General Motors utiliza ahora herramientas de visualización impulsadas por IA para pasar del boceto a lápiz al render 3D animado en menos de un día, comprimiendo lo que antes requería varios meses a varios equipos de diseño. Un túnel de viento virtual impulsado por IA predice la resistencia aerodinámica a partir de renders digitales en tiempo casi real, sustituyendo los ciclos CFD de días o semanas para la iteración de diseño en etapa temprana. Ese cambio es la respuesta más concreta de GM a la pregunta que se le ha hecho a todo fabricante de automóviles heredado desde ChatGPT: ¿es la IA una herramienta o una amenaza?
El detalle que merece la pena leer es lo que GM NO está haciendo con la IA. La empresa no usa modelos generativos para diseñar coches desde cero, y nadie en GM está introduciendo un prompt de texto en un modelo de difusión y enviando el resultado. El diseñador Daniel Shapiro fue explícito: los bocetos siguen empezando en papel con un diseñador humano, y la IA entra después para generar variaciones, convertir 2D en 3D y ejecutar rápidos análisis de sensibilidad aerodinámica. La restricción es deliberada.
Por Qué GM Omitió El Camino Generativo
La IA generativa produce coches visualmente plausibles que son ficción de ingeniería. Proporciones que no tienen en cuenta las estructuras de colisión. Aerodinámica que ignora el flujo de refrigeración. Superficies que no se pueden troquelar a partir de chapa metálica. Todo fabricante que ha ejecutado el experimento de "prompt a concepto" internamente ha llegado a la misma conclusión: el resultado parece bien en Instagram y se desmorona en el momento en que un equipo de ingeniería intenta construirlo. GM parece haberlo decidido pronto y ha posicionado su adopción de IA en torno a la visualización y el análisis en lugar de la creación.
Esa elección también responde a la pregunta laboral. Un pipeline generativo-first reemplazaría a los equipos de diseño. Un pipeline de visualización-más-análisis permite que los equipos de diseño e ingeniería existentes hagan más iteraciones en menos tiempo, que es lo que Shapiro describió: "En lugar de seguir solo este camino, podemos explorar mucho más, y puedes ser un poco menos precioso con las ideas." La plantilla se preserva. El número de permutaciones de diseño por semana aumenta.
El Túnel De Viento Virtual Es El Asunto Mayor
El CFD tradicional para el desarrollo aerodinámico funciona en lotes de cómputo pesado que tardan horas o días por iteración. Una sesión de túnel de viento a escala real cuesta entre 10.000 y 40.000 dólares por hora según la instalación, y cambiar el ángulo de una línea de techo para probar la sensibilidad requiere un nuevo modelo a escala, una nueva configuración y una nueva reserva. El modelo de predicción basado en IA de GM se sitúa en algún punto entre estos: menor fidelidad que una ejecución CFD, retorno dramáticamente más rápido, y suficientemente útil para la iteración de diseño en etapa temprana antes de que un concepto se cierre para la validación del modelo físico.
El retorno de producción está en el tiempo de comercialización. Un ciclo de diseño comprimido significa que las próximas plataformas EV de GM pueden absorber más pasadas de optimización aerodinámica antes de que la carrocería quede fijada. A las tasas actuales de la industria de aproximadamente 0,02 de mejora en el coeficiente de arrastre por ciclo de diseño en la etapa de concepto, dos o tres ciclos adicionales pueden generar de 8 a 24 km de autonomía WLTP con la misma batería. Ese es el número que la adopción de IA está ultimadamente defendiendo, y es la razón por la que los fabricantes heredados gastarán agresivamente en exactamente este tipo de herramientas en los próximos 18 meses.
GM no ha revelado un calendario de despliegue para la herramienta de aero basada en IA más allá de confirmar que está en uso internamente. Se espera que los próximos EV de Cadillac y Chevrolet sean los primeros modelos de producción formados a través de este flujo de trabajo, con los primeros modelos apuntando a los concesionarios en 2028.