進入AI EV時代，AI還能為汽車做些什么？美國MIT工程師想將AI與電動汽車設計結合在一起，幫助設計師加快設計速度。

工程師們開發一個名叫“DrivAerNet++”的開源數據庫，里面有8000款電動汽車設計圖，這些設計均以現有汽車的流行款式為基礎開發，以3D模型的形式展現，并考慮了空氣動力學特征，可幫助車企快速設計汽車。

數據庫與AI模型結合，自動生成電動汽車新設計

回顧歷史，電動汽車已經出現100多年，但最近幾年突然出現大爆發。一般來說，廠商設計一款汽車需要幾年時間，需要投入大量資源，需要不斷迭代、不斷修改，直到確定最終設計并制作原型車。

由于汽車設計歸廠商專有，測試數據嚴格保密，外界無法獲得。正因如此，如果想讓電動汽車續航里程和燃料效率得到明顯提升，困難總是很大，提升速度也不快。

汽車設計流程過于漫長，AI也許可以簡化流程，縮短設計時間。MIT開發“DrivAerNet++”數據庫的目的就是提升設計速度。研究人員認為，未來可以將“DrivAerNet++”數據庫與AI模型結合，自動生成電動汽車新設計。

MIT團隊于6月13日將論文上傳至arXiv，詳細介紹了數據庫，并介紹了如何將數據庫與AI技術結合。

在MIT內部有一個名叫“MIT SuperCloud”的超級計算機系統，它主要用于科研，用戶可以遠程接入并獲得算力。研究人員用“MIT SuperCloud”系統進行計算，消耗300萬CPU計算小時數，獲得39TB數據。

研究人員還開發一個算法，它可以對26個參數進行系統性調節，比如汽車長度、下車身性能、胎面和車輪形狀、擋風玻璃傾斜度等參數。還有一套算法可以判斷新生成的汽車設計是原創設計，還是對已有設計的復制。

每一份3D設計都可以轉化為多種可讀格式，比如Mesh格式、點云圖、或者只是一份簡單的規格尺寸列表。最后研究人員會用流體動力學模擬器進行模擬，看看空氣穿過AI生成設計圖時會發生什么。

生成式AI模型，可將汽車設計時間降低至幾秒鐘

MIT機械工程助理教授Faez Ahmed說：“進行設計時前進的代價相當昂貴，汽車制造商只能一步一步調整，每步只能調整一點點。如果我們擁有一個數據庫，你可以明確知道每種設計的性能表現，你就能訓練機器學習模型，讓迭代速度加快，從而獲得更好的設計。”

MIT機械工程學學生Mohamed Elrefaie說，數據庫可以幫助車企降低研發成本，加快設計速度。他還說，加快設計的關鍵是AI工具的使用。有了數據庫的幫助，訓練生成式AI模型，讓模型做一些事情，可能只需要幾秒，而不是幾個小時。

以前也有汽車AI大模型出現，它們看起來也不錯，但依賴的訓練數據有限。MIT的數據庫更豐富，AI模型可以用它創造新設計，也可以測試現有汽車的空氣動力學特點。汽車制造商不需要制造實體原型車就可以計算電動汽車的續航里程。

AI參與設計，還可大度降低汽車設計成本

在汽車界，一款汽車的設計投資可能高達10億美元，如果是重大新設計，甚至要30億美元。假設AI真的能參與設計，應該可以大大降低成本。

對一款設計進行驗證，每次需要10萬美元。如果加入機器學習和深度神經網絡，驗證次數會大大減少。生成式AI可以根據設計師的提示生成新設計，還可以預測消費者的反應。

汽車制造商在設計領域引入AI技術并不是什么新鮮事。例如，2000年通用汽車推出龐蒂亞克Aztek，這款汽車有些地方吸引了戶外愛好者，但外觀卻遭到批評，有人說它是有史以來最丑的汽車。

Aztek的銷量只有別克Rendezvous的一半，要知道二者是基于相同平臺開發的，只是設計有些不同。為了避免犯下同樣的錯誤，通用汽車大力投資AI，想用AI技術預測并生成更有吸引力的車型。

豐田研究院（Toyota Research Institute）也已經引入生成式AI技術，它的目標是幫助設計師減少迭代次數。AI設計不只給設計師帶去靈感，還會考慮工程、安全問題。廣汽其實也用到了AI，主要是對設計進行優化。有了AI技術加持，廣汽可以快速生成并評估設計選項，既考慮審美，也考慮功能。

除了設計，在制造、輔助駕駛等環節，AI技術也已經全面“浸入”汽車產業。（小刀）