的火，让全球概念股开启狂飙模式。
单是在国内资本市场，像百度、科大讯飞、云从等一众AI企业，可谓是一路“大写”的涨涨涨。
甚至是像搞手写识别、OCR的汉王科技都能连拉5个涨停板，引得不少网友直呼“这都能扯上关系”……
但是家人们，正所谓“没有最意外，只有更意外”，还有更令你意想不到的企业也要插足了——
造车！
啊这……一个对话机器人，现在都厉害到可以造车了吗？？？
造车，如何AIGC？
首先要说明的是，AI造车并非指的是AI去操纵生产线，而是利用AI算法来完成汽车零部件的设计方案。
在造车界地位相当于的，便是汽车算法设计模型AAM?（ ），由自动驾驶滑板底盘及整车开发制造企业PIX 提出。
与AI绘画、AI聊天非常相似，AAM?用起来也是由人类给出参数或草图，包括允许AI生成的区域、功能需求和约束条件。
与文本、绘画类“基于数据量巨大，训练资源丰富”的前提不同，对于工业领域，数据量往往很难达到绘画、文本领域的数据量。
因此，根据工业场景的特征，PIX 提出基于规则的小模型与大模型相结合的策略，使用大模型通过学习海量车辆数据生成近似设计，然后通过经典算法来将近似设计优化为精确的工程文件，从而符合工业场景的制造需求。
AAM?，可以看成是一个“经验老到”、“手法成熟”的设计师。
经验来自大量训练数据，手法成熟指的是在给出设计的同时也完成了后续仿真验证。
按照传统流程，初步设计方案给出之后还要经过仿真验证，未通过验证的地方要返回修改。
过去，人类工程师想要修改一个方案，那工作量其实并不比从头设计新的小多少，少则几天，多则一周。
而AI来修改方案，那就是改动几个参数的事，几分钟就可以搞定。
还可以按不同参数一次性批量生成，再从中筛选出最优。在节省时间的同时，最终选中的方案质量也可以迈上一个台阶。
有了AAM?参与之后，整个流程能加快多少？
PIX 团队给出的数字是：整个产品降低60%的时间，单个零件从几天缩短到几小时。
与AI绘画、AI聊天机器人等消费级AIGC算法相比，AIGC用于工业的难度还要大的多。
举个例子，现在用AI来修改照片或视频，根本不需要考虑光学和材质的物理特性，只需要在像素层面“骗过人眼”就行。
工业上就没有这么简单，设计出的零件最终是要进入生产环节的，骗不过车床、也骗不过3D打印机，必须是实打实的可用、满足制造要求。
△3D打印机在生产AI设计的滑板底盘架构
△由AAM?设计完成的3D打印自动驾驶滑板底盘（实车）
众所周知，深度学习为基础的AI算法有不可解释性，在这方面确实不咋擅长。
为了克服这个这个问题，AAM?算法由AI算法与经典的几何、物理算法合作完成，也是AAM?相比其他AIGC应用的创新之处。
AI与传统方法配合之下，设计出的部件不光进入生产，甚至已经实装上车。目前已应用于PIX研发的自动驾驶滑板底盘，以及共享移动空间（）、个人移动空间（NEV）产品的底盘及车架设计中。
△共享移动空间（）
△个人移动空间（NEV）
除此之外，PIX的合作伙伴福龙马集团，已将AAM?应用于清扫机器人的设计与制造中。
△福龙马集团无人驾驶环卫机器人
据PIX 团队介绍，有经验的工程师其实容易会被过去的经验限制住，产生路径依赖，想要产出又有创意又符合生产需要的作品还是不容易的。
AI则不受此限制，训练数据越多能力越强。
总的来看，AI造车除了加快流程节省成本之外，在创意、设计质量上也有发挥空间。
据了解，AAM?在PIX 内部已经投入使用超过一年，正是因为看到如此显著的效果，团队才有了将其对外开放的信心。
产品化，是将AI算法推向市场的关键一步，正如GPT-3诞生多年影响力仅限于科技圈内部，做成人人都能方便使用的才引爆全球。
PIX 团队表示，最终产品会是基于Web的云服务。
不需要过去工业软件的繁琐配置部署，只要打开浏览器就能使用，并且支持多人在线协作。
通过智能化+工作流程革新，AAM?的最终目标是给行业带来颠覆性的改变。
AIGC，正在改变生产模式
不难看出，所谓的“用造车”，并非是字面所指的那种意思。
而是借以为代表的AIGC模式，来改变传统造车流程中的设计、工程和制造环节。
传统汽车设计固有的一大痛点，可以总结为“牵一发而动全身”，因为它所涵盖的细分流程不仅纷繁复杂，而且环环相扣。
例如计算机模型绘制、工程分析、估算成本、可靠性实验等等，一旦客户针对某个环节提出改动需求，无异于给设计团队送上一首《重头再来》……
汽车设计领域不仅是在需求上具有碎片化的特点，而且还逐步在向多样化和非标化的方向发展，诸如物流、安防、农业等场景的不同，便会使得汽车设计无法做到“一个模板cover所有”。
而像这般的AIGC，它们的一大特点便是能够以专家级的知识、能力储备，在极短的时间内呈现高质量的结果。
二者结合之下，便不难得出PIX 此举所剑指的目标了——让AAM?成为工业界的。
从实际“上岗”后的结果来看，也是可以印证这种模式的正确性。
据了解，在AAM?的加持之下，汽车设计流程的效率可以提升10倍，相对人工设计效率提升50-100倍，而且还是在精确性和稳定性上能够提供“更优解”的那种。
而且PIX 不仅仅是在设计端处发力，在制造端上，还提出了RTM?（实时成型模型），这套组合拳的打法可以总结如下：
AAM?：将车辆设计数据化、系统化，快速确定高质量设计方案；
RTM?：接手确定方案，通过无模具实时成型系统，快速进行数字化的制造。
△RTM，实时成型技术展示
这种以AIGC的思路来提高汽车制造效率的模式，同样得到了全球工业软件巨头的认可：
2022年10月，因PIX 在AI算法设计与新制造工艺上的创新与贡献，被授予年度创新者奖。
但PIX 所下的这盘棋，可不止于汽车制造这一个领域，据了解，他们在未来还要将这种模式复刻到建筑设计、航空航天、船舶等更多工业设计领域中。
至于更深远的目标，或许正如百年前福特发明的流水线，让汽车走进千家万户、变为大众消费品，PIX 的工艺创新会让个性化成为下一代工业生产的主流。正如CEO喻川所述：
制造工艺，决定了硬件产品创新的边界。
……
那么普通开发者能否体验一把工业界的呢？这个可以有。
据了解，2023年4月份，PIX AAM?将以SaaS或PaaS的形式，对外开放部分免费功能模块！
想体验的小伙伴们，可以坐等福利了。
323AI导航网发布
相关文章
