聯(lián)合汽車電子的效率變革：深挖AI應(yīng)用驅(qū)動(dòng)效能躍升

為深入貫徹落實(shí)國家“人工智能+”戰(zhàn)略部署，推動(dòng)人工智能技術(shù)與主責(zé)主業(yè)深度融合、落地見效，近期，上汽集團(tuán)持續(xù)開展系列AI+調(diào)研工作，以推進(jìn)產(chǎn)業(yè)數(shù)字化、智能化轉(zhuǎn)型升級(jí)。按照集團(tuán)整體部署，上汽AI推進(jìn)工作堅(jiān)持立足實(shí)際場景，從小切口做起，分步推進(jìn)實(shí)施，并通過狀態(tài)跟蹤、定期復(fù)盤和持續(xù)優(yōu)化，推動(dòng)AI+應(yīng)用加快走向縱深落地。

3月9日，上汽集團(tuán)副總裁祖似杰帶隊(duì)赴聯(lián)合汽車電子上?？偛块_展專題調(diào)研工作，集團(tuán)信息戰(zhàn)略和網(wǎng)絡(luò)安全部、質(zhì)量和技術(shù)管理部及相關(guān)企業(yè)研發(fā)、制造等領(lǐng)域人員參加本次調(diào)研。聯(lián)合汽車電子第一副總經(jīng)理郭曉潞、副總經(jīng)理王慶華等公司領(lǐng)導(dǎo)陪同調(diào)研。

圖1：祖似杰帶隊(duì)赴聯(lián)合汽車電子上?？偛块_展調(diào)研工作

調(diào)研期間，祖似杰一行先后參觀了聯(lián)合電子上海廠機(jī)器人實(shí)驗(yàn)室、車云一體化生態(tài)創(chuàng)新中心，實(shí)地了解了聯(lián)合汽車電子在人工智能領(lǐng)域的技術(shù)應(yīng)用與落地情況。

圖2：祖似杰一行調(diào)研上海廠

座談會(huì)上，聯(lián)合汽車電子從組織建設(shè)、場景應(yīng)用等方面著手，圍繞AI應(yīng)用現(xiàn)狀及未來規(guī)劃作專題匯報(bào)。

以AI賦能組織進(jìn)化

激發(fā)效率提升新動(dòng)能

2025年，在集團(tuán)AI+戰(zhàn)略的牽引下，聯(lián)合電子制定了“加強(qiáng)人工智能與數(shù)字化轉(zhuǎn)型結(jié)合的頂層設(shè)計(jì)和規(guī)劃，使人工智能成為公司全方位效率提升的關(guān)鍵驅(qū)動(dòng)力”的目標(biāo)。為此，公司成立了AI數(shù)字化轉(zhuǎn)型委員會(huì)，加快推動(dòng)AI能力體系化建設(shè)。

組織方式上，聯(lián)合汽車電子依托AI數(shù)字化轉(zhuǎn)型委員會(huì)，形成敏捷型跨部門協(xié)同機(jī)制（圖3），圍繞業(yè)務(wù)痛點(diǎn)開展系統(tǒng)梳理和專題研討，識(shí)別高價(jià)值A(chǔ)I應(yīng)用場景，持續(xù)優(yōu)化現(xiàn)有流程、數(shù)字化系統(tǒng)和工作方法。同時(shí)，公司建立定期跟蹤評(píng)估機(jī)制，動(dòng)態(tài)檢驗(yàn)AI技術(shù)應(yīng)用成效，及時(shí)調(diào)整推進(jìn)策略和技術(shù)方案，引導(dǎo)資源聚焦于核心業(yè)務(wù)能力的重塑，避免碎片化、分散式應(yīng)用，提升整體投入產(chǎn)出效率。

技術(shù)實(shí)現(xiàn)上，聯(lián)合汽車電子正加快建設(shè)AI服務(wù)底座，整合外部人工智能科技企業(yè)能力，打造開放協(xié)同的人工智能技術(shù)生態(tài)，形成覆蓋云上云下AI算力集群、AI開發(fā)工具集、大模型庫、智能體框架等在內(nèi)的一站式服務(wù)能力，為關(guān)鍵業(yè)務(wù)重塑創(chuàng)造更多可能。

圖 3：聯(lián)合汽車電子AI數(shù)字化轉(zhuǎn)型委員會(huì)組織結(jié)構(gòu)

深挖場景應(yīng)用

階段性成果初步顯現(xiàn)

自成立AI數(shù)字化轉(zhuǎn)型委員會(huì)以來，聯(lián)合汽車電子圍繞研發(fā)、制造、質(zhì)量、管理等多個(gè)領(lǐng)域積極開展探索，持續(xù)深挖應(yīng)用場景，已取得階段性成效。

在軟件開發(fā)領(lǐng)域，聯(lián)合電子依托GSDP開發(fā)系統(tǒng)，構(gòu)建了包括需求規(guī)范化改寫、信號(hào)提取、功能測(cè)試用例生成在內(nèi)的一系列AI工具，覆蓋V字開發(fā)模型的絕大部分環(huán)節(jié)。在此基礎(chǔ)上，聯(lián)合電子進(jìn)一步推出了應(yīng)用層軟件開發(fā)智能體（圖4），嘗試軟件開發(fā)的端到端打通。在面向需求清晰、架構(gòu)約束已明確的標(biāo)準(zhǔn)化開發(fā)場景下，該智能體能自主調(diào)用11個(gè)AI效率工具，覆蓋80%的應(yīng)用軟件研發(fā)流程。以往耗時(shí)2天的重復(fù)性開發(fā)工作，如今僅需數(shù)分鐘即可完成從零到可運(yùn)行工程初版的端到端交付。這意味著研發(fā)人員可以將更多精力投入核心創(chuàng)新工作。

圖 4：聯(lián)合汽車電子GSDP開發(fā)系統(tǒng)中的

應(yīng)用層軟件開發(fā)智能體

在交付物編審領(lǐng)域，DFMEA（Design Failure Mode and Effects Analysis，設(shè)計(jì)失效模式及后果分析）是產(chǎn)品開發(fā)過程中一種系統(tǒng)化的風(fēng)險(xiǎn)分析工具，主要用于識(shí)別、評(píng)估和優(yōu)先處理產(chǎn)品設(shè)計(jì)階段潛在的失效模式及其影響。傳統(tǒng)的DFMEA痛點(diǎn)在于文檔量大、查閱耗時(shí)長且根因定位復(fù)雜，因此文檔編審需要借助大量專家進(jìn)行深度思考并進(jìn)行各領(lǐng)域的廣泛橫展，容易受專家資源和專家能力因素的制約。隨著大語言模型（LLM）能力的日益強(qiáng)大，其在學(xué)習(xí)能力、知識(shí)深度與廣度的覆蓋上具有人類工程師所不具備的優(yōu)勢(shì)。

聯(lián)合電子團(tuán)隊(duì)通過結(jié)合開源預(yù)訓(xùn)練模型以及沉淀了數(shù)十年的企業(yè)內(nèi)部失效數(shù)據(jù)庫，形成了一套AI輔助建立DFMEA的流程和工具（圖5），幫助工程師在產(chǎn)品設(shè)計(jì)初期就能生成高質(zhì)量的DFMEA，同時(shí)將以往需要數(shù)月完成的工作量縮短至小時(shí)級(jí)別。

圖 5： AI生成DFMEA 工程師輸入vs AI處理

在智能制造領(lǐng)域，聯(lián)合電子進(jìn)行了多場景的AI技術(shù)應(yīng)用。在智能檢測(cè)領(lǐng)域，聯(lián)合電子成功實(shí)現(xiàn)了多項(xiàng)基于AI的質(zhì)檢項(xiàng)目對(duì)人工目檢的替代。其中，SMT PCBA AI檢測(cè)項(xiàng)目將目檢人員勞動(dòng)生產(chǎn)率提升近10 倍，并具備在行業(yè)內(nèi)復(fù)制與規(guī)?；茝V的可行性；基于AI飛拍的產(chǎn)品外觀柔性缺陷檢測(cè)方案（圖6）攻克了大型外觀件的瑕疵檢測(cè)難題，為無人產(chǎn)線概念的落地提供了有力支撐。此外，聯(lián)合電子也成立了 Robofab（圖6），積極挖掘具身智能技術(shù)在制造中的應(yīng)用。

圖 6：聯(lián)合電子上海廠AI飛拍系統(tǒng)

祖似杰對(duì)聯(lián)合汽車電子在人工智能應(yīng)用方面取得的階段性成果給予肯定。圍繞下一階段工作，祖似杰強(qiáng)調(diào)：一是圍繞當(dāng)前人工智能建設(shè)規(guī)劃方向，持續(xù)迭代、縱深拓展，推動(dòng)應(yīng)用場景做深做透。二是聯(lián)電在組織機(jī)制、場景建設(shè)、人才培養(yǎng)以及堅(jiān)持長期主義的推進(jìn)模式等方面形成了有益經(jīng)驗(yàn)，值得在集團(tuán)內(nèi)總結(jié)推廣。三是下一步加強(qiáng)與集團(tuán)協(xié)同聯(lián)動(dòng)，聚焦AI+場景加快突破，打造示范性標(biāo)桿成果。同時(shí)，要始終守牢數(shù)據(jù)安全底線，逐步明確量化目標(biāo)，確保人工智能應(yīng)用可衡量、可追蹤、見實(shí)效。

下一步，聯(lián)合電子將加快人工智能技術(shù)與主責(zé)主業(yè)的深度融合，為上汽集團(tuán)AI+戰(zhàn)略落地貢獻(xiàn)更大力量。