在整车造型开发过程中，空气动力学性能始终是量产车型外观成形的关键约束之一。车辆在行驶中切割空气的效率不仅影响燃油经济性，在电动汽车时代，还被视为抵消电池重量、提升续航里程的重要因素。

然而，传统空气动力学分析流程耗时较长，长期被业内视为设计环节的一大瓶颈。

通用汽车设计创新与技术运营总监布莱恩·斯泰尔斯（Brian Stiles）表示，在以往流程中，团队发布一个新的车身曲面后，往往需要几天甚至几周才能拿到完整的空气动力学分析结果。“等结果出来时，设计曲面往往已经发生变化，我们还得再去理解这些结果如何对应到当前的设计曲面上。”

多家整车企业目前正尝试借助人工智能技术缩短这一周期，将其应用范围从早期的风洞试验和现有的计算流体动力学（CFD）建模，扩展到更大规模的虚拟评估。通用汽车和捷豹路虎是其中较早公开相关实践的车企之一。

通用汽车方面已开发出一套“虚拟风洞”系统。这一人工智能模型基于既有的计算机空气动力学仿真数据进行训练，可将历史分析经验迁移到新设计上，使设计师和工程师能够快速预估某一车身轮廓在物理风洞中的表现。相关结果随后被直接回传至用于塑造车身外形的数字雕刻工具中，供设计团队即时参考。

“我们已经在下一代产品上使用这套工具，”通用汽车虚拟集成工程总监雷内·施特劳斯（Rene Strauss）表示，“这不是未来的设想，而是正在进行中的工作。”

类似趋势也出现在其他车企。捷豹路虎同样在利用人工智能工具，对其车型进行大规模空气动力学性能测试。据介绍，该公司通常可以在一天之内处理数百甚至数千个设计方案。尽管空气动力学的基础原理相对成熟，但各家车企正基于自身车型数据训练专用模型，以更贴近不同产品特征，例如方正的路虎SUV或外形接近喷气机的雪佛兰科尔维特等所呈现的阻力和气压表现。

通用汽车研发部门技术专家兼实验室组经理斯科特·帕里什（Scott Parrish）指出，训练数据质量直接影响模型表现。“我们使用各种车型，甚至会刻意调整它们的形状，以收集更多曲面数据，用于更稳健的预测。如果设计师将某个曲面向上、向下、向内或向外调整，训练数据都能覆盖这些变化。”

捷豹路虎则选择与外部技术供应商合作。该公司正在与瑞士初创企业 Neural Concept 合作，后者源自洛桑联邦理工学院的人工智能研究实验室，开发了面向产品设计的工程人工智能平台，并与多家汽车制造商建立合作关系。联合创始人托马斯·冯·查默（Thomas von Chamar）介绍，该平台帮助车企利用自身的专有数据构建人工智能模型，用于指导空气动力学设计。

冯·查默表示，这类模型的价值在于让设计师与空气动力学专家能够在同一时间、同一平台上进行协作，“实时做出设计决策和权衡”。在他看来，这种方式一方面有助于更快收敛到可行方案，从而缩短产品上市时间，另一方面也使团队能够在更短时间内探索更多设计变体。

除压缩依赖超级计算机进行精细空气动力学仿真的时间外，相关工具还被用于减少部门间因相互等待结果而产生的反复延迟。

“过去是一个人先做，然后另一个人接着做，”施特劳斯回顾称，“每次迭代大约需要五天。现在有了这个工具，大家可以同时坐在一起工作，并立即做出决策。”

目前，这些决策主要用于推动项目在早期阶段向前推进，并不直接替代后续的验证环节。通用汽车表示，其人工智能空气动力学工具主要用于简化设计探索阶段。一旦某一设计方案被认为具有潜力，仍将进入完整的计算流体动力学分析流程，必要时还会制作比例泥模进行评估；在此基础上，符合要求的方案最终仍需接受物理风洞测试。

“（人工智能）并没有改变我们所经历的流程步骤，”斯泰尔斯说，“但它让我们能够更快地完成这些步骤。”