汽车工程中的 AI：为什么现在正当其时
“AI 是应对汽车工程挑战的一种策略，而不是答案。它提供了解决方案的要素，应该成为健全的工程流程和工作流的一部分。”
Katrien Wyckaert，Siemens Digital Industries
汽车行业正在加大人工智能 (AI) 技术的采用力度。AI 在汽车行业的应用非常广泛，从研发到制造、物流和营销，无所不在。AI 技术还传播到了车辆内部，影响着汽车的运行。而设计基于 AI 的汽车系统则极具挑战性。想想汽车创新者获取和处理的大量数据即可见一斑。
汽车工程中的 AI 是一个庞大而笼统的话题。至少，感觉是这样的。尽管汽车行业的许多参与者都认可 AI 是其数字化转型的重要基石，但很少有人透露这些技术的具体应用情况。
阅读此白皮书：在车辆设计流程中利用人工智能 (AI)
本书通过具体实例说明了应用 AI 和机器学习 (ML) 以充分发挥其潜力的三维框架。
汽车工程中的 AI
说到 AI 在汽车领域的应用，我们通常会想到自动驾驶汽车。完全自动驾驶的汽车尚未上路。不过，业界显然正在密切关注发展动态，并投入大量时间、技术和资源来开发自主系统。没错，掌握 AI 工具将是成功设计和开发自动驾驶汽车的关键。
但是，您是否只关注自动驾驶汽车和高级驾驶辅助系统 (ADAS) 开发中的 AI？如果是这样，您可能会错失提升工程实践的机会。
“人工智能是我看到的下一个跳板：它不仅在自动驾驶中发挥主要作用，还贯穿于流程和 IT 领域，当然还有研发领域。”
Jan Brecht，戴姆勒股份公司首席信息官 – 资料来源：法国凯捷公司
在汽车公司内部，AI 技术的规模化应用在逐渐增加。法国凯捷公司的研究也表明，在汽车研发和工程中部署 AI 可能会带来高收益。资料来源：法国凯捷公司
人工智能带来大量机会
技术创新高级总监 Herman Van der Auweraer 率先在 Simcenter 中使用了人工智能技术。他回忆道：“人工智能在汽车或其他行业的应用并不是什么新鲜事。早在上世纪 80 年代，我们就研究了专家系统，这是 AI 推理的一种形式，以解决机器人编程问题和控制流程质量。在那之后，神经网络的浪潮席卷而来：我们还将其用于飞行数据分析和车辆道路测试，但神经网络的结构和可能性并不是今天所看到的样子。我们还缺乏使其正常运行的计算能力。
战略与创新副总裁 Katrien Wyckaert 拥有 30 年的汽车工程经验。她与 Herman Van der Auweraer 和 Simcenter 团队的其他成员一起回顾了当今为支持汽车工程而采取的 AI 措施。其应用范围之广令人惊讶。各种 AI 和机器学习技术都适用于汽车设计和开发，无论是哪个阶段。它们带来了许多好处：可以评估比人脑能力更多的备选方案、减少处理信息的时间、自动选择某些标准或参数等。
当然，AI 技术的某些应用比其他应用更加成熟，但有一点可以肯定：AI 在汽车工程中的潜在用途非常广泛，我们无法一一列举，甚至还有很多想不到的用途。
了解详情
在线研讨会“使用人工智能推动汽车性能工程”总结了他们的研究成果。
观看在线研讨会“使用人工智能推动汽车性能工程”。
人工智能在汽车工程中的应用在汽车界引发了许多问题。加入我们的问答环节，与 Katrien Wyckaert、Herman Van der Auweraer 以及 Simcenter 团队的其他工程师和研究人员一起讨论。
是什么推动了人工智能技术在汽车工程领域的采用？
毋庸置疑，人工智能在汽车研发领域不断扩展的驱动力是对更先进驾驶辅助系统 (ADAS) 的需求以及自动驾驶汽车的问世。没有 AI 技术的支持，无人驾驶汽车是不可想象的。图像识别或智能车辆控制方面的技术进步已经解锁了各种应用，从而将驾驶自动化带入了一个新的水平。
参与这场汽车革命既令人兴奋，又充满挑战。在 Simcenter，我们满怀热情地关注技术进步，并积极帮助设计和开发未来的汽车。
想找一个例子？了解 Simcenter 工程师如何帮助打造未来的智能汽车：配备适当工具的自动驾驶汽车创新。
AI 给汽车工程带来的最大挑战是什么？
第一个挑战是，AI 本身并不能解决工程问题。不要因为对技术的热爱而采用 AI 技术。对于任何既定研发问题，AI 可能只是解决方案的一个要素，而不是解决方案。我们必须专注于工程目标，将 AI 技术与工程领域的深厚知识相结合，以了解其适用性。此外，还必须将 AI 技术集成到工程设计流程和工作流中，而不是执行临时项目。
第二个挑战是了解哪种 AI 技术能帮助您解决特定的工程问题。一旦您确定了项目的范围，就有多种技术可以帮助您解决问题。哪个是“正确”的？Simcenter 正在探索和加深我们对 AI 技术的了解，调整我们的工具和方法来应对利害攸关的问题。
例如，我们使用 AI 来支持设计决策。我们依靠 Simcenter Studio 中的创成式工程来生成一千多个架构，并定义一个“智能架构”工作流，只保留物理上可能的架构。创成式工程还能帮助我们开发出符合工程需求的智能材料。在汽车开发阶段的后期，AI 技术可以支持智能控件的开发，其中模型预测控制可以提高车辆的运行性能，并且可以扩展到学习和模仿人类的驾驶风格。在基于模型的系统测试方面，基于 AI 的技术（如模型降阶和虚拟传感）引领了实现可执行数字孪生的道路。
有关可执行数字孪生的更多信息，请阅读有关该主题的系列博客文章：
可执行数字孪生 (xDT) – 系列博客文章
那么，不同的研发应用应分别使用哪种 AI 技术呢？
这个问题没有对错之分。具体 AI 技术的选择取决于设想的应用。神经网络可以很好地模拟数据之间的复杂关系或辨别其模式，当有大量数据可用时，这种技术尤其有效。当可用的数据有限时，其他机器学习方法可能更合适。强化学习技术是开发智能控制系统的理想选择，该系统可根据对完美情况的描述来学习行为。对于大型、复杂且耗时的仿真，自适应采样是一种可根据有限的数据集来发现和获取知识的机器学习技术。它最大限度地利用从仿真模型中获得的洞察来推断数据集。
是什么让 Simcenter 成为汽车工程领域 AI 的先锋合作伙伴？
Simcenter 产品组合植根于悠久的研发历史。Simcenter 工程师通过研究项目以及与大学和创新公司的合作，在试验和实施 AI 创新方面收集了海量数据和丰富知识。
各种 Simcenter 工具都嵌入了 AI 技术，以帮助改进工程流程、处理复杂问题并加快成果交付。例如，Simcenter 产品组合包括 Simcenter Amesim ROM 生成器以及 Simcenter STAR-CCM+ 中的 AI 增强 CFD 仿真功能。 HEEDS 也依靠 AI 技术来更好、更快地探索设计空间。最后，Simcenter 工程服务团队的工程师致力于探索和实施适当的 AI 方法，以增强工程流程。
事实上，Simcenter 也是仿真和测试解决方案提供商。它可以依靠其核心竞争力来交付值得信赖的结果。AI 有时被描述为一个黑匣子，它产生的结果无法系统地重复使用或获得信赖。AI 的核心永远是大数据。但是，如果手头的数据集十分有限呢？在 AI 环境中利用仿真带来了巨大的技术突破。事实上，仿真可以将物理现象的深厚知识嵌入到流程中。它以对物理行为的理解和洞察替代缺失的数据。
了解有关 AI 增强型 Simcenter 解决方案的更多信息：
- YouTube
- Simcenter 和 Monolith AI 以及 AI 在 CFD 仿真中的应用
- 雷诺汽车将虚拟传感器与 AI 相结合，以应对热力发动机挑战
未来，AI 会取代汽车设计工程师吗？
AI 是否会威胁到汽车设计工程师的工作？坦率地说，我们并不这么认为。AI 不会取代设计工程师，而是会帮助和支持他们。借助 AI 技术，工程师能够做得更多、更好，获得更深入的见解和更广泛的影响力。AI 技术可以提供大量的工程专业知识。专业工程师的知识一直都很难传授给年轻一代。由于技术和系统比以往任何时候都更加复杂，AI 可以为更好地培训和共享工程专业知识开辟一条新途径。
法国凯捷的一项调查显示，许多汽车制造商对 AI 对就业市场的影响持乐观态度。资料来源：法国凯捷公司
