英国超跑品牌迈凯伦引入物理AI与智能体，将车辆工程设计评估从数天缩短至数小时

英国高性能跑车制造商迈凯伦汽车（McLaren Automotive）宣布与工程计算平台Rescale及芯片巨头英伟达（NVIDIA）合作，将代理式人工智能（Agentic AI）和物理AI（AI Physics）整合进其车辆工程研发流程。这一举措旨在解决传统计算机辅助工程（CAE）模拟中计算成本高、限制设计探索规模的核心痛点。

在传统汽车工程中，评估车身结构受力、动态性能及材料耐久性需要运行复杂的数值模拟。虽然这些高精度模拟能提供可靠的物理依据，但每次运算耗时较长。当工程师需要反复调整参数或比较大量设计方案时，计算资源成为瓶颈，限制了在开发周期内能评估的设计数量。对于追求极致调校的高性能车辆而言，如何在保持分析可靠性的同时加快迭代速度，是研发的关键挑战。

迈凯伦采用的解决方案结合了“替代模型”（Surrogate Models）。这是一种通过既有模拟或实验数据学习物理系统行为的AI模型，能够建立设计参数与物理表现之间的映射关系。相较于每次都重新执行高精度数值模拟，替代模型能在适用范围内以毫秒级速度预测不同设计条件下的结果。根据Rescale提供的数据，迈凯伦工程师现在可以在数小时内评估数千种设计变化，原本需要数天的复杂模拟工作被缩短至数分钟。这种机制允许团队先通过低成本预测筛选出值得深入分析的方案，再对关键设计进行高精度验证。

除了物理AI，该平台还引入了AI Agent来处理重复性工程任务。Rescale的平台将代理式工程技术整合到迈凯伦的研发环境中，自动化串接模拟与分析工作流程，使工程师能将更多时间投入设计判断和复杂问题分析。此外，平台利用机器学习预测碳纤维结构的制造表现，并通过工程知识图谱整理过往项目洞察，支持后续决策。

值得注意的是，Rescale声称该平台可将专业工程人员的生产力提升最高达3倍，但公开资料未详细说明该数字的衡量方式、样本范围及独立验证方法。替代模型并非完全取代传统CAE，其预测能力依赖于训练数据和适用范围，关键设计仍需高精度模拟确认。这一案例展示了AI在工业研发中从“代码生成”向“物理仿真加速”延伸的实际应用价值。