汽车设计是一个反复迭代且保密的过程。汽车制造商在设计一款汽车时，往往会耗费数年的时间，需要先在仿真环境中不断调整3D模型，再构建出最具发展前景的设计以进行实物测试。测试的详细信息和规格，包括特定车型设计的空气动力学数据，往往不会对外公开。因此，车辆性能的重大改进，如燃油效率提升或电动汽车续航里程延长等，进展得很缓慢，而且各公司之间的信息也不互通。

为此，美国麻省理工学院（MIT）的工程师们表示，采用生成式人工智能（AI）工具，可以迅速处理大量数据，在短短几秒内找到有关联的信息，以生成新颖的设计，从而让汽车设计的速度能够以指数级提升。不过，虽然有AI工具，可供工程师们学习的数据并无法获取，而且此类数据并未以便于访问的集中式形式提供。

汽车设计数据库（图片来源：MIT）

据外媒报道，MIT的工程师们基于当前世界上最普遍的车型，首次向公众发布了一个名为DrivAerNet 的数据集，其中涵盖超过8000种不同的汽车设计。每一种设计都以3D形式展现，并包含有关车辆空气动力学的信息，即基于工程师针对每种设计所进行的流体力学仿真实验，得出空气在给定设计周边流动方式的信息。

该数据集中8000多种设计的每一种都可以多种形式呈现，例如网格、点云，或者有关该设计的参数和尺寸的简易列表。因此，该数据集可供不同的AI模型使用，此类AI模型经过优化，能够以一种特定模态处理数据。

DrivAerNet 是迄今为止研发出的最大的汽车空气学开源数据集。工程师们希望将其用作一个庞大的现实版车辆设计库，其中涵盖详尽的空气动力学数据，可用于快速训练任何AI模型。然后，此类模型能够迅速地生成新颖的设计，从而可能有助于研发出更为节能的汽车以及续航里程更长的电动汽车，而且这一过程所耗费的时间仅为当前汽车工业所需时间的一小部分。

MIT机械工程系研究生Mohamed Elrefaie表示：“该数据集为下一代AI在工程中的应用奠定了基础，促进了高效设计流程的实现，降低了研发成本，并加快了朝着更具可持续性的汽车未来发展的步伐。”

填补数据空白

在研究新车设计流程时，研究人员发现，尽管存在能够迅速审视众多汽车设计并生成最优方案的AI模型，但实际可用的汽车设计数据却相当有限。有些研究人员之前曾搜集了一些模拟汽车设计的小型数据集，而汽车制造商极少会公布他们所研究、测试并最终投入生产的实际设计规格。

该团队致力于填补此类数据空白，特别是在汽车空气动力学领域的数据空白。此类空气动力学数据对于确定电动汽车的续航里程和内燃机的燃油效率至关重要。研究人员们意识到，他们所面临的挑战在于如何采集数千种汽车设计数据，而且此类数据在功能和形态上均需具备物理层面的准确性，且无需依赖实际的测试和性能测量。

为了创建一个能够精确描绘车辆空气动力学特性的数据集，研究人员自2014年起就开始使用奥迪与宝马所提供的数个基准3D模型。此类模型涵盖了三种主要的乘用车类型：快背式（后部倾斜的轿车）、缺口式（后部稍显下凹的轿车或双门轿跑车）以及旅行车式（例如，带有更钝、更平坦后部的旅行车）。此类基准模型旨在弥合简单设计与更为复杂的专有设计之间的差距，且已被其他团队使用，用作探索新型汽车设计的起点。

汽车数据库

在研究人员的最新研究中，该团队针对基准车型的每一款都进行了变形操作。此种操作系统地对给定的汽车设计中的26个参数进行了细微调整，例如车身长度、车身底部特征、挡风玻璃倾斜度以及轮胎花纹等，并将此类调整后的设计标注为独特的汽车设计，而后将其添加至不断扩充的数据集之中。与此同时，该团队运行了一种优化算法，以保证每一种新设计都是独特的，不是已经生成的设计的复制品。然后，研究人员们将每一个3D设计转换成不同的模式，使得既定设计能够以网格、点云或尺寸与规格列表的形式呈现。然后，研究人员们还运行了复杂的计算流体动力学仿真实验，以计算围绕每款生成的汽车设计的空气流动方式。最终，该过程产生了8000多种独特且准确的3D汽车造型，涵盖目前道路上最常见的乘用车类型。

为了构建该款全面的数据集，研究人员们在MIT SuperCloud上投入了逾300万个CPU小时，生成了390TB的数据。（相比之下，据估算，美国国会图书部的全部印刷版藏书的数据量约为10TB）。工程师们表示，目前研究人员可以采用该数据集，以训练特定的AI模型。例如，可以将数据集的一部分用以训练AI模型，使其学习具备特定理想空气动力学特性的汽车配置。仅在数秒钟内，该模型便能基于其从数千个具备物理准确性的设计中学习到的信息，生成具有优化空气动力学特性的全新汽车设计。

研究人员们还表示，该数据集还可用于实现逆向工程目标。例如，在该数据集上训练了AI模型后，设计师们能够向该模型输入特定的汽车设计，让其快速估算出该车的空气动力学特性，然后此类信息可用于计算出汽车的潜在燃油效率或电动续航里程，而且，所有此类操作都可以在不进行昂贵的实车制造和测试的情况下完成。