红旗用户洞察大模型获评‘2026吉林省人工智能及大模型应用卓越案例’

2026年4月10日,在第三届吉林省人工智能大会上,中国一汽申报的《基于大数据及AI模型的用户洞察与整车关键测试技术项目》荣膺‘2026吉林省人工智能及大模型应用卓越案例’。该项目并非简单的AI功能叠加,而是以‘数据与AI模型双驱动’为核心理念,构建了覆盖用户需求挖掘、试验方案生成、虚拟验证到实车测试的全链路数字化孪生体系,标志着中国汽车工业在AI原生研发范式上取得里程碑式突破。其技术架构深度融合AIgate动态路由网关与LangGraph多智能体编排框架,实现了大模型能力与汽车研发复杂工作流的无缝耦合,为高端制造业AI化提供了可复用的方法论。

项目最革命性的突破在于‘用户高频场景与极端工况的智能挖掘’能力。传统用户调研依赖问卷与焦点小组,样本量有限且难以捕捉真实驾驶行为。而红旗大模型通过打通车联网千万级车辆实时数据、社交媒体用户之声(VoC)、售后维修记录及竞品论坛文本,构建了动态更新的‘用户行为知识图谱’。当模型识别到东北地区冬季大量用户抱怨‘低温下自动泊车失效’时,它能自动关联-30°C环境下的摄像头雾化数据、毫米波雷达信噪比衰减曲线及电池管理系统电压波动特征,进而生成包含‘极寒多传感器融合失效’标签的127种极端测试用例,直接输入CAE仿真平台进行虚拟验证。这种从海量非结构化数据中自主提炼高价值测试命题的能力,使试验场景覆盖率提升3.8倍。

在试验验证环节,项目实现了从‘人工编写脚本’到‘AI端到端闭环’的质变。以往工程师需耗费数周编写自动驾驶HIL测试用例,现在只需向智能体下达‘验证高速NOA在施工区锥桶识别鲁棒性’的模糊指令,系统即自动调取高精地图施工区POI数据、合成不同光照/天气下的锥桶图像序列、配置车辆动力学模型参数、生成测试报告模板,并在实车测试完成后自动对比预期结果与实测数据偏差,生成根因分析建议。实测数据显示,单次ADAS功能验证周期由42天缩短至9.5天,人力投入减少68%。

更深远的意义在于其对汽车产业研发逻辑的重塑。项目将用户真实痛点、法规强制要求与技术可行性三者置于同一AI推理框架下,使‘用户要什么’与‘技术能不能做’在研发早期就实现动态对齐。例如,当用户热议‘后排儿童安全座椅安装便捷性’时,模型不仅生成相关人机工程测试用例,还能联动车身设计部门的CATIA模型,实时仿真不同ISOFIX接口布局对安装力矩的影响,推动设计迭代前置。这种‘用户驱动型研发’模式,正在打破汽车工业百年来的‘瀑布式开发’惯性。

未来,中国一汽计划将该大模型能力向产业链开放,构建涵盖电池、电驱、智驾等子系统的‘红旗AI研发云’,通过API接口赋能零部件供应商开展协同验证。正如项目负责人所言:‘我们不再把AI当作一个需要单独采购的软件模块,而是将其视为流淌在研发血液里的新基因——它让汽车研发从‘经验试错’走向‘数据预判’,从‘产品交付’升级为‘用户价值持续进化’。’这一实践,为中国制造业高质量发展提供了极具说服力的AI落地范本。