文/海峰看科技
当下，中国AI市场保持两位数增长，制造业是投入增长最快的行业之一，但能把AI从单点试验推到规模化运营的企业，仍是少数。在汽车制造这个重要的制造行业，也是如此。
这不是技术问题，是实践路径问题。面对这种理想与现实的反差，江汽给出了另一种成功数智实践答案。这家62年历史的老牌国有车企，从工厂最基础的质检环节切入，构建覆盖汽车研产供销服核心环节的数智化能力体系，并推出汽车行业首个CV质检大模型。
“江汽AI建设的核心思路，就是统一AI平台，围绕尊界‘研产供销服’高价值场景先行探索、沉淀能力，再赋能全集团。”5月15日，在华为与江汽集团联合举办举行的AI+制造行业峰会上，江汽集团数字化管理中心总经理刘峰在演讲中指出。
江汽集团股份公司数字化管理中心总经理 刘峰
我们好奇，为什么是江汽率先实现AI在全链条的跑通？它的“小切口、大纵深”模式，能否成为中国车企智能化转型的通用方法论？今天，我们来详细聊聊江汽的数智化实践。
冰与火之歌：汽车行业AI落地的三重困境
汽车行业其实是所有制造业中最适合AI落地的赛道。
大家想想，一辆车有上万个零部件，从研发到售后全流程产生的海量高价值数据，让AI有了最肥沃的土壤；每一个AI应用的效果都能精确换算成成本、效率和质量的提升，ROI清晰可见；而贯穿上下游的完整产业链，更让AI的价值能够产生乘数级的放大效应。
但恰恰是这些优势，也让汽车行业的AI落地遇到了其他行业没有的难题。
首先，小模型碎片化：越建越多的智能孤岛。
汽车四大工艺有上百个检测点，传统做法是一个检测点开发一个小模型。这就导致了严重的重复建设，一个工厂可能有几十个甚至上百个孤立的AI模型，每个模型都需要单独的开发、训练和维护成本。更麻烦的是，新车型上市时，所有检测模型都要重新开发，适配周期长，严重影响新车爬坡效率。
其次，知识断层：老师傅走了，经验也没了。
汽车行业是典型的经验驱动型行业，研发、生产、售后的大量关键知识都掌握在老师傅手里。一个有20年经验的质检工程师，能一眼看出新手看不出的细微缺陷；一个资深的维修技师，能听声音判断出发动机的问题。但随着人员流动，这些宝贵的隐性知识就会随之流失。而且同一个问题可能在不同车型、不同工厂上反复出现，造成巨大的浪费。
最后，技术与业务两张皮：上线即搁浅的AI项目。
大多数车企的AI项目由IT部门主导，IT人员不懂业务，业务人员不懂技术，导致需求理解偏差大，开发出来的系统不符合一线需求。而且项目上线后就缺乏持续运营机制，模型准确率会随着生产条件、原材料变化而逐渐下降，最后无人维护，变成僵尸系统。
江汽破局之道：统一AI平台，赋能全业务
这三大痛点，几乎是所有车企在推进AI落地时都会遇到的拦路虎。
江汽为何能脱颖而出？正如刘峰所言，江汽以汽车全价值链业务价值为导向，以统一平台为底座，以组织变革为保障，以数据资产化为核心，走出一条“小切口试点—能力沉淀—全集团复制—生态赋能”的务实路线。
其一，从最苦的质检环节撕开一道口子。
大多数车企做AI，都是先从营销、客服、座舱等轻场景切入。这些场景见效快，容易出成果，也容易被用户感知到。但问题是，这些场景的价值有限，容易被竞争对手复制。
江汽选择了从生产端最苦、最累、但价值最大的质检环节切入。他们依托华为盘古CV基础大模型和昇腾算力底座，用尊界工厂积累的130万张高质量质检图片，训练出迈思特CV质检大模型。这个模型实现一模型多场景通用，在线束插接场景的平均检测精准度达到了99.99%。
在我看来，这是一个非常聪明的选择。对于车企来说，生产端是核心竞争力的根本。AI在生产端产生的价值是乘数效应，它不仅提升了良品率和产能，还建立了全员对AI的信心。当一线工人亲眼看到AI能帮他们提高工作质量时，他们就会主动拥抱AI，这为后续在研发、供应链、售后等环节的推广奠定了坚实基础。
而且，生产端的AI能力最难被复制，它需要长期的数据积累和工艺沉淀。未来迈思特CV质检大模型将覆盖江汽集团汽车生产的所有检测环节。同时，江汽还将打通生产、供应、销售、服务各个流程的数据，实现全息质量回溯。
其二，用统一平台打破智能烟囱的魔咒。
很多车企在做AI，都是各部门、各工厂各自为战。你建你的AI系统，我建我的AI平台，结果形成新的智能烟囱。这不仅造成了巨大的资源浪费，也无法实现数据和能力共享。
江汽从一开始就坚持统一平台、统一架构、统一运营的原则。他们基于昇腾算力底座，构建集团级AI平台，统一数据规范和开发工具。所有的AI应用都在这个统一的平台上开发和运行，沉淀下来的模型和数据资产也由集团统一管理。
这样做的好处是当一个场景的AI应用在尊界工厂跑通后，就可以快速复制到乘用车、商用车、核心零部件等其他板块。比如AI质检模型，在尊界工厂验证成功后，只需要简单微调，就能部署到江汽的其他工厂，大幅降低后续场景的开发成本和周期。
笔者认为，统一平台的本质不是技术统一，而是资产沉淀。对于拥有多个品牌、多个工厂的车企来说，只有建立统一的AI平台，才能让AI能力像水电一样随用随取，真正实现规模化落地。江汽的AI平台不仅是一个技术平台，更是一个企业级的AI资产运营平台。
其三，把数据变成真正的企业核心资产。
数据决定AI效果上限，这是江汽在实践中总结出的重要经验之一。正如刘峰总结的江汽核心经验：“数据质量决定AI效果上限，必须让数据和AI形成飞轮。”在智能化时代，数据成为车企最重要的生产要素，数据资产的数量和质量，直接决定车企的核心竞争力。
江汽通过AI赋能数据治理，提升数据质量；同时，高质量的数据又反过来提升AI模型的性能。
江汽系统地开展了高质量数据集建设，围绕质检、安全监管、研发设计、物流、高级排程等领域，建设多类高质量数据集。2025年6月，江汽入选安徽省首批高质量数据集建设基地；2025年12月，完成数据资源企业认定，并取得了数据产权登记证书。
沿着这条务实的路线，江汽为自己的AI之路规划了清晰的“三步走”战略：2026年之前完成架构搭建和高价值场景试点；2027年将成熟能力在全集团泛化应用；2028年之后推动AI与业务模式深度融合，全面重构业务。这三个阶段的规划，不仅是江汽自身的发展路线，也为中国车企的智能化转型提供了一个清晰的时间表和路线图。
笔者观察：沉下心做AI，实现智能强国跃迁
当整个行业都在为前端智能化的竞赛焦头烂额时，江汽在后端默默耕耘，为中国汽车工业的智能化转型蹚出了一条不同的路。“未来，AI 的价值不只是单点效率提升，更是推动经营体系、业务模式和组织能力重塑。”刘峰的这句话让我记忆犹新。
笔者认为，江汽数智化实践的价值在于，它用实打实的成果回答了一个行业级的问题：AI到底该如何真正融入制造业的血脉？同时，这场演讲也引发了我的不少思考。
第一，智能化竞争的下半场，拼的是体系化能力。
过去，车企的智能化竞争主要集中在智驾算法、座舱交互等单点技术上。但未来车企的智能化竞争将是体系化能力竞争，包括数据治理能力、平台建设能力、生态协同能力等。江汽的实践告诉我们，只有构建起完整的智能化体系，才能在未来的竞争中立于不败之地。
第二，AI正在改写汽车产业的价值分配规则。
传统汽车产业的价值主要集中在制造环节。但随着AI发展，价值正在向数据和服务环节转移。谁能更好地利用数据创造价值，谁就能在未来的产业价值分配中占据主导地位。江汽的数据资产化探索，正是抓住了这一趋势，为其未来发展奠定了坚实基础。
第三，生产端AI，正在成为中国汽车的新名片。
在汽车行业的传统领域，我们一直是追赶者。但在智能化时代，中国车企走在世界前列。特别是在生产端AI应用，中国车企拥有最丰富的场景、最庞大的数据和最完整的产业链。江汽联合华为推出汽车行业首个CV质检大模型，也是中国汽车工业向世界输出中国标准的开始。
当我们谈论汽车智能化时，我们往往只关注那些看得见的智能，能自动泊车的汽车、能和你聊天的座舱。但我们却忽略了那些看不见的智能，工厂里能自动检测缺陷的摄像头、能自动分析失效模式的系统。但正是这些看不见的智能，才是汽车工业的根基。
江汽用它的实践证明，汽车行业的智能化竞赛，最终拼的是谁能把AI真正融入造车的每一个环节，融入企业的每一个细胞中。当越来越多的中国车企像江汽一样，沉下心来做AI，中国汽车工业才能真正实现从制造大国向制造强国的伟大跃迁。
热门跟贴