黄教主要用AI帮美女CEO造汽车

作者 / 徐美慧

编辑 / 黄大路

设计 / 柴文静

2025年3月18日，在英伟达GTC全球人工智能大会上，通用汽车与英伟达宣布扩大合作，借助AI、仿真和加速计算技术，合作打造下一代汽车、工厂和机器人。

这标志着汽车产业从“机械制造”向“智能创造”的范式转移。

通用汽车CEO玛丽·博拉（Mary Barra）表示，此次合作是“技术与人类智慧的融合”，而英伟达CEO黄仁勋（Jensen Huang）则宣称“物理AI时代已到来”。

01从数字孪生到自动驾驶的AI全栈布局

通用汽车与英伟达的合作，正在重新定义汽车制造的边界。

博拉表示：“通用汽车与英伟达建立了长期的合作伙伴关系，我们在各项运维系统中都部署了英伟达GPU。AI不仅优化了制造流程，加速了虚拟测试，还帮助我们打造出更加智能的汽车，同时让员工能够专注于汽车工艺。通过将技术与人类智慧相融合，我们在汽车制造及其他领域实现了新的创新。”

在黄仁勋看来，AI已经经历了三代技术范式的转移。从最初的意识AI（Perception AI）到现在的生成式AI（Generative AI），再到目前的代理式AI（Agentic AI）时代，接下来将是物理AI（Physical AI）也就是机器人的时代。

“物理AI的时代已经到来，我们正与通用汽车一起改变从工厂到汽车的交通运输行业格局。很高兴能与通用汽车共同打造符合其愿景、工艺和专业知识的AI系统。”黄仁勋说。

借助英伟达Omniverse平台，通用汽车构建了工厂的“数字孪生”，这是一个与物理工厂完全同步的虚拟镜像。

在墨西哥普埃布拉工厂，这项技术已用于调整35万辆年产能分配。通过实时模拟生产线布局、物流路径和设备运行状态，数字孪生系统可提前发现潜在缺陷，将生产线停机时间减少30%。据报道，某次模拟显示，调整焊接机器人的移动轨迹后，单台设备效率提升12%，仅此一项每年可节省900万美元成本。

与此同时，AI正在重塑工厂的劳动力分工。通用汽车利用英伟达AI模型训练工厂机器人，覆盖从物料搬运到精密焊接的全流程。以车身焊接为例，传统焊接需人工校准误差，通常为±0.5毫米，而AI训练的机器人通过3D视觉系统可将精度提升至±0.1毫米，同时将焊接速度提高40%。

通用汽车软件与服务工程高级副总裁戴夫·理查森（Dave Richardson）指出，此举可让工人从重复劳动中解放，专注于质量控制。

AI技术底座方面，英伟达的Omniverse生态系统与GPU算力，构成了通用AI战略的底层支柱。在底特律Factory Zero电动工厂，通用汽车部署了搭载NVIDIA A100芯片的服务器集群，可同时运行50个数字孪生仿真场景。

通用汽车计划将Cruise自动驾驶业务的算法与传感器技术整合至Super Cruise系统，目标在2026年实现L3级“免注视、免手扶”功能。升级后的系统将覆盖95%高速公路场景，并新增城市道路自动变道、紧急避障等功能。

目前，Super Cruise已应用于大约20款新型高端燃油车和电动车上，该功能提供三年免费试用期，之后用户可选择每月25美元或每年250美元的订阅服务。博拉在2024年第四季度财报会议上明确，Super Cruise将成为未来五年增长核心，预计相关技术年收入将达20亿美元。（详情可见《通用野心不小，卖智驾五年冲击20亿美元》）

黄仁勋在GTC大会上展示了这一合作的深层逻辑——通过Omniverse的物理引擎，通用汽车能模拟暴雨、极寒等极端环境对生产线的影响，提前优化设备防护方案。

更关键的是，双方合作覆盖“制造AI、企业AI与车内AI”三大维度——制造AI：通过AI预测设备故障，将维护响应时间从48小时缩短至4小时；企业AI：利用生成式AI自动生成供应链应急预案，应对地缘政治风险；车内AI：开发基于大模型的语音助手，可理解方言并预判用户需求。

此次合作的深层意义在于打通“制造-产品”闭环。通用汽车在加州试验场将数字孪生技术延伸至车辆测试，通过将真实道路数据导入虚拟模型，可在48小时内完成传统需3个月的耐久性测试。

而在工厂端，装配线数据反哺车辆设计——某次仿真发现，GMC Hummer EV的电池支架在颠簸路况下共振频率异常，设计团队据此调整结构，避免量产后的召回风险。

这种双向赋能正在改变产业逻辑。英伟达汽车业务副总裁兼总经理阿里·卡尼（Ali Kani）在GTC大会上表示：“我们实际上是在帮助通用汽车在整个公司范围内大力发展人工智能，不仅用于自动驾驶汽车的开发，还应用于其制造工厂。”

02通用汽车的AI进化史

通用汽车对人工智能的探索始于制造端的痛点突破。

2021年，通用汽车底特律汉姆川克工厂率先部署AI预测性维护系统，通过安装1200个工业摄像头与振动传感器，实时采集冲压机、焊接机器人等设备的运行数据，利用英伟达A100 GPU训练故障预测模型。

该系统在试运行期间成功预警了87%的设备故障，将意外停机时间从年均1200小时压缩至720小时，相当于每年减少4.3亿美元损失。

这一成果催生了更复杂的AI应用。

2023年，通用在田纳西州Spring Hill工厂启动“数字孪生2.0”项目，通过英伟达Omniverse平台构建全厂级虚拟镜像。当工厂计划引入Ultium电池生产线时，工程师先在虚拟环境中模拟了300种设备布局方案，最终选定使物流效率提升18%的方案，节省了6个月调试时间。

通用制造工程总监迈克尔·阿波罗斯基（Michael Ableski）透露：“数字孪生让其在新车投产前就能发现98%的工艺缺陷。”

通用在自动驾驶领域的AI探索并非一帆风顺。

通用旗下Cruise部门曾被视为特斯拉的劲敌，其旧金山无人出租车车队在2024年高峰时日均接单1.2万次。但高昂的运营成本与监管压力迫使通用踩下刹车。2024年，通用宣布暂停Cruise商业运营，将500名工程师与价值12亿美元的激光雷达、算力设备转投Super Cruise系统。（详情可见《超级独角兽轰然倒地，创始人痛骂金主傻瓜》）

这场战略收缩反而成就了技术融合。Cruise积累的300亿英里仿真数据被用于训练Super Cruise的城市场景决策模型，其多传感器融合算法使系统对施工区域、异形障碍物的识别准确率提升至99.2%。

博拉在内部信中明确：“我们要把实验室里的黑科技，变成消费者买得起的安全配置。”

今年3月4日，通用汽车迎来历史性时刻——任命前谷歌AI产品总监巴拉克·图罗夫斯基（Barak Turovsky）为首任首席人工智能官。这位曾领导谷歌AI产品团队的专家，上任首周便启动“AI 2.0”重组计划：解散分散在12个部门的AI团队，成立集中化的AI研究院；将AI模型开发从“项目制”改为“平台制”，构建可复用的自动驾驶、供应链、用户洞察基础模型；推出“AI护照”系统，跟踪每项AI技术从研发到量产的合规性与伦理风险。

图罗夫斯基在首次媒体见面会上展示了一组对比数据：通过整合研发资源，通用的AI模型训练成本降低65%，车载语音助手错误率从15%降至3.8%。“我们的目标不是做有最多AI专利的车企，而是让AI渗透每辆车的生命周期。”

实际上，通用的AI进化离不开与英伟达的深度绑定。

自2021年采购首批DGX A100超算集群以来，通用已建成汽车行业最大的私有AI算力池：8000块英伟达H100 GPU，可同时运行150个自动驾驶仿真场景；工厂端部署500台EGX边缘服务器，实时处理1.5PB/日的生产数据；第四代Super Cruise搭载的Drive AGX Orin芯片，算力较上代提升8倍。

这种算力优势转化为数据飞轮。截至今年3月，Super Cruise用户累计行驶里程突破50亿英里，每天新增400TB驾驶数据。这些数据经过脱敏处理后，用于训练夜间暴雨、沙尘暴等长尾场景模型，形成“数据采集-模型优化-OTA升级”的闭环。

03全球车企AI竞赛

在全球汽车产业智能化浪潮中，人工智能技术已成为车企争夺未来话语权的核心战场，一场围绕AI的技术军备赛正加速重构行业格局。

这不得不提起特斯拉，特斯拉始终是这场竞赛的领跑者。

特斯拉凭借自研FSD芯片和Dojo超级计算机，实现自动驾驶数据的闭环训练。2024年，特斯拉通过OTA升级向全球用户推送了“城市街道自动驾驶”功能，覆盖95%的城市道路场景，背后正是AI模型每日处理超160亿帧图像数据的结果。

据特斯拉2024年财报，其AI相关研发投入达58亿美元，占总研发预算的18%，远超传统车企5%-8%的平均水平。

更值得关注的是，特斯拉正在将AI从车辆延伸至制造端。得州超级工厂通过AI视觉系统实时检测电池装配缺陷，将质检效率提升40%；柏林工厂则利用AI预测设备故障，减少非计划停机时间达30%。

马斯克在财报电话会上直言：“未来五年，AI将让特斯拉的生产成本再降50%。”

面对特斯拉的技术压制，丰田与现代选择“借力打力”。丰田计划在2026年推出的雷克萨斯Electrified Sport车型上搭载英伟达Drive AGX Orin平台，其算力较上一代提升6倍，可同时处理12路摄像头和5颗雷达数据。丰田工程师团队透露，该系统已通过300万公里虚拟道路测试，涵盖暴雨、暴雪等极端场景。

现代则展现了“制造端AI化”的野心。其投资74亿美元扩建的佐治亚州电池厂，部署了AI驱动的数字孪生系统，可在虚拟环境中模拟电池充放电10万次，将研发周期缩短60%。

更激进的是，现代旗下波士顿动力Spot机械狗已用于现代工厂巡检，Atlas人形机器人尚处实验室阶段，未来或承担工厂高危作业。现代集团AI实验室负责人曾表示：“到2030年，我们的工厂将有30%的岗位由AI系统协同完成。”

欧盟的情况比较复杂，面对严格的监管环境，迫使当地车企在AI应用上走出一条“合规优先”之路。宝马莱比锡工厂部署的AI关税优化系统，能实时计算中美欧三地关税、物流、汇率变量，为每辆出口至中国的iX3电动SUV生成最佳供应链方案，使综合成本降低12%；奔驰则开发了AI碳排放模拟器，可预测2030年欧盟碳关税对生产成本的影响，并自动调整电池供应商配额。

大众集团的策略更为系统化。其与英伟达合作的“工业元宇宙”项目，在沃尔夫斯堡工厂创建了1:1数字孪生体，通过AI优化生产线布局，使ID.4的装配工时减少18%。但大众集团CEO奥博穆（Oliver Blume）坦言：“欧洲在AI芯片与算法人才上的缺口，可能让我们在2030年前落后中美车企一个身位。”

中国车企正以“AI+”重构产业边界。小鹏汽车在2024年提出“三维增长战略”，将汽车、机器人、AI算法并列为核心赛道。小鹏汽车董事长、CEO何小鹏曾强调：“一个全新的Al时代正在到来。这会带来两个变革，其中之一就是汽车产业正在和机器人开始融合。”

中国目前已经有越来越多的车企涉足具身机器人：小米集团在2022年推出了首款人形机器人——CyberOne铁大；小鹏汽车的人形机器人已经迭代到第二代；广汽集团的第三代具身智能人形机器人GoMate，计划在2025年实现自研零部件批量生产。（详情可见《“愚蠢”的具身机器人，进厂拧螺丝至少还要十年》）

AI重构汽车业的当下，谁将定义新规则？

通用汽车与英伟达的合作，揭示了汽车产业的两大趋势：制造端的效率革命与产品端的体验升级。

然而，这场竞赛的代价高昂——通用需新增数百亿美元本土投资，而特斯拉的垂直整合模式亦面临算力与数据的双重挑战。

在这场没有退路的竞赛中，通用与英伟达的联盟或许只是序幕。当AI从实验室走向生产线和方向盘，汽车产业的游戏规则已被彻底改写。