据外媒报道，在2026年美国底特律汽车工业展览会（SAE World Congress 2026）上，物理人工智能（Physics AI）公司Luminary发布了SHIFT-Crash，这是首个能够在数秒内（而非数小时）预测整车碰撞响应（包括形变和应力场）的Physics AI模型。SHIFT-Crash基于2010款丰田雅力士（Toyota Yaris）的5000次碰撞仿真数据集构建而成，是首个能够捕捉整车及多维参数化设计空间内碰撞动力学的学习型代理模型，可直接从车辆设计参数生成空间分辨的应力场预测结果。

与传统的有限元方法（finite element method，FEM）仿真不同，SHIFT-Crash是一个可重用的AI模型，它能够保留并改进不同车辆项目中的碰撞物理知识，而传统的FEM仿真必须针对每个新的设计方案从头开始运行。

图片来源：Luminary

碰撞仿真瓶颈

碰撞仿真是车辆开发过程中计算成本最高的环节之一。在高性能计算（HPC）集群上，一次NHTSA NCAP 56公里/小时的整车正面碰撞仿真通常需要10到12个小时。一个典型的车辆项目需要针对各种载荷工况和设计方案进行数千次此类仿真。关键在于，传统的FEM仿真没有记忆功能。每个车辆项目都必须从零开始，重新创建网格并运行新的求解器，因为之前平台的设计知识无法迁移。因此，详细的碰撞安全性分析通常只在开发后期进行，此时设计变更极少，而且实施成本也更高。

从数天到数秒：扩展碰撞设计探索

汽车行业正日益将虚拟验证纳入碰撞安全性开发流程。2026年2月，宝马集团（BMW Group）成为首家在德国获得官方认可，其虚拟碰撞仿真结果与物理测试结果等效的汽车制造商。SHIFT-Crash在此工作流程引入了一项新功能。该模型可在数秒内预测整车碰撞响应，使工程师能够在单个开发周期内评估更多设计方案。一家大型汽车原始设备制造商（OEM）证实，这种速度将使工程师能够探索以往在项目周期内无法触及的设计空间，从而在车辆开发的早期阶段加速碰撞安全性优化。

其商业影响显而易见。如果OEM能够在几秒钟内（而非几天）根据NHTSA NCAP、Euro NCAP 2026和IIHS协议筛选设计方案，他们就能更早地锁定设计，更快地将车辆投入生产，并抢在仍在等待HPC仿真结果的竞争对手之前将产品推向市场。对于大批量生产的项目而言，即使市场准入时间仅提前一到两个月，也能转化为可观的收入增长，这还不包括Physics AI已经带来的成本节约。

不断完善的智能模型

SHIFT-Crash利用迁移学习将碰撞物理知识从一个车辆项目迁移到下一个项目，并跨越不同的车辆类别。随着模型应用于更多项目，它会不断积累关于结构碰撞行为的知识。

对于初始SUV项目，OEM可能使用大约5,000次碰撞仿真或现有的历史仿真数据来训练SHIFT-Crash。随着模型从后续项目中积累知识，评估未来设计所需的新仿真次数可以大幅减少。到第三个SUV项目时，可能只需要不到300次额外的仿真，因为大部分底层碰撞物理特性已被掌握。

这种不断积累的知识使工程师能够在单个开发周期内评估更多设计方案，从而加快碰撞安全性优化，并缩短新车项目验证所需的时间。

当OEM厂商转向新的车型类别时，部分知识迁移仍然适用。从SUV项目中学习到的结构碰撞物理特性意味着，首款轿车项目可能只需要大约600次仿真，而无需从头开始进行5000次仿真。

AI在碰撞测试中的主要优势

  • 成本节约的叠加效应：迁移学习功能使知识能够在不同的车辆项目中通用，从而显著减少未来设计所需的高成本仿真次数。

  • 快速设计优化：工程师可以在开发周期的早期阶段快速探索车辆几何形状（例如碰撞吸能区结构或座舱尺寸）和材料参数（例如钢轨厚度）的设计变更。

  • 可靠的后续分析：工作流程就绪的预测结果均方根误差（Root Mean Square Error，RMSE）低于3%，工程师可以自信地进行后续安全分析并得出关键的碰撞指标。

Luminary首席产品官Suds Menon表示：“如今，碰撞分析是一项非常昂贵且耗时的计算力学难题。借助SHIFT-Crash，我们为碰撞工程师提供了前所未有的更丰富的探索设计空间的能力，缩短了解决方案的开发时间，并大幅降低了成本。借助物Physics AI碰撞模型，每个新的车辆设计项目都能减少所需的仿真次数，使模型更加智能，并在更短的时间内提供更高精度的结果，从而缩短设计周期。”