日本汽车制造商日产（Nissan）已与英国公司Monolith携手，探索如何利用人工智能（AI）变革车辆研发流程并减少物理测试需求。这家总部位于横滨的车企宣布，将与这家软件公司的合作延长三年，旨在缩短车辆测试时间，并加速日产欧洲业务的创新进程。

此次合作延长至2027年，其基础是此前一项成功试验——该试验利用AI优化了日产聆风（LEAF）电动车的测试流程，如今将应用于未来新车型。

“通过整合Monolith先进的AI驱动工程软件与数十年的测试数据，我们能够以极高精度模拟和验证车辆性能。”日产欧洲技术中心客户导向工程与测试运营总监Emma Deutsch表示。

这一创新项目借助机器学习减少每款车型所需的物理测试次数，同时提升研发速度、精度与可持续性。Monolith的AI技术最初用于验证英国桑德兰工厂生产的日产聆风电动车的测试流程，未来将应用于日产欧洲更多车型的测试环节。

位于英国克兰菲尔德的日产欧洲技术中心工程师将利用Monolith的AI平台，分析公司超过90年的测试数据，以更精准地预测物理测试结果。

“他们的机器学习模型结合历史测试数据与数字模拟进行训练，使我们能够减少对物理原型的依赖——显著缩短研发时间并降低资源消耗。”Deutsch补充道。

通过利用这一庞大数据集，系统可在车辆进入测试赛道前，提前预测其在不同条件下的性能表现。

“这种方法不仅加快了产品上市速度，也践行了我们对创新与可持续发展的承诺。”她表示，“展望未来，AI将在我们设计、测试和向客户更快交付下一代车辆的过程中扮演越来越核心的角色。”

日产表示，早期合作成果已展现出巨大潜力。例如，在合作的某一阶段，Monolith的AI被用于测试车辆底盘螺栓连接的性能。

该系统不仅确定了螺栓紧固的最佳扭矩范围，还推荐了工程师应优先进行的额外测试，这使得物理测试量较传统方法减少了17%。

日产官员认为，若将相同流程应用于所有车辆项目，有望将总测试时间减半。“我们的使命是通过AI工具赋能工程师，实现更智能、更快速的产品研发。”Monolith创始人兼首席执行官Richard Ahlfeld博士补充道。

Monolith的平台利用机器学习模型，通过物理测试和模拟的海量数据进行训练，可在几分钟内预测性能、检测异常，甚至推荐下一步测试方向。

其“下一步测试推荐器”和“异常检测器”等工具，使整个流程更快速、更精准，且资源消耗更低。

“我们与日产的合作成果证明，机器学习能够推动汽车工程领域的效率与创新。”Ahlfeld在新闻稿中表示，“我们很高兴能继续这一合作之旅。”