一辆今年夏天进展厅的新车，外形草图很可能在2020年或2021年就已经画下第一笔。

这就是汽车研发慢的地方。哪怕设计室早有3D软件、VR雕刻和数字评审，新车通常仍从手绘草图开始，经过一轮轮推敲，再进入3D建模、工程验证、油泥模型、风洞和软件集成。完整周期常常要5年以上。

现在，GM、Jaguar Land Rover和Nissan等车企把AI塞进了这条链路。生成式AI做快速可视化，神经网络做空气动力学预测，代码工具做单元测试等重复任务。

我更在意的不是“AI会不会画车”。它目前还不能独立完成量产车设计。真正的变化是，AI开始变成研发流程里的基础设施，专门切掉那些过去要等几天、几周、几个月的中间环节。

草图还在，但设计前端开始变快

传统汽车设计没有因为工具先进就跳过草图。

一辆车要像某个品牌，还要满足制造、安全、法规、空气动力学和成本目标。设计师画出的不是一张漂亮图，而是一串后续工程约束的起点。

GM正在使用Vizcom，把手绘草图快速转成3D模型和动画。GM设计师Dan Shapiro的说法是，过去可能需要多个团队数月完成的可视化工作，现在数小时内就能做出结果。

他演示的是一辆线条激进的Chevy概念车。AI根据提示词，把它放进城市道路中的动态画面。

这一步很有用，但边界也要说清。

它更像“会动的情绪板”，帮助团队更早看比例、姿态和品牌气质。它不是量产定型，也不是工程验证完成。Shapiro也强调，判断什么像Buick、GMC、Cadillac或Chevy，仍然是设计师的工作。

环节AI正在做什么直接变化不能等同于什么
设计前端草图转3D模型、动画数小时内看到方案气质量产外观定型
空气动力学神经网络预测阻力表现更早得到工程反馈真实风洞和道路测试完成
软件开发生成单元测试等重复代码减少机械开发时间自动交付整车软件

这张表的重点很简单：AI在加速“看见”和“反馈”，不是替车企拍板。

对设计团队来说，变化会先落在工作方式上。以前一个方案要排队等建模、等评审；现在设计师可能一天内看更多变体，也更早被工程指标约束。

快是好事，也会让“凭感觉再磨一磨”的空间变小。

虚拟风洞和代码工具，切的是工程等待时间

比概念车动画更值得产业链盯的，是AI进入工程验证。

空气动力学过去依赖CFD计算和风洞测试。计算资源贵，反馈周期长。设计师改一个曲面，工程团队可能要重新计算，来回沟通很耗时间。

Swiss公司Neural Concept自2018年起把神经网络用于CFD相关任务，客户包括Williams Racing等赛车团队。JLR在今年NVIDIA GTC上给过一个很直观的数字：部分空气动力学任务从4小时缩短到1分钟。

GM也在开发所谓“AI-powered virtual wind tunnel”。目标是让设计师和工程师在调整车身曲面时，更快看到阻力预测。

这会改变研发里的话语权。

过去常见的节奏是，设计师把模型交给CFD工程师，然后等待反馈。现在，工程信号更早进入设计阶段。方案淘汰会更早，争论也更容易被数据拉住。

但这不代表真实风洞可以被取消。汽车量产还要面对安全、法规、耐久、制造一致性和道路环境。AI压缩的是部分迭代时间，不是把5年周期一刀砍掉。

软件开发也是同一条线。

软件定义汽车让代码量和集成复杂度上升。Volkswagen旗下Cariad曾因软件问题拖累项目进度，这已经是行业里反复被提到的教训。Nissan把AI用于单元测试等重复性开发任务，负责软件定义汽车的Takashi Yoshizawa称，这类工具能提升开发速度和质量。

这里的重点不是AI替代程序员，而是先处理低价值、重复性强、但又不能省掉的工作。

对供应链企业来说，动作要更具体一点。

如果主机厂更早拿到空气动力学和结构反馈，供应商收到形面、材料、连接方式调整的时间也可能提前。零部件企业不能只等正式冻结图纸后再响应，报价、CAE配合、样件节奏都要往前移。

对关注AI改造制造业的人来说，这个案例也有参考价值。AI在传统工业里最先吃掉的，往往不是最终决策，而是流程中的等待、返工和低价值验证。

效率变高后，新人入口会变窄

车企公开口径很一致：AI是增强团队，不是削减人手。

GM设计创新与技术运营负责人Bryan Styles称，这能让员工做他们真正想做的工作。Neural Concept CEO Pierre Baqué也强调，价值来自AI速度与人类判断的结合。

这套说法不能全盘否定。汽车研发确实需要经验判断，AI也还没有能力独立承担量产责任。

但我不太买账的是，把效率提升只说成“解放创造力”。如果一个过去要多个团队数月完成的可视化任务，现在数小时能做出来，岗位结构不可能完全不变。

IAAD都灵应用艺术与设计学院教授、前汽车设计师Matteo Licata提醒，设计工作室岗位也许不会立刻消失，但如此大的生产率提升很难不影响人员规模。他更担心学生，因为汽车设计本来就难进，AI可能让初级岗位和练手机会更少。

这才是更现实的冲击。

资深设计师会更快试错。初级设计师过去通过描线、建模、整理方案积累手感的机会，可能被工具吞掉一部分。CFD工程师不会马上被替代，但他们需要解释模型误差、管理验证边界，而不是只等任务排队计算。

对从业者来说，最该做的不是喊AI取代谁，而是调整技能组合。

设计师要理解提示词、3D可视化和基础工程约束。工程师要熟悉AI辅助仿真，但也要能说清它在哪些工况下不可信。软件开发者则要把AI生成测试当成默认工具，同时保留审查能力。

接下来要看三件事，不看演示视频。

  • 这些工具是否进入正式项目节点，而不只是概念车展示。
  • 虚拟风洞结果和真实风洞、道路测试之间的误差如何管理。
  • 招聘要求是否开始变化，比如设计师要懂基础仿真，工程师要会AI辅助验证，软件岗位默认使用代码生成和测试工具。

如果这些变化出现在岗位描述和项目流程里，AI就不再是汽车设计室里的新玩具。

它已经进了研发底层。