GM đặt cược vào trí tuệ nhân tạo, tham vọng rút ngắn một nửa thời gian phát triển xe để bắt kịp đối thủ Trung Quốc

General Motors (GM), một trong những tập đoàn ô tô lớn của Mỹ, đang đặt cược vào trí tuệ nhân tạo (AI) để thay đổi cách phát triển xe mới, với mục tiêu rút ngắn một nửa thời gian từ khâu thiết kế đến hoàn thiện sản phẩm. Thay vì mất khoảng bốn đến năm năm như quy trình truyền thống, hãng muốn đưa chu kỳ phát triển một mẫu xe xuống còn khoảng hai năm nhờ kết hợp AI, kỹ thuật ảo và kho dữ liệu kỹ thuật tích lũy qua nhiều thập kỷ.

Động thái này diễn ra trong bối cảnh các nhà sản xuất ô tô Trung Quốc ngày càng tạo ra sức ép đối với những thương hiệu phương Tây. Khả năng phát triển sản phẩm nhanh, đưa công nghệ mới vào thị trường sớm và tận dụng hệ sinh thái nhà cung cấp trong nước giúp các hãng xe Trung Quốc có lợi thế đáng kể trong cuộc cạnh tranh toàn cầu.

Với GM, câu trả lời không đơn thuần là sản xuất nhanh hơn. Tập đoàn muốn khai thác dữ liệu kỹ thuật khổng lồ mà mình đã tích lũy để xây dựng một quy trình phát triển xe linh hoạt hơn, trong đó nhiều công đoạn thiết kế, thử nghiệm và tối ưu hóa có thể diễn ra đồng thời trên môi trường kỹ thuật số.

Vì sao GM cần tăng tốc phát triển xe mới?

Tốc độ phát triển sản phẩm đang trở thành một trong những yếu tố quan trọng quyết định khả năng cạnh tranh của ngành công nghiệp ô tô. Trong khi các hãng xe truyền thống thường phải trải qua nhiều năm thiết kế, thử nghiệm và hoàn thiện một mẫu xe mới, các đối thủ Trung Quốc có thể đưa sản phẩm và công nghệ mới ra thị trường nhanh hơn.

Một phần lợi thế của Trung Quốc đến từ hệ sinh thái cung ứng có mức độ liên kết cao. Các nhà sản xuất có thể tiếp cận linh kiện thông dụng, phối hợp với nhà cung cấp và điều chỉnh thiết kế trong thời gian ngắn hơn. Khi các bộ phận quan trọng được tìm nguồn cung ứng nhanh chóng, doanh nghiệp có thêm khả năng rút ngắn thời gian phát triển và phản ứng với nhu cầu thị trường.

Sterling Anderson, Giám đốc sản phẩm của GM, thừa nhận rằng các nhà sản xuất ô tô Trung Quốc được hưởng lợi từ hệ sinh thái nhà cung cấp tích hợp sâu rộng. Theo chia sẻ của ông với Axios, các nhà sản xuất phương Tây không có cùng lợi thế này.

Điều đó tạo ra một bài toán chiến lược đối với GM. Nếu tiếp tục phụ thuộc vào các quy trình phát triển tuần tự kéo dài nhiều năm, hãng có nguy cơ phản ứng chậm trước những thay đổi về công nghệ, thị hiếu khách hàng và chiến lược của đối thủ.

Tuy nhiên, GM không cho rằng mình phải sao chép toàn bộ mô hình sản xuất của Trung Quốc. Thay vào đó, tập đoàn muốn khai thác một lợi thế sẵn có nhưng chưa được sử dụng hết tiềm năng: dữ liệu kỹ thuật và sản xuất được tích lũy qua hàng thập kỷ hoạt động.

AI giúp GM hướng đến chu kỳ phát triển xe khoảng hai năm

Theo mục tiêu mà GM đặt ra, thời gian phát triển một mẫu xe mới có thể giảm từ khoảng bốn đến năm năm xuống còn khoảng hai năm. Để đạt được điều này, hãng đang kết hợp trí tuệ nhân tạo với kỹ thuật ảo nhằm cải thiện nhiều giai đoạn của quy trình phát triển sản phẩm.

Trong mô hình truyền thống, các công đoạn thường diễn ra theo trình tự. Kỹ sư thiết kế một bộ phận, chế tạo nguyên mẫu, tiến hành thử nghiệm, đánh giá kết quả rồi điều chỉnh thiết kế nếu phát hiện vấn đề. Quá trình này có thể lặp lại nhiều lần, tiêu tốn đáng kể thời gian và nguồn lực.

AI cùng các công cụ mô phỏng kỹ thuật số mở ra một hướng tiếp cận khác. Thay vì chế tạo từng nguyên mẫu vật lý để kiểm tra, các nhóm kỹ thuật có thể đánh giá nhiều phương án trên môi trường ảo trước khi lựa chọn thiết kế phù hợp để đưa vào thử nghiệm thực tế.

Nhờ đó, các hoạt động vốn phải chờ nhau có thể được thực hiện song song ở nhiều giai đoạn. Những phương án không đáp ứng yêu cầu có thể bị loại bỏ sớm, trong khi các thiết kế tiềm năng được tiếp tục tối ưu hóa.

Mục tiêu không chỉ là giảm thời gian dành cho một công đoạn riêng lẻ mà còn rút ngắn toàn bộ chu kỳ phát triển xe. Nếu triển khai hiệu quả, cách tiếp cận này có thể giúp GM thử nghiệm nhiều ý tưởng hơn, phát hiện vấn đề sớm hơn và sử dụng nguồn lực kỹ thuật hiệu quả hơn.

Hơn 300.000 thiết kế pin được đánh giá trên môi trường ảo

Một ví dụ đáng chú ý về cách GM ứng dụng kỹ thuật ảo là quá trình phát triển loại pin lithium giàu mangan (LMR) mới của hãng.

Theo thông tin được chia sẻ, các kỹ sư GM đã có thể đánh giá hơn 300.000 phương án thiết kế pin trên môi trường ảo trước khi chế tạo nguyên mẫu vật lý. Việc xem xét một số lượng lớn phương án bằng phương pháp truyền thống sẽ đòi hỏi nhiều thời gian, chi phí và công sức thử nghiệm.

Bằng cách tận dụng các công cụ kỹ thuật số, nhóm phát triển có thể sàng lọc và so sánh nhiều phương án trước khi quyết định lựa chọn hướng thiết kế phù hợp.

Kết quả được nêu trong thông tin về dự án cho thấy nhóm nghiên cứu đã chuyển từ ý tưởng bộ pin ban đầu đến giai đoạn phê duyệt chính thức chỉ trong vòng một tháng.

Ví dụ này minh họa tiềm năng của việc kết hợp dữ liệu, mô phỏng và AI trong lĩnh vực kỹ thuật ô tô. Thay vì dành phần lớn thời gian cho việc chế tạo và kiểm tra từng phương án vật lý, các kỹ sư có thể sử dụng môi trường ảo để thu hẹp phạm vi lựa chọn trước khi tiến hành những thử nghiệm cần thiết ngoài thực tế.

Đối với ngành xe điện, việc tối ưu hóa pin có ý nghĩa đặc biệt quan trọng. Pin ảnh hưởng trực tiếp đến chi phí sản xuất, hiệu suất, phạm vi hoạt động và khả năng cạnh tranh của xe điện. Nếu quy trình phát triển pin được rút ngắn, nhà sản xuất có thể có thêm cơ hội cải thiện công nghệ và đưa những giải pháp mới vào sản phẩm.

Dù vậy, mô phỏng kỹ thuật số không đồng nghĩa với việc có thể loại bỏ hoàn toàn thử nghiệm vật lý. Các bộ phận ô tô vẫn phải đáp ứng những yêu cầu thực tế về độ bền, độ an toàn, hiệu suất và khả năng sản xuất hàng loạt. Giá trị của AI nằm ở việc giúp kỹ sư sử dụng các thử nghiệm vật lý có trọng tâm hơn, sau khi đã sàng lọc nhiều phương án bằng công cụ kỹ thuật số.

Kho dữ liệu hàng chục năm trở thành lợi thế cạnh tranh của GM

Bên cạnh khả năng đánh giá hàng trăm nghìn phương án thiết kế, GM đang tận dụng kho dữ liệu lớn liên quan đến thiết kế linh kiện, đặc tính vật liệu và hướng dẫn sản xuất.

Nguồn dữ liệu này có thể được sử dụng để xây dựng các mô hình kỹ thuật số của xe và nhà máy. Thông qua những mô hình đó, kỹ sư có thể kiểm tra tác động của các thay đổi đối với thiết kế hoặc quy trình sản xuất trước khi triển khai ngoài thực tế.

Chẳng hạn, khi cần điều chỉnh một bộ phận, nhóm kỹ thuật có thể đánh giá phương án mới trong môi trường mô phỏng, xem xét những yếu tố liên quan và xác định các vấn đề có thể phát sinh. Tương tự, mô hình kỹ thuật số của nhà máy cho phép doanh nghiệp đánh giá một số thay đổi trong quy trình sản xuất trước khi áp dụng trên dây chuyền thực.

Đây là điểm khác biệt trong chiến lược của GM. Thay vì chỉ xem AI như một công cụ hỗ trợ thiết kế, tập đoàn hướng đến việc tích hợp dữ liệu và mô hình kỹ thuật số vào toàn bộ quá trình phát triển sản phẩm.

Kho dữ liệu được tích lũy trong nhiều thập kỷ có thể giúp hệ thống phân tích các mối quan hệ giữa thiết kế, vật liệu và sản xuất. Tuy nhiên, giá trị thực tế của dữ liệu còn phụ thuộc vào chất lượng, mức độ chuẩn hóa, khả năng kết nối giữa các hệ thống và cách doanh nghiệp đưa kết quả phân tích vào quyết định kỹ thuật.

Nói cách khác, sở hữu nhiều dữ liệu là điều kiện thuận lợi, nhưng chưa đủ để bảo đảm thành công. GM cần biến nguồn tài nguyên này thành công cụ giúp kỹ sư đưa ra quyết định nhanh và chính xác hơn.

Quy mô lớn vừa là trở ngại, vừa là lợi thế của GM

Quy mô hoạt động khổng lồ của GM từ lâu có thể khiến việc thay đổi chiến lược và quy trình trở nên phức tạp. Một tập đoàn ô tô lớn phải phối hợp nhiều nhóm kỹ thuật, hệ thống sản xuất, nhà cung cấp và quy trình kiểm soát chất lượng. Việc điều chỉnh một phần của hệ thống có thể ảnh hưởng đến nhiều bộ phận khác.

Anderson thừa nhận rằng quy mô lớn tạo ra sự trì trệ, nhưng đồng thời nhấn mạnh rằng quy mô cũng tạo ra dữ liệu.

Đây là nghịch lý mà GM đang tìm cách giải quyết. Một tổ chức càng lớn có thể càng khó thay đổi nhanh chóng, nhưng cũng có khả năng tích lũy lượng dữ liệu kỹ thuật và sản xuất rất lớn. Nếu dữ liệu được khai thác hiệu quả, chính yếu tố từng khiến doanh nghiệp chậm chạp có thể trở thành nguồn lợi thế trong kỷ nguyên AI.

Thách thức nằm ở khả năng chuyển đổi cách thức làm việc. Công nghệ mới chỉ tạo ra kết quả khi các nhóm kỹ thuật có thể sử dụng dữ liệu và công cụ mô phỏng trong quy trình thực tế, thay vì tiếp tục vận hành theo những phương pháp cũ.

Điều này đòi hỏi sự phối hợp giữa phần mềm, dữ liệu, kỹ sư và bộ phận sản xuất. GM cần bảo đảm những kết quả từ môi trường ảo có thể được kiểm chứng, chuyển thành quyết định thiết kế và áp dụng vào dây chuyền với độ tin cậy cần thiết.

Càng rút ngắn chu kỳ, GM càng có cơ hội cải tiến sản phẩm

Theo Anderson, tốc độ phát triển nhanh hơn có thể tạo ra nhiều vòng cải tiến hơn, qua đó giúp sản phẩm cuối cùng tốt hơn.

Lập luận này phản ánh một thay đổi quan trọng trong cách cạnh tranh của ngành ô tô. Nếu mỗi chu kỳ thiết kế và thử nghiệm được rút ngắn, doanh nghiệp có thể đánh giá thêm nhiều ý tưởng trong cùng một khoảng thời gian. Những điểm yếu được phát hiện sớm hơn và các giải pháp cải tiến có thể được đưa vào quy trình nhanh hơn.

Tuy nhiên, tốc độ không phải yếu tố duy nhất quyết định chất lượng sản phẩm. Một mẫu xe vẫn phải đáp ứng các tiêu chuẩn về an toàn, độ bền, hiệu suất, chi phí và trải nghiệm người dùng. Nếu rút ngắn thời gian bằng cách bỏ qua những bước kiểm chứng cần thiết, lợi ích trước mắt có thể bị bù trừ bởi rủi ro chất lượng về sau.

Do đó, mục tiêu của GM không chỉ là làm cho quy trình nhanh hơn mà còn phải bảo đảm các quyết định được đưa ra trên cơ sở dữ liệu đáng tin cậy và thử nghiệm phù hợp.

Nếu thành công, chiến lược này có thể giúp hãng cải thiện khả năng phản ứng trước các xu hướng công nghệ, đồng thời tăng số lần điều chỉnh và tối ưu hóa sản phẩm trước khi đưa xe ra thị trường.

GM chọn con đường AI thay vì sao chép mô hình Trung Quốc

Chiến lược của GM cho thấy cuộc cạnh tranh với các hãng xe Trung Quốc không nhất thiết phải được giải quyết bằng cách xây dựng một hệ sinh thái sản xuất giống hệt đối thủ.

Các nhà sản xuất Trung Quốc có lợi thế từ mạng lưới nhà cung cấp tích hợp sâu và khả năng tiếp cận linh kiện nhanh chóng. GM khó có thể tạo ra một hệ sinh thái tương tự trong thời gian ngắn. Vì vậy, tập đoàn đang tìm kiếm lợi thế từ những nguồn lực mình đã sở hữu, đặc biệt là dữ liệu kỹ thuật, kinh nghiệm sản xuất và năng lực phát triển sản phẩm lâu năm.

AI và kỹ thuật ảo được kỳ vọng sẽ giúp GM khai thác những nguồn lực đó hiệu quả hơn, qua đó rút ngắn khoảng cách về tốc độ phát triển.

Dẫu vậy, mục tiêu giảm một nửa thời gian phát triển xe vẫn là một tham vọng lớn. Kết quả cuối cùng sẽ phụ thuộc vào khả năng triển khai công nghệ trên quy mô toàn tập đoàn, mức độ tích hợp giữa dữ liệu và quy trình sản xuất, cũng như việc duy trì chất lượng và độ an toàn của sản phẩm.

Về dài hạn, câu chuyện của GM cũng phản ánh xu hướng rộng hơn trong ngành công nghiệp ô tô: cạnh tranh không chỉ diễn ra ở động cơ, pin hay phần mềm trên xe, mà còn ở chính tốc độ mà doanh nghiệp có thể biến ý tưởng thành sản phẩm thương mại.

Nếu AI thực sự giúp GM rút ngắn chu kỳ phát triển từ bốn đến năm năm xuống còn khoảng hai năm, lợi thế đó có thể tạo ra tác động đáng kể đối với cách hãng phát triển xe trong tương lai.

General Motors đang đặt cược vào AI để giải quyết một trong những thách thức lớn nhất của ngành ô tô truyền thống: tốc độ phát triển sản phẩm. Thay vì cố gắng sao chép lợi thế chuỗi cung ứng của Trung Quốc, hãng muốn khai thác dữ liệu kỹ thuật tích lũy qua nhiều thập kỷ, kết hợp mô phỏng số và các quy trình phát triển song song để tăng tốc đổi mới.

Mục tiêu rút ngắn chu kỳ phát triển xe từ bốn đến năm năm xuống còn khoảng hai năm vẫn cần được kiểm chứng qua quá trình triển khai thực tế. Nhưng nếu đạt được, chiến lược này có thể giúp GM tăng tốc cải tiến sản phẩm và củng cố khả năng cạnh tranh trong một thị trường ô tô đang thay đổi nhanh chóng.

Cuộc đua AI trong ngành ô tô vì thế không chỉ là cuộc cạnh tranh về công nghệ, mà còn là cuộc cạnh tranh về cách doanh nghiệp sử dụng dữ liệu, tổ chức quy trình và biến ý tưởng thành sản phẩm thực tế.

Nguồn tham khảo: Axios; thông tin về chiến lược phát triển sản phẩm và ứng dụng AI của General Motors.

Câu hỏi thường gặp về chiến lược AI của GM

1. GM sử dụng AI để làm gì?

GM sử dụng AI kết hợp với kỹ thuật ảo nhằm tối ưu hóa quá trình thiết kế, thử nghiệm và sản xuất xe. Công nghệ này giúp kỹ sư đánh giá nhiều phương án trên môi trường kỹ thuật số trước khi lựa chọn những phương án cần thử nghiệm vật lý.

2. GM muốn rút ngắn thời gian phát triển xe xuống bao lâu?

GM đặt mục tiêu giảm chu kỳ phát triển một mẫu xe mới từ khoảng bốn đến năm năm xuống còn khoảng hai năm.

3. Vì sao các hãng xe Trung Quốc có lợi thế về tốc độ?

Một yếu tố quan trọng là hệ sinh thái nhà cung cấp tích hợp sâu rộng, giúp các hãng xe Trung Quốc tiếp cận linh kiện thông dụng và phối hợp phát triển sản phẩm nhanh chóng hơn.

4. Hơn 300.000 thiết kế pin của GM có ý nghĩa gì?

Đây là số lượng phương án thiết kế pin lithium giàu mangan được các kỹ sư đánh giá trên môi trường ảo trước khi chế tạo nguyên mẫu vật lý. Cách làm này giúp sàng lọc nhiều phương án mà không cần chế tạo từng nguyên mẫu ngay từ đầu.

5. AI có thể thay thế hoàn toàn thử nghiệm xe ngoài thực tế không?

Không. AI và mô phỏng kỹ thuật số có thể giảm nhu cầu thử nghiệm lặp lại và giúp tập trung nguồn lực vào những phương án tiềm năng. Tuy nhiên, thử nghiệm vật lý vẫn cần thiết để kiểm chứng độ an toàn, độ bền và hiệu suất.

6. Kho dữ liệu lớn mang lại lợi thế gì cho GM?

Dữ liệu về thiết kế linh kiện, vật liệu và quy trình sản xuất có thể giúp GM xây dựng mô hình kỹ thuật số, đánh giá các thay đổi và đưa ra quyết định kỹ thuật nhanh hơn. Lợi thế thực tế phụ thuộc vào khả năng khai thác và tích hợp dữ liệu.

7. Việc rút ngắn chu kỳ phát triển có giúp xe GM tốt hơn không?

Có thể, nếu thời gian tiết kiệm được được sử dụng để thực hiện thêm các vòng thử nghiệm và cải tiến. Tuy nhiên, chất lượng cuối cùng vẫn phụ thuộc vào quy trình kiểm chứng, tiêu chuẩn an toàn và năng lực thực thi của doanh nghiệp.