关键要点
- 转变:行业正在从”计算机辅助设计”(CAD)——人类画线——转向”计算机生成设计”——人类设定目标,AI绘制几何形状。
- 外观:由此产生的结构通常看起来”异形”或”有机”:类似骨骼晶格或树根:因为自然和物理遵循相同的优化逻辑。
- 物理原理:它通过将**有限元方法(FEM)**模拟与迭代修改相结合来工作。AI从低应力区域移除材料,并将其添加到高应力区域。
- 影响:像Airbus和GM这样的公司在强度零损失的情况下实现了40%的减重,这对电动汽车续航和太空旅行逻辑至关重要。
如果你观察最新高性能电动汽车的底盘或新SpaceX火箭的着陆支腿,你可能会注意到一些令人不安的东西。
它们看起来不像是人类建造的。
直线和完美的圆——5,000年来人类工程的标志——正在消失。取而代之的是扭曲的有机曲线、掏空的骨骼状结构和复杂的晶格,它们看起来更像是在培养皿中生长出来的,而不是在工厂里冲压出来的。
这不是一种审美选择。这是生成式工程。
历史上第一次,工程师不再告诉计算机画什么。他们告诉它他们需要什么:“做一个能承载500kg、能装进这个盒子、重量尽可能轻的支架”:然后AI自己解决这个物理问题。
“幻化”结构的物理学
要理解AI如何”生长”出一个金属支架,你必须理解优化循环。这是一场以光速进行的残酷的试错游戏。
1. 设计空间
工程师定义一个材料”块”:零件运行的最大空间。他们还定义”载荷”(力)和”边界条件”(它固定在哪里)。
2. 有限元分析(FEA)
计算机将这个块分解成数百万个微小的立方体(单元)。它模拟受力情况。
- 红色区域:承受高应力的区域。
- 蓝色区域:不做功的区域。
3. 拓扑优化
这就是”生成”的部分。算法就像一个雕塑家。它查看”蓝色区域”:那些不承载载荷的懒惰材料:并删除它。然后它再次运行物理模拟。
它将这个过程重复数千次。
- 第1次迭代:移除5%的无用材料。
- 第100次迭代:这个块看起来像瑞士奶酪。
- 第1000次迭代:形状最终演变成一条完美的、有机的肌腱。
AI本质上是在”进化”这个零件。正如数百万年的进化将人类股骨精简为最高效的形态(外部致密、内部海绵状晶格),AI将支架精简到其数学上的必然形态。
为什么是”有机”形状?
为什么AI设计看起来像骨骼?因为生物学是终极工程师。
- 应力分散:尖角会集中应力(“应力集中”效应),导致裂纹。自然界避免尖角。AI遵循阻力最小的路径,将一切打磨成能均匀分配载荷的流动曲线。
- 层级结构:树是坚实的树干,分叉成枝干,再分叉成细枝。AI使用”晶格”:模仿这种层级的微结构:来创造在需要的地方坚固、在不需要的地方大部分是空气的零件。
案例研究:野外的AI
1. 航空航天:Airbus隔板
Airbus使用生成式设计重新打造了分隔客舱和厨房的隔板。
- 旧设计:沉重的实心墙。
- AI设计:一个看起来像黏菌的”仿生”网络。
- 结果:减重45%。在航空领域,减掉30kg意味着在飞机的整个生命周期内节省数千吨航空燃油。
2. 汽车:电动汽车续航之战
General Motors使用该技术重新设计了一个简单的座椅支架。
- 旧设计:8个独立的钢制零件焊接在一起。
- AI设计:1个单一的3D打印不锈钢零件。
- 结果:轻40%且强度提高20%。 对于电动汽车,每节省一克都是免费的续航。整个底盘部件现在正由AI”生长”出来,在不牺牲强度的情况下削减20-30%的重量。BMW和GM已经在量产车中使用这些外观有机的支架。
挑战与限制
如果这么好,为什么不是每个零件都被”生长”出来?
- 制造地狱:你无法冲压这些形状。你无法轻易铣削它们。通常,制造生成式设计的唯一方法是3D打印(增材制造)。与大规模铸造相比,这既慢又贵。
- “黑盒”问题:工程师相信数学,但他们用直觉来验证。当AI递给你一个扭曲的异形形状并说”相信我,它撑得住”时,保守的行业(如核能或土木工程)在没有数月测试的情况下不敢签字放行。
- 计算成本:为单个支架运行数千次FEA模拟需要庞大的GPU算力。
接下来会发生什么?
短期(2026年)
“可制造性约束”。新一波AI工具(如Autodesk Fusion)既懂物理也懂工厂。你可以告诉AI”为3轴CNC铣床制作这个”,它将只生成那台机器实际能切削出来的形状。
长期(2030年以后)
“生成式材料”。工程师不仅会生成形状;他们还将生成物质。AI正在发现新的超材料(微晶格),它们比软木更轻,却比钢更坚固。
底线
生成式工程是直线的死亡。
几个世纪以来,人类建造方盒子式的房屋和方块状的汽车,因为那些是人脑能够计算、人手能够绘制的形状。但自然界不以盒子为单位建造;它以网络、曲线和晶格为单位建造。
有了AI充当翻译者,工程师终于开始学会说自然的语言。而他们建造的东西将再也不会是原来的样子。
资料来源 (3)
- autodesk.com The Future of Generative Design
- nasa.gov Evolutionary Structures for Deep Space
- gm.com General Motors: Lightweighting with AI
🦋 Bluesky 讨论
在 Bluesky 上讨论