【行业动态】麻省理工测试AI辅助喷气发动机设计制造能力

导读：据MIT News 7月14日报道，MIT JARVIS Challenge让本科生在AI辅助下设计、制造并测试小型燃气涡轮航空发动机，以评估AI在高性能航空航天硬件开发中的作用。MIT燃气涡轮实验室主任Zolti Spakovszky表示，AI可以显著加速安全关键硬件工程，但工程判断仍是决定性因素。

MIT News报道称，生成式人工智能和大语言模型已经快速改变软件工程，但当任务变成构思、设计并制造喷气发动机这类复杂物理系统时，AI工具是否同样具有变革性，仍需要实际验证。MIT本学期开展的JARVIS Challenge正是为探索这一问题而设。

JARVIS Challenge全称为Jet-engine AI Research and Validation Intensive Sprint，目标是测试AI是否能够压缩设计、制造和测试周期，让MIT本科生探索AI能否帮助他们更快、更好地完成工程任务。

Spakovszky表示，JARVIS挑战赛表明，AI可以显著加速安全关键硬件工程，但工程判断仍是决定性差异。他说，所谓AI原生工程师并不是由使用AI来定义，而是由能否领导AI来定义，即知道何时信任、何时质疑，以及如何把AI输出转化为可工作的硬件。

根据MIT News报道，参赛本科生有四周时间设计、制造、组装并测试一台小型燃气涡轮航空发动机，并以AI作为主要工程伙伴。任务目标是制造一台“JARVIS级”单转子喷气发动机，推力为50至100磅，使用Jet-A燃料，并完成5次每次60秒的运行。各团队在设计、材料和制造方式上拥有充分自由。

共有31名学生参加，组成7支团队，成员来自MIT工程学院多个系别，包括从一年级学生到以高年级学生为主的团队。报道指出，许多参赛者起初几乎没有涡轮机械、可压缩流动经验，部分低年级学生甚至尚未学习热力学。

参赛团队可使用MIT机加工车间和制造供应商，以及Concepts NREC、SolidWorks和ABAQUS等商业软件，还可使用用于表征和组装各部件的测试台架。团队还可使用MIT Parley平台，该平台把前沿大语言模型聚合到一个界面中。

MIT News称，通过Parley，JARVIS项目负责人能够直接看到学生如何使用AI工具，包括提示词、每次提示成本、所用具体大语言模型等信息。在MIT Lincoln Laboratory、机械工程系以及Safran、Voyager Technologies和Beehive Industries等企业赞助支持下，学生基本可以无限制使用AI。

报道称，到第一周结束时，一支团队退出比赛，其余团队已不同程度完成燃气轮机初步设计。不同团队使用AI总结教材、学习设计软件、寻找供应商、创建Excel表格、回答具体问题、查找参考资料，并在不同设计决策之间进行对比分析。

到第二周，团队需要开始详细CAD设计、订购零部件并制作燃烧室原型。MIT News称，团队在这一阶段开始遇到AI使用限制。Claude和ChatGPT能够提供设计替代方案并填补知识缺口，但学生发现，幻觉、迎合性以及缺乏物理理解会削弱信心并拖慢进度。

811 Crew团队成员Elizabeth Tupaj表示，AI是有用工具，擅长查找信息、帮助组织事务并写作，但“不能做设计”。她说，当工程师不知道发生了什么而AI处于主导地位时，至少以当前AI能力而言，设计会变得不可靠。

报道提到，进入最后几周，决赛团队还遇到AI无法解决的障碍：供应商协作。学生称，AI搜索可以找到供应商，但这些供应商与团队没有既有关系，也无意配合紧张时间表；真正完成交付的是团队已有个人关系的供应商。

三支决赛队伍中，只有Fast and Fractured在小型燃烧室首次试验中实现点火。该队大量使用AI进行权衡研究和架构比较，在没有先前燃气涡轮经验的情况下形成可行设计。

MIT航空航天学教授Masha Folk表示，JARVIS Challenge展示了把AI辅助设计、积极主动的学生和快速实验文化结合起来可能实现的结果。她提到，第一台学生设计的燃烧室安装到测试台后顺利点火、升至全功率、转入双燃料运行，并在100% Jet-A燃料上保持稳定燃烧。

到5月底，Fast and Fractured和811 Crew两支高年级团队完成整机测试。Fast and Fractured最终完成热试车，但由于转子与静止壳体发生摩擦并卡滞，试车被迫中止。811 Crew则凭借对涡轮机械和推进概念的更多接触获胜，其发动机启动成功、顺利转入Jet-A燃料，并产生净推力。

报道指出，811 Crew在比赛中一直较少使用AI，更信任基础知识和团队协作。Tupaj表示，团队中有人熟悉设计软件，有机械工程学生知道如何制造部件，也有航空航天工程学生修过燃气涡轮发动机设计课程。

MIT教授Andreea Bobu表示，从JARVIS得到AI价值需要两个条件：足够的专业知识来判断AI输出并发现错误，以及足够的好奇心在AI可能有帮助的地方使用它。她认为，关键在于既有能力掌控工具，又愿意主动使用工具。

MIT News称，这项比赛最清晰的发现是：工程经验具有放大作用，人的因素仍然关键。掌握第一性原理和基本概念会形成良好工程判断，使工程师能够在信息不完整时做出一系列困难决策；在构建安全关键物理系统时，人手和人的责任无法被替代。

助教Kyle Woody表示，JARVIS显示AI副驾驶可以对工程生产率产生倍增效应，而判断力和第一性原理思维是团队之间的关键差异。文章同时指出，如果小团队在良好管理AI副驾驶的情况下可以把设计、制造和测试周期从数年压缩至数周，航空航天领域的人才结构、研发周期和竞争动态都可能受到影响。

MIT燃气涡轮实验室副主任Zachary Cordero表示，JARVIS凸显了AI在物理系统设计中的力量，但也表明释放这种力量的关键是教育，包括课程、实习以及MIT Motorsports和Rocket Team等动手实践。他的主要结论是，在AI时代，教育比以往更有价值。

原 创文章，转载请注明来自@两机动力控制

（欢迎加小编微信号：gtc6000；QQ群：603094810；资料都存在QQ群文件夹中）

免责声明：本公众号所载内容为本公众号原创或网络转载，转载内容版权归原作者所有。如涉及作品内容、版权或其他问题，请跟我们联系！转载内容为作者个人观点，并不代表本公众号赞同其观点和对其真实性负责。本公众号拥有对此声明的最终解释