买一辆新车很快，造出一款新车却很慢。车身曲面改一点，结构、风阻、碰撞和生产工具都可能跟着重做；后一个团队还常要等前一个团队交卷。通用汽车（GM）现在想用AI、生成式设计和虚拟仿真，把这些排队进行的工作尽量同时展开。目标很直接：将整车开发周期从四至五年压缩到两年。
值得注意的是，“两年”目前是目标，不是已经得到项目数据验证的成绩。现有信息来自 Fast Company 的一篇报道，核心依据又是GM及其首席产品官Sterling Anderson的说法；报道没有给出已完成车型、样本量或明确的起止日期。
先别等上一棒交卷
传统汽车开发要经过概念、造型、工程设计、样车、验证和量产准备。很多步骤彼此依赖：设计团队先确定车身外形，工程团队再据此安排内部结构；如果后续测试发现问题，修改便会沿着流程向前倒推。
GM要改变的首先是工作顺序。它建立了一套统一数字模型，把原本分散的设计、工程、测试和制造工具开发放到同一个虚拟环境中。车身造型还在变化时，工程团队已经可以搭建粗略结构，不必等外形完全定稿。不同团队看到的是同一辆不断更新的“数字汽车”，而不是各自手里版本不同的文件。
这接近数字孪生（Digital twin）的思路：用一个与真实产品或生产过程对应、能随数据更新的数字模型，把设计、仿真和制造串进同一条反馈链。Anderson把它称为产品开发的“新操作系统”。这个说法带有企业宣传色彩，但它指出了真正的变化：GM不只是给某个环节加一个AI工具，而是在重新编排整个产品管线。
AI不是唯一主角
报道把多种技术放在了一起，包括AI、机器学习、生成式优化和高级仿真。它们的作用并不相同，也不能全部笼统算到生成式AI头上。
生成式设计（Generative design）是让算法在载荷、材料、成本和制造条件下探索大量可行方案。它更像替工程师快速翻阅一大摞候选草图，扩大方案搜索范围，而不是替人作出最终决定。
虚拟验证（Virtual validation）则用计算模型模拟碰撞、空气动力和热管理等性能。问题可以在实体样车造出来之前暴露，设计团队也能更早修改。不过，计算结果仍需实物测试校验，虚拟验证并不等于取消样车和道路试验。
真正可能压缩周期的，是这些工具和并行流程的组合：算法扩展候选方案，仿真提前筛错，统一数字模型让改动同步传递，不同专业则更早介入同一辆车。少等一轮、少返工一次，累计起来才可能省下以年计算的时间。
“砍掉一半”仍是愿景
据 Fast Company 报道，Anderson估计，美国和欧洲汽车行业的平均整车开发周期约为四至五年，GM的目标是两年。他在2025年离开自己共同创办的自动驾驶卡车公司Aurora，加入GM担任首席产品官，此后推动上述工具贯穿从概念设计到制造工具开发的流程。
报道一方面称这些工具“正在”把典型开发周期缩短一半，另一方面又明确引用Anderson说“两年”是目标。两种表述不能混为一谈。更稳妥的理解是：GM已经完成了数字工具和工作流层面的部署，但周期减半是否能在量产项目中兑现，材料尚不能证明。
如果它最终成立，影响也不只是一张更快的进度表。汽车设计师会更早面对结构、空气动力和制造约束；工程师也会在造型尚未冻结时参与判断。设计工作的边界因此可能从“先画出形，再交给工程实现”，变成在不断更新的数字模型中，与算法、仿真和其他专业共同收敛方案。人的工作不会简单消失，但提出约束、比较方案和承担最终判断会变得更重要。
局限与未知
- 报道没有披露已经按两年周期完成的车型、量产项目数据或对照样本，因此不能说GM已经实现周期减半。
- 四至五年的行业平均周期来自GM高管估计，材料未提供独立行业统计支持。
- 供稿内容在讨论具体改动影响时截断，无法确认后文是否给出了更多案例、限制条件或外部观点。