04 · 行业应用
汽车、出行与交通服务
研发、车端、售后与交通运营 汽车与交通行业的 AI 智能体已经进入研发制造、工厂执行、门店售后和车端服务；网约车、租赁、公交、 公路、充换电和多式联运仍处于持续探索阶段。
本章核心结论
汽车行业已经出现从知识问答走向流程执行的 AI 智能体：研发侧可以检索和比对需求、生成工程文档 草稿、操作工业软件和推动变更；工厂侧可以跨系统取数、派任务和开单；售后侧可以收集车辆上下 文、辅助诊断、查询备件并生成工单；车端主智能体则负责理解用户目标并编排导航、补能、车控和 内容能力。 汽车研发智能体已经从“万页需求检索”扩展到八类硬件研发模块，售后智能体也开始连接诊断、备件、 技师、工位和预约调度。城轨供电运维已经出现试运行案例；船舶、港口和铁路协同则展示了多主体 之间的消息、协商和异常级联设计。 本章必须保留三条边界。第一，自动驾驶感知、路线优化和动态定价属于专业算法系统，只有接入目 标、工具和反馈后才构成完整智能体。第二，车控、高压维修、控制器刷写、城轨供电和运输调度不 得绕过状态机、资质和人工确认。第三，汽车研发、制造、售后、座舱和交通运营属于不同价值链， 不能用一个汽车助手概括全部场景。
一、行业边界与子行业
1. 汽车研发与制造
覆盖市场洞察、车型定义、需求工程、IPD、硬件与软件研发、供应商、试制量产、质量与安全。它与 制造业共享 ERP、MES、质量和设备方法，同时具有 VIN、车型配置、车规标准、功能安全、软件版 本和召回等专有对象。
2. 销售、交付与售后
覆盖销售线索、试驾、订单、交车、门店支持、车主咨询、保养、故障诊断、维修、质保、客诉与案 例回写，当前应用主要集中在门店知识、客服、客诉和维修。
3. 智能座舱与车载服务
面向驾驶者和乘员，将语音、多模态、账户、车辆状态、导航、补能、内容和办公组织成端云协同服 务。车载主智能体负责理解与编排，车辆控制器负责确定性执行。
4. 出行、租赁与车队运营
覆盖网约车供需匹配、司机与车辆调度、行程安全、费用结算，以及租赁车辆调拨、整备、维保、事 故和残值。当前只有企业和平台线索，缺完整智能体案例。
5. 公共交通与交通基础设施
覆盖公交、地铁、铁路的线网、班次、乘务、站务、客流、票务、异常调度、设备维保和安全。当前 应用覆盖城轨供电设备运维，但日常运营、客流和行车调度证据仍弱。
6. 充换电与多式联运
充换电覆盖站点、预约排队、设备、价格、维修与能源经营。多式联运横跨航运、港口、铁路和物流 ，本章关注交通主体协商，货物履约与供应链控制塔在物流章节交叉展开。
二、核心业务链全景
市场与产品定义 → 需求 架构与设计 → 试验 变更与供应商 → 试制 量产与质量 → 营销 销售与交付 → 车主服 务 诊断与维修 → 质保 客诉与产品改进 → 车载服务与补能 → 出行 车队与交通运营 → 安全 结算与运营复盘 环节 主要角色 输入与输出 典型瓶颈 AI 智能体机会 产品与需求 产品、系统、法规、项目 人员 市场、法规、需求、历史版本 → 需求基线 文档巨大、变更难追踪 需求检索、差异比对和变 更智能体 硬件与软件研发 设计、嵌入式、测试、质 量 参数、模型、代码、标准、测 试 → 工程交付物 工具多、重复操作、追溯弱 选型、CAD、代码和测试 智能体 工艺与供应商 工艺、采购、供应商质量 SOR、BOM、工艺、供应商 报告 → 发包和成熟度 跨组织错版、进度风险 SOR、EWO、工艺和供应 商预审智能体 生产与质量 工厂管理、一线、质量、 安全 订单、生产、库存、图像、任 务 → 产品和记录 系统割裂、异常发现晚 经营洞察、巡检、开单和 质量智能体 销售与交付 销售、门店、交付专员 线索、订单、车辆、政策 → 交 车和服务 车型政策多、问题重复 门店知识、交付支持和任 务智能体 诊断与维修 车主、顾问、技师、调度 VIN、DTC、症状、手册、备 件、排班 → 维修结果 误诊、错件、等待和重复进店 分诊、诊断、备件和工位 调度智能体 质保与反馈 客服、质量、财务、研发 工单、客诉、索赔、故障 → 处 置和改进 路由慢、问题难回流 客诉、质保审核和案例学 习智能体 智能座舱 驾驶者、乘员、车企 语音、车辆状态、位置、账户 → 车内服务 意图跨域、弱网和安全限制 主智能体与专业能力群 出行与车队 平台、司机、车队、乘客 订单、位置、价格、车辆状态 → 行程和结算 实时供需、异常和公平性 司机助手、异常处置、车 队运营智能体 公共交通 调度、站务、维保、安全 客流、班次、设备、事件 → 运 输服务 多系统协同、故障影响大 运力、乘客服务和设备运 维智能体 多式联运 船方、港口、铁路、货主 ETA、泊位、堆场、车皮、运 单 → 协同计划 数据主权和计划冲突 船港铁协商多智能体
三、逐环节业务流程与问题
1. 需求与工程设计：每一步对应不同工具和责任人
车型研发从需求开始，进入架构、选型、详细设计、工程变更、工艺、试验和质量。不同阶段调用需 求系统、PLM/PDM、CAD、仿真、试验和质量系统。一个可靠的智能体需要明确当前阶段、工程对象、 版本和审批角色。
论文材料列出 DCS 选型、SOR 发包、EWO 填报、钣金建模、工艺手册、标准件选型、DVP 报告和 QA/ESO 审核八类模块。它们可以独立工作，也可以共享知识图谱和任务状态。论文方案试点数据需 要保留研究口径，不能直接当作行业平均成效。
2. 汽车软件研发：Codex 类智能体进入隔离工程环境
编码智能体可以读取需求、ARXML、领域代码、接口和 MISRA C 规则，在隔离环境生成或修改低风 险代码，运行静态分析、测试和缺陷定位。需求到代码、代码到测试、失败到修复都要可追溯。 安全关键模块、量产主干、测试基线和发布由工程师审核。企业要记录模型版本、代码差异、工具调 用、测试结果、人工拒绝和回滚，防止错误在自动修复链中扩散。
3. 工厂执行：数据洞察必须能落到任务和系统动作
工厂智能体可以读取订单、生产、库存和质量数据，生成日报与异常建议，并在群内派任务、催办、 复盘。涉及 SAP/ERP 开单时，它需要确认车型、工位、物料和数量，确保鉴权、幂等和回滚。 摄像头巡检、数据看板和规则催办都是能力部件。它们由统一任务状态连接起来后，才形成“发现—行 动—反馈”的执行闭环。
4. 售后维修：DTC 只是诊断入口
售后智能体从车主描述开始，追问发生时间、频率、环境、仪表提示和近期维修。随后结合 VIN、车 型配置、DTC、手册版本、召回公告和历史案例形成根因候选，并请求技师按步骤反馈测量结果。 诊断之后仍有一条资源链：查询备件库存与替代料，匹配技师技能和工位，生成预约或派单草稿，维 修完成后复检、通知客户并写回案例。高压、制动、转向、控制器刷写和安全相关操作需要资质人员 批准。
5. 智能座舱：主智能体编排专业能力
主智能体维护用户入口、上下文和账户权限，把目标拆给导航、补能、车控、内容和办公能力。端侧 适合低延迟、隐私和离线任务，云端适合复杂知识与外部服务。 车窗、座椅、空调、充电和导航动作通过车辆状态机与确定性接口执行。驾驶状态下限制复杂交互， 弱网时提供降级路径，外部智能体只获得完成任务所需的最小数据。
6. 城轨设备运维：工单和工作票连接诊断与现场
城轨供电运维从 PSCADA 和台账读取状态，发现风险后生成诊断候选、EAM 工单和工作票草稿，并 结合行车计划、施工窗口、人员和备件安排检修。现场人员执行后，结果进入报告与复盘。 青岛地铁 6 号线材料属于具名试运行的公开案例。它可以说明链路，公开时效和效率数据仍需客户或 联合验收材料核验。
7. 船港铁协同：多智能体解决跨主体计划冲突
船舶侧关注航速、气象和 ETA，港口侧关注泊位、岸桥、堆场和集疏运，铁路侧关注车皮、编组、运 行图和卸车能力。三方只共享必要状态，通过提议、协商、确认和超时升级形成滚动计划。
该架构目前属于 行业方案。正式生产系统还需要 A2A 消息可靠性、身份与权限、商业责任、数据共享 合同、死锁处理、人工仲裁和跨系统审计。
四、AI 智能体全景图
业务链 代表智能体或相邻能力 主要动作 需求工程 德赛西威“星舱知途” 需求检索、版本比对和追溯 项目管理 雅迪 IPD 助手与多角色预评审 周报、经验检索和多角色挑刺 方案选型 DCS 选型智能体 多目标比较和报告 需求发包 SOR 智能体 生成技术包、控版和跟踪 工程变更 EWO 工程更改智能体 填报、影响分析和流程推进 工业设计 钣金建模/空间优化智能体 调用 CAD 和仿真生成候选 工艺交付 工艺手册生成智能体 生成 PDM 工艺说明草稿 零件与试验 标准件选型、DVP 报告智能体 选型、数据汇总和缺项定位 质量审核 QA 分析与 ESO 审核智能体 设计风险和供应商试验审核 汽车软件 需求、领域代码和测试智能体 生成、执行测试和修复候选 工厂经营 北汽福田“长超小福” 跨系统取数、派单、巡检、SAP 开单 零部件协同 奇瑞捷途智控平台与提醒工作流 成熟度、风险和催办 门店知识 岚图“小岚” 问答、推荐和话题沉淀 客诉 新大洲本田客诉流转 集中、转发和看板 车主客服 一汽丰田智能客服 多轮问答和转人工 售后诊断 服务顾问、维修技师智能体 追问、诊断、检查和方案 售后调度 备件与维修工单调度智能体 库存、技师、工位和预约 智能座舱 NOMI、MBUX、博世端云编排 主入口和专业能力路由 城轨运维 城轨供电设备运维多智能体 预警、诊断、工单和工作票 多式联运 船舶、港口、铁路协同智能体 ETA、资源协商和异常级联 充换电 故障预测、派单、调价、占位识别 预测、工单和经营建议 出行与车队 司机助手、异常处置、车辆调拨 计划、服务和资产任务 自动驾驶 感知、预测、规划和控制 车辆运动控制
五、重点智能体工作卡
1. 汽车研发需求与变更智能体
字段 内容 服务对象 产品、系统、设计、项目、法规和质量工程师 触发条件 新需求、版本更新、设计变更或里程碑评审 主要输入 车型需求、法规标准、历史版本、设计参数、测试和问题记录 判断与规划 检索最新需求，识别差异和依赖，判断影响对象与评审角色 工具与系统 需求管理、PLM/PDM、ALM、知识图谱、任务与审签系统 输出与动作 差异表、变更草稿、影响清单、评审任务和状态跟踪 人工控制点 工程师确认需求基线、安全等级和正式变更；系统保留撤回与审计 验收指标 关键需求召回、差异漏检、影响漏项、退回率、人工修改和追溯覆盖
2. 硬件设计与工业软件执行智能体
字段 内容 服务对象 硬件、结构、工艺和试验工程师 触发条件 选型、参数化建模、空间优化、工艺或试验报告任务 主要输入 参数、安装边界、几何和性能约束、标准件、模型、试验数据 判断与规划 把自然语言目标拆成 CAD、仿真、检索和报告步骤，检查缺失约束 工具与系统 CAD/CAE、PLM/PDM、仿真、标准件库、试验管理和版本系统 输出与动作 可编辑模型、候选方案、工艺/试验草稿和执行日志 人工控制点 在副本或分支运行；工程师审查约束、可制造性和安全后合并 验收指标 约束满足、模型可编辑、工具成功、仿真复现、人工返工和回滚
3. 售后故障诊断与资源调度智能体
字段 内容 服务对象 车主、服务顾问、维修技师、备件和门店调度 触发条件 车主咨询、车辆入站、远程告警或维修复检 主要输入 VIN、配置、DTC、症状、车联网数据、手册、召回、库存和排班 判断与规划 补齐上下文，生成根因候选和检查步骤，匹配备件、技师与工位 工具与系统 DMS、车联网、诊断仪、知识库、ERP/WMS、排班和工单 输出与动作 初诊、检查任务、备件方案、预约/派单草稿、报告和案例 人工控制点 技师确认诊断和维修；高压、制动、转向、刷写等按资质与规程审批 验收指标 根因 Top-3、错换件、一次修复、重复进店、备件满足、错派和安全事件
4. 城轨供电设备运维智能体
字段 内容 服务对象 城轨供电调度、设备工程师、检修班组和安全管理者 触发条件 PSCADA 异常、设备预警、计划检修或故障事件 主要输入 实时状态、设备台账、图纸、故障、行车计划、施工窗口、人员备件 判断与规划 分析原因和影响，生成处置方案，协调工单、工作票和施工窗口 工具与系统 PSCADA、EAM、行车/施工系统、图纸知识库和移动工单 输出与动作 预警、诊断、工单、工作票草稿、计划和检修报告 人工控制点 调度命令、停送电和现场检修由持证人员按规程执行 验收指标 漏报、根因命中、处置时长、误工单、工作票错误和审计完整
5. 船港铁协同多智能体系统
字段 内容 服务对象 船公司、港口、铁路、货主与多式联运运营方 触发条件 新运输任务、ETA 变化、泊位冲突、设备故障或铁路运力变化 主要输入 AIS、气象、泊位/岸桥/堆场、车皮、运行图、运单和时间窗 判断与规划 三方生成候选计划，以最小必要数据协商，异常时级联调整 工具与系统 VTS/TOS、铁路系统、运筹求解器、事件总线、A2A 消息和审计 输出与动作 ETA、靠泊和疏运方案、确认消息、变更计划和人工仲裁任务 人工控制点 船长、港口调度和铁路调度保留法定权责；冲突与死锁升级人工 验收指标 ETA 误差、等泊、车皮空等、计划兑现、消息可靠、超时和规则合规
六、代表案例
案例一：端到端汽车研发硬件设计研究——八个模块共享工程状态 论文将硬件研发拆成八类智能体，覆盖选型、发包、更改、建模、工艺、标准件、试验和质量。系统 采用“大模型统筹、小模型落地、知识图谱约束、仿真验证”的思路，并明确工程师保留最终审核权限。 论文中的数据量和试点指标属于作者自报。白皮书采用其业务划分和人机协同机制，企业范围、样本 和成效仍需继续复核。
图：汽车研发硬件设计智能体全景 案例二：北汽福田“长超小福”——从日报到 SAP 开单 “长超小福”读取订单、生产、库存和质量数据，生成经营日报与调整建议，在群内派活、催办和复盘， 还可调取监控进行安全巡检，并为装配工创建 SAP 缺件单。系统采用缓存与同步数据层、无人确认自 动回退等工程策略。 北汽福田“长超小福”是汽车行业执行型智能体案例。正式评估应同时检查误开单、回滚、巡检漏报和长 期运行稳定性，不能只看效率提升。 图：北汽福田长超小福整体方案 案例三：岚图“小岚”——门店知识与问题运营分开验收 “小岚”服务门店一线，回答交车和售后问题并推荐案例；话题工作流记录问题、解决时间和参与人，用 于分类与时效分析。知识问答、数据记录和流程自动化承担不同任务，验收时应分别计算正确率、一 次解决率和问题关闭时间。
图：岚图小岚门店助手 案例四：船港铁多智能体——业务拓扑映射到角色协商 行业方案把船舶 ETA、港口泊位和铁路运力映射为三个业务角色。每一方保留自身数据与约束，通过 标准消息交换必要状态，由监督/协商角色处理超时和冲突。 图：船港铁多智能体业务拓扑
七、系统、数据与权限
1. 数据与知识
- 研发：需求、法规、标准、车型、配置、零部件、图纸、代码、测试、变更和缺陷；
- 制造：订单、BOM、工艺、生产、库存、质量、设备和安全；
- 售后：VIN、DTC、车联网、手册、召回、工单、备件、技师、工位、质保和客诉；
- 车端：账户、位置、车辆状态、驾驶状态、偏好、语音和多模态输入；
- 出行交通：订单、司机/乘务、车辆、班次、客流、路线、票务和安全事件；
- 多式联运：AIS、ETA、泊位、岸桥、堆场、车皮、运行图和共享运单。 所有知识绑定车型、软件版本、地区、生效日期和责任人。保存误诊、漏报、错派、人工纠正、拒绝 执行和回滚记录。
2. 系统接口
研发侧连接 PLM/PDM、ALM、CAD/CAE、代码库、CI/CD、测试台架和 QMS；制造侧连接 ERP、 MES、WMS、SRM、SCADA 和协同平台；售后连接 CRM、DMS、车联网、诊断、配件、工单和结 算；交通侧连接地图、订单、支付、调度、安全和资产系统。
3. 权限与人工控制点
动作 默认控制方式 检索、比对、生成报告和建议 可自动执行，显示来源、版本和不确定性 创建低风险任务和提醒 可自动执行，具备去重、限频和撤回 需求/模型/代码/工艺变更 进入评审与合并流程，不能直接改量产基线 SAP/ERP 开单、质保和费用 确认关键字段，强鉴权、幂等、日志和回滚 售后预约和备件建议 顾问或客户确认后执行 高压维修、刷写、制动转向与 召回 由资质人员和授权主体批准 车控、城轨供电和运输调度 确定性系统执行，状态校验、二次确认和人工接管 自动驾驶运动控制 独立安全体系负责，语言模型不进入唯一控制链
八、企业落地路线
阶段 0：建立单场景基线 选择一类需求、一个车型项目、一组门店、一条售后工单或一类设备，记录现有周期、错误、返工和 责任链。 阶段 1：知识与分析助手 先做需求检索、手册问答、报告生成和历史案例查询。重点验证版本、引用、权限和高风险转人工。 阶段 2：受控工程与流程执行 允许在副本中操作 CAD 或代码，创建变更、工单和预约草稿。所有写入前检查关键字段，人工确认后 合并或提交。
阶段 3：有限闭环 对低风险提醒、话题记录、例行报告和常规派单开放自动执行。异常、安全和金额分支自动升级人工。 阶段 4：车端、现场与跨主体协同 经过仿真、故障注入、弱网和回滚测试后，再扩大到车端工具、城轨设备或多式联运。跨企业场景先 签订数据、责任和仲裁协议。
九、评测与验收
场景 任务质量 业务结果 风险与可靠性 需求与变更 召回、差异漏检、影响漏项 评审周期、返工和退回 版本追溯、错误合并和撤回 工业软件执行 约束满足、模型可编辑、测试 通过 工程师工时和交付周期 隔离、复现、越权和回滚 工厂执行 报告修改、异常有效、开单正 确 问题关闭、停线和人工处理 重复开单、接口失败、回滚成功 门店知识 答案正确、来源覆盖、一次解 决 响应和问题关闭 过期政策误答和转人工完整 售后诊断 根因 Top-3、错换件、检查完 整 一次修复、重复进店、维修周期 高风险建议拦截和安全事件 智能座舱 意图、工具选择、端到端完成 任务完成和用户负担 误车控、驾驶分心和弱网降级 城轨运维 漏报、根因、工作票字段 故障处置和设备可用 误操作、持证确认和审计 多式联运 计划可执行、消息可靠、冲突 解决 等泊、空等、延误和兑现 数据越界、死锁、超时和人工仲 裁 汽车 AI 质量治理还需覆盖用例、数据、模型、验证、运行监控、变更和退役。引用的 VDA 黄皮书属 于治理参考，不应表述为强制标准。
十、风险边界
- 工程安全：需求、代码、模型、工艺和试验结果必须可追溯、可复现、可审核。
- 车辆安全：车控和自动驾驶由状态机、功能安全体系与确定性控制器负责。
- 维修责任：远程或智能诊断不能替代技师测量、维修手册、资质和复检。
- 隐私与数据：位置、驾驶行为、车内语音图像、VIN 和维修记录按敏感等级最小化处理。
- 跨主体治理：船、港、铁协作要明确数据主权、消息标准、商业责任和人工仲裁。
十一、来源索引
核心来源
德赛西威 AI 需求专家
岚图“小岚”门店数字专家
雅迪研发营销协同
北汽福田“长超小福”
智能座舱多智能体协作行业研究
端到端汽车研发硬件设计智能体研究
汽车售后维修与工单调度方法
青岛智运城轨供电设备运维智能体
船港铁多智能体协同排程架构
汽车 AI 质量管理框架 本章小结 汽车和交通服务的智能体价值，来自把需求、工程工具、车辆上下文、备件资源和运输状态连接起来。 研发、生产、售后、座舱和交通运营都需要自己的业务对象、知识和权限，无法靠一个通用聊天入口 统一替代。 企业可以从需求比对、门店知识、报告和售后分诊等低风险场景开始，再进入工程软件、工单和车端 工具。所有安全关键动作都应由确定性系统与授权人员负责，智能体承担理解、分析和协同。