車企AI試點易、推廣難？江汽用三年時間給出破局答案

文/海峰看科技

當下，中國AI市場保持兩位數增長，制造業是投入增長最快的行業之一，但能把AI從單點試驗推到規模化運營的企業，仍是少數。在汽車制造這個重要的制造行業，也是如此。

這不是技術問題，是實踐路徑問題。面對這種理想與現實的反差，江汽給出了另一種成功數智實踐答案。這家62年歷史的老牌國有車企，從工廠最基礎的質檢環節切入，構建覆蓋汽車研產供銷服核心環節的數智化能力體系，并推出汽車行業首個CV質檢大模型。

“江汽AI建設的核心思路，就是統一AI平臺，圍繞尊界‘研產供銷服’高價值場景先行探索、沉淀能力，再賦能全集團。”5月15日，在華為與江汽集團聯合舉辦舉行的AI+制造行業峰會上，江汽集團數字化管理中心總經理劉峰在演講中指出。

江汽集團股份公司數字化管理中心總經理 劉峰

我們好奇，為什么是江汽率先實現AI在全鏈條的跑通？它的“小切口、大縱深”模式，能否成為中國車企智能化轉型的通用方法論？今天，我們來詳細聊聊江汽的數智化實踐。

冰與火之歌：汽車行業AI落地的三重困境

汽車行業其實是所有制造業中最適合AI落地的賽道。

大家想想，一輛車有上萬個零部件，從研發到售后全流程產生的海量高價值數據，讓AI有了最肥沃的土壤；每一個AI應用的效果都能精確換算成成本、效率和質量的提升，ROI清晰可見；而貫穿上下游的完整產業鏈，更讓AI的價值能夠產生乘數級的放大效應。

但恰恰是這些優勢，也讓汽車行業的AI落地遇到了其他行業沒有的難題。

首先，小模型碎片化：越建越多的智能孤島。

汽車四大工藝有上百個檢測點，傳統做法是一個檢測點開發一個小模型。這就導致了嚴重的重復建設，一個工廠可能有幾十個甚至上百個孤立的AI模型，每個模型都需要單獨的開發、訓練和維護成本。更麻煩的是，新車型上市時，所有檢測模型都要重新開發，適配周期長，嚴重影響新車爬坡效率。

其次，知識斷層：老師傅走了，經驗也沒了。

汽車行業是典型的經驗驅動型行業，研發、生產、售后的大量關鍵知識都掌握在老師傅手里。一個有20年經驗的質檢工程師，能一眼看出新手看不出的細微缺陷；一個資深的維修技師，能聽聲音判斷出發動機的問題。但隨著人員流動，這些寶貴的隱性知識就會隨之流失。而且同一個問題可能在不同車型、不同工廠上反復出現，造成巨大的浪費。

最后，技術與業務兩張皮：上線即擱淺的AI項目。

大多數車企的AI項目由IT部門主導，IT人員不懂業務，業務人員不懂技術，導致需求理解偏差大，開發出來的系統不符合一線需求。而且項目上線后就缺乏持續運營機制，模型準確率會隨著生產條件、原材料變化而逐漸下降，最后無人維護，變成僵尸系統。

江汽破局之道：統一AI平臺，賦能全業務

這三大痛點，幾乎是所有車企在推進AI落地時都會遇到的攔路虎。

江汽為何能脫穎而出？正如劉峰所言，江汽以汽車全價值鏈業務價值為導向，以統一平臺為底座，以組織變革為保障，以數據資產化為核心，走出一條“小切口試點—能力沉淀—全集團復制—生態賦能”的務實路線。

其一，從最苦的質檢環節撕開一道口子。

大多數車企做AI，都是先從營銷、客服、座艙等輕場景切入。這些場景見效快，容易出成果，也容易被用戶感知到。但問題是，這些場景的價值有限，容易被競爭對手復制。

江汽選擇了從生產端最苦、最累、但價值最大的質檢環節切入。他們依托華為盤古CV基礎大模型和昇騰算力底座，用尊界工廠積累的130萬張高質量質檢圖片，訓練出邁思特CV質檢大模型。這個模型實現一模型多場景通用，在線束插接場景的平均檢測精準度達到了99.99%。

在我看來，這是一個非常聰明的選擇。對于車企來說，生產端是核心競爭力的根本。AI在生產端產生的價值是乘數效應，它不僅提升了良品率和產能，還建立了全員對AI的信心。當一線工人親眼看到AI能幫他們提高工作質量時，他們就會主動擁抱AI，這為后續在研發、供應鏈、售后等環節的推廣奠定了堅實基礎。

而且，生產端的AI能力最難被復制，它需要長期的數據積累和工藝沉淀。未來邁思特CV質檢大模型將覆蓋江汽集團汽車生產的所有檢測環節。同時，江汽還將打通生產、供應、銷售、服務各個流程的數據，實現全息質量回溯。

其二，用統一平臺打破智能煙囪的魔咒。

很多車企在做AI，都是各部門、各工廠各自為戰。你建你的AI系統，我建我的AI平臺，結果形成新的智能煙囪。這不僅造成了巨大的資源浪費，也無法實現數據和能力共享。

江汽從一開始就堅持統一平臺、統一架構、統一運營的原則。他們基于昇騰算力底座，構建集團級AI平臺，統一數據規范和開發工具。所有的AI應用都在這個統一的平臺上開發和運行，沉淀下來的模型和數據資產也由集團統一管理。

這樣做的好處是當一個場景的AI應用在尊界工廠跑通后，就可以快速復制到乘用車、商用車、核心零部件等其他板塊。比如AI質檢模型，在尊界工廠驗證成功后，只需要簡單微調，就能部署到江汽的其他工廠，大幅降低后續場景的開發成本和周期。

筆者認為，統一平臺的本質不是技術統一，而是資產沉淀。對于擁有多個品牌、多個工廠的車企來說，只有建立統一的AI平臺，才能讓AI能力像水電一樣隨用隨取，真正實現規模化落地。江汽的AI平臺不僅是一個技術平臺，更是一個企業級的AI資產運營平臺。

其三，把數據變成真正的企業核心資產。

數據決定AI效果上限，這是江汽在實踐中總結出的重要經驗之一。正如劉峰總結的江汽核心經驗：“數據質量決定AI效果上限，必須讓數據和AI形成飛輪。”在智能化時代，數據成為車企最重要的生產要素，數據資產的數量和質量，直接決定車企的核心競爭力。

江汽通過AI賦能數據治理，提升數據質量；同時，高質量的數據又反過來提升AI模型的性能。

江汽系統地開展了高質量數據集建設，圍繞質檢、安全監管、研發設計、物流、高級排程等領域，建設多類高質量數據集。2025年6月，江汽入選安徽省首批高質量數據集建設基地；2025年12月，完成數據資源企業認定，并取得了數據產權登記證書。

沿著這條務實的路線，江汽為自己的AI之路規劃了清晰的“三步走”戰略：2026年之前完成架構搭建和高價值場景試點；2027年將成熟能力在全集團泛化應用；2028年之后推動AI與業務模式深度融合，全面重構業務。這三個階段的規劃，不僅是江汽自身的發展路線，也為中國車企的智能化轉型提供了一個清晰的時間表和路線圖。

筆者觀察：沉下心做AI，實現智能強國躍遷

當整個行業都在為前端智能化的競賽焦頭爛額時，江汽在后端默默耕耘，為中國汽車工業的智能化轉型蹚出了一條不同的路。“未來，AI 的價值不只是單點效率提升，更是推動經營體系、業務模式和組織能力重塑。”劉峰的這句話讓我記憶猶新。

筆者認為，江汽數智化實踐的價值在于，它用實打實的成果回答了一個行業級的問題：AI到底該如何真正融入制造業的血脈？同時，這場演講也引發了我的不少思考。

第一，智能化競爭的下半場，拼的是體系化能力。

過去，車企的智能化競爭主要集中在智駕算法、座艙交互等單點技術上。但未來車企的智能化競爭將是體系化能力競爭，包括數據治理能力、平臺建設能力、生態協同能力等。江汽的實踐告訴我們，只有構建起完整的智能化體系，才能在未來的競爭中立于不敗之地。

第二，AI正在改寫汽車產業的價值分配規則。

傳統汽車產業的價值主要集中在制造環節。但隨著AI發展，價值正在向數據和服務環節轉移。誰能更好地利用數據創造價值，誰就能在未來的產業價值分配中占據主導地位。江汽的數據資產化探索，正是抓住了這一趨勢，為其未來發展奠定了堅實基礎。

第三，生產端AI，正在成為中國汽車的新名片。

在汽車行業的傳統領域，我們一直是追趕者。但在智能化時代，中國車企走在世界前列。特別是在生產端AI應用，中國車企擁有最豐富的場景、最龐大的數據和最完整的產業鏈。江汽聯合華為推出汽車行業首個CV質檢大模型，也是中國汽車工業向世界輸出中國標準的開始。

當我們談論汽車智能化時，我們往往只關注那些看得見的智能，能自動泊車的汽車、能和你聊天的座艙。但我們卻忽略了那些看不見的智能，工廠里能自動檢測缺陷的攝像頭、能自動分析失效模式的系統。但正是這些看不見的智能，才是汽車工業的根基。

江汽用它的實踐證明，汽車行業的智能化競賽，最終拼的是誰能把AI真正融入造車的每一個環節，融入企業的每一個細胞中。當越來越多的中國車企像江汽一樣，沉下心來做AI，中國汽車工業才能真正實現從制造大國向制造強國的偉大躍遷。