「AI定義汽車」新拐點已至！小米孟二利：我們有三個工作需要做好

白交 2024-12-13 13:04:22 來源：量子位

編輯部 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

大模型的出現(xiàn)，讓汽車行業(yè)來到了「AI定義汽車」的新拐點。

毫無疑問的是，工業(yè)大模型正在成為制造業(yè)轉(zhuǎn)型升級的關(guān)鍵 “智” 變力量，而其中又是以汽車產(chǎn)業(yè)為代表，大舉邁向智能制造的新征程。

小米，當(dāng)之無愧的年度焦點玩家。在MEET2025年智能未來大會上，小米技術(shù)委員會AI實驗室機器學(xué)習(xí)團隊高級技術(shù)總監(jiān)孟二利，分享了他們利用大模型賦能汽車智能制造的一些探索。

孟二利，從中科院研究生院畢業(yè)后一直從事AI算法研究與應(yīng)用工作。目前他致力于將人工智能技術(shù)應(yīng)用于汽車制造和新零售等小米核心業(yè)務(wù)中，是AI+信息化、整車智能技術(shù)負(fù)責(zé)人。與汽車部合作一體化大壓鑄項目中，“材料性能預(yù)測模型”被中國汽車工程學(xué)會專家組評定達到世界領(lǐng)先水平，項目團隊獲得小米百萬美金技術(shù)大獎。

在本次大會上，他分享了小米是如何找到汽車智能制造的突破口，又是怎么迎接「AI定義汽車」的新拐點。

在不改原意的基礎(chǔ)上，量子位做了如下整理。

核心觀點梳理

• 小米將包括大模型在內(nèi)的AI技術(shù)看作一種新的生產(chǎn)力，能夠?qū)浖陀布男Ч兄笖?shù)級的提升，也是小米長期持續(xù)投入的底層賽道。
• 想將汽車的傳統(tǒng)制造模式向更加高效、精準(zhǔn)的智能制造模式轉(zhuǎn)型非常難，這是因為在沒有AI的時候，汽車生產(chǎn)就非常成熟了。
• AI賦能材料研發(fā)其實并沒有那么容易，團隊在學(xué)習(xí)各種專業(yè)知識之后，總結(jié)出來一套公式：各種數(shù)據(jù)+前沿算法+專業(yè)知識+專家經(jīng)驗+不斷試驗=新材料。
• 大模型的出現(xiàn)，使行業(yè)來到了從軟件定義汽車到AI定義汽車的拐點。這個拐點的標(biāo)志就是大模型在汽車上的應(yīng)用。
• 在新的拐點上，有三個工作需要繼續(xù)做好：數(shù)字化基建、產(chǎn)業(yè)協(xié)同、對適合工業(yè)場景的大模型技術(shù)的探索。

把大模型看作新生產(chǎn)力，能對軟硬件效果有指數(shù)級提升

今天在這里與大家分享小米在利用大模型賦能汽車智能制造的一些探索。

去年八月，小米科技戰(zhàn)略正式升級為：深耕底層技術(shù)、長期持續(xù)投入，軟硬深度融合，AI全面賦能，總結(jié)為公式就是（軟件×硬件）??。

這表明小米將包括大模型在內(nèi)的AI技術(shù)看作一種新的生產(chǎn)力，能夠?qū)浖陀布男Ч兄笖?shù)級的提升，也是小米長期持續(xù)投入的底層賽道。

小米很早就對AI進行了布局，2016年成立了AI實驗室，逐步開展了視覺、語音、聲學(xué)等相關(guān)工作，2023年4月成立專職大模型團隊，并推出首個小米自研手機端側(cè)大模型。開始將一些先進、前沿的技術(shù)賦能到手機、汽車等產(chǎn)品中，為業(yè)務(wù)場景與用戶需求提供了強大的智能支持。

汽車制造，是一個成熟的百年行業(yè)。我們知道有沖焊涂總四大工藝流程，每一步都都涵蓋著設(shè)計、研發(fā)、生產(chǎn)等多維度的精細(xì)操作，這些環(huán)節(jié)往往都依賴專業(yè)人員的經(jīng)驗積累和反復(fù)的試驗。因此，想將汽車的傳統(tǒng)制造模式，向更加高效、精準(zhǔn)的智能制造模式轉(zhuǎn)型，非常難。而難，是因為在沒有AI的時候汽車生產(chǎn)就非常成熟了。

所以這也是團隊面臨著第一個問題：那么，如何去找到這個突破口？

百年工業(yè)智能化轉(zhuǎn)型，從變化的地方開始

我們決定從汽車工業(yè)發(fā)生變化的地方——一體化大壓鑄開始。

一體化大壓鑄，由特斯拉開創(chuàng)，是汽車制造工藝的新變革。它是用超大型壓鑄機將多個零件重新設(shè)計后一次壓鑄成型，得到完整零部件。

其優(yōu)勢很明顯：

（1）多個鋼制鈑金件，替換成一個鋁合金，使車重減輕 30%-40%，提升續(xù)航里程；

（2）可減少零部件數(shù)量，減少制造工序，降低人工、機器等成本；

（3）用一體化大壓鑄件代替多個零件鉚接，剛性更強。

團隊把目標(biāo)聚焦兩個方面：一個方面一體化大壓鑄材料的研發(fā)；第二是質(zhì)量檢測的工作，去探索大模型和相關(guān)的技術(shù)來進行賦能。

小米SU7的后地板采用大壓鑄工藝，其尺寸比特斯拉大17%。首要挑戰(zhàn)是，市面上沒有滿足需求的材料。材料研發(fā)成本非常高，研發(fā)難度也是非常的高。小米堅定的深耕底層技術(shù)，走全棧自研之路，一定要攻克這一難題。

從傳統(tǒng)的材料研發(fā)方法來看，主要是基于實驗和經(jīng)驗的 “試錯式” 研究。依靠科研人員長期積累的經(jīng)驗，以及已有的材料科學(xué)理論知識，來確定研究方向和設(shè)計實驗方案。需要耗費大量的時間來進行反復(fù)試驗和驗證，導(dǎo)致研發(fā)周期往往很長，從發(fā)現(xiàn)新材料到實現(xiàn)工業(yè)化應(yīng)用，一般需要10至20年。難以對材料的組成成分、結(jié)構(gòu)和工藝參數(shù)進行全面、系統(tǒng)的優(yōu)化，導(dǎo)致材料性能的提升空間有限，且難以保證材料質(zhì)量的一致性。

而AI研發(fā)方法，要求基于少量的實驗數(shù)據(jù)，建立材料性能預(yù)測模型，同時能夠?qū)崿F(xiàn)反向?qū)?yōu)。在只進行少量實驗下，找到滿足性能需求的材料。實現(xiàn)低成本、高效率、高性能。

談到AI賦能材料研發(fā)，大家可能首先想到的就是數(shù)據(jù)+算法，但對于材料學(xué)科來講，其實并沒有那么容易。

首先，材料的數(shù)據(jù)收集成本非常高；其次，材料涉及非常多的物理化學(xué)過程，純大模型方法效果不佳，只有深入材料機理進行建模才能更好地解決這個問題。我們團隊跨學(xué)科學(xué)習(xí)了很多材料專業(yè)知識，最后總結(jié)出一套公式：

各種數(shù)據(jù)+前沿算法+專業(yè)知識+專家經(jīng)驗+不斷試驗=新材料。

主要問題是，實驗數(shù)據(jù)一般不超過幾十組，復(fù)雜的合金材料元素有十幾種。根據(jù)真實數(shù)據(jù)，不足以訓(xùn)練模型。我們采用了大模型范式，利用仿真數(shù)據(jù)生成大量低質(zhì)量的數(shù)據(jù)，以及找到的文獻數(shù)據(jù)，進行預(yù)訓(xùn)練。使得使用少量、高質(zhì)量數(shù)據(jù)訓(xùn)練時，模型不是從0開始。

我們打造了一套多元材料AI仿真系統(tǒng)，通過大模型范式來研發(fā)材料。通過自己搭建的仿真平臺積累了海量仿真數(shù)據(jù)，與國家級材料重點實驗室合作，基于計算熱/動力學(xué)及其驅(qū)動的AI學(xué)習(xí)方法進行材料開發(fā)，構(gòu)建了十一元合金熱力學(xué)數(shù)據(jù)庫。

這些數(shù)據(jù)為大模型賦能構(gòu)建了基礎(chǔ)。在算法層面，結(jié)合材料專家知識設(shè)計了多個專家模型，從宏觀到微觀的角度建模了成分-組織-性能的關(guān)系。最后在計算平臺上通過配方尋優(yōu)算法，從1016 萬種配方中找到了符合小米需求的小米泰坦合金。

這套系統(tǒng)不僅可以應(yīng)用于汽車，還能用于手機等更多產(chǎn)品的材料研發(fā)中。

值得一提的是，小米泰坦合金是一種高強高韌的免熱處理環(huán)保壓鑄材料。我們在制備小米泰坦合金時加入30%的循環(huán)鋁，每個零件實現(xiàn)碳減排352.53Kg，峰值產(chǎn)能相當(dāng)于每年多種植488萬棵樹。

第二個質(zhì)檢方面。

一體化壓鑄成型后，由于材料、溫度、工藝等因素影響，壓鑄件可能會產(chǎn)生各種內(nèi)部缺陷。需要對整個零件進行全方位檢測，在高質(zhì)量標(biāo)準(zhǔn)下，需要精準(zhǔn)識別出毫米級缺陷。人工檢測會存在個體差異性和主觀判斷情況，不同檢測員對缺陷定義、標(biāo)準(zhǔn)有所不同。同時還存在長時間檢測帶來的疲勞和注意力問題。

因此，我們搭建了視覺大模型質(zhì)量判定系統(tǒng)，能夠檢測出毫米級別的缺陷，并識別缺陷的類型、大小，為工藝優(yōu)化提供依據(jù)。它的準(zhǔn)確率超過99.9%，即使是肉眼難以識別的細(xì)微缺陷，也能迅速查清，檢測效率和檢測精度，都有巨大提升。

視覺大模型質(zhì)量判定系統(tǒng)背后搭載的是我們自研的工業(yè)質(zhì)檢大模型。大模型以及相關(guān)的Agent技術(shù)，都需要用戶提供Prompt來表達意圖。但是，在工業(yè)場景中，我們的目標(biāo)是實現(xiàn)無人工交互全自動化部署，因此，我們提出一種端到端的質(zhì)檢大模型，無需任何人工交互。

在大模型訓(xùn)練方面，通過半監(jiān)督方法進行訓(xùn)練，只需少量人工標(biāo)注即可達到非常高的性能。此外，我們還優(yōu)化了大模型解碼器，幫助邊緣分割更加絲滑，精準(zhǔn)統(tǒng)計二維圖像缺陷面積，估計三維尺寸。

“AI定義汽車”的新拐點

自從特斯拉提出“軟件定義汽車”概念以來，現(xiàn)在汽車行業(yè)正迎來從“軟件定義汽車”到“AI定義汽車”的新拐點，這個拐點的標(biāo)志就是大模型在汽車上的應(yīng)用。

那么，如何實現(xiàn)用大模型賦能汽車制造，使其制造走向智造，我認(rèn)為有三個方面。

第一個方面是數(shù)字化的基建。數(shù)據(jù)是大模型時代最寶貴的資產(chǎn)之一，與互聯(lián)網(wǎng)相比，工業(yè)制造行業(yè)的數(shù)字化程度還有待提升，導(dǎo)致數(shù)據(jù)難以獲取。

對于小米而言，我們對數(shù)字化建設(shè)非常重視，從最初的設(shè)備選型上，我們就充分考慮了需要采集哪些數(shù)據(jù)、并把能否數(shù)字化作為設(shè)備選型的重要依據(jù)。將這些設(shè)備產(chǎn)生的數(shù)據(jù)進行閉環(huán)管理，可以持續(xù)為工業(yè)大模型注入血液。

第二個方面是標(biāo)準(zhǔn)。汽車智能化上，在國家、政府的支持和推進下，很多優(yōu)秀企業(yè)都做了自己的探索。但是還存在于點狀的、自發(fā)的狀態(tài)。如何建立數(shù)據(jù)標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)，實現(xiàn)產(chǎn)業(yè)上下游協(xié)同，需要繼續(xù)努力。

第三個方面是大模型。大模型是當(dāng)下熱點，但目前還是以互聯(lián)網(wǎng)研究、應(yīng)用為主。如何探索適合工業(yè)場景的大模型技術(shù)，實現(xiàn)智能感知、智能預(yù)警、智能決策，深度賦能汽車智能制造的各個環(huán)節(jié)，實現(xiàn)AI定義汽車，還有很長的路要走。

最后，小米在工業(yè)智能化轉(zhuǎn)型做了一些探索，我在這里也拋磚引玉做了一些分享，也期待越來越多的AI人才、專家的加入，實現(xiàn)制造業(yè)的智能化變革。

謝謝大家！