1 前言

AIGC（Artificial Intelligence Generated Content），指利用人工智能技术，根据用户需求自动生成与之匹配的内容。汽车AIGC技术是指AIGC技术在汽车行业的应用，主要是利用人工智能技术，自动生成汽车全生命周期中的任何内容，如用户需求的产品或服务、设计师的设计数据、工艺师的工艺流程参数等。

汽车设计AIGC，指在汽车开发过程中利用人工智能的生成技术，自动生成部分或全部流程交付物，开发人员仅负责需求输入和对AI生成的结果修改确认即可；汽车设计AIGC还包括开发数据按开发流程的自动演化，实现最初开发需求和最终开发结果的正反向追溯，并且开发人员可调取开发流程中任一环节的中间数据进行检查确认。汽车设计AIGC的核心是汽车设计知识大模型，以一汽为例，将其命名为NKL VEHAITM。

2 汽车设计AIGC基础技术

2.1 场景技术——数字孪生

车企全要素的数字孪生与流程数智化是汽车设计AIGC场景实现的重要基础。

数字孪生技术为汽车设计AIGC的实现提供了数据基础。主要通过数字化手段对物理系统进行全面、准确、实时的映射，从而实现对其全生命周期的监控、预测和优化。在汽车领域，数字孪生技术可以为汽车的设计、制造、运行维护提供全面的数据支持，涵盖物理参数如车辆状态、性能、安全性，以及非物理参数如用户体验、需求和偏好。

流程是促进数据在AIGC中发挥作用的工具载体，也是汽车开发AI Agent实现的基础。通过数智化平台，不同部门、不同专业领域的人员可以实时共享数据、交流信息。因此，流程的数智化可以解决传统的管理方式中因为沟通不畅、信息传递不及时而导致的开发效率和质量问题。

2.2 模型技术——AI模型

通用语言大模型通过使用上百亿个参数和庞大的语料库进行训练，使得大模型可以理解并生成更自然、更丰富的文本内容，在通用领域具备了知识推理能力，初步实现了“人的孪生”。

然而，通用语言大模型在专业产品领域应用还存在很多局限性，例如，通用大模型缺少必要的专业知识，决策过程黑盒化导致缺乏可解释性，大模型无法确保生成内容完整、规范、可信，大规模交互方式智能性不足等。特别是汽车设计这种专业性强、流程复杂且生成质量要求高的专业领域，需要更加细分的AI技术对通用语言大模型进行能力补足。

自然语言处理（NLP）技术是AIGC在汽车制造领域的重要基石，利用先进的自然语言处理技术，如语义理解、对话系统、文本生成等，实现人员间的有效沟通，以及自动生成各类技术文档、操作手册、维修指南等，确保信息的一致性和准确性。计算机视觉（CV）AIGC主要应用于识别、分析和理解图像、视频数据，助力汽车制造可视化、生产监控、质量检测等环节。机器学习（ML）与深度学习（DL）技术侧重于对未知的、以数据科学为代表的相关场景，通过实时分析生产数据，生成工艺参数推荐、故障诊断报告、设备预测性维修建议等，进行实时工艺指导与优化，指导现场操作人员精确作业。语音技术包括语音识别与合成技术，用于人机交互与信息传递，提升工作效率与用户体验，如车间语音指令操作和客服语音工单录入等场景应用。

2.3 知识技术——知识图谱

汽车专业知识有多种形式，如公式、定理、图表等，如何将这些知识转化为机器能够识别和处理的格式是关键所在，而知识图谱是一种较好的选择。知识图谱是一种大规模语义网络，包含实体、属性及其之间的各种关系。通过建立知识图谱，能够将复杂的非结构化数据以网络等形式表达成结构化信息，便于计算机进行处理和分析。

将知识图谱强大的推理能力和大模型强大的自然语言处理能力结合，取长补短，是确保汽车设计AIGC系统生成内容符合严肃专业领域的有效手段。首先，采用自然语言处理和文字识别技术，将自然语言书面文件转化为计算机可识别处理的信息，进而实现知识的自动抽取。其次，将抽取到的知识构建成知识图谱，建立关联性。这一过程结合大模型的语言理解能力，协助实现图谱构建中实体和关系抽取的过程，更能丰富语义信息。最后，将知识图谱与大模型融合训练，帮助模型学习专业知识，为大模型生成过程增加逻辑性。

3 汽车设计AIGC系统架构

3.1 系统构成：知识、模型与工具的有机融合

汽车智能设计AIGC系统覆盖整车需求、系统设计、硬件开发、软件开发、系统调试、功能评价六大汽车研发流程。汽车工程师通过向汽车大模型注入专业知识，使其能够按照规则和流程处理专业领域工作并具备数据智能推演和正反追溯的能力。大模型可辅助工程师实现需求定义、方案设计、软硬件开发及仿真测试等过程文件的生成，最后由设计师对生成结果完成评价和筛选。

汽车设计AIGC系统主要由三部分构成：知识数据、设计大模型和工具链。

知识数据是汽车研发领域的核心资产，它来源于专业工程师的学习总结和实践验证，不仅包括高价值的行业共性知识，还需要企业具备一定的私域知识积累。在大数据时代，企业数据湖中积累的大量研发知识为AIGC系统提供了宝贵的数据来源。

设计大模型是汽车设计AIGC生成能力的核心，是AI智力的来源。开发工程师通过模拟设计师的知识能力体系进行构建和训练，从而期望获得与设计师相近的汽车开发能力。设计大模型将通用语言大模型作为基座模型，并通过向大模型注入标准规范流程等文件，使其具有独特的知识内容体系和主动交互收集完整需求的能力。

工具链是汽车设计AIGC系统生成的执行单元。设计大模型将输入数据按照专业标准规范转化为输出数据，这些数据直接驱动工具链自动生成规范的交付物。

3.2 设计大模型性能要求

生成内容的完整性是衡量设计大模型的重要标准。为了提高完整性，需要从多个方面入手。一是保证输入知识的质量与完整性，利用NLPOCR技术抽取知识并构建知识图谱和基础模块库，为大模型生成内容提供依据。二是确保生成流程的完整性，通过数智化流程训练，使大模型具备自动识别流程完整性的能力。三是提升模型对输入知识的补全能力，搭建本地化企业大模型，通过模板等私域知识训练，实现完整需求的主动交互收集。四是根据不同的应用场景和需求，提供特化的交互逻辑和训练模型。

设计大模型生成内容的规范性主要体现在合规方面。一方面，需要制定生成内容的规范，以标准化模板生成符合要求的内容，并确保内容符合法律法规。另一方面，要重视数据来源的隐私保护和数据安全，确保数据来源的正当性。建立本地化企业大模型，利用规范性的企业私域知识进行训练，并将企业知识图谱与本地大模型融合，是保证生成内容规范性的有效途径。

设计大模型生成内容的可信性主要通过测试验证来评价。设计师需要确认大模型是否真正理解生成任务，生成结果需要进行全覆盖测试和验证，评估其在实践中的应用效果和能否达成使用者的目的。设计大模型通过自动生成数字化任务场景和测试工况，利用仿真模型基础模块库和场景工况知识图谱实现自动化测试，并结合企业私域知识训练，确保生成内容在知识图谱中有据可循，从而提高可信性。

在设计大模型中，未来的趋势是人机共智，机器所提供的强大的数据分析和生成能力，与人类提供的情感认知、判断力和创造力相辅相成，共同确保安全和性能。例如在自动驾驶领域，大模型能够快速处理车辆运行数据、驾驶者行为以及外部环境信息，极大地提升了驾驶的安全性和效率，而人类驾驶员拥有丰富的情感认知、判断力和应变能力，能够在复杂或突发情况下作出灵活的决策。

3.3 汽车开发AI Agent

学习了专业领域知识和企业私域知识的设计大模型已经具备根据需求和流程生成推荐方案的能力，但规范的专业交付物都是使用专业的开发工具制作出来的，因此需要大模型与工具相结合，也就是“大模型 工具”的概念，可以认为是汽车开发的AI Agent。

比如在智能驾驶测试场景自动生成AIGC系统中，大模型在生成内容的基础上，自动调用仿真测试工具生成测试场景和工况，执行测试并调用文档工具生成测试报告和设计文件。该应用可以简化研发流程，帮助企业提升研发效率。

4 汽车设计AIGC应用案例

汽车动力学仿真模型AIGC自动搭建。一汽全国重点实验室利用AIGC技术，提出高保真系统模型自动搭建技术。该技术从已有数据和经验中自动提取、生成模型参数，通过结构参数的模型参数自动提取匹配技术与试验数据的关键部件及子系统非线性模型拟合技术，实现参数辨识、补齐调优，完成参数驱动的系统模型自动搭建，并借助大模型或算法修正模型，提升建模效率与精度，缩短研发周期，降低成本。

软件测试AIGC自动评测。AIGC技术可实现自动化测试脚本生成，通过自然语言处理技术分析用户需求来生成脚本；还能进行智能缺陷检测，运用机器学习和数据挖掘技术监控分析软件运行数据，识别分类潜在问题；并且能依据软件特性和用户需求，结合深度学习优化测试用例，提高测试效率与准确性。

结构参数AIGC自动优化技术融合实车运行大数据、人工智能算法等，创新新能源汽车性能设计优化方法。一汽全国重点实验室搭建基于整车能耗分析的生成式平台，利用AI算法预测动力系统不同配置的能耗和性能指标，通过集成的优化方法和智能强化学习算法，自动调整系统结构和设计参数，推动数智化造车，降低成本，加速产品上市。

车型定义AIGC自动推荐。车型定义是汽车设计的关键起始点，传统方式依赖决策者主观判断。AIGC技术在车型定义初期，通过分析用户行为和偏好数据，为车型设计提供决策支持；在定义过程中，促进个性化定制。（中国汽车工业协会）