AI重塑生产力 - 以DeepSeek为代表的生成式AI在汽车研发领域的落地应用实战

1.1.

【

上午

】生成式

AI

基础认知

对齐

和提示词工程实战

（

9:00-12:00

）

1.1.1.

【学识精讲】生成式

AI

核心概念和汽车研发价值对齐（

9:00-10:00

）

1.

生成式

AI 技艺全景和核心术语拆解（45分钟）

²

生成式

AI的

基本概念、特点和技艺跃迁图谱；

² 核心技艺原理精要，各技艺流派、分支以及代表货品；

² AI进击：AI有多元研究方向，技艺路线仍未收敛；

² AI普惠：技艺下沉到毛细血管，各业界对AI认知显著拉升；

² AI Agent促成公司服务从“数智化”到“智能化”质变

²

阐述生成式

AI 的核心本领（如文本生成、文档阅读拆解和归纳整理、资料拆解、推演推理等等），结合汽车研发情境（如规划文档撰写、测试报告拆解）说明其具体运用。

²

常用术语对齐：提示词（

Prompt），检索增强生成（RAG）、微调（Fine-tuning），智能体（Agent）、混合专家模型（MoE），Transformer架构，幻觉（Hallucination）、思路链（CoT）等等。

2.

生成式

AI重塑汽车研发范式：从 “人力驱动” 到 “智能协同”（15分钟）

²

汽车研发领域

AI 价值地图：

拆解

AI 在汽车研发诉求拆解（如用户诉求挖掘）、模块规划（如底盘结构初步规划）、测试验证（如智能网联功能测试）、跨部门协同（如规划和生产部门交流）等等环节的运用价值。

² 效率变革实例：

某车企运用

AI 生成底盘模块规划方案，耗时从 2 周压缩至 2 天，减少人工规划的重复性事务，拉升规划效率。

² 办法革新实例：AI 辅助发现汽车智能网联功能测试准则中的推演漏洞（如借助因果推断识别不同测试环节的合规性矛盾点），拉升准则拟定的科学性。

² 误区澄清：

强调

AI 不能替代汽车研发的核心规划推演，但可精进资料处理、文档撰写、跨部门交流等等环节，辅助研发人员锁住核心革新。

²

汽车研发中的

AI 诉求洞察：

拆解参训者日常事务中面临的立项难（如诉求拆解不精准）、资源分散（如跨部门资料流通不畅）、结晶提炼效率低（如测试报告整理耗时久）等等痛点，引出

AI 解题打法。

1.1.2.

【小组碰头】结合汽车研发流程，往细里说，识别最适合

AI

介入的环节（

10:00 - 10:25

）

² 碰头要求：

参训者结合自身负责的汽车模块开发流程（如底盘、智能网联等等），识别

1-2 个最适合 AI 介入的具体业务情境（如底盘异响资料的拆解、智能驾驶测试用例的生成）。

² 需阐述内容：

现况和痛点：如底盘异响资料人工拆解耗时久、准确率低；智能驾驶测试用例人工规划覆盖情境有限。

AI 介入方式：采用 AI 拆解异响资料的频率特征，生成可视化图表以及改进建议；运用 AI 生成多情境测试用例，拉升测试覆盖度。

愿景和价值：期望借助

AI 拉升资料拆解效率 30% 以上，降低测试用例规划时间 50%，拉升研发质量。

² 分享和点评：

各小组推选代表分享碰头结果，讲师点评并提炼共性诉求，为后续提示词工程和事务流规划提供方向。

1.1.3.

【学识精讲】汽车研发情境的产研级提示词工程（

10:35 - 11:30

）

1.

基础法则：从模糊诉求到精准指令（

5分钟）

实例对比：

1)

低效指令：

“帮我拆解底盘异响资料”。

²

高效指令：

“基于 2024 年某车型底盘异响测试资料，识别异常振动频率特征，输出频谱图以及改进建议（需标注国标 GB/T 3811-2022 相关要求）”。

2)

低效指令：

“帮我写关于基因编辑技艺

的文献综述”

²

高效指令：

“生成关于CRISPR-Cas9基因编辑技艺的文献综述，需包含2018年后突破性研究，按照制度分类并标注争议点”

2.

提示词规划轮廓和进阶招数（

25分钟）

(1) 规划基础：

² 明晰提示词的定义、作用、类型以及要害要素（标的、受众、情境），借助汽车研发实例（如智能网联功能测试报告生成）拆解成功提示词的结构。

(2) 系统规划轮廓：

²

标的明晰化（

SMART 要则）：如 “生成智能驾驶功能测试报告，就一线经验说，需包含 10 个典型测试情境的结果拆解，准确率≥95%”。

² 受众拆解和画像：针对货品经理、测试工程师等等不同受众，调整提示词的技艺深度和表述方式。

²

结构规划（

AIDA 模型）：勾住注意（如 “紧急：智能网联功能测试异常拆解”）→激发兴趣（如 “30 分钟内定位测试异常原因”）→刺激欲望（如 “提供可行的精进方案”）→促成行动（如 “输出整改报告”）。

²

语言精进招数：采用简洁、专精的术语（如

“CAN 总线资料拆解”“EMC 测试准则”），防止歧义，增强行动导向（如 “请于 2 小时内生成拆解报告”）。

(3) 进阶招数：

²

资料驱动精进：借助

A/B 测试对比不同提示词的 AI 输出成效，如测试 “生成底盘轻量化规划方案” 和 “生成基于铝合金材料的底盘轻量化规划方案” 的差异。

² 多渠道适配：根据诉求，规划适用于文档生成、资料可视化、跨部门交流等等不同情境的提示词。

3. 产研级提示词的核心规划要则

（

10分钟）

(1) 研发准则显性化编码：

²

多准则整合：强制嵌入汽车业界准则号（如

GB 7258-2017《机动车运行安全技艺条件》、ISO 26262 功能安全准则），支持多准则交叉检索（如 “同时满足 C-NCAP 2025 版五星要求和 UN R129 电池安全准则”）。

²

技艺参数精确化：明晰规划或者测试参数（如

“底盘零件公差±0.05mm”“响应时间≤50ms”），样本量（如“测试车辆不少于5辆”），判定准则（如“异响分贝值≤60dB 为合格”）。

²

合规性声明：包含

“符合 ISO 17025 实验室认证要求”“资料可追溯至原始传感器信号” 等等质控条款，具体来看，往细里说，确保 AI 输出符合研发规范。

(2) 研发流程结构化拆解：

五段式轮廓：

²

准则定位：明晰适用法规（如

“中国道路车辆功能安全准则 GB/T 34590-2022”）。

²

对象定义：细化研发对象（如

“某车型底盘悬挂系统，承载本领≥500kg”）。

²

办法选项：指定抓手或者办法（如

“采用 ANSYS 开展有限元拆解”“采用正交试验法规划测试方案”）。

²

资料要求：规定资料精度（如

“传感器采样频率≥100Hz”“测试资料有效位数保留3位小数”）。

²

输出规范：限定报告格式（如

“按照 ISO/TR 16989 生成 FMEA 拆解表”“以 PPT 形式呈现规划方案，包含 3D 模型和资料图表”）。

4.

汽车产研专属进阶招数（

10分钟）

(1) 多物理场耦合还原：

²

仿真抓手链调用：在提示词中串联

CAE 软件（如 “先用 AMESim 构筑底盘液压系统模型→导入 ANSYS 开展热耦合拆解→在 Carsim 中验证行驶稳定性”）。

²

极限情境参数化：定义正交试验矩阵（如

“车速 [60/80/100km/h]× 路面粗糙度 [低 / 中 / 高]× 底盘刚度 [软 / 中 / 硬]”），周全覆盖研发测试情境。

(2) 失效资料深度挖掘：

²

机器研习模型嵌入：提示词包含

“用随机森林算法识别底盘异响要害因子（特征：振动频率、温度，载荷）”“用神经网络预测智能网联功能故障率”。

²

资料清洗规则：强制剔除无效资料（如

“传感器标定异常资料（偏差> 5%）”“异常中断的测试信号”），确保资料拆解的准确性。

(3) 准则动态适配技艺：

²

版本将控制度：提示词自动匹配最新准则（如

“采用 2025 年即将施行的 GB/T XXXX-XXXX 自动驾驶功能分级准则”）。

²

地域化适配：根据标的市场自动加载特殊要求（如

“针对欧洲市场增加涉水深度 500mm 测试”“满足北美 FMVSS 安全准则”）。

(4) 失效模式导向规划：

² FMEA 思路嵌入：在提示词中预设潜在失效点（如 “重点拆解底盘疲劳断裂隐患”“智能网联功能通信中断隐患”）。

²

极限工况覆盖：强制包含极端环境测试（如

“-40℃冷启动”“海拔4000m动力衰减测试”）。

²

统计显著性要求：明晰置信水平（如

“95% CI”），样本分布（如 “正态性检验 p>0.05”）等等统计假设，确保研发结果的可靠性。

5. 产研级提示词规划的三大黄金法则

（

10分钟）

(1) 定位设定法：

²

要求

AI还原“汽车产研工程师” 撰写自动驾驶功能安全规划办法，拉升专精性；

(2) 细节约束法：

²

借助

“输出格式 = Markdown 表格 + 技艺流程图” 规范AI报告结构。

(3) 结果验证法

²

加入

“请标注引用的国家准则编号（如GB/T 34590）”防止幻觉。

1.1.4.

【分组上手】汽车

研发中的

Prompt

规划

（

11:30 - 12:00

）

² 差事设定：

差事

1：生成某车型底盘轻量化规划方案初稿（需包含材料选项、结构规划、强度校核）。

差事

2：精进智能驾驶功能测试方案（要求覆盖 10 种以上极端情境，降低测试成本 20%）。

差事

3：撰写底盘模块跨部门协同交流话术（需包含规划标的、进度规划、资源诉求）。

² 上手要求：

各组根据差事规划

Prompt，采用 DeepSeek 生成方案或者话术。

对比各组

AI 输出，从专精性、完整性、效率拉升等等维度评选最优方案，讲师开展点评和精进指导。

（注：具体上手的差事需在培训前和培训负责人、主管、参训者代表碰头确定）

1.2.

【

下午

】轻量级

Agent

开发和事务流搭建（

14:00 - 17:30

）

1.2.1.

【学识精讲】汽车研发事务流自动化

（

1

4

:

0

0

-

1

4

:

15

）

1.

事务流技艺原理以及其和汽车研发情境匹配（

15分钟）

(1) 事务流：汽车研发流程的“数字助手”：

²

引见事务流怎样达成研发流程的自动化串联，如诉求拆解

→规划→测试→评审→精进。

(2)

灵活、精准、会

‘研习’：

²

全情境适配：自动匹配汽车业界准则（

GB、ISO 等等），一键生成符合不同市场法规的研发方案（如出口车型底盘规划同时满足国内和欧盟准则）。

² 人机协同友好：借助可视化拖拽界面搭建流程，无需编程，落地时，适合汽车研发人员（如底盘工程师、智能网联工程师）迅速上手，自动生成资料处理代码和跨部门交流文档，减少重复性劳动。

(3) 提效、控险、沉淀心得：

²

效率飙升：准则检索耗时从

2 天缩至 2 小时，规划方案生成效率拉升 50%，让研发人员锁住核心规划。

²

合规有保障：内置准则条款校验制度（如自动查验底盘规划是否符合

GB/T 3811-2022 强度要求），降低规划缺陷隐患。

² 学识资产化：将底盘规划、智能网联测试等等流程转化为可复用模板，积累赛力斯特有研发心得库，新人可迅速参考历史方案。

2.

可视化事务流抓手入门：从

“手动操作” 到 “流程串联”（15分钟）

(1) 汽车研发情境适配性拆解：

²

零代码门槛：借助

“扣子” 图形化界面搭建流程，如底盘测试资料处理流程（资料上传→清洗→拆解→报告生成），无需编写代码，匹配研发人员 “重推演、轻编程” 特点。

²

跨系统集成：支持对接赛力斯公司资料库（如底盘规划参数库，智能网联测试结果库）、

API 接口（如 CAE 软件资料接口）、第三方抓手（Excel、AutoCAD）。

²

动态分支规划：根据

AI 输出结果（如底盘强度校核是否借助）自动触发不同流程分支（如借助则进入下一规划环节，不借助则返回精进），还原真实研发决策推演。

(2)

扣子（

Coze）核心功能演示：

²

怎样连接

DeepSeek 大模型，达成规划方案生成、资料趋势拆解等等功能。

² 公司学识库（如赛力斯底盘规划准则库、智能网联测试实例库）的搭建和调用。

²

文件处理抓手（如

Excel 资料批量处理、CAD 图纸自动标注）的集成和采用。

(3) 事务流核心组件拆解：

²

节点类型：输入输出节点（如

“底盘测试资料上传”“智能网联测试报告下载”）、处理节点（如 “资料清洗”“强度校核”）、抓手调用节点（如 “调用 ANSYS 开展有限元拆解”“生成 PPT 呈报文档”）。

² 资料流推演：从线性执行（如顺序完成规划、拆解、测试）到智能分支（如根据测试结果自动调整规划方案），拉升流程灵活性。

² 异常处理：设置资料异常预警节点（如底盘应力超过阈值时自动发送警报），在实际应用里，确保流程健壮性。

1.2.2.

【学识精讲】轻量级产研

Agent

开发和落地（

16:50 - 17:00

）

1.

何为智能体（

Agent）？和传统抓手的本质区别

²

单一抓手：仅能生成规划文档（如用

AI 写底盘规划说明）

²

智能

Agent：可自动完成 “资料异常检测（如底盘振动超标）→调用历史故障库→生成维修建议→触发采购流程” 全链条差事

2.

汽车研发

Agent 典型实例：

(1)

实例

1：底盘异响预警 Agent

²

实时监控台架测试资料，当振动频率＞

500Hz 并且持续超 3 秒时，执行层面，自动调取过往 100 例异响报告，匹配相似度＞85% 的解题打法，推送给工程师

(2)

实例

2：供给链诉求预测 Agent

²

基于历史研发资料（如某车型底盘零件规划变更频率），结合当前项目进度，预测未来

3 个月的材料采购诉求，误差率＜5%

3. 迅速开发三步骤：

²

步骤

1：

情境定义：明晰破解的问题（如

“自动识别智能网联功能测试中的协议冲突”）

²

步骤

2：

抓手链串联：组合

DeepSeek（协议拆解）+ 扣子（流程调度）+ 公司资料库（存储历史协议模板）

²

步骤

3：

轻量化部署：借助

API 接口集成至研发管控系统，支持手机端实时预警

1.2.3.

【实例拆解】汽车研发全流程自动化：以底盘模块开发为例（

14:15 - 14:25

）

1. 情境设定：

² 某车型底盘模块开发，需完成诉求拆解、初步规划、测试验证、跨部门评审等等环节。

2. 诉求拆解：

²

用

DeepSeek 爬取用户反馈资料，提取高频诉求（如 “底盘舒适性不足”“借助性差”），生成《底盘模块诉求拆解报告》。

3. 初步规划：

²

用提示词生成底盘结构初步规划方案（如

“生成基于铝合金材料的底盘轻量化规划方案，承载本领≥500kg，运行层面，需符合 GB/T 3811-2022 强度要求”），实操中，就一线经验说，就一线经验说，导出为 CAD 图纸。

4. 测试验证：

²

用

“扣子” 搭建测试流程，自动将规划参数导入 ANSYS 开展有限元拆解，换个角度看，生成应力分布云图，执行层面，识别强度薄弱点。

5. 跨部门评审：

² 自动汇总规划方案，测试结果，往细里说，生成《底盘模块跨部门评审报告》，具体来看，并触发评审流程，收集生产、质量等等部门意见，自动整合修改建议。

1.2.4.

【小组碰头】即时操练：个性化事务流的推演拆解和规划（

14:25 - 15:00

）

1.

差事：每人选项

1个当前正在开展的汽车研发项目（如 “底盘异响拆解”“ADAS 功能测试流程精进”），规划事务流：

²

技艺预研流（如：自动追踪

“汽车轻量化材料” 最新研究结晶并生成技艺简报）

²

跨部门协同流（如：

DeepSeek 生成规划方案→生产部门在线评审→自动汇总工艺可行性意见）

2. 分享交流

²

小组内同步规划思路，推选

1个典型作品（如“智能座舱人机交互测试流程”）开展全员展示

²

重点碰头：怎样借助事务流串联

“诉求拆解→原型规划→测试用例生成→问题闭环” 环节

1.2.5.

【操作演示】

5

分钟搭建第一个事务流（

15:15 - 15:25

）

1. 创建空白流程：

²

命名为

“汽车零部件测试资料自动化处理流程”；

2. 事务流搭建步骤演示：

²

节点

1：Excel 资料上传：配置为仅接收 “.xlsx” 格式的传感器测试资料

²

节点

2：资料清洗：设定规则 “删除‘温度’列＞120℃的异常资料，保留 3 位有效数字”

²

节点

3：大模型拆解：调用 DeepSeek 提示词 “根据悬架系统振动资料，往细里说，落地时，在实际应用里，识别前 3 大异常频率，具体来看，用红色字体标注超标值”

²

节点

4：图表生成：自动生成 “振动频率 - 时间” 折线图，往细里说，标记国标阈值线

3. 测试成效

²

上传样例资料后，

20 秒内输出清洗表、拆解报告以及可视化图表

1.2.6.

【分组实践】分组搭建事务流，专家带练（

15:25 - 16:30

）

各组自由选项方案操练，专家实时提供操作指导

1.

方案

1：智能网联功能测试事务流

情境：开发《车载语音交互功能测试准则》，需整合用户投诉和技艺准则

抓手链：DeepSeek 爬取 1000 条用户语音指令识别失败实例→扣子清洗资料→生成 “高频失效情境 - 解题打法” 对照表

提效点：

诉求拆解效率从

5 天压缩至 1 天

2.

方案

2：新能源汽车电池热管控规划事务流

情境：

处理

300 组电池充放电循环资料，生成热失控隐患评核报告

抓手链：

扣子连接

LIMS 系统拉取原始资料→豆包生成 Python 代码自动计算温度梯度→DeepSeek 输出《热管控规划改进建议》

革新点：

自动识别

“温度＞45℃并且充电电流＞150A” 的高危工况

3.

方案

3：传统底盘研发跨部门协同事务流

情境：底盘轻量化规划方案评审（涉及规划、工艺、采购部门）

抓手链：DeepSeek 生成铝合金底盘规划草案→扣子创建评审差事（自动 @相关部门负责人）→汇总意见后生成《规划变更追踪表》

价值：

评审周期从

7 天缩短至 3 天，运行层面，意见遗漏率下降 80%

4.

方案

4：前沿技艺预研事务流

情境：

跟踪全球汽车

AI 视觉检测技艺动态，就一线经验说，实操中，从实践看，生成月度报告

抓手链：

扣子定时爬取

IEEE 汽车电子会议论文→豆包翻译摘要→DeepSeek 提炼 “多传感器融合检测”“实时缺陷识别算法” 等等 3 大趋势

运用：为研发立项提供决策依据

1.2.7.

【分享碰头】事务流分享和精进（

16:30 - 16:50

）

1. 分组展示实战结晶，需重点说明

² 替代：替代了哪些人工环节

² 提效：拉升了哪些环节的效率

²

革新：

AI 的独特价值

² 补缺：完成了哪些人工难以完成的操作

2. 小组间交叉提问、建议和点评。

²

流程推演是否覆盖研发全周期（如诉求

→规划→测试→精进）

²

抓手节点调用是否精准（如是否正确关联

DeepSeek 的业界学识库）

² 是否预留扩展性（如是否支持未来新增的新能源汽车测试准则）

3. 专家点评：从流程拆解、抓手采用、情境价值等等维度点评，提出精进建议。

1.3.

【收束】内容收束、展望和交流问答

（

17:20 - 17:30

）

1.

收束课程内容（强调生成式

AI

对

千行百业

的意义和挑战）

² 收束前述课程内容，

厘清受训参训者的

take away

。

² 核心学识图谱：

2.

鼓励参训者持续研习和探索，积极运用生成式

AI

促成公司演进

²

未来的运用前景和可行性研究

² 组织、流程、管控和主力练就方面的化解打法

3.

展望生成式

AI

的未来演进前景，激发参训者的革新思路和创造力

4.

交流问答和碰头

²

回应

参训者

关于生成式

AI

的要害问题，

碰头具体的

具体运用情境

²

结合华为、字节跳动的实际运用心得，分享怎样在

公司

中达成

AI

技艺的有效落地

2.

注意事项

Ø

在解说技艺细节时，考虑到

参训者

的专精来由，适当调整难度，防止过于深奥的技艺术语

，并根据参训者所在业界、岗位属性做适当的技艺术语转化。

Ø 防止泛泛而谈技艺原理，所有概念都锚定贴合参训者业界的实际业务情境。

Ø

提供实际操作的机会或者实例拆解，支援参训者更好地将理论学识转化为实践本领。

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|李檀老师