General Motors ogłosił, że dzięki sztucznej inteligencji i symulacjom opartym na fizyce skrócił cykl projektowania nowych aut do dwóch lat. Dla porównania: do niedawna standardem branżowym były cztery do pięciu lat, a chińscy producenci działają nawet szybciej.
Kluczowe fakty:
- General Motors skrócił cykl projektowania nowych samochodów do dwóch lat dzięki zastosowaniu sztucznej inteligencji i symulacji opartych na fizyce – podczas gdy dotychczasowy branżowy standard wynosił cztery do pięciu lat.
- Sterling Anderson, były inżynier Tesli i współzałożyciel Aurora Innovation, dołączył do GM w czerwcu 2025 roku jako dyrektor ds. produktu, podpisując kontrakt wart 40 milionów dolarów.
- Chińscy producenci samochodów elektrycznych wprowadzają nowe modele na rynek nawet w 18 miesięcy – w ciągu roku poprzedzającego październik 2025 trzy największe chińskie marki uzyskały homologacje dla 83 nowych modeli, podczas gdy Volkswagen w tym samym czasie homologował sześć, a Nissan dwa.
Za zmianą stoi Sterling Anderson, były inżynier Tesli i współzałożyciel Aurora Innovation, który w czerwcu 2025 roku dołączył do GM jako dyrektor ds. produktu, otrzymując kontrakt wart 40 milionów dolarów. Człowiek, który przez lata pracował nad autonomicznymi pojazdami ciężarowymi, teraz zajmuje się przyśpieszeniem całego procesu tworzenia aut w jednym z największych koncernów motoryzacyjnych świata.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Chiński problem, który zmusił GM do działania
Żeby zrozumieć, dlaczego GM tak bardzo się śpieszy, trzeba spojrzeć na liczby z Chin. BYD i inne tamtejsze marki potrafią wprowadzić nowy model na rynek w 18 miesięcy. Zachodni producenci operują na cyklach cztero-, pięcioletnich. Efekt jest prosty do policzenia: w ciągu roku prowadzącego do października 2025 trzy największe chińskie marki elektryczne (BYD, Wuling i Geely) razem uzyskały homologacje dla 83 nowych modeli osobowych. Volkswagen w tym samym czasie wyrobił się z sześcioma. Nissan z dwoma.
Przeciętny wiek pojazdu w ofercie chińskich producentów to 1,6 roku. Zachodnich marek: 5,4 roku. To nie jest już dystans do nadrobienia. To przepaść.
Trzy epoki inżynierii według Andersona
Anderson opisuje historię projektowania w trzech etapach. Przez tysiące lat ludzie uczyli się od natury, budując modele i testując je empirycznie. Drogo, powoli, wąsko. Potem, gdzieś w połowie XX wieku, pojawiły się narzędzia wirtualne: CAD, obliczeniowa dynamika płynów. Lepiej, ale wciąż w silosach. Projektanci „przerzucali coś przez mur” do inżynierów, którzy i tak musieli budować fizyczny prototyp.
Dziś, według Andersona, mamy trzecią epokę: sztuczna inteligencja scala wszystkie te funkcje w jednym środowisku wirtualnym.
„Lot to świetny przykład” / „Flight is a great example” – mówił Anderson. „Przez wieki ludzie patrzyli na ptaki i mówili: te skrzydła działają. Zróbmy coś podobnego.”
Dziś nie trzeba budować skrzydła, żeby wiedzieć, jak poleci.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Co konkretnie zmieniło się w fabryce danych
Jason Fischer, dyrektor wykonawczy ds. wirtualnej integracji w GM, pokazał podczas demonstracji coś, co jeszcze pięć lat temu byłoby niewyobrażalne. Wirtualny Cadillac Escalade IQ przeprowadzany przez test unikania przeszkód stosowany przez Consumer Reports. Pełna fizyka: zawieszenie, hamulce, kierownica, reakcje na różne nawierzchnie i warunki pogodowe. Bez jednego fizycznego prototypu.
Kiedyś taka weryfikacja wymagała miesięcy pracy na torach testowych. Teraz GM może przeprowadzić pełną kalibrację systemu jeszcze zanim samochód w ogóle zostanie zbudowany.
Symulacje zderzeń czołowych: stary, obliczeniochłonny proces zajmował 15 godzin. Nowa metoda, oparta na podejściu probabilistycznym wspartym AI, skraca to do mniej niż minuty. To nie jest zmiana liniowa. To skok o dwa rzędy wielkości.
Anderson idzie dalej: „Możemy symulować 100 dni jazdy w ciągu jednej doby i zbliżamy się do 2 milionów przebiegów symulacyjnych tygodniowo” / „We can simulate 100 days of driving in a day, and are approaching roughly 2 million simulation runs per week”. To umożliwia testowanie przypadków brzegowych, których odtworzenie fizycznie byłoby zbyt niebezpieczne lub po prostu nieopłacalne.
Komentarz redaktora
Widzę w tym wszystkim coś więcej niż tylko przyspieszenie produkcji. GM robi dokładnie to, co musiał zrobić każdy producent, który serio traktuje chiński rynek jako zagrożenie. Dobra wiadomość jest taka, że technologia rzeczywiście działa, a przykład GMC Hummera w dwa lata od projektu do salonu jest dowodem na to, że to nie jest tylko PR. Ale jest też haczyk. Skrócenie cyklu projektowania to jedno. Drugie to pytanie, co się dzieje z jakością, gdy tempo gwałtownie rośnie. Chińscy producenci też nie są bez wad, BYD w 2025 roku zanotował pierwsze od trzech lat spadki zysku i ciął plany sprzedaży. Szybkość nie jest gwarancją sukcesu. GM powinien być szybszy, tak. Ale nie kosztem głębokości testowania. Sztuczna inteligencja w symulacjach to ogromna pomoc, jednak model komputerowy nigdy w stu procentach nie zastąpi prawdziwej drogi, prawdziwej masy i prawdziwego kierowcy z nieprzewidywalnymi reakcjami.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Od Corvette do Księżyca
AI w GM nie ogranicza się do sedanów i SUV-ów. Przykładem jest wspornik pokrywy bagażnika Corvette, zaprojektowany przez algorytm generatywny. Kształt? Przypomina układ korzeni drzewa. Jest lżejszy, sztywniejszy i trwalszy od oryginału. Natura, ponownie, okazuje się najlepszym inżynierem.
A łazik Pegasus, rozwijany przez GM wspólnie z Lunar Outpost dla NASA? Tutaj wirtualne środowisko Fischer rozciąga się dosłownie poza granice Ziemi. Inżynierowie w Michigan mogą zmieniać grawitację w oprogramowaniu i symulować warunki jazdy po powierzchni Księżyca, testując opony pod kątem tamtejszego terenu. Misja Artemis ma zabrać astronautów na Księżyc w 2028 roku. GM chce, żeby ich pojazd był gotowy na czas.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Symulacje z ludzką twarzą
Jednym z bardziej zaskakujących elementów systemu są „driver-in-the-loop simulations”, czyli symulacje uwzględniające ludzkie zmienne. GM programuje „persony” kierowców: mężczyznę z Bostonu jadącego w styczniu, kobietę z Phoeniksu w letnim upale. Każda persona inaczej reaguje na ogrzewanie, klimatyzację, układ jezdny.
To brzmi jak detal. Ale to właśnie takie detale odróżniają auto, które jest „technicznie poprawne”, od auta, które ludzie naprawdę lubią.
GM przyznaje, że nie jest jeszcze tam, gdzie chce być. Anderson mówi: „Jeszcze nas tam nie ma, ale dajcie nam chwilę” / „We’re not there yet, but give us a minute”. Skromna deklaracja jak na kogoś, kto właśnie pokazał, że potrafi przeskalować inżynierię fizyki do Księżyca.
Chińscy producenci zmusili branżę do zmiany tempa. GM zdecydował, że odpowiedź brzmi: sztuczna inteligencja, fizyczne symulacje i inżynier z doktoratem MIT, który wcześniej uczył ciężarówki jeździć samodzielnie. Czy to wystarczy? Czas pokaże. Ale na razie wygląda poważnie.
