长城汽车赵静海：长城汽车智能设计Agent实践案例分享
智能设计Agent挑战及实践 随着AI发展，汽车产业竞争已从燃油动力为主的电子化，转向辅助驾驶、智能座舱等智能化领域，汽车行业已进入 AI 化新阶段。AI 的影响不仅覆盖汽车产品与服务，更延伸至汽车全业务链的数字化、智能化层面。 针对AI的发展，无论是传统机器学习，还是深度学习，以及以大模型为代表的生成式AI都在企业内部具备广泛应用的机会。面对不同机会环境，核心可归为两点：一是替代部分业务环节，其能对内容生成、机器翻译、代码生成等领域的原有模式形成变化与替代；二是业务重构，也是当前应用较多的方向，大模型重构交互界面或改变原有形态，并不会改变原有业务和信息系统。 在研发领域，3D数模设计作为汽车研发的核心技术环节，行业内普遍存在设计周期长、更改频繁、早期性能验证滞后等问题，制约交付周期和质量，随着AI技术的发展，我们开始思考如何通过AI重构设计模式。 长城汽车在汽车研发设计过程中面临多重核心痛点：一是专业性要求极高，专业软件与企业自有知识体系学习难度大，新人培养需长期培训与实践，周期长、成本高；二是知识应用脱节，沉淀的大量设计知识与实际需求衔接不足，内外部参考数据分散于个人或个别系统，查找依赖“找与问”，效率低下；三是工业软件操作复杂，自研工具数量多，存在查找难的问题；四是数据分散且管理混乱，虽推进数字化转型拉通设计流程，但数据仍散落于各系统，跨系统查找困难；五是操作问题频发，工具应用中的命令查找、报错解读等问题需反复咨询，整体呈现学习成本高、智能化程度不足的现状。
针对应用复杂、学习成本高及缺乏智能的设计痛点，长城汽车自研企业端大模型“如影”，构建了“通用智能体 + 专项设计智能体”的完整体系。如影平台承载纪要生成、翻译、内部知识问答、流程咨询等通用能力，研发领域则聚焦 “如影设计智能体” 核心布局，深度嵌入 3D 设计软件，与设计平台强融合，通过自然语言交互模式，精准理解设计师意图，实现专业知识快速获取、工具软件智能调用、工作任务高效处理，落地“随问随答、随需随查、随需随办”的一体化体验。其核心目标是通过智能助手赋能，让新手快速成长为资深设计师，同时进一步提升老师傅的工作效率，最大化释放研发设计价值。 在设计知识问答场景中，长城汽车内部沉淀了海量核心设计知识，并将这些知识嵌入到设计Agent中，实现问答无缝衔接，高效解决设计师在不同设计场景下的知识查询与应用需求，显著提升知识转化效率。 在工具智能调用方面，长城汽车在设计端整合了原生工具、自研工具及计算文档等资源，构建专属知识库。通过设计助手的问答功能，设计师可快速调用所需工具，部分工具还支持自动执行，有效解决工具查找难、使用不便的痛点。同时，工具页面同步关联负责人信息、使用指南及实操视频等知识库内容，实现线上实时推送，让设计师在应用工具时能即时获取应用指导，进一步提升工具使用效率与便捷性。 在智能问数方面，长城汽车围绕“研发领域”核心需求，搭建面向多角色工程师的一站式零件信息智能问答，秒级获取跨系统零件材料、重量、借用等基本信息，快速掌握零件状态、变更、供应商等综合信息，告别重复、低效的查询和沟通，沉淀和盘活零件数据资产，提升研发协同效率，降低决策风险。 在辅助建模场景，长城汽车聚焦三维设计周期缩短的核心目标，以复杂总成为突破重点，通过两大核心举措实现效率提升：一是由业务领导牵头，规范复杂总成的设计过程；二是拉通现有知识形成知识图谱，将设计流程拆解为不同颗粒度，分析各环节自动化/智能化潜力，串联流程构建“AI + 知识图谱 + 设计规范”的一体化体系。 最后，长城汽车针对设计检查项目繁多的痛点，通过智能体调用已开发的自动化检查工具，实现检查工作的批量系统性执行，并自动输出检查报告与结果，有效提升设计检查效率与效果，保障最终输出的设计指标达标。 智能设计Agent效果 长城汽车“如影”设计智能体已在车身、内外饰等各专业正式应用，上线3个月累计问答达2万+次，有效提升了设计效率、缩短了设计周期。该智能体直接嵌入设计终端，界面包含多重核心功能：知识问答模块支持精准咨询，工具调用可罗列适配工具清单并直接弹开 CATIA 对应命令，同步附带操作手册；零件信息查询实现秒级响应，快速反馈零件材料等关键数据；复杂总成建模仅需一句话即可生成初版数据，后续由设计工程师进一步调优完善。 长城汽车在设计智能体之外，正持续推进仿真、试验、质量等多领域智能体的研发与应用，未来将在研发端、设计端不断迭代优化。 AI 的真正发挥其价值不仅在于工具的引入，更要建立坚实的数字化基础，推动企业内部知识与流程的规范化，这才是 AI 赋能企业的关键所在。
 |
