通用汽車用AI把新車設(shè)計從月縮到小時

「以前需要多個團隊干幾個月，現(xiàn)在幾小時就能看到效果。」——通用汽車創(chuàng)意設(shè)計師Dan Shapiro

這句話背后是一場正在發(fā)生的變革：AI正在改寫汽車設(shè)計的底層流程。不是輔助，是重構(gòu)。

從草圖到3D：被壓縮的時間線

傳統(tǒng)汽車設(shè)計有一套固定的儀式。設(shè)計師手繪草圖，反復迭代，從各個角度打磨線條。有些死在數(shù)字世界里，有些被雕成油泥模型，讓曲面和比例真正"站"起來。

這只是開始。從第一張草圖到新車上市，通常要五年甚至更久。

這意味著今年夏天展廳里的新車，最初落筆于2020或2021年。那時候新能源補貼遍地，充電樁瘋狂擴張，內(nèi)燃機似乎時日無多。

現(xiàn)在全變了。特朗普政府第二任期取消了各類電動車激勵，關(guān)稅和進出口限制滿天飛。曾經(jīng)承諾2030年全面電動化的廠商，正忙著給所有能裝發(fā)動機的地方塞進去。工廠被緊急改造，只為躲開最嚴厲的進口管制。

在這樣的混亂中，"代理式AI"（agentic AI）爆發(fā)。越來越多廠商用它來壓縮那個60個月的設(shè)計周期。

潛力很大，隱患同樣不小。

通用汽車的實驗：Vizcom工具鏈

Dan Shapiro在通用汽車負責創(chuàng)意設(shè)計。他向我展示了一套新工作流，核心原則沒變：設(shè)計起點永遠是人類。

「草圖就是干這個用的，」他說，「AI讓我們更快看到結(jié)果。」

具體操作：手繪草圖輸入Vizcom——一款商用工具——輸出完整的3D模型和動畫。Shapiro的案例是一輛線條激進的雪佛蘭概念車，放在夜之城街頭毫不違和。

提示詞很直接：「創(chuàng)建這張雪佛蘭概念車的動態(tài)視角動作鏡頭……空曠的高架街道。現(xiàn)代城市。」

簡單動畫很快生成。車輪轉(zhuǎn)動，車身在虛擬街道上滑行。

Shapiro強調(diào)，這并非取代設(shè)計師，而是加速決策。「你能快速驗證想法，看哪些值得推進，哪些該放棄。」

時間成本從"多團隊×多月"變成"單人×幾小時"。這個壓縮比例，放在任何制造業(yè)都是顛覆性的。

行業(yè)背景：為什么現(xiàn)在必須快

汽車業(yè)正經(jīng)歷罕見的政策震蕩。2020年啟動的項目，假設(shè)的是補貼延續(xù)、電動化加速。2025年的現(xiàn)實是補貼消失、關(guān)稅壁壘、技術(shù)路線搖擺。

五年設(shè)計周期成了致命弱點。你按2020年的政策押注，2025年可能完全錯位。

AI壓縮周期的價值在這里凸顯：不是讓車更好，是讓決策更快。在不確定性中，反應速度就是生存概率。

但Shapiro也提到"更令人不安的影響"。原文沒展開，我們也不猜測。只說一個可見的風險：當設(shè)計迭代從月降到小時，質(zhì)量控制節(jié)點是否同步壓縮？審美判斷讓位于速度壓力，會發(fā)生什么？

技術(shù)細節(jié)：Vizcom做了什么

Vizcom不是通用自研，是第三方商用工具。這意味著技術(shù)門檻在降低——不需要自建AI團隊，采購即可。

工作流的關(guān)鍵是"草圖→3D→動畫"的連貫性。傳統(tǒng)流程里，這三步分屬不同團隊：概念設(shè)計師、數(shù)字建模師、可視化專家。交接、反饋、修改，每個環(huán)節(jié)都是時間黑洞。

AI工具把三步串成一步。設(shè)計師自己操作，即時看到結(jié)果。反饋循環(huán)從"天/周"變成"分鐘/小時"。

Shapiro的演示停在動畫階段。他沒說是否直連工程開發(fā)，但暗示了方向：「更快看到它，更快決定要不要造出來。」

對比：傳統(tǒng)流程的沉沒成本

理解變革幅度，需要回到舊流程。

草圖階段：數(shù)周至數(shù)月，設(shè)計師產(chǎn)出數(shù)十甚至上百個方案，內(nèi)部評審淘汰大部分。

3D建模：入選草圖交給數(shù)字團隊，數(shù)周建成可旋轉(zhuǎn)的虛擬模型。不滿意則退回重畫。

油泥模型：關(guān)鍵方案做成實體，成本高昂，修改更貴。這一步往往鎖定設(shè)計方向。

工程可行性：設(shè)計團隊與工程師拉鋸，空氣動力學、碰撞安全、制造工藝，每項都可能推翻造型。

每個環(huán)節(jié)的沉沒成本都在累積。越往后，改動的代價越大。所以前期決策格外謹慎——也意味著格外緩慢。

AI工具改變的是前期決策的速度。草圖階段就能預覽接近最終的效果，減少盲目投入。理論上，更多方案可以被快速驗證，更少的資源浪費在死胡同里。

未解的問題

Shapiro的演示是概念階段，距離量產(chǎn)還有漫長距離。工程開發(fā)、供應鏈管理、法規(guī)認證——這些環(huán)節(jié)的周期并未被AI壓縮。

另一個問題是同質(zhì)化。如果多家廠商使用相似的工具、相似的提示詞邏輯，設(shè)計多樣性會不會收窄？汽車作為文化符號的差異性，會被算法平滑掉嗎？

還有版權(quán)與訓練數(shù)據(jù)。Vizcom的模型基于什么數(shù)據(jù)訓練？生成的設(shè)計元素是否可能觸發(fā)侵權(quán)爭議？原文未提及，行業(yè)正在摸索。

為什么這件事重要

汽車設(shè)計周期的縮短，表面是效率工具，深層是權(quán)力轉(zhuǎn)移。決策權(quán)從"需要協(xié)調(diào)多部門的流程"轉(zhuǎn)向"能操作AI工具的個體設(shè)計師"。

在貿(mào)易政策劇烈波動的環(huán)境里，這種轉(zhuǎn)移可能是生存必需。五年周期太長，政策風向可能變?nèi)亍Ｄ芸焖衮炞C、快速轉(zhuǎn)向的組織，比完美規(guī)劃但緩慢執(zhí)行的對手更有韌性。

通用汽車的實驗不是孤例。原文提到"越來越多制造商"加入這個趨勢。當壓縮設(shè)計周期成為行業(yè)標配，競爭規(guī)則將被重寫。

最后回到Shapiro的那句話：「AI幫助我們更快看到它。」

看到之后呢？決策的質(zhì)量取決于人，而非工具。AI給了速度，但方向的選擇、價值的判斷，仍是人類設(shè)計師的領(lǐng)地——至少目前如此。

當設(shè)計周期從月進入小時級，汽車行業(yè)的"試錯"成本結(jié)構(gòu)被根本改變。但一個問題懸而未決：我們準備好承受"更快犯錯"的后果了嗎？