“欧洲汽车制造商有一个机会，在产品研发领域能够追赶上——潜在甚至能够超越中国对手。”Neural Concept公司创始人兼CEO皮埃尔·巴克（Pierre Baque）日前抛出一番暴论。
暴论在哪里？有两个维度。
首先，巴克相当于承认了作为汽车鼻祖的欧洲车已经在产品研发方面落后于后起之秀中国汽车。
这不禁让C次元作者想起两个月前采访雷诺全球CTO菲利普·布鲁内（Philippe Brunet），后者坦陈中国汽车确实是领先，并且“现在中国人买车要求必须智能化，两三年后欧洲也会”，“中国不是孤岛，美国才是”。
其次，这种表达并非恭维中国，而是为了一碟醋特地包饺子——“倘若欧洲汽车公司能够勇敢地采用AI技术。但是传统欧洲车企需要行动更快，战略投入更多。”
这就关系到Neural Concept的业务属性。从名字看，Neural Concept“神经概念”两个词很容易让人联想到人工智能，它的业务就是为工程团队开发AI软件，在制造环节降低成本。
其本质是帮助客户利用过往CAE数据，训练能快速预测仿真结果的AI模型，从而显著加速设计迭代过程。
以前说，打广告是“王婆卖瓜，自卖自夸”，现在变成“篡改对比，胡乱抓瞎”。难道就没有人告诉这位巴克：中国汽车将AI技术用于生产制造和产品功能，作为一种潮流已经盛行许久了吗？
汽车设计95%工作由AI完成，开发成本降低90%……看上去很美，但不要说的好像中国汽车不知道怎么用AI似的。
01
西方汽车制造加速采用AI
“欧美汽车制造商越来越多地在生产制造环节使用AI人工智能，从而削减开发成本，提高产品投放市场的速度，与中国汽车竞争。”
这番描述，倒是契合Neural Concept的发展背景。
Neural Concept是一家成立于2018-2019年的瑞士AI CAE公司，其核心产品为Neural Concept AI工程技术平台。
该技术平台可以与企业内现有CAX系统集成，直接处理CAX文件，管理算力基础设施，并在此基础上帮企业创建AI仿真模型和Agent等。
今年CES等活动上，Neural ConceptAI平台发布了Copilot等新功能，新在哪儿？例如在汽车设计方面，最初是基于设计意图创建几何模型，接下来，通过AI仿真迭代多种设计方案，确认更优设计方案。
看了一下英文介绍，大概有三个优点。
首先，应该是接入了LLM语言大模型，能够对文字描述实现指令转换。Copilot将工程师用文字描述的设计意图转化为可制造3D几何模型，并支持对话式修改模型，因而从设计理念生成CAD几何形状。
其次，可以一次性生成多个设计变体作为备选方案，数量甚至可以多达上千，而不是用传统方式生成一个模型。
第三，支持多种物理场仿真，包括热管理、流体动力学、碰撞和电磁等，可以选择有潜力的设计方案快速评估性能。
在Copilot支持下，从设计意图的确认，经过快速迭代多种方案，最终选出最优方案，大幅缩短了流程和用时。
Neural ConceptAI平台以汽车制造商和一级供应商为重点客户，如今已经开始为15家全球车企客户节约开支，缩短产品投放时间。目前客户包括捷豹路虎、雷诺、通用汽车和多支F1车队，也有伊顿这样的供应商，以及通用电气Vernova、莱昂纳多航空航天、赛峰等能源、航空航天企业。
“AI确实是一次重新洗牌的机会，让西方汽车公司在研发制造领域，面对中国对手更有竞争力，”巴克如此着力渲染，其实就是想推广自家公司的业务。
这位“AI推销员”好不容易才在空话里加一点点实质性内容：“这是一场新的竞赛，目前才刚刚拉开序幕。没有任何理由欧洲汽车最后赢不了。赛事的角逐将变成你的研发有多少是AI做的，还剩下多少是人工做的。”
按照巴克透露的数据，Neural Concept已为其15家汽车客户节省了5,000万美元的成本，并将产品上市时间缩短了两年。
可以肯定，Neural Concept在AI工具用于汽车CAD/CAE领域有两把刷子，但这就能决定中国与西方汽车的较量走向吗？
02
“战胜中国”？推销产品！
巴克在6月10日在布鲁塞尔举行的《欧洲汽车新闻》大会上表示，当前Neural Concept“已经能够轻松将某些零部件的开发时间缩短50%，”到2030年，人工智能将从设计单个零部件发展到设计整个总成，最终将负责车辆95%的端到端设计。
他表示，这将使开发任务（尤其是重复性任务）的成本降低90%，并为供应商节省“数亿美元”。
巴克把AI技术在汽车制造中的应用划分为两大块，一是构建基础AI模型，二是将AI模型应用于实际企业产品开发，两者之间存在着关键差异——他认为欧洲汽车制造商在这一差距中拥有优势。
另外，在其看来，欧洲还得益于历史优势，孕育了最顶尖的汽车工程、模拟和开发技术。
他表示，这些核心基础技术中，几乎没有哪一项最初源自中国。
在其看来，许多车企高管深陷“先有鸡还是先有蛋”的困境——他们要求人工智能立即产生成果，却不愿批准实现这些成果所需的前期资本投入。
于是，巴克找到一个“尖子生”例子——特斯拉，试图劝说欧洲汽车公司学着大量采用AI，毕竟马斯克较早就将AI引入汽车生产。
“特斯拉等新入局者正在更快地采用人工智能，传统汽车制造商应当为研发设定效率目标，必须强制推动变革，大胆行动。”为此，巴克给出了两个方面的建议。
一方面，传统汽车制造商现在必须做出明确的领导层决策，以充分利用人工智能，同时避免试图从零开始构建一切——那将耗费数十年时间。“要大胆，强制推动变革。”
另一方面，汽车制造商应建立专业的人工智能能力中心。这些部门负责对机械工程师进行AI技术培训，使他们能够解决工程问题，并直接与业务部门协作。
根据印度研究公司MarketsandMarkets的数据，汽车AI市场产值规模将从2025年的188亿美元（约合人民币1,273亿元），倍增到2030年的385亿美元（约合人民币2,607亿元。
闹了半天，还是想鼓吹“欧洲汽车不可战胜”，而最终目的是“你们都来买我司的AI技术”。
03
技术难关仍在，别说超越中国
巴克的前提，必须是“中国汽车不知道怎么用AI”，然而众所周知，中国制造业在前沿技术落地应用方面走在世界前列。
当前，中国多家汽车公司已将 AI 软件深度应用于制造环节，实现了从质检、物流到排产的全流程智能化升级。
随便列举一些例子：
江汽集团：联合华为利用盘古 CV 大模型整合了 150 余个独立质检小模型，在尊界超级工厂落地 1500 余项检测场景，整车缺陷拦截率达99.99%，实现了“一模型多场景通用”。
中国一汽：构建"EOA"智能运营中枢，上线 20 个“数字员工”自主接管排产等复杂业务，使人工审批节点精简60%，研发生产周期压缩50%，制造成本降低40%。
上汽智己：部署 30 多个 AI 智能体组成的“数字工程师”团队，辅助汽车零部件 3D 模型生成与需求文档编写，将单个加强板设计时间从 2-3 小时缩短至几秒钟。
伟本智能：为一汽解放等车企提供“冲焊物流一体化”方案，通过 AI 在线质检与 3D 视觉引导机器人，实现冲压件立体库零人工装框，库存周转率提升超30%，缺陷检出率达100%。
……
这些都是AI在to B也就是和消费者无关的领域落地应用，而在to C的消费领域，AI大模型上车用于智舱是第一步，再后面用于智驾是第二步。认为中国汽车与AI绝缘，该是何等的盲目与自大？
另外，Neural Concept的技术创新，也会遇到挑战。
以Neural Concept的Copilot功能来看，如果说之前更偏定制项目，那么Copilot让它向前跨了一大步，实质就是CAD和CAE一体化，代表了可能的下一代智能设计工作流。
但是，AI理解CAD模型并不容易，CAE部分相对简单，生成式建模这部分则困难的多，要完整打通通用的从生成式设计到AI仿真的流程，现在还难言乐观。
对中国汽车来说，不用理会这种“战胜中国汽车”的鼓吹言论，踏踏实实做好制造，以及在AI前沿方面的探索，才是正事。
