住友橡胶与横滨橡胶扩展数字化开发，AI缩短轮胎研发设计周期

AI从实验室工具转变为轮胎开发主力

日本轮胎制造商正将人工智能从实验阶段转向常规工程支持，住友橡胶工业和横滨橡胶均报告称，其系统可在轮胎研发内部减少分析和文档搜索时间。这一转变意义重大，因为轮胎设计仍依赖漫长的模拟循环、材料筛选和反复验证，因此即使是适度的时间节省也能改变团队从概念到原型的推进速度。

住友橡胶缩短分析时间

住友橡胶工业（Sumitomo Rubber Industries, Ltd.，Dunlop和Falken品牌的日本轮胎制造商）表示，已与富士通（Fujitsu Limited，日本IT和服务公司）共同开发AI代理模型，可将结构分析时间缩短约90%，同时保持高精度。该公司在6月3日的声明中称，该模型已通过概念验证项目验证，并应用于轮胎在路面接触条件下的变形结构分析。

这一实测收益具体且实用。住友橡胶表示，处理时间从约45分钟降至约5分钟，模型可处理约60万个元素或网格。该公司称，该系统以积累的有限元法结果作为训练数据，基于图神经网络算法，结合自身轮胎设计数据与富士通的AI能力。

对于加工商和配方开发者而言，其意义不仅在于更快的计算。分析周期缩短可改变设计迭代的节奏，因为工程师可在提交物理试验前测试更多布局和材料组合。这正是轮胎开发中成本压力的所在：分析循环越慢，在选定可行规格前投入的时间和人力就越多。

横滨橡胶将AI扩展至文档密集型设计工作

横滨橡胶（Yokohama Rubber Co.，开发轮胎、胶料和模具的日本轮胎和橡胶制品制造商）表示，已全面启动基于检索增强生成（RAG）的专有生成式AI系统，用于搜索积累的技术文档并基于这些文件返回答案。该公司称，该系统旨在通过让员工快速获取决策所需技术信息来加速和优化轮胎开发，包括材料开发。

横滨橡胶表示，新系统扩展了其2020年10月推出的HAICoLab AI利用框架。该公司已构建AI系统，用于预测橡胶配方的物理性能、预测轮胎特性、生成新橡胶配方以及支持模具设计。最新一步将AI支持从预测扩展至知识检索，涵盖法规文件、程序手册、技术报告和案例研究。

该操作逻辑对工厂和开发实验室内部用户同样重要。横滨橡胶表示，开发人员根据项目目标和情况提出问题，随后生成式AI搜索内部技术文档并基于该内容给出答案。该公司补充称，AI代理会解读问题意图，并反复规划搜索、检索信息和评估结果，以提高响应准确性。它还提供源文档链接，以便员工在使用答案进行解释或决策前验证其依据。

”

“该系统通过提供轮胎开发过程中决策所需的快速、准确技术信息访问，有助于进一步加速和提升轮胎开发。”——横滨橡胶在其发布中表示

最新AI举措对轮胎工厂和研发团队的意义

这两个项目指向同一运营痛点：知识和分析瓶颈在压机或挤出机介入前就已拖慢轮胎开发。住友橡胶正针对模拟环节发力，AI减少了评估变形和性能行为所需时间。横滨橡胶正针对信息环节发力，工程师需搜索积累的内部资料才能决定下一步测试内容。

这种组合可能重塑开发团队的时间分配方式。如果模拟运行从数十分钟缩短至几分钟，且技术搜索过程变得更具针对性和可追溯性，工程师就能将更多时间用于胶料判断、原型评审和权衡决策，而非重复的数据处理。这也提升了已存储在遗留报告、测试记录和程序中的机构知识的价值，因为这些文件将成为设计工作的活跃输入，而非档案。

横滨橡胶的发布显示，该公司并未用自动化输出取代工程师，而是构建了一个检查内部记录、引用源文档并让员工在使用前验证答案的系统。这种方法在轮胎开发中可能至关重要，因为配方和结构变化可能同时影响湿抓地力、耐磨性、滚动阻力和可制造性。更快的答案只有在保持可追溯和技术可辩护的情况下才有用。

对于模拟软件、AI平台和配方设计工具的供应商而言，信息同样清晰。轮胎制造商不再将AI视为独立数字项目，而是将其融入材料搜索、结构分析和设计支持的常规工作流程，性能以工具从每个步骤中节省多少时间来衡量。

下一步可能是更广泛地部署到开发职能中，尤其是在团队必须比较众多候选结构或追踪大型文档集的领域。这些公司的最新公告表明，轮胎研发中的竞争优势可能越来越取决于谁能更快地将历史数据和内部专有技术转化为可用的设计决策。