AI能制造喷气发动机吗？JARVIS挑战赛测试AI副驾驶在硬科技工程中的作用

人工智能已经迅速改变了软件工程。生成式AI和大语言模型可以创建大量代码和文档；机器学习算法可以监控性能并检测安全漏洞。但是，当任务是要构思、设计和制造一个复杂的物理系统（如喷气发动机）时，这些AI工具是否同样具有变革性？

上个学期，JARVIS挑战赛（Jet-engine AI Research and Validation Intensive Sprint）旨在探索AI是否能压缩设计-建造-测试周期，要求麻省理工学院的本科生探索AI是否可以帮助他们更快、更好地建造。

“JARVIS挑战赛表明，AI可以显著加速安全关键的硬件工程，但工程判断仍然是决定性的差异化因素。一个AI原生的工程师不是通过使用AI来定义的，而是通过领导AI——知道何时信任它、何时质疑它、以及如何将AI输出转化为实际硬件。制造——而不是工程设计或分析——仍然是根本的限速步骤。”麻省理工学院燃气轮机实验室主任Zolti Spakovszky教授说。

团队、工具、任务

挑战赛给本科生四周时间，利用AI作为主要工程伙伴，设计、制造、组装和测试一个小型燃气涡轮航空发动机。目标是建造一个“JARVIS级”单轴喷气发动机，产生50-100磅推力，使用Jet-A燃料，并完成五次60秒运行。团队在设计、材料和制造上拥有完全的自由。

来自工程学院几乎所有系的31名学生组成了七个团队，从全新生团队到高年级为主的团队。许多参赛者最初在涡轮机械、可压缩流甚至热力学方面经验很少。许多人在报名之前从未见过燃气轮机的内部。

他们可以利用麻省理工学院的机械车间和制造供应商；商业软件包括Concepts NREC、SolidWorks和ABAQUS；以及各种用于表征和组装单个部件的测试台。

团队还可以使用MIT Parley，这是一个新推出的平台，通过单一界面聚合前沿的大语言模型。通过Parley，JARIS领导可以直接看到学生如何使用AI工具，包括他们的提示、每次提示的成本、使用的具体LLM以及其他关键信息。JARIS领导为所有参与者争取到了Parley的早期访问权，并且通过MIT林肯实验室、机械工程系以及企业赞助商Safran、Voyager Technologies和Beehive Industries的财务支持，学生可以基本上无限制地使用AI。

赞助商被招聘兴趣和对AI可能如何重塑工程工作流程的真实好奇心所吸引。

“我们将其视为工程的未来，”Voyager Technologies的Ryan (Hal) Hefron告诉学生们。“你们正在磨练的技能不仅仅是锦上添花——它们将成为工程劳动力的未来基线。”

Safran Tech的总经理Vincent Garnier兴奋地观看了比赛。“JARVIS是一个真正的实验，一个学习项目。坦率地说，我们不知道会从学生或AI模型那里期待什么。让我印象深刻的是学生的表现：首先是探索的热情；然后，随着项目的发展，他们都冷静地认识到AI能或不能帮助他们什么，然后几乎立即适应了这一点。”他说。“这让我相信，这一代领先的工程师可能不会轻易陷入对AI的短视使用，他们会通过不断接触实验——物理实验或思想实验——来做到这一点。”

教师领导层——航空航天系的教授Zachary Cordero、Zolti Spakovszky、Masha Folk和Andreea Bobu，以及林肯实验室的工程师和助教团队——确保安全。在每周的进度评审中，他们严格评估学生的进展以及学生如何使用AI。

Spakovszky开发了一种谨慎的技巧来指导团队朝着正确方向，而不给出答案或提供帮助。在一个团队的演讲之后，他可能会问：“你知道什么是嵌合配合吗？考虑一下这个意见。”

AI帮助和阻碍的地方

到第一周末，一个团队退出了比赛；其他团队以不同程度的成功为其燃气轮机制定了初始设计。不同的团队使用AI来总结教科书、教自己使用设计软件、寻找供应商、创建Excel表格、回答特定问题、查找参考资料以及在设计决策之间进行对比分析。一个团队在Parley中创建了一个代理，并让其担任项目主管。

到第二周，团队必须开始详细的CAD设计、订购部件并原型化燃烧室。这时团队开始遇到AI使用的限制。虽然Claude和ChatGPT在提供设计替代方案和填补知识空白方面表现出色，但团队发现，生成式AI臭名昭著的幻觉、谄媚和缺乏物理理解损害了他们的信心并减缓了他们的速度。

“AI是一个有用的工具，擅长查找信息、帮助组织事情，并且可以写得很好，但它不能做设计，”811 Crew的成员Elizabeth Tupaj说。“当工程师不知道发生了什么并且AI负责时，设计就变得不可靠，至少在AI当前的能力下如此。”

助教John Zhang指出，“亲眼看到学生们的经历提醒我第一印象有多重要。如果学生早期无法从AI得到答案，他们很快就会感到沮丧并形成持久的看法，从而阻止他们以后使用它。”

在最后几周，决赛选手遇到了另一个AI无法解决的障碍：与供应商合作。“AI搜索找到的供应商我们之前没有联系，他们对我们的紧迫时间表不感兴趣，”学生们报告。“完成任务的供应商是我们的团队有个人关系的供应商。”

在三个决赛选手中，只有Fast and Fractured实现了其小型燃烧室的首次点火。该团队在贸易研究和架构比较中大量使用了AI，尽管他们之前都没有燃气轮机经验，但得出了一个可行的设计。

“JARVIS挑战赛展示了当AI辅助设计与积极的学生和快速实验文化相结合时的可能性，”航空航天系Charles Stark Draper职业发展教授Masha Folk说。“最突出的时刻是第一个学生设计的燃烧室安装在测试台上。它完美地点火、加速到全功率、过渡到双燃料运行，然后在100% Jet-A燃料上维持稳定燃烧。这证明了我们可以显著加速设计、建造和测试的循环，同时让学生获得实际操作真实工程挑战的经验。”

AI原生工程的前沿

到5月底，两个更高年级的团队——Fast and Fractured和811 Crew——完成了完整的发动机测试。Fast and Fractured凭借其AI辅助设计，在供应商问题上周复一周地延误，但最终进行了测试。不幸的是，他们的热试车因转子摩擦并卡在固定壳体上而提前结束。然而，在进入比赛时对涡轮机械和推进概念有更多了解的811 Crew取得了胜利。他们的发动机启动，成功过渡到Jet-A，并产生了净推力。

“当我们站在那里，听着他们的发动机启动并看着它们喷火时，我的心感觉要跳出胸膛。有很多可能出问题的方式！这些学生在如此短的时间内取得的成就令人惊叹。”博士生Joe Chiapperi说。

811队在整场比赛中一直抵制使用AI，而是依赖他们的基础知识和团队合作。“我们有至少熟悉设计软件的人，有知道如何制造任何东西的机械工程师，还有专门上过燃气涡轮发动机设计课程的航空航天工程师，”Tupaj说。

从JARVIS挑战赛开始，低年级学生更频繁和更巧妙地使用Parley，而高年级学生则利用更深的经验。

“JARVIS教会我，从AI中获取价值需要两件事：足够的专业知识来判断它告诉你的东西并在它出错时发现，以及足够的好奇心在它能帮助的地方实际依赖它。”教授Andreea Bobu说。“在冲刺中移动最快的团队是有经验的并且大力依赖AI的团队。最终获胜的团队对AI更抗拒；他们有专业知识，但那种怀疑态度使他们变慢。最佳点似乎是知道足够多以便控制工具，并且有足够的热情首先拿起它。对我来说，这就是真正的机会所在：培养下一代工程师，他们具有指导这些AI工具的判断力和使用它们的本能。”

比赛最明确的发现是：工程经验是一个乘数，人为因素仍然是关键要素。掌握第一性原理和基本概念培养出良好的工程判断力以及在信息不完整的情况下应对一系列艰难决策的能力。当涉及到建造安全关键的物理系统时，没有什么可以取代人力和人的责任感。

“JARVIS表明，AI副驾驶可以对工程生产力产生乘数效应，判断力和第一性原理思维是团队之间的关键差异化因素。”助教Kyle Woody补充道。

但AI在航空航天领域的影响是巨大的。如果小团队使用管理良好的AI副驾驶可以将设计-建造-测试周期从数年压缩到数周，那么对劳动力结构、研发时间表和竞争动态的影响可能是重大的。参与JARVIS挑战赛的学生是第一批作为思想实验，而是在机器车间里、在测试台上的喷气发动机旁应对这些赌注的工程师。

“JARVIS突出了AI在物理系统设计中的力量，”但实现这种力量的关键是教育，通过课程、实习以及像MIT Motorsports和Rocket Team这样的动手课外活动。JARVIS中的表现与年级高度相关。我的主要收获是，在AI时代，教育比以往任何时候都更有价值。”燃气轮机实验室副主任Cordero说。