Tradisjonelle bilprodusenter bruker generativ AI til forbedring av eksisterende deler, mens teknologien også kan muliggjøre fullstendig redesign av biler.
I ett tilfelle ved en større produsent brukte ingeniører generativ AI til å optimalisere en fjæringskomponent og oppnådde 40% vektreduksjon på timer i stedet for måneder. Forfatteren av analysen peker på et mønster der selskaper oppnår typisk 10–20% vektreduksjon og rundt 15% kostnadsbesparelser ved slike optimaliseringer, samtidig som de beholder eksisterende designparadigmer. General Motors, Ford og Volkswagen bruker generativ AI for å redesigne komponenter; GM oppga en prognose på 50% kortere utviklingstid. Samtidig bruker noen aktører, blant annet BYD, teknologien til å stille spørsmål ved hele arkitekturen i elektriske kjøretøy. Artikkelen framhever at elektriske kjøretøy har fjernet forbrenningsmotorens sentrale begrensning, men at mange fortsatt designer EV-er som om en stor motor må plasseres. Organisatoriske insentiver gjør at kostnadseffektive optimaliseringer ofte favoriseres; et eksempel i teksten viser et regnestykke der retooling for 30% kostnadsreduksjon kan koste 500 millioner dollar, mens en optimalisering krever 5 millioner dollar og gir raskere avkastning. Teksten omtaler også prinsipper for generativ design og bruk av kunstlig intelligens (KI), og er relevant for dekning i AI-nyheter.
Relevans for Norge: Internasjonale endringer i design- og produksjonspraksis påvirker leverandørkjeder og norske industrimiljøer, og temaet diskuteres i AI Norge.
Kilde: https://towardsdatascience.com/generative-ai-will-redesign-cars-but-not-the-way-automakers-think | Sammendraget er KI-generert med OpenAI API og kvalitetssikret av redaksjonen i Ainy.no
