首个汽车行业 AI 基座发布、112.7 EFLOPS 全行业共享、造车流程开始交给智能体

造车流程交给智能体

10 月 23 日，在 2026 世界智能网联汽车大会现场，中国移动牵头建设的国家人工智能应用中试基地（制造领域汽车方向）发布了业内首个汽车行业 AI 基座。这个基座历时一年打造，从当天起能力面向全行业开放共享。

见证单位有十多家：北京经开区管委会、清华大学、中国一汽、东风汽车、长安汽车、北京汽车、理想汽车……

用人话说： 这不是某家车企给自己做的内部工具，而是一块「谁都能来用」的公共算力底座。一句话概括它的定位——中立不造车、能力全开放。它自己不造车，只提供算力、数据和模型。

一句话总结

业内首个汽车行业 AI 基座正式发布并全行业开放共享，已纳管 112.7 EFLOPS 算力、覆盖研发制造智驾测评四大领域、六大智能体已在 10 余家央国车企落地——车企不用再自建算力中心，AI 造车从「每家自己折腾」变成「按需调用」。

一、112.7 EFLOPS 是个什么概念

这是这个基座最硬的一个数字，先把它翻译成人话。

项目 · 数值

已纳管理算力 · 112.7 EFLOPS

覆盖领域 · 研发、制造、智驾、测评

输出能力 · 算力—数据—模型一体化

落地车企 · 10 余家央国车企

建设周期 · 一年

EFLOPS 是每秒十亿亿次浮点运算。按单张顶级 AI 加速卡约 1 PFLOPS 的 FP16 算力粗算，112.7 EFLOPS 相当于十万张以上旗舰卡的量级。

用人话说： 这个数字真正意味着的不是「很多」，而是「不用自己攒」。过去一家车企想跑智驾训练和视觉质检的模型，要么自建数据中心（几千万上亿的一次性投入 + 常年运维），要么去租云（高峰期抢不到、长期成本不可控）。现在有第三种选择：按需调用。

用人话说： 更关键的是那句「核心数据所有权完全保留，仅在合规框架下与生态伙伴安全流通」。车企最怕的不是算力贵，是把研发数据、配方、供应商信息交出去。这个设计是把车企最在意的两件事同时解决了——算力不愁，数据不跑。

二、它对准的是车企三个老毛病

官方把这个基座的出发点归结为三个长期存在的难题。

老问题 · 过去的解法 · 现在的解法

算力不足 · 自建数据中心，或排队等云 · 按需弹性调用，共享 112.7 EFLOPS 池子

数据孤岛 · 各厂各系统，数据出不来 · 基座做统一的数据流通框架，合规前提下安全共享

模型开发门槛高 · 招算法团队从头搭 · 用现成的行业智能体和模型底座

用人话说： 三个问题其实是同一件事的三个侧面——汽车行业想用 AI，但每家的起点和预算都差太远，于是大部分厂商卡在「知道有用、但用不起也用不好」。

这也解释了为什么这个项目要拿到清华大学、一汽、东风、长安、理想一起做见证：它需要的不只是技术背书，还需要让行业相信「共享数据不亏」这件事在规则上是成立的。

三、六大智能体，具体省了什么

这是最能说明问题的部分——每一个智能体后面都挂着一组可以对比的数字。

智能体 · 所在基地 · 实测成效

汽车造型设计 · 上海 · 设计效率提高 3 倍

工艺规划 · 上海 · 工艺卡从 5 天缩短至 4 小时

视觉质检 · 吉林 · 缺陷检出率提升至 99.5% 以上，产线适配周期从 4 周压缩至 1 周，智驾研发投入 降低 10%

智能运维 · 重庆 · 识别 20 余类故障与风险，故障停机时长 压降 30%

智驾数据生成 · — · 实车路测费用显著下降

智驾模型训练 · 北京 · 训练加速比达 2 倍

用人话说： 「工艺卡从 5 天缩到 4 小时」这一条最值得停下来看一眼。工艺卡是告诉工人「这辆车这一步装什么、拧到什么扭矩」的文件——过去改一版要等 5 天，意味着一个设计改动要等一周才能传达到产线。而智能体的价值恰恰在于，它能在设计一改动的当天就把工艺文件同步重写完。

用人话说： 而「智驾研发投入降低 10%」+「实车路测费用显著下降」这两条其实是同一件事的两面：智能体帮你合成场景数据，你就不用真的开那么多公里去采。造车几万公里路测，一辆车几十万公里的成本，这一块省下来是真金白银。

「视觉质检缺陷检出率提升至 99.5% 以上、产线适配周期从 4 周压缩至 1 周」这两条连在一起看更有意思。前者是质量，后者是速度——模型换型上线以前要准备四周，现在一周。而汽车行业的特点恰恰是，工厂一停线，损失是以分钟计的。

四、两个必须注意的地方

第一，「业内首个」这三个字要看清楚是谁的首个。 这是由中试基地牵头建设的公共平台，它在汽车行业 AI 基座这个细分形态上确实是第一个，但「汽车行业的 AI 能力」本身早就有了——各家车企自己的大模型、华为的智驾方案、供应商的质检系统都在跑。这次的增量在于把它们放到一个共享的池子里。

第二，效果数字来自示范项目，不是普遍水平。 造型设计效率提高 3 倍、工艺卡 5 天变 4 小时，这些都是在配合基座建设的基地企业里跑出来的。不同车企的数据基础、信息化程度、工艺规范度差别很大，横向套用是要打折的。

用人话说： 更现实的一个卡点是：这些智能体要发挥效果，前提是企业的工艺数据、缺陷数据是结构化、可被读取的。很多工厂的数据还锁在十几年前的老系统里，甚至只在老师傅的脑子里。这部分准备工作，公告里不会写，但恰恰是落地时最耗时的部分。

用人话说： 还有一句必须说：公共基座的核心变量不是技术，是规则。「数据所有权完全保留、仅在合规框架下流通」这句话今天写在新闻稿里，明天就要看车企愿不愿意真的把数据放进来。而这一条，没有制度设计是推不动的。

对普通人意味着什么

第一买车的人能感觉到的是「车更便宜、交付更快、修得更准」。 工艺卡从 5 天到 4 小时、质检检出率 99.5%，最终都落在车的定价、上市节奏和售后质量上。这是普通人最容易感知到的一条线。

第二，这会加速汽车行业内部的能力分层。 自建算力的头部车企和有基座可用的二三线车企之间，成本差距会被拉开。不是强者恒强，而是资源不足的公司第一次能低成本调用一流的能力——这在汽车这种重资产行业里是罕见的。

第三，对想进 AI 行业的人：懂工艺的 AI 人才正在变得稀缺。 这六个智能体里没有一个是纯技术问题——造型设计、工艺规划、视觉质检、运维，全都是「行业知识 + 模型」的结合。懂制造工艺的人加上 AI 能力，比纯算法工程师在制造业里更稀缺。

写在最后

1 这次真正开放的不是算力，是「制造业用 AI 的门槛」

算力本身不稀缺，稀缺的是「知道自己要算什么、并且算得出来」的能力。公共基座把这两件事打包提供，等于把 AI 造车的启动成本从「一个数据中心」降到「一次调用」。

2 「中立不造车」是这个项目最聪明的地方

由中国移动牵头、引入主机厂和高校做见证、自己不碰产品线——这个身份解决了公共平台最难的那个问题：谁肯把数据和算力共享进来。中立是入场券，不是谦辞。

3 真正的胜负手在车间，不在发布会

六大智能体的成效数字很亮眼，但它们能不能从一个示范车间复制到一百条产线，取决于两件发布会不会提的事：老数据能不能被读懂，以及工单制度能不能跟着改。这才是「AI 造车」接下来一年最真实的进度条。

未来 1 年看三件事：① 接入基座的车企能否从 10 余家扩到 50 家以上；② 112.7 EFLOPS 这个池子的实际利用率有没有上到七成（利用率低就说明需求没起来）；③ 工艺卡 5 天到 4 小时这个效率，能不能在一家非示范车企身上复现。

如果觉得这篇拆解对你有帮助，不妨点个关注和在看。

你的 AI 陪跑伙伴 【数字新奇点】 会继续关注 AI 走进工厂和车间的那一段路。

咱们下期见！

参考资料

国家人工智能应用中试基地发布业内首个汽车行业 AI 基座（科技日报）

首个汽车行业 AI 基座发布，112.7 EFLOPS 算力全行业共享（环球网）

汽车行业 AI 基座正式发布，六大智能体落地 10 余家央国车企（证券时报）

从造型设计到智驾训练：智能体开始接手造车流程（中华网科技）

汽车行业 AI 基座背后的产业账：算力、数据、模型三张牌（中国经营报）

国家人工智能应用中试基地汽车方向成果发布（中国新闻网）