在AI技術日益進步的背景下，大型語言模型（Large Language Models, LLMs）不僅能理解自然語言，還能創建文本、回答問題甚至進行翻譯。而Porsche Engineering正將LLMs應用於車輛開發，以提升整體效率，為汽車行業注入全新動力。
LLMs：現代版的解密「Rosetta Stone」
就像1799年發現的Rosetta Stone解開古埃及象形文字的謎團一樣，LLMs被視為解讀現代語言與數據的「未來之石」。Porsche Engineering的Dr. Joachim Schaper表示，LLMs基於神經網絡技術，能理解語境中的語言含義，進一步生成精準的新文本。
為滿足車輛開發需求，Porsche不僅依賴商業化的LLM工具（如ChatGPT或Meta的LLaMa），還訓練模型以內部開發數據為基礎，實現工程知識的整合，從而專注解決研發過程中的具體挑戰。
提升規範修訂效率
一個典型應用是客戶規範的修訂。傳統方法需人工逐一解讀規範並轉化為技術要求，這不僅費時，還容易出錯。Porsche利用LLMs對幾百項數據進行訓練，使其能快速將數千條規範轉化為標準格式。結果顯示，首輪測試便將工作量減少了50%。
未來，LLMs不僅會進一步提升規範修訂的準確性，還將協助檢查內容完整性與系統間的一致性。隨著反饋數據的持續學習，模型的準確性和效率將越來越高，但人類專家的參與仍然不可或缺。
數據管理與實時反饋的突破
LLMs在數據管理方面的應用同樣令人矚目。Porsche Engineering測試中發現，傳統方法難以準確識別未記錄的系統異常，導致故障排查耗時。LLMs則能將測試數據轉換為語義模式，並與數據庫比對，提供即時反饋，幫助工程師快速判斷問題是否已存在或需創建新條目。
在車輛連接項目中，這種實時反饋系統大幅減少手動操作，使問題分析更為精準高效。
LLMs的未來潛力
Porsche目前還在研究處理複雜數值數據的LLM概念，結合傳統數值方法與AI技術，加速大型數據的同步與分析。未來，隨著這些技術的成熟，LLMs有望在更廣泛的車輛開發領域發揮重要作用，成為數據驅動開發的關鍵因素。
