橫濱橡膠將生成式AI導入輪胎開發，研發知識搜尋成為下一瓶頸

生成式AI進入工程工作流程

橫濱橡膠（The Yokohama Rubber Co., Ltd.，總部位於日本平塚的輪胎製造商）已開始全面運作專有生成式AI系統，該系統可搜尋內部技術文件並為輪胎開發團隊提供答案。該公司表示，此系統已於2026年8月投入運作，旨在加速材料開發與輪胎設計等領域的決策。

此舉值得注意之處不在於取代模擬或實驗室工作，而在於針對先進研發中常見的弱點：知識檢索。輪胎工程師需處理大量內部報告、手冊、案例研究與開發記錄，橫濱橡膠現利用檢索增強生成（RAG）技術，比手動搜尋更快地呈現最相關資料。

系統設計運作方式

根據橫濱橡膠表示，工程師輸入與特定開發目標或專案情境相關的問題後，生成式AI會在公司累積的技術文件中搜尋最相關資訊。系統配備AI代理，能解讀使用者意圖，然後重複規劃搜尋、檢索資訊與評估結果的循環，以提升答案品質。

工作流程中內建實用防護機制：系統會顯示用於生成每個回應的原始文件連結，讓員工在使用答案進行解讀或決策前，先行查核依據。這在輪胎開發中至關重要，因為技術上合理的答案仍需對照配方限制、測試歷程與平台特定設計需求進行驗證。

橫濱橡膠指出，此平台擴展了其HAICoLab（2020年10月推出的AI應用框架）的實務環境，並建基於先前開發的AI工具，包括預測橡膠化合物特性、生成新橡膠化合物，以及支援模具設計。換言之，新系統並非獨立運作，而是延伸已結合模擬、預測與設計支援的數位開發堆疊。

對輪胎研發的重要性

對加工業者與技術團隊而言，直接影響在於速度。橫濱橡膠表示，新系統旨在快速且準確地提供開發決策所需的技術資訊，包括材料開發。這可縮短工程師搜尋檔案的時間，並協助他們更早進入評估、迭代與驗證階段。

對輪胎製造商而言，這不僅是辦公室生產力升級。內部技術知識往往分散在不同團隊、專案與多年實驗中。能快速彙整這些歷史的系統，可在資深工程師退休、團隊異動或因規格變更而需重啟專案時，改善知識延續性，也能讓經驗較淺的員工更容易依循既有專業知識，而非從頭重建。

產業脈絡至關重要。橫濱橡膠已在開發其他環節使用資料驅動工具，包括先前宣布的基於模擬與AI的模具設計支援系統，該系統利用大量虛擬實驗與代理模型，將模具設計因素與輪胎特性建立關聯。新生成式AI層則處理流程前端：提出更好的問題、尋找正確的技術證據，並為工程師提供從知識到行動的更直接途徑。

此轉變顯示，輪胎研發的下一波競爭優勢，可能不僅來自更快速的模擬或更強大的測試平台，而是更快存取背後的機構記憶。對供應商、材料開發商與設備合作夥伴而言，訊息明確：數位工具正深入配方與設計工作的核心，讓累積技術資料的價值更容易整理與重複利用。

審慎的一步，而非完整轉型

橫濱橡膠未在本文提及的資料中揭露量化效益，例如縮短開發週期或降低測試成本。此克制使整體效能主張仍待證實，但策略方向清晰。該公司正利用AI讓內部知識庫更易使用，而在開發成本高昂且需反覆迭代的產業中，這與新材料配方或新模擬模型同樣重要。

對輪胎開發人員而言，意義在於問題轉化為可用工程答案的速度。橫濱橡膠押注解決此問題的關鍵，不僅是更多資料，而是更好檢索既有資料。