AI 縮短輪胎研發與設計週期，住友橡膠與橫濱擴展數位開發

AI 從實驗室工具轉為輪胎開發主力

日本輪胎製造商正將人工智慧從實驗轉為常規工程支援，住友橡膠工業與橫濱橡膠均已推出可縮短輪胎研發中分析與文件搜尋時間的系統。這項轉變意義重大，因為輪胎設計仍依賴漫長的模擬迴圈、材料篩選與反覆驗證，即使是適度的時間節省，也能改變團隊從概念到原型的速度。

住友橡膠縮短分析時間

住友橡膠工業（Sumitomo Rubber Industries, Ltd.，Dunlop 與 Falken 品牌背後的日本輪胎製造商）表示，已與富士通（Fujitsu Limited，日本 IT 與服務公司）共同開發 AI 代理模型，可將結構分析時間縮短約 90%，同時維持高準確度。公司於 6 月 3 日聲明指出，該模型已透過概念驗證專案驗證，並應用於輪胎在路面接觸條件下的變形結構分析。

此項成效具體且實用。住友橡膠指出，處理時間從約 45 分鐘降至約 5 分鐘，模型可處理約 60 萬個元素或網格。公司表示，系統以累積的有限元素法結果作為訓練資料，採用圖神經網路演算法，並結合自身輪胎設計資料與富士通的 AI 能力。

對加工商與配方開發者而言，意義不僅在於更快的運算。較短的分析週期可改變設計迭代的速度，因為工程師能在投入實體試驗前測試更多佈局與材料組合。這正是輪胎開發的成本壓力所在：分析迴圈越慢，投入可行規格前的時間與人力就越多。

橫濱橡膠將 AI 擴展至文件密集的設計工作

橫濱橡膠（Yokohama Rubber Co.，開發輪胎、配方與模具的日本輪胎與橡膠製品製造商）表示，已全面啟用專有生成式 AI 系統，該系統建構於檢索增強生成（RAG）技術，用於搜尋累積的技術文件並依據這些檔案回傳答案。公司指出，此系統旨在加速並精進輪胎開發，讓員工在開發過程中（包括材料開發）快速取得決策所需的技術資訊。

橫濱橡膠表示，新系統擴展其於 2020 年 10 月推出的 HAICoLab AI 應用架構。公司先前已建置可預測橡膠配方物理特性、預測輪胎特性、生成新橡膠配方及支援模具設計的 AI 系統。此最新步驟將 AI 支援從預測擴展至知識檢索，涵蓋法規文件、程序手冊、技術報告與案例研究。

對工廠與開發實驗室內的使用者而言，操作邏輯同樣重要。橫濱橡膠指出，開發人員依據專案目標與情境提出問題，之後生成式 AI 會搜尋內部技術文件並從內容中回答。公司補充，AI 代理會解讀問題意圖，並反覆規劃搜尋、檢索資訊與評估結果，以提升回應準確度。系統也提供來源文件連結，讓員工在用於詮釋或決策前驗證每項答案的依據。

”

「此系統透過在輪胎開發過程中提供快速且準確的技術資訊存取，進一步加速並強化輪胎開發。」——橫濱橡膠在其發布中表示

最新 AI 步驟對輪胎工廠與研發團隊的意義

這兩個專案指向相同的營運痛點：知識與分析瓶頸在壓機或擠出機介入前就已拖慢輪胎開發。住友橡膠正攻擊模擬端，AI 減少評估變形與性能行為所需的時間。橫濱橡膠正攻擊資訊端，工程師需要搜尋累積的內部資料，才能決定下一步要測試什麼。

此組合可能重塑開發團隊分配時間的方式。若模擬運算從數十分鐘縮短至數分鐘，且技術搜尋流程變得更具針對性與可追溯性，工程師就能將更多時間用於配方判斷、原型審查與權衡決策，而非重複的資料處理。這也提升了儲存在舊有報告、測試記錄與程序中的機構知識價值，因為這些檔案成為設計工作的主動輸入，而非僅是檔案庫。

橫濱橡膠的發布顯示，公司並非以自動化輸出取代工程師，而是建置可查核內部記錄、引用來源文件，並讓員工在採取行動前驗證答案的系統。此做法在輪胎開發中可能至關重要，因為配方與結構變更可能同時影響濕地抓地力、耐磨性、滾動阻力與可製造性。更快的答案只有在保持可追溯且技術上站得住腳時才有用。

對模擬軟體、AI 平台與配方設計工具供應商而言，訊息同樣明確。輪胎製造商不再將 AI 視為獨立的數位專案，而是將其融入材料搜尋、結構分析與設計支援的正常工作流程，績效則以工具從每個步驟中移除多少時間來評判。

下一步可能是更廣泛部署於開發功能，特別是團隊必須比較許多候選結構或追蹤大量文件集的地方。兩家公司最新公告顯示，輪胎研發的競爭優勢可能日益取決於誰能最快將歷史資料與內部專業知識轉化為可用的設計決策。