出品人：苏 雯
蔚来 软件质量总监 &软件质量资深专家
intacs认证首席ASPICE评估师，中国汽车软件过程改进与能力测定联盟（CSN）委员，蔚来软件质量负责人，负责蔚来汽车软件质量管理体系建设和改进、供应链软件质量管理、智能系统交付质量管理以及量产软件质量改进。拥有丰富的业务实践和对质量战略、质量文化以及软件质量的深入思考。  

AI+新能源汽车

本论坛旨在探讨人工智能技术在新能源汽车领域的应用和发展，为推动新能源汽车产业的智能化升级提供思路和方向。汇集学术界、工业界等各领域相关专家，共同探讨如何利用人工智能技术提高新能源汽车的性能、安全性和智能化水平，以及如何解决当前新能源汽车领域面临的挑战和问题。                
座舱体验的无限进化
李 轲
商汤 绝影智能座舱产品总监 
内容简介：
主要内容以AI 技术赋能座舱体验升级为主，从传统的AI 技术到大模型，各个阶段的发力点和体验升级点，主要以大模型赋能座舱体验为主，并洞察未来的市场和技术演变趋势，描绘未来座舱的可能得架构和体验亮点。        

演讲提纲：
1.AI 技术发展路线
2.不同AI技术阶段的产品介绍和体验升级亮点
3.大模型如何赋能座舱体验升级
4.大模型上车的架构
5.端云协同机制        
英伟达从事研发工作5年；三星半导体负责技术市场2年；商汤从0到1建立座舱产品团队和相关的规划、定义和GTM工作，目前所负责产品量产超过400W台。
AI 在蔚来汽车的全场景应用
陈 炯
蔚来 前瞻研究专家 
内容简介：
背景：人工智能技术已在车企有广泛的应用，也逐渐步入应用的深水区。
问题：主要的问题在于如何实现场景和业务的闭环，如何构建优质的垂域数据、打造优质垂域模型，如何设计多智能体并协同工作等。
解决方案：本次主题演讲将深入探讨人工智能在蔚来各个应用场景中的运用。作为智能电动汽车企业的核心竞争力，蔚来持续深耕人工智能技术全栈能力，并通过具体的业务需求和应用场景推动其发展，从而实现对产品、服务、社区、研发及制造等领域的全方位提升。
具体实践：蔚来积极拥抱大模型技术，加速向通用人工智能的转型步伐，利用多模态大语言模型和世界模型，在通用人工智能的引领下，推进自动驾驶、智能座舱、智能制造以及智能客服等领域的发展，从基础问答到Co-Pilot功能，再到具备感知、决策、执行能力的智能代理（Agent）的应用演进。此外，演讲还分享了蔚来在将人工智能应用于实际业务过程中所面临的挑战及其深刻的见解。
 
演讲提纲：
1.智能电动汽车的发展趋势；
2.蔚来人工智能技术栈介绍；
3.汽车企业作为应用方，应该做什么？车企应用人工智能的典型场景与实践；
4.AI技术在蔚来用户建议管理和质量问题分析中的应用实践分享。

听众收益：
1.了解智能电动汽车的发展趋势与前景;
2.了解智能电动汽车的需求和应用人工智能技术的实践;
3.探讨在智能质量管理、智能客服等场景的具体业务场景和技术方案。    
博士，现任蔚来汽车技术规划部门前瞻研究专家，负责人工智能技术架构设计和应用落地推广。拥有60+项专利（多项PCT申请），在国内外期刊发表论文17篇。蔚来自动驾驶第二代平台的核心架构师之一，现主要进行大模型系统架构设计和应用开发工作。入选2022年上海市产业菁英高层次人才。    
新能源车AI 智能诊断实践
汪政楷
智己汽车 车云资深产品专家
内容简介：
随着智能电动汽车普及，车机系统的稳定性和故障快速解决能力成为提升用户体验的关键。本演讲深入剖析新能源车机远程诊断的行业现状与挑战，重点展示智己汽车如何通过AI技术革新传统远程诊断模式。演讲将详细介绍智己IM AGENT智能诊断系统的构建过程、核心技术架构及实际应用效果，分享基于大模型技术的车机问题智能分析、诊断结论自动生成、维修决策辅助及故障预测等创新能力，并探讨AI远程诊断为智能汽车售后服务带来的变革与商业价值。      

演讲提纲：
1.行业背景与挑战
1.1智能电动汽车发展趋势
1.2当前远程诊断的核心痛点
2.智能诊断解决思路
2.1AI赋能诊断的核心理念：过模型训练整合工程师诊断经验，具备车机问题数据分析，诊断结论，维修决策，故障预测等能力
2.2技术路径选择
2.2.1大模型技术在车机诊断领域的适用性分析
2.2.2数据资产与专业知识融合的方法论
2.2.3基于实时数据流的异常检测与模式识别策略
3.智己IM AGENT系统架构与实现
3.1系统总体框架
3.1.1数据感知层：车辆实时数据采集与预处理机制
3.1.2诊断分析层：基于大模型的异常检测和故障推理引擎
3.1.3决策执行层：智能化维修建议生成与执行追踪系统
3.1.4知识/经验沉淀层：诊断案例库与自优化学习机制
3.2核心技术创新点
3.2.1多模态车辆数据融合技术
3.2.2基于专家知识库的大模型微调方法
3.2.3诊断结论可解释性设计
3.2.4维修方案智能推荐算法
3.3应用场景示例
4.实施效果与价值
4.1核心指标改善
4.1.1工程师诊断案例工单处理时长
4.1.2工程师诊断案例工单单日处理量
4.2业务价值体现
4.2.1提升人效
4.2.2增加用户触达
4.2.3知识沉淀及经验传承
5.未来展望
5.1基于AI诊断能力下的车企售后新型运营模式
5.2AI诊断产品新型商业模式

听众收益：
1.解新能源车远程诊断的现状及环境政策
2.参考AI赋能车辆远程诊断方案以及运营策略
3.探寻下一个远程诊断行业风口点及商业模式
拥有多个PMI及GPST相关项目管理，精益产品，精益创新等认证，深耕人工智能相关行业8年，主导清洁机器人，AI质检，AI军工沙盘，染发机器人，AI诊断等产品，涉及环卫，军工，制造，制药，新能源车，新消费等行业。
LLM在车载语音交互系统中的实践
杨 超
红西瓜半导体 大模型研发负责人 
内容简介：
本演讲探讨大语言模型(LLM)如何革新传统车载语音交互系统。传统多模块系统存在开发和维护成本高、场景体验割裂、上下文理解有限等问题，而基于LLM的升级方案能显著改善甚至解决这些问题，带来更加流畅智能的座舱语音交互体验。演讲将详细介绍基于LLM的工业级对话架构和实践经验，包括NLU系统升级、RAG技术和通用大模型的接入等。同时将客观分析LLM方案的优势与局限，并展望未来车载语音交互的发展方向， 包括端云协同的边界、多模态信息整合及Agent方案。

演讲提纲：
1. 引言
1.1演讲内容与目标概述
1.2车载语音交互的发展
2. 传统车载语音系统的痛点
2.1多模块割裂
2.2上下文理解能力有限
2.3知识更新与维护成本高
2.4用户体验不连贯、不自然
2.5示例说明
3. 从多模块系统到统一Agent架构
3.1架构演进路线图
3.2Agent的核心理念
3.3面向量产的实际技术考量的架构方案
4. 大模型应用实践
4.1NLU系统升级
4.2RAG系统实践
4.3通用对话大模型接入
5. LLM方案的优劣势分析
6.未来演进方向
6.1端云结合
6.2多模态信息整合
6.3智能Agent

听众受益：
1. 了解车载语音交互系统的挑战和演进趋势
2. 了解车载语音系统中LLM技术框架和实践细节
西北工业大学计算机专业硕士，11年工业界AI研发经验，曾任微软Cortana AI团队核心成员，思必驰企业服务AI技术负责人，出门问问AI研发总监，地平线智能座舱AI研发经理。Wenet语音开源社区创始团队成员，深蓝学院AI讲师，目前在红西瓜半导体负责车载语音交互产品研发。          
京ICP备2020039808号-4 京公网安备11011202100922号
返回顶部