深度個人化且持續改進的體驗。
通用汽車針對客製化、透過OnStar微調AI的計畫，以及強大的車載運算平台，預示著車輛將學習個人偏好並隨著時間推移不斷發展其功能。
⏳ 時間線
2025-03
通用汽車與NVIDIA宣布擴大合作，將AI、模擬和加速運算應用於下一代車輛、工廠和機器人，包括使用NVIDIA Omniverse建立數位孿生工廠。
2025-03
通用汽車製造團隊利用AI進行預測性維護，並使用數位孿生技術模擬生產線。
2025-08
通用汽車在山景城成立AI團隊，專注於製造自動化、車輛軟體更新及賽車數據分析。
2025-10
通用汽車公布未來計畫，包括從2027年起在車輛中引入Google Gemini對話式AI，並於2028年推出新的集中式運算平台。
2026-03
通用汽車利用專有的多代理強化學習模擬器GM Gym，以50,000倍於實時的速度訓練自動駕駛AI。
2026-04
通用汽車將AI整合到其設計和開發工作流程中，從概念草圖到虛擬風洞測試。
📎 來源 (17)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Ars Technica AI ↗