德国斯图加特国际汽车测试博览会专访ATTI评委Kulkarni：车辆测试须从验证转向预测

近日，马恒达北美公司车身结构工程经理普拉萨德·库尔卡尼（Prasad Kulkarni）以2026年ATTI（汽车测试技术国际）奖项评委身份，在德国欧洲汽车测试博览会期间接受了专访。库尔卡尼在白车身工程领域拥有26年经验，亲历了从手绘图纸、物理碰撞滑车试验，到数字仿真与AI辅助工作流程的完整技术演进。在他看来，当前车辆测试技术正站在从“被动验证”走向“主动预测”的关键转折点上。

库尔卡尼介绍，自己的职业生涯贯穿了整车验证的各个环节：从早期的物理碰撞滑车试验和锤击NVH评估，到如今电动汽车复杂的电池保护测试与多物理场乘员安全仿真。“在CAE环境中，前处理、求解器和后处理工具已成为我工程直觉的延伸。”他当前的工作聚焦于两大方向：一是优化可兼容多种动力系统的车身结构架构，在不牺牲碰撞安全与制造效率的前提下应对行业转型；二是他称之为“前载智能”的策略，即将测试反馈设计的时间点从开发周期末端大幅前移，让设计初期一个准确的洞察几乎无需成本即可发挥作用。

当谈及测试领域最大的痛点时，库尔卡尼提出了“相关性鸿沟”这一概念。他指出，行业已拥有能精确模拟碰撞变形的软件，也配备了能捕捉热失控传播的物理测试数据采集系统，但两者之间的桥梁依然脆弱。“虚拟仿真预测某一时刻发生屈曲，而物理测试却显示另一时刻——更关键的是，将机械预测与真实热结果关联起来——这一过程仍靠大量人工，缓慢且昂贵。”他以电池针刺测试为例，虚拟与物理数据虽然并存，但提取结论需要数周的人工比对和噪声过滤。他直言：“整个行业擅长数据获取，却不擅长知识提取。我们数据丰富，但洞察匮乏。”测试硬件与软件若不能构建为原生关联的生态系统，设计迭代的成本鸿沟将持续存在。

作为奖项评委，库尔卡尼强调，真正出色的参赛作品应具备三大特质：民主化，即让预测工具走出CAE专家领域，直接成为设计师工作台上的常规能力；闭环学习，即系统不仅能收集数据并标记失效，还能自动将关联洞察反馈至仿真模型，使每次物理测试都提升下一次虚拟预测的精度；处方智能，即不仅能标示问题，还能生成按风险排序的“红转绿”改进路径，并附带预测的质量、成本与置信度结果。他还特别看重技术呈现中的“诚实”：“最优秀的提交会公开承认技术尚待完善的空间，这种坦率在现场测试经验丰富的评委眼中更具说服力。能证明自己将测试从后视镜变为前大灯和导航系统的技术，会得到我的投票。”

展望未来两三年，库尔卡尼最期待的是“生成式AI与物理测试的融合”，他称之为“预测副驾驶”。他特别提到两项具体发展：一是智能设计验证计划（DVP）生成器——设计师上传CAD模型并指定车辆类别与目标市场后，系统可自主构建完整的验证程序，包括测试项目、顺序、验收标准，并针对时间压缩与风险缓解进行优化，而非简单调用数据库模板；二是完全实现R2G（红转绿）赋能的测试生态系统，测试软件不再只返回“通过/不通过”，而是给出带有质量与成本影响的排序设计修改建议。他认为，这两项能力若结合，可将DVP周期从24个月压缩至12个月，从根本上改变项目经济学。“那将是作为设计顾问的测试，而非设计验证者——这将改变车辆开发的整个逻辑。”

库尔卡尼坚信，测试与验证能力将成为未来十年车企的核心差异化因素。从结构工程角度看，当各车企的平台架构趋于一致、动力总成选择逐渐收窄时，能更快开发出更安全、更优化车型的企业，将在成本、周期与质量上全面胜出。他指出，将测试视为战略投资而非项目开销的车企，将获得决定性领先优势。

谈及影响最大的细分领域，库尔卡尼列举了三方面：一是电池安全与结构保护测试，随着800V高压架构与更高能量密度趋势推进，热传播测试的误差容限几乎消失，具备AI预测能力和优化路线图输出的虚拟验证将成为分水岭；二是多物理场耐久与NVH相关性测试，电动汽车的耐久性不再是单一机械问题，而是热-机-振耦合问题，能同时识别跨学科优化机会的测试技术将占据先机；三是软件定义结构安全，当碰撞性能与主动安全系统（如预紧安全带、主动发动机盖、电池断开算法）深度交互，能够同时优化硬件与软件集成系统的测试方法，将成为乘员保护的新前沿。

作为评委兼从业者，库尔卡尼总结道：“真正的赢家将把测试从验证阶段推向启发阶段，用预测技术引导和优化设计，而非仅仅确认设计。这正是我作为评委和工程师共同追求的未来。”

下届展会时间：2027年06月02号~06月03号

展会地点：德国 斯图加特

展会行业：汽车

本资讯由 “世界展会网” 整理编辑，依托世界展会信息网资源库，全面覆盖各类展会资讯。平台为客户提供展览设计、展厅装修、展位预定、参观服务等服务，欢迎您的来电：400-837-8606（24 小时）接听！