上周，我們給大家隆重介紹了小米在2024年開年后公布的第一件大事——那就是雷總為小米工程師們頒發(fā)的“百萬美金技術(shù)大獎(jiǎng)”，獎(jiǎng)勵(lì)在重大技術(shù)創(chuàng)新項(xiàng)目中做出關(guān)鍵突破工程師團(tuán)隊(duì)！

而今年的百萬美金大獎(jiǎng)，更是花開兩家，他們分別是“一體化大壓鑄”技術(shù)團(tuán)隊(duì)以及“小米澎湃OS”技術(shù)團(tuán)隊(duì)。

今天，我們有幸邀請(qǐng)到了榮獲桂冠之一的“一體化大壓鑄技術(shù)”團(tuán)隊(duì)，和大家一起聊聊這個(gè)被稱為“工業(yè)巨獸”的“一體化大壓鑄技術(shù)”到底有哪些過人之處，并分享一下團(tuán)隊(duì)在研發(fā)過程中經(jīng)歷的那些小故事。

01

化繁為簡(jiǎn)

全棧自研大壓鑄

各位老師們好。首先祝賀大家拿下了開年大獎(jiǎng)！去年年底，小米的第一款車小米SU7正式亮相，全自研“一體化大壓鑄技術(shù)”更是抓人眼球?？梢栽偃娴刂v講，讓我們更了解它嗎？

你好，很開心能在這里和大家去分享“一體化大壓鑄技術(shù)”。眾所周知，在2020年底，特斯拉開創(chuàng)了“一體化大壓鑄技術(shù)”，在學(xué)術(shù)界和工程界都引起了激烈反響和爭(zhēng)議，有贊同的有反對(duì)的，當(dāng)時(shí)甚至反對(duì)者居多。當(dāng)時(shí)小米已決定要做車，大壓鑄技術(shù)的出現(xiàn)，也讓小米在思考，我們要不要研發(fā)大壓鑄技術(shù)？可取之處又在哪里？

當(dāng)時(shí)我們判斷大壓鑄會(huì)是趨勢(shì)，效率特別高，但是投資大，難度高，而且成本比傳統(tǒng)工藝更是貴上不少。深思熟慮后覺得，小米手機(jī)就是從傳統(tǒng)機(jī)到智能機(jī)的方向發(fā)展著的，手機(jī)的零部件也經(jīng)歷了“化繁為簡(jiǎn)”的過程。而現(xiàn)在車的硬件發(fā)展趨勢(shì)也是往高度集成化的路線走，可以說和一體化大壓鑄技術(shù)“高效集成化、高性能化”的發(fā)展理念不謀而合。最終，我們下決心自己建廠自己研發(fā)“一體化大壓鑄”技術(shù)。為了確保萬無一失，我們團(tuán)隊(duì)一次性定制了三套方案，大壓鑄AB組，再加一套傳統(tǒng)沖壓方案，三套同時(shí)做，來保證交付。

在確定走這個(gè)方向后，就開始構(gòu)思整體的設(shè)計(jì)方向、制造方向。這是一條無人指引、從0到1的探索之路。隨之而來的問題是：怎么設(shè)計(jì)產(chǎn)品？什么樣的材料能滿足產(chǎn)品需求？這樣的材料需要什么樣的工藝去實(shí)現(xiàn)？什么樣的裝備能保證這樣的工藝穩(wěn)定生產(chǎn)？一系列的未知困擾著我們，怎么辦？

02

一百天，兩百萬

驗(yàn)證大壓鑄方法論

汽車，于小米而言意義重大，那這條充滿挑戰(zhàn)的造車之路我們?cè)撛趺醋吣兀?/p>

有一個(gè)很現(xiàn)實(shí)的問題，我們沒有設(shè)計(jì)理論指引、沒有可用的材料在手。所以，一步一腳印、踏踏實(shí)實(shí)地正向自研才是最合適的道路。

要知道，一體化大壓鑄件最大特點(diǎn)就是大，急需解決的問題是，在面對(duì)零件巨大，材料流動(dòng)長(zhǎng)度長(zhǎng)的情況下，設(shè)計(jì)材料工藝裝備的核心技術(shù)點(diǎn)是什么？基于此背景下，我們團(tuán)隊(duì)決定在開始正式試驗(yàn)之前，先規(guī)劃一個(gè)“小”試驗(yàn)。并創(chuàng)新性地研究出了一套超長(zhǎng)流程的“材料-結(jié)構(gòu)-工藝-性能”的試驗(yàn)方法。正向閉環(huán)的開發(fā)邏輯指的是什么？其實(shí)就是從0到1，用第一性原理，回歸事件本質(zhì)從技術(shù)的底層邏輯拆解和推導(dǎo)。

為了驗(yàn)證該方法是否可執(zhí)行，我們還做了一個(gè)長(zhǎng)達(dá)100多天的探索性試驗(yàn)研究，期間費(fèi)用投入達(dá)200多萬去驗(yàn)證這個(gè)邏輯和方法論是否正確。當(dāng)時(shí)正值病毒爆發(fā)的高峰時(shí)期，很多區(qū)域都被封控。為保證項(xiàng)目順利推進(jìn)，大家都選擇住在試驗(yàn)工廠。也得益于公司對(duì)底層技術(shù)研發(fā)的大力支持，我們通過縝密的試驗(yàn)方法摸清楚了一體大壓鑄件的“材料-結(jié)構(gòu)-工藝-性能”的基礎(chǔ)技術(shù)特點(diǎn)和變化規(guī)律。

這套科學(xué)的方法論，有效地指導(dǎo)后續(xù)大壓鑄件的結(jié)構(gòu)設(shè)計(jì)、材料自研和制造工藝及設(shè)備開發(fā)。值得一提的是，該項(xiàng)方法論在科技成果鑒定中獲得國(guó)際領(lǐng)先，也被一些高校和車企所學(xué)習(xí)。我也相信在公司對(duì)底層技術(shù)研發(fā)的大力支持下，能讓預(yù)研、發(fā)掘技術(shù)路線，專項(xiàng)研究等，有了落地到實(shí)際場(chǎng)景中的更多可能性。

03

可循環(huán)合金材料

邁步碳中和

在探索出一套完整的正向設(shè)計(jì)的方法論后，下一步是做什么呢？

自研材料。我們?cè)谡{(diào)研完市面上大壓鑄的主要材料后，覺得不符合想要做“碳中和”的理念，于是確定了小米的合金材料走“高強(qiáng)高韌可循環(huán)免熱處理”的技術(shù)多功能復(fù)合路線。這就有了一個(gè)全新的難題，當(dāng)時(shí)供應(yīng)商的合金都不符合我們的工程要求，而項(xiàng)目預(yù)留的時(shí)間甚至不到一年，該怎么辦？

小米材料團(tuán)隊(duì)與國(guó)家級(jí)材料重點(diǎn)實(shí)驗(yàn)室合作，基于計(jì)算熱/動(dòng)力學(xué)及其驅(qū)動(dòng)的AI學(xué)習(xí)方法進(jìn)行材料開發(fā)。首先進(jìn)行小米自己的熱力學(xué)相圖數(shù)據(jù)庫(kù)搭建，構(gòu)建了基于目標(biāo)成分的多元、高精準(zhǔn)數(shù)據(jù)庫(kù)，解決了計(jì)算材料學(xué)基礎(chǔ)問題；然后進(jìn)行高質(zhì)量性能數(shù)據(jù)搜集，有文獻(xiàn)報(bào)道的，我們仔細(xì)篩選；沒有文獻(xiàn)報(bào)道的，我們做試驗(yàn)、補(bǔ)充數(shù)據(jù)?；诓牧铣煞?、工藝、組織、性能之間的隱性構(gòu)效關(guān)系，通過圖像識(shí)別，小樣本學(xué)習(xí)，預(yù)訓(xùn)練+微調(diào)范式等搭建等AI軟硬融合探索，最終自研了多元材料的AI仿真系統(tǒng)，并經(jīng)多輪調(diào)試迭代趨于成熟。

在數(shù)以萬計(jì)的模擬仿真實(shí)驗(yàn)中，小米強(qiáng)大的“AI”能力功不可沒。在成分的搜索范圍內(nèi)，小米自研的“Material Expert Ensemble”模型在極短時(shí)間內(nèi)，預(yù)測(cè)出1016萬種配方的性能，從而篩選出最適合小米技術(shù)路線的“小米泰坦合金”。為了早一點(diǎn)調(diào)配出最合適的配方，工程師哪怕是在出差途中，也得千方百計(jì)地找一個(gè)相較安靜的地方進(jìn)行“加密”對(duì)話。

用一個(gè)網(wǎng)絡(luò)熱詞，可以說全員“卷王”。小米泰坦合金的順利誕生，最終也讓小米成為國(guó)內(nèi)唯一擁有可量產(chǎn)自研合金材料的汽車廠商。

04

精密制造“工業(yè)巨獸”

有了科學(xué)的方法論和自研的材料，一體化大壓鑄制造是不是可以啟動(dòng)了？

是的，整個(gè)壓鑄的關(guān)鍵流程可以分解成4步：

首先熔煉原材料，保持品質(zhì)、溫度的情況下精確定量供應(yīng)鋁液；

9100噸壓鑄機(jī)和閉環(huán)溫控設(shè)備集群，保證產(chǎn)品瞬間壓射成型；

100秒左右完成產(chǎn)品多工序、自動(dòng)化處理，完成生產(chǎn)；

對(duì)產(chǎn)品進(jìn)行質(zhì)量檢測(cè)。

一體化大壓鑄技術(shù)存在很多制造難題，小米完成了大壓鑄全套流程及標(biāo)準(zhǔn)自研：包括60個(gè)設(shè)備，并能精密控制433個(gè)壓鑄工藝參數(shù)。為改善鋁液轉(zhuǎn)運(yùn)過程中產(chǎn)生的溫降和吸氫導(dǎo)致的產(chǎn)品預(yù)結(jié)晶、氣孔、夾渣等質(zhì)量問題，小米創(chuàng)新開發(fā)應(yīng)用了鋁液全封閉自動(dòng)傳輸系統(tǒng)，實(shí)現(xiàn)了鋁液品質(zhì)的提升。創(chuàng)新性提出了產(chǎn)品中心、模具中心、壓鑄機(jī)中心、壓射中心、頂出中心的“五心合一”的壓鑄系統(tǒng)設(shè)計(jì)。它能夠解決模具漲型不均衡、設(shè)備大杠偏載、模具頂針卡死等問題，降低壓鑄機(jī)故障率、避免鎖緊系統(tǒng)非平衡磨損、保障大壓鑄設(shè)備的穩(wěn)定運(yùn)行。

保障產(chǎn)品質(zhì)量，需要控制產(chǎn)品成型過程模溫動(dòng)態(tài)平衡。在100秒左右的的生產(chǎn)節(jié)拍內(nèi)，模具溫度先后經(jīng)歷700℃鋁液的加熱、7℃冷卻水的降溫以及噴涂、空氣冷卻的影響，模具溫度的動(dòng)態(tài)平衡、模具溫度的控制速度以及控制精度是產(chǎn)品成型質(zhì)量的主要影響因素之一。為此，小米自研了閉環(huán)溫控設(shè)備集群，包含水溫機(jī)、油溫機(jī)、模冷站、熱成像儀、模具內(nèi)參數(shù)檢測(cè)等設(shè)備，通過232個(gè)回路的精確控制和自動(dòng)監(jiān)測(cè)形成閉環(huán)控制，保障了產(chǎn)品質(zhì)量的穩(wěn)定性。

05

AI賦能工業(yè)硬科技

2023年，小米科技戰(zhàn)略升級(jí)為（軟件×硬件）??，將AI技術(shù)看作一種生產(chǎn)力。AI 在壓鑄中是如何應(yīng)用的？

前面有提到泰坦合金材料，在1060萬種配方中成功篩選了適合小米一體化大壓鑄的材料。大家可能會(huì)認(rèn)為有數(shù)據(jù)、訓(xùn)練模型就能預(yù)測(cè)了。其實(shí)不是的，在材料中的進(jìn)展困難重重：

首先，計(jì)算材料是一個(gè)交叉學(xué)科，對(duì)于AI工程師來說，最大的挑戰(zhàn)是材料領(lǐng)域知識(shí)不足。我們向高校的老師請(qǐng)教、向小米材料專家請(qǐng)教，查閱文獻(xiàn)，大模型輔助設(shè)計(jì)，快速補(bǔ)齊專業(yè)知識(shí)。小米一直強(qiáng)調(diào)真誠(chéng)、熱愛的價(jià)值觀，兩個(gè)領(lǐng)域的同事配合的非常融洽、高效。

其次，對(duì)于訓(xùn)練AI模型來說，業(yè)務(wù)數(shù)據(jù)太少了。在材料成分之外，基于熱力學(xué)數(shù)據(jù)庫(kù)引入了很多組織、凝固過程等數(shù)據(jù)作為先驗(yàn)知識(shí)。同時(shí)利用預(yù)訓(xùn)練+微調(diào)的大模型方法，用數(shù)量較多、質(zhì)量較低的仿真數(shù)據(jù)、文獻(xiàn)數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，用很少、但質(zhì)量高的真實(shí)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行微調(diào)。

最后，希望探索空間能更大，我們?cè)O(shè)計(jì)了外推評(píng)價(jià)體系，用多種策略和模型增強(qiáng)外推能力?？梢哉f在這次的材料打磨中， AI 能力真切的賦能了生產(chǎn)，通過 AI 能力仿真建模，預(yù)測(cè)配方結(jié)果。最終實(shí)現(xiàn)了從1016萬種配方當(dāng)中，研發(fā)出了“小米泰坦合金”。

由于一體化大壓鑄工藝相較于沖壓工藝，產(chǎn)品良率低。壓鑄過程完成后，需要對(duì)整個(gè)零件進(jìn)行全方位檢測(cè)，在高質(zhì)量標(biāo)準(zhǔn)下，需要精準(zhǔn)識(shí)別出毫米級(jí)缺陷。人工檢測(cè)會(huì)存在個(gè)體差異性和主管判斷情況，不同檢測(cè)員對(duì)缺陷定義、標(biāo)準(zhǔn)有所不同。同時(shí)還存在長(zhǎng)時(shí)間檢測(cè)帶來的疲勞和注意力問題?；贏I技術(shù)，通過多個(gè)專家共同對(duì)齊標(biāo)準(zhǔn)、標(biāo)注樣本，通過AI技術(shù)實(shí)現(xiàn)缺陷檢測(cè)，能夠融合多個(gè)專家經(jīng)驗(yàn)、減少主觀差異、進(jìn)而提升效率、效果。

目前AI采用的目標(biāo)檢測(cè)技術(shù)，是從海量樣本中訓(xùn)練模型，識(shí)別有固定特征的目標(biāo)，且通常目標(biāo)較大，比如人臉識(shí)別、人形識(shí)別等。但是將主流目標(biāo)檢測(cè)技術(shù)，應(yīng)用在一體化壓鑄的缺陷檢測(cè)當(dāng)中存在著重重困難。比如：不同與互聯(lián)網(wǎng)數(shù)據(jù)，工業(yè)生產(chǎn)中可使用數(shù)據(jù)量少，缺陷樣本也很少；工業(yè)產(chǎn)品制造過程中受工藝的影響，裂紋、變形等缺陷種類多；缺陷的判定沒有明確的標(biāo)準(zhǔn)和規(guī)范，標(biāo)注困難；工業(yè)缺陷檢測(cè)關(guān)系到實(shí)際生產(chǎn)，誤檢、漏檢都不允許發(fā)生，檢測(cè)結(jié)果要求極高。

因此，團(tuán)隊(duì)采取了基于專家知識(shí)的視覺大模型標(biāo)注和檢測(cè)技術(shù)，通過專家知識(shí)引導(dǎo)大模型進(jìn)行數(shù)據(jù)預(yù)標(biāo)注，突破了傳統(tǒng)AI模型對(duì)于大量人工標(biāo)注的依賴關(guān)系，解決了缺陷數(shù)據(jù)標(biāo)注難的問題；通過自研的正負(fù)樣本缺陷檢測(cè)算法，在數(shù)據(jù)量少的情況下，分別學(xué)習(xí)缺陷/非缺陷樣本特征，結(jié)合專家知識(shí)進(jìn)行高效融合預(yù)測(cè)，突破了少樣本場(chǎng)景下模型性能瓶頸限制，實(shí)現(xiàn)了工業(yè)場(chǎng)景中誤檢和漏檢的嚴(yán)格把關(guān)。

審核編輯：劉清