AI驱动的智能研发——共探汽车科技创新数智化引擎专题研讨会
在“软件定义汽车”加速演进的背景下，汽车产业正经历从硬件驱动向软件驱动、数据驱动、智能驱动的深刻变革。人工智能、虚拟孪生、基于模型的系统工程（MBSE）等新一代数字技术的融合应用，正在重构汽车产品研发模式，推动研发体系向更高效率、更高质量和更强协同能力跃迁。
3月26日，由电动汽车产业技术创新战略联盟主办、达索系统承办的《AI驱动的智能研发——共探汽车科技创新数智化引擎》专题研讨会顺利召开。会议邀请了一汽、东风、长安、深蓝、北汽、江淮、福田、赛力斯、蔚来、小米汽车、大众汽车、海纳川、苏州汇川、阿尔特、千里科技、普华基础软件、中国电信、亚马逊云科技、赛达信科等产业链相关企业，以及北京大学、吉林大学、中国汽车工程研究院股份有限公司、北京机械设备研究所等高校院所共70余位技术专家，围绕如何把控AI在研发测试中的应用尺度，解决AI的“幻觉”问题，以及AI赋能产学研创新生态展开深入研讨。
会议由一汽研发总院人工智能首席吕颖主持，达索系统汽车与交通运输行业全球副总裁Laurence MONTANARI女士致辞。演讲环节由一汽研发总院人工智能首席吕颖、北汽研究总院智舱中间件开发科科长郝荣、达索系统汽车行业高级技术经理熊靖、北京大学知识计算实验室主任助理谢睿、达索系统交通运输行业技术顾问姜建、中国电信天翼云公有云事业部专家肖力、四川赛达信息技术有限公司首席科学家袁悦博等专家围绕AI赋能整车研发与数字化转型、大模型前沿研究、智能化设计与仿真工具、AI产业链与生态进行专题演讲。
吕颖主持
Laurence MONTANARI女士致辞
一汽吕颖分享了红旗AI赋能研发的探索实践。一汽红旗以"设计部门牵头、多部门协同"为机制，构建全流程AI智能研发体系。从简单场景切入，目前已识别出图像生、仿真分析、数据处理、代码生成、文档生成五大类27个可落地场景，并建立了场景库与人才社区。在成果方面，重点打造造型AI员工（日均生成1000+方案，效率提升50%）、实验大纲AI生成（准确率超90%）、仿真网格智能划分（效率提升88%）等应用。下一步，红旗计划横向拓展AI场景，深化成熟度，构建一体化AI+研发体系，并通过行业标准共建、创新联盟等形式，推动全流程智能研发的最终实现，为汽车产业智能化转型提供标杆。
一汽研发总院人工智能首席 吕颖
北汽郝荣深入剖析了AI Agent如何重塑汽车软件研发范式。她指出，AI Agent已从被动对话演进至自主执行，具备自主性、交互性、目标导向与持续学习四大特征。面对汽车软件复杂度激增、迭代周期压缩等挑战，北汽在软件开发、技术评审与软件测试三大领域实现了范式变革：代码生成从人工编码转向AI生成框架，工程师角色转变为需求定义者与质量把控者；技术评审引入AI预审机制，专家从文档审核者变为评审体系架构师；软件测试实现人机协同与数据驱动，测试用例生成效率提升35%以上。她强调，AI应用需优先切入高价值场景，构建企业专属知识库，并建立安全护栏机制，确保在安全、实时性等约束下，实现从单点提效到规模化落地的稳健演进。
北汽研究总院智舱中间件开发科科长 郝荣
长城汽车分享了“数据先行”的数字化转型理念。他指出，AI效能的发挥依赖于扎实的数据底座，必须首先完成数据的清洗、结构化与统一化，消除信息孤岛。长城汽车的数字化蓝图围绕“价值为先、全面协同、稳健前行”三大标准，构建了从数据门户到业务协同体，再到千人千面一站式工作台的完整架构。通过将设计经验内嵌于工具，长城已开发190余项自动化与AI辅助功能，并利用大模型构建私域知识库，实现研发知识的“随问随答”。他强调，无论是自动化还是智能化，都需以清晰的业务逻辑和成功案例为输入，才能真正赋能研发。
长城汽车
北京大学谢睿从学术前沿视角，剖析了大模型驱动研发范式变革的内在机理。他指出，智能体的兴起使得研发流程从简单的代码补全迈向一站式交付，而大模型与研发工具的深度融合，正推动研发活动向组织化、日常化演进。他重点介绍了大模型落地的关键技术，包括强化学习、长上下文理解、模型量化等，并强调了构建智能体系统所需的核心模块：规划、工具调用与记忆。他认为，汽车软件研发具有严苛流程，其智能化落地需构建完整的“数据-工具-治理”闭环，实现过程可追溯、可验收。面对技术的飞速迭代，企业需建立快速实践机制，将前沿研究与产业需求紧密结合。
北京大学知识计算实验室主任助理 谢睿
达索系统姜建介绍了达索系统在AI时代下的产品战略与实践。他强调，达索系统正依托3DEXPERIENCE，推动设计从参数驱动向AI驱动转变。他分享了多项创新功能：基于AI的无参逆向建模，可将供应商的非参零件重构为带参可编辑模型，盘活存量资产；可视化编程模块通过拖拽式工作流，降低自动化门槛，并集成AI实现图片到三维网格的快速生成；生成式拓扑设计助力一体化压铸件的优化；AI仿真预测通过机器学习，将单次碰撞仿真从2.5小时缩短至秒级，极大加速设计迭代。此外，AI还赋能自动装配与设计规则自动创建，通过自然语言交互，实现设计规范的智能检查，将工程师从繁琐操作中解放出来。
达索系统交通运输行业技术顾问 姜建
中国电信肖力从天翼云作为“国家云”的定位出发，阐述了云基础设施如何支撑汽车行业的智能研发。面对自动驾驶数据量激增的挑战（预计2027年单日达174PB），天翼云依托其覆盖全国的“4+4+31+X+O”资源池及运营商专有网络优势，构建了数据高效汇聚与处理的底座。他提出，通过硬盘快递与高速云内网络相结合的方式，可解决海量数据上云的难题。天翼云提供从数据导入、预处理、模型训练到仿真验证的全流程云服务，并支持集中式与分布式等多种算力部署模式，通过对象存储与CDN分发，实现数据的分级存储与模型的快速分发，为智能研发打造了高安全、高弹性的数字基座。
中国电信天翼云公有云事业部专家 肖力
赛达袁悦博分享了如何通过专业工具与知识载体，推动大模型从通用智能向行业智能演进。他指出，专业大模型的核心在于赋予模型非文本化的专业知识，如物理化学方程、仿真模型等。赛达信息的解决方案是将这些专业知识转化为AI可调用的“工具库”，包括仿真模型与深度学习模型。他以电池智能设计为例，展示了如何构建以大模型为核心的智能体平台：通过大模型解读用户需求，调用数据库与专业模型进行方案生成与虚拟测试，再由大模型编制设计文件。这一模式将传统的多部门串行研发，转变为“人机交互+自动化搜索”的并行高效模式，显著缩短研发周期，为新能源汽车核心部件的研发提供了全新范式。
在研讨环节，与会专家围绕AI驱动的新型开发验证体系和人智协同的全新产学研创新生态两大主题展开深入交流。
在解决AI在研发测试中的“幻觉”问题方面，多位专家认为“幻觉”难以完全消除，关键在于建立可接受度标准与管控机制。一方面可通过构建高质量垂直领域数据、思维链多角色校正、强化人工审核与检查点来降低风险；另一方面，若在非安全场景AI带来的效率提升远超检查成本，则一定程度的幻觉可以接受。
AI在仿真测试环节的切入方面，专家认为测试用例生成、仿真模型构建、方案优化等子环节较为合适，应通过最小业务单元拆解，优先选择价值高、可行性强的场景试点。由研发一线员工主导开发、自建自用，可有效提升渗透率。AI工具需与现有数字化系统深度集成，避免成为孤立工具，逐步实现从单点应用到全流程拉通。此外，专家强调当前亟需推动数据治理、交互协议、平台接口等底层标准的统一，而非急于制定应用层标准。
AI时代下新型生态合作范式方面，专家指出高校、企业、算力厂商、资本方需重新定义生态位，形成“问题共担、数据共享、价值共创”的协同模式。高校可依托企业真实场景与数据开展前沿研究，企业则需开放场景、沉淀知识。数据流通慢、成果转化难仍是主要挑战，亟需建立可信的数据空间与合规机制，打通产学研之间的壁垒。
众包数据工厂与数据安全方面，动力电池全生命周期研发数据被认为是可行的共享工厂场景，可整合材料研发、电芯制备、系统集成、运行工况等多源数据，支撑AI模型训练与方案迭代。数据安全方面，建议从技术（安全沙箱）、管理（合规机制）、生态（第三方认证）三方面协同保障，确保数据流通可管、可控、可追溯。
研讨专家
AI驱动的智能研发不仅是工具的升级，更是整个汽车工程方法论和产业协同生态的重构。学会将继续发挥枢纽作用，携手产学研各界，打破数据与算力壁垒，推进相关共性技术研究、标准研制等工作，共建人智协同的汽车科技新生态。
本文转载自电动汽车产业技术创新战略联盟公众号
