不是，现在造车都得ChatGPT一下了吗？

ChatGPT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ChatGPT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ChatGPT的，便是汽车算法设计模型AAM™（Automotive Algorithm Modeling），由自动驾驶滑板底盘及整车开发制造企业PIX Moving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 Moving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（Robobus）、个人移动空间（NEV）产品的底盘及车架设计中。

△共享移动空间（Robobus）△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 Moving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 Moving 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ChatGPT才引爆全球。

PIX Moving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ChatGPT造车”，并非是字面所指的那种意思。

而是借以ChatGPT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ChatGPT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 Moving此举所剑指的目标了——让AAM™成为工业界的ChatGPT。

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 Moving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Autodesk的认可：

2022年10月，因PIX Moving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 Moving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 Moving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。

……