人工智能正從學(xué)術(shù)領(lǐng)域跨越到實際應(yīng)用的新階段，大模型驅(qū)動的群體智能技術(shù)正成為推動革新的核心動力。

對汽車行業(yè)而言，大模型上車還處于起步階段。截止6月，超20家國內(nèi)車企實現(xiàn)大模型上車，場景主要覆蓋智能座艙、智能駕駛，除此之外，少數(shù)大模型應(yīng)用于設(shè)計、生產(chǎn)、銷售環(huán)節(jié)。

而全行業(yè)面臨著的是在整個用戶的全觸點駕乘中，通過人機合一的方式，更加高效的給用戶提供更個性化，同時又成本可控的服務(wù)解決方案。

路特斯CEO馮擎峰透露，路特斯的智駕團隊只有不到400人，相比別的車企動輒2000人甚至3000人，“人員最小化效果最大化”的雙贏局面要歸功于智能化系統(tǒng)。

由此可見，全面的成本領(lǐng)先無疑已經(jīng)成為車企競爭的基礎(chǔ)，而人工智能賦能的智能化將成為決戰(zhàn)的勝負手。

因此，艾拉比副總裁賀思聰在汽車藍皮書論壇上表示，人工智能在汽車軟件最純樸樸素的應(yīng)用是對于汽車診斷進行人力服務(wù)知識庫的補充，由于我們整車電子的問題會越來越多，因此人工智能對于售后服務(wù)工程來說最大的應(yīng)用將是降本增效。

目前看來，傳統(tǒng)診斷如何與更智能化的新技術(shù)融合正處于爆發(fā)前夜。

新技術(shù)帶來服務(wù)模式的轉(zhuǎn)變

隨著OTA+技術(shù)的日益成熟和普及，診斷與分析技術(shù)正在汽車行業(yè)中扮演著越來越重要的角色。從遠程診斷、車機診斷到靈活數(shù)據(jù)采集、大數(shù)據(jù)可視化以及車機智駕日志的采集與分析，這些技術(shù)不僅推動了汽車智能化的發(fā)展，也促使主機廠在傳統(tǒng)售后和服務(wù)領(lǐng)域進行深刻的轉(zhuǎn)型。

在技術(shù)手段迅速迭代的背景下，主機廠面臨著前所未有的機遇與挑戰(zhàn)。傳統(tǒng)的售后和服務(wù)模式正逐步被數(shù)據(jù)預(yù)警、主動服務(wù)以及故障傳播鏈截斷等新型服務(wù)模式所取代。新模式依托于對數(shù)據(jù)和信號的深入掌握，以及對失效模式與數(shù)據(jù)信息的精準(zhǔn)關(guān)聯(lián)，從而實現(xiàn)對車輛狀態(tài)的實時監(jiān)控和預(yù)測性維護，意味著診斷技術(shù)主動和自動化程度發(fā)生質(zhì)的躍升。

然而，對于數(shù)據(jù)、信號、邏輯、策略等復(fù)雜技術(shù)的深度理解，是傳統(tǒng)經(jīng)銷商和維修人員難以輕易掌握的。如何將智能化維修和診斷技術(shù)方案快速融入到當(dāng)前車輛維修和診斷的實踐中，以智能化手段促降本增效，是整個行業(yè)共同關(guān)注的焦點。

華為發(fā)布VHR云服務(wù)3.0 乾崑云鵲大模型，汽車診斷智能化被推入公眾的視野。據(jù)悉，乾崑云鵲大模型支持問答式交互，輸入故障描述，云鵲大模型就能自動通過語義分析，理解問題，進行智能分診、制定診斷方案，并生成診斷結(jié)論和修復(fù)建議。全過程自動化執(zhí)行，將原本的小時級診斷時長進一步縮小到分鐘級，相較于現(xiàn)有遠程診斷能力，又顯著提升了一個臺階。

AI到底是不是強助攻？

一年一改款的新競爭背景下，汽車已經(jīng)不是傳統(tǒng)意義上的小改、大改。不同品牌、不同型號的新能源汽車在高頻迭代的同時，帶來的眾多軟件版本，復(fù)雜的數(shù)據(jù)結(jié)構(gòu)成為智能化診斷面臨的挑戰(zhàn)之一。

華為解決方案的關(guān)鍵詞無疑是AI。而反觀主機廠，在搭建和管理自己的智能化平臺中，運用人工智能來提高自身的體系效率，AI的價值在診斷領(lǐng)域如何物盡其用，并不簡單。

“我們團隊在過去半年的時間里，翻閱了海量的AI論文，試用了國內(nèi)外不同的大模型來分析質(zhì)量和售后問題，結(jié)果并不盡如人意，售后部門并不買單”。某主機廠技術(shù)人員如是和艾拉比探討，而這樣的感嘆已經(jīng)不是個例了。

事實上，目前AI大模型邏輯推演的能力明顯存在不足，對于失效分析和維修方案等具備專業(yè)性要求的領(lǐng)域，無法給出準(zhǔn)確的信息，就技術(shù)而言并不落地。

由此可見，底層數(shù)據(jù)和知識庫能力直接影響AI在診斷中的智能化效果。

艾拉比診斷BU陳子昕在探討研發(fā)質(zhì)量與售后技術(shù)領(lǐng)域時，詳細闡述了AI和計算機如何準(zhǔn)確理解和分析車輛邏輯與信號的關(guān)鍵所在。他指出，成功的核心并不在于AI技術(shù)本身，而是依賴于三個關(guān)鍵的技術(shù)前置條件：

1、知識圖譜的完善：知識圖譜經(jīng)過十幾年的發(fā)展有了長足的進步，在診斷領(lǐng)域的運用可以更好地理解和分析汽車各部件之間的關(guān)聯(lián)和依賴關(guān)系，將各個部件、故障類型以及解決方案等信息整合在一起，形成一個全面的知識庫。

需要強調(diào)的是，構(gòu)建適用于汽車行業(yè)的知識圖譜，需結(jié)合豐富的項目經(jīng)驗，并由具備車輛子系統(tǒng)開發(fā)與運營經(jīng)驗的工程師持續(xù)迭代與維護。在此基礎(chǔ)上，結(jié)合AI大模型，通過知識圖譜+AI的強強結(jié)合，互為補充，可提升知識圖譜的開發(fā)效率，實現(xiàn)診斷時間從小時級縮短至分鐘級的跨越式提升。而不可忽視的是，知識圖譜構(gòu)建難度和需要成本不容小覷。

2、平臺的整合能力：主機廠繁雜又各自獨立的系統(tǒng)對診斷同樣提出挑戰(zhàn)，智能診斷平臺需要必備強大的整合能力，對數(shù)十個系統(tǒng)數(shù)據(jù)進行對接與整合，深入理解主機廠的業(yè)務(wù)場景和底層設(shè)計。在診斷、網(wǎng)絡(luò)報文、MPU日志、OTA、配件、維修資料等方面具備專業(yè)know-how，并知曉如何結(jié)合這些數(shù)據(jù)以輔助AI進行高效分析。

3、數(shù)據(jù)治理的精細化實施：在全面整合與治理源數(shù)據(jù)的過程中，尤為注重對SSTS（服務(wù)支持系統(tǒng)）、DEFMA（設(shè)計失效模式與影響分析）、維修手冊、工程原理圖等關(guān)鍵信息源的細致梳理。通過先進的原子化拆分技術(shù)，能夠?qū)嬰s的數(shù)據(jù)集細化至最基本的組成單元，并與車輛主數(shù)據(jù)管理形成緊密的聯(lián)動機制，確保每一個模型數(shù)據(jù)都嚴(yán)格遵循車輛特定的配置屬性和精細的斷點信息。

此外，為了實現(xiàn)數(shù)據(jù)價值的最大化，需要將診斷與汽車全生命周期軟件管理平臺深度融合，將問題分析與高頻OTA活動緊密關(guān)聯(lián)，從而提升數(shù)據(jù)價值。

地基不牢，主機廠即便投入大量資源進行AI開發(fā)，往往事半功倍。陳子昕強調(diào)，車輛數(shù)據(jù)的智能化管理和應(yīng)用并非一蹴而就，是一個長期且持續(xù)的過程，需要不斷根據(jù)動態(tài)變化的車輛信息、研發(fā)信息和售后信息進行優(yōu)化和更新。因此，一個長期穩(wěn)定、深入汽車行業(yè)的合作伙伴，將是主機廠在AI應(yīng)用領(lǐng)域不可或缺的有力助手。

三個能不能

脫離更低層次的卷價格，向上卷技術(shù)才是良性競爭。智能診斷風(fēng)口已來，AI廠家蜂擁而至，但從行業(yè)實踐看，不與汽車行業(yè)深度融合的互聯(lián)網(wǎng)、AI廠商不可避免都要面臨水土不服。這也正是當(dāng)下主機廠與AI未快速牽手的原因。

艾拉比認(rèn)為，智能診斷是目前降本增效的技術(shù)捷徑。但做好智能診斷需要問“三個能不能”，即平臺能不能融合、智能化能不能落地、數(shù)據(jù)能不能強基？

隨著汽車系統(tǒng)的復(fù)雜化，傳統(tǒng)的分散平臺已難以滿足高效、準(zhǔn)確的數(shù)據(jù)處理需求。艾拉比的A6平臺通過融合TCE與BOM，能夠無縫對接車廠數(shù)十個系統(tǒng)平臺，打破數(shù)據(jù)孤島，實現(xiàn)數(shù)據(jù)的互聯(lián)互通。同時，A6能夠收集、整理、分析來自不同數(shù)據(jù)源的數(shù)據(jù)，實現(xiàn)數(shù)據(jù)的標(biāo)準(zhǔn)化、統(tǒng)一化和可視化。為智能診斷平臺搭建提供了一個及其有價值的數(shù)據(jù)治理和融合基座。

知識圖譜雖在其他行業(yè)日趨成熟，但汽車診斷領(lǐng)域的使用才剛剛開始。與大多數(shù)停留在POC與PPT的AI廠家不同，艾拉比知識圖譜開發(fā)團隊深耕智能診斷，承接了多家廠家的圖譜落地方案。鑒于智能診斷項目合作周期長的特殊屬性，穩(wěn)定在行業(yè)激蕩期顯得尤為重要。

艾拉比作為OTA+領(lǐng)域的行業(yè)領(lǐng)導(dǎo)者，不僅具備長期的售后診斷、遠程診斷、數(shù)據(jù)采集、大數(shù)據(jù)平臺、OTA開發(fā)的相關(guān)底層開發(fā)經(jīng)驗，也具備OTA和售后診斷的長期運營經(jīng)驗。

艾拉比將這些能力與AI深度融合，打造出新一代的智能診斷平臺。平臺不僅解決了知識圖譜構(gòu)建高難度、高成本的問題，同時極大縮短了數(shù)千信號篩選與失效模型關(guān)聯(lián)的管理編輯時間。在問題檢索和問答方面，我們利用大語言模型的優(yōu)勢，提供了更精準(zhǔn)、更高效的解決方案。

在實際應(yīng)用中，這一智能診斷平臺不僅能夠有效維護信號、數(shù)據(jù)、模型與診斷策略邏輯，更通過知識圖譜將各個模型緊密串聯(lián)，將智能服務(wù)的功能深入到各個環(huán)節(jié)。這種全面的智能化升級，為車輛維護和故障排查帶來了前所未有的便利和效率。

當(dāng)然智能化過程中光具備系統(tǒng)并不足夠，為了更好的將數(shù)據(jù)賦能服務(wù)，越來越多的主機廠開始調(diào)整組織架構(gòu)，甚至成立了專門的智能化建模和運營團隊，以進一步提高一體化智能運營的效率和能力。

診斷不是目的也不是終點，汽車是要實現(xiàn)一站式的車輛健康管理。正如萬鋼所言，汽車智能化的下一步要做的，是更安全，減少事故，這對智能化來講是最重要的。艾拉比將OTA、智能診斷和汽車軟件管理平臺進行整合，著眼軟件管理、診斷、修復(fù)、更新全方位建立汽車健康體系，以質(zhì)提效、降本增效。

返回第一電動網(wǎng)首頁 >