AI從單點應用邁向全鏈協同，中國車企搶占全球智造制高點

來源：滾動播報

（來源：中國工業報）

■ 中國工業報 耿鵬飛

當新能源汽車賽道進入白熱化競爭，車型迭代提速、混線生產常態化、高階智駕落地，正在倒逼汽車制造告別傳統流水線模式，邁入全鏈路數智化新階段。去年年底，工信部、教育部、市場監管總局、國家數據局四部門聯合印發《汽車行業數字化轉型實施方案》，明確以智能制造為主攻方向，釋放數據要素價值，推動人工智能與汽車產業深度融合，為行業轉型劃定清晰路線圖。

近日，在華為中國合作伙伴大會2026現場，華為智能制造車輛裝備系統部部長王淑貞、依柯力信息科技（上海）股份有限公司董事長&CEO尹可杰，圍繞車企數字化轉型供需平衡、AI落地瓶頸、柔性制造升級、高階智駕驗證等核心議題，向中國工業報等媒體分享大中小企業轉型痛點，解碼AI賦能汽車智造的落地路徑，更勾勒出中國汽車產業從“制造大國”邁向“智造強國”的核心邏輯。

數智化轉型面臨供需失衡與卡點凸顯困境

汽車產業鏈涵蓋頭部主機廠、中小零部件企業等多元主體，數字化轉型需求呈現顯著分化：大型車企資金充裕、場景復雜，追求定制化、全流程的數智化解決方案；中小企業預算有限、場景單一，更青睞輕量化、標準化產品，以嚴控轉型成本。如何平衡兩類群體的核心訴求，成為智能制造服務商破局的關鍵。

王淑貞向中國工業報介紹道，車輛裝備行業的核心客戶以汽車主機廠為主，無論企業規模大小，研產供銷服的核心業務流程高度趨同，這為標準化方案搭建奠定了基礎。“大型企業有充足預算，可直接采購覆蓋全業務鏈的完整解決方案，實現全域數字化轉型；中小企業無需一步到位，可根據自身發展階段，選取單一環節的模塊化方案，循序漸進推進轉型。”這種基于統一業務流的分層服務模式，既保障了大型企業的定制化需求，又降低了中小企業的轉型門檻。

針對輕量化落地需求，華為依托昇騰服務器打造開箱即用的一體機方案，將依柯力等合作伙伴的應用方案深度集成，實現“即插即用”。更關鍵的是，昇騰服務器實現國內開源模型0day適配，徹底解決算法適配難題，讓中小企業無需投入大量研發成本，即可快速享受AI技術紅利。這種“全案定制+模塊拆分+輕量一體機”的組合打法，完美契合《汽車行業數字化轉型實施方案》中“大中小各類企業數字化協調發展”的要求，推動產業鏈整體轉型提速。

當前，我國汽車零部件中小企業數量占比超九成，政策明確提出梯次推進中小企業數字化轉型，引導工業互聯網深度應用。這一打法精準契合中小企業轉型需求，而中小企業作為產業鏈核心組成，其轉型速度直接決定行業整體升級步伐，華為與依柯力的協同實踐，正是通過標準化、模塊化的低成本方案，破解中小企業“不敢轉、不會轉、沒錢轉”的困境，讓數智化技術覆蓋產業鏈上下游。

AI技術從單點應用邁向全鏈條滲透，是汽車智造升級的核心趨勢，但落地過程中仍面臨多重挑戰。結合三十年行業經驗，尹可杰向中國工業報分析道，當前車輛裝備行業的AI轉型，已告別早期單點試水階段，進入整體化打通、價值化落地的深水區，核心瓶頸集中在三大層面。

一是整體規劃能力缺失，轉型缺乏頂層設計。很多企業即便投入大量資金布局AI技術，仍難以實現價值落地，根源在于缺乏全流程規劃，工廠建設初期就應做好數智化頂層設計，明確算力、算法、數據的協同路徑，工具選型只是第二步，華為的核心價值之一，就是為企業提供系統性的規劃能力，避免企業陷入“重技術、輕規劃”的誤區，確保AI應用與業務流程深度融合，唯有先定方向、再落場景，才能避免無效投入。

二是數據治理與場景識別難度大，價值見效慢。隨著算力、算法技術日趨成熟，數據與場景成為AI落地的核心卡點，數據治理是一項長期工程，涉及流程重構、基礎搭建，往往需要3-5年才能見效；而場景選擇更是考驗企業判斷力，當前企業經營壓力大，數字化項目必須實現“降本、增收、提效”的即時價值，因此場景篩選需遵循“高頻、剛需、高價值”三大原則，但多數企業缺乏精準識別能力，導致AI應用浮于表面。

三是復合型人才稀缺，“六邊形”戰士難尋。AI落地需要既懂業務場景、又懂算法算力，還精通應用落地的復合型人才，這類“六邊形戰士”在行業內極度稀缺，而外部服務商中，僅有華為等少數企業具備全鏈條服務能力——既擁有制造業實踐經驗，又掌握核心IT技術，能搭建起技術與業務的橋梁，人才短板也正是政策重點發力的方向。

在尹可杰看來，破解AI轉型瓶頸，企業需抓好三件事：夯實數據治理根基、精準識別高價值場景、加快復合型人才培養，唯有三者協同，才能讓AI技術真正轉化為產業競爭力。而華為與依柯力的協同實踐，正是圍繞這三點持續發力，為行業提供可落地的破解路徑。

技術落地與范式革新打造汽車智造新路徑

過去，汽車智能化局限于單一環節的技術探索；如今，智能座艙、智能駕駛、智能服務已實現全產業鏈覆蓋，汽車智造的發展路徑也隨之發生根本性變革。王淑貞認為，大模型、AI智能體的出現，徹底顛覆了傳統智能的定義，推動產業邏輯從“被動適應”轉向“主動變革”，越來越多車企制定專屬AI戰略，擁抱數智化浪潮。車型迭代快、混線生產頻繁，是當前汽車智造的核心特征，也是對柔性制造能力的極致考驗。30年前，汽車選配方案不足30種；如今，以阿維塔為代表的新能源車企，選配組合超2000種，疊加電池差異后組合突破10萬種，傳統制造體系根本無法支撐這種極致柔性的生產需求。

圍繞汽車智造核心痛點，依柯力與華為聯手打造的數字工廠，破解了這一行業難題。依托華為云、數據庫、算力等底層底座支撐，依柯力深耕計劃、質量、物流等制造應用平臺，實現全流程體系打通，構建起行業領先的柔性制造能力。“車型、配置切換僅需幾分鐘，系統層面客戶完全無感，僅需預留設備、工裝調整時間。”尹可杰表示，這種柔性制造能力，讓中國頭部新能源車企實現“6個月完成新車從發布到批量上市”，遠超合資品牌1-2年的周期，成為中國車企搶占全球市場的核心優勢。華為與依柯力的協同賦能，讓柔性制造從概念變為現實，不僅提速車型迭代，更保障了多品類車型的高質量交付，推動汽車智造進入“按需生產、快速響應”的新階段。

L3、L4高階智駕的規模化落地，對汽車制造端的驗證環節提出全新挑戰。傳統汽車僅需路試、淋雨等基礎檢測，而軟件定義汽車時代，新能源車功能繁雜、測試流程長，既要保障測試精度，又不能影響生產節奏，如何平衡效率與安全，成為車企亟待解決的難題。

尹可杰介紹，依柯力聯合華為，通過數字孿生、IoT技術與全鏈路數據打通，構建起完善的智駕驗證體系，傳統數字孿生多應用于研發端，依賴經驗驅動；而雙方打造的數字孿生平臺，依托華為全量、實時、精準的數據采集能力，用真實場景數據驅動仿真測試，實現“虛擬仿真+實車測試”的雙重驗證，同時通過IoT技術實現設備預測性維護，提前排查潛在故障，推動生產質量從“事后檢測”轉向“事前預防”，助力高端車企實現“零缺陷”出廠目標。

“AI工具再先進，離不開底層基礎設施的支撐。云底座、數據平臺沒有搭建完成，數據飛輪、AI飛輪就無法運轉。”尹可杰強調，中國制造業的底氣，在于完善的基礎設施與規模化產業集群，這是AI技術深度落地的核心保障。

降本增效是企業永恒的追求，而AI技術為汽車智造提供了全新解題思路。

華為有這樣一個觀點：“高質量意味著低成本”，打破了“降本就是壓縮開支”的傳統認知。在王淑貞看來，零缺陷生產就是最大的降本，通過AI結合CV大模型，實現質檢環節99.9%以上的精準度，杜絕返工損耗，以高質量倒逼成本優化。增效層面，AI技術大幅縮短研發周期，傳統燃油車研發需歷經“兩冬一夏”測試，周期長達24個月；華為與廣汽合作打造的研發智能化項目，將新車研發周期壓縮至14個月左右，2025年相關車企新車發布量較2024年顯著提升，這種“質量降本+效率增效”的模式，讓AI技術真正轉化為企業的核心競爭力。

“未來，華為將聚焦三大環節深化AI應用：一是深耕研發與制造，依托廣汽、江淮等標桿案例，持續打磨AI研發、智能制造解決方案；二是拓展營銷領域，通過AI+智能體技術，助力車企從‘造好車’向‘賣好車’延伸，實現開源節流；三是強化產業鏈協同，將汽車智造的成熟經驗復制推廣，賦能更多行業主體。”王淑貞介紹道。

協同創新探索中國汽車智造的全球領跑之路

尹可杰表示，依托多年深度合作，依柯力與華為形成了高度契合的戰略共識，未來將聚焦三大賽道開展聯合創新，持續鞏固中國汽車智造的全球領先優勢。其一，深化數智化場景應用，在AI質檢、知識圖譜等傳統AI應用基礎上，持續優化高價值場景，讓AI技術滲透生產、研發、供應鏈全環節；其二，攻堅AI高階應用，基于昇騰澎湃算力與盤古大模型，發力智能體、具身機器人領域，打造智能制造新增長曲線；其三，拓展跨產業賦能，將汽車行業的數智化體系、標準、規范復制到商業衛星領域，針對這一超級智能終端搭建完整制造體系，開辟全新增長空間。

“華為既懂IT技術又深耕制造業，天然承擔起連接技術與車企的橋梁角色，未來將持續聚焦車輛裝備領域，以昇騰算力、大模型技術為核心，攜手依柯力等合作伙伴，為車企提供全流程數智化解決方案，助力中國汽車產業搶占全球制高點。”王淑貞表示。

當前，AI技術迭代加速，汽車產業變革充滿不確定性，但政策導向、技術趨勢、市場需求已形成清晰共識。《汽車行業數字化轉型實施方案》設定的2027年、2030年兩階段目標，為行業指明方向；華為與依柯力的實踐證明，唯有扎根研產供銷服核心業務鏈，夯實數據、算力、人才基礎，精準布局高價值場景，才能在變革中把握先機。

站在數智化轉型的關鍵節點，當技術創新與產業需求深度融合，當頭部引領與中小協同形成合力，中國汽車智造必將突破邊界，在全球新能源汽車賽道中持續領跑，書寫制造強國的嶄新篇章。