AI 化解锁运营瓶颈，最终使 AI 驱动的专业突破反哺全价值链升级，共同推 动汽 车产业从“机械制造”向“移动智能体”的范式革命。 汽车行业智能化转型技术路线 以统一 MaaS 平台与 Agent 平台为底座，整合知识图谱、大模型训练、 数据湖治理能力，形成闭环赋能体系。这一体系就如同汽车产业智能化转型 的 坚实地基，知识图谱像是其中的智慧地图，指引着企业在知识的海洋中精 准航 汽车企业智能化转型的技术架构示意 Agent 智能体评测与度量 Agent 开发已经逐渐成为汽车行业 AI 开发赋能的主要途径，但 Agent 开 发并非一蹴而就，企业在开发 Agent 时需要不断调试和迭代升级对其完 善。 通过引入 Agent 评测和度量，这些工具提供了一个客观的、系统的评估 框架， 通过实际数据和标准化的测试方法，对 Agent 的能力和表现进行评 估，指导 后续改进工作，使其逐步达到最优状态。 ） *2 Agent 评测是通过收集一套数据集来调用 Agent, 再对其输出结果进行评 估，返回一个分数。这个分数可以是基于实际输出与参考输出进行比较得出 的，也可能不需要参考输出， 比如检查输出的格式是否为 JSON 。通过调 整 Agent 的大模型、系统提示词、知识库和工具定义， 观测不同组合下最优 组合。 Agent 的评测系统主要包含数据集管理， Agent 运行以及

此，深入研究具身智能的技术架构、应用案例、发展挑 战及未来趋势，具有重要的理论和现实意义 ［7］。 1 具身智能的核心概念 1.1 具身智能的定义与内涵 具身智能是指具有物理本体的人工智能 agent（如 机器人、无人机、智能汽车等）通过物理实体与环境实 时交互，实现感知、认知、决策和行动一体化的智能系 统 ［8］。其核心理念在于强调智能的本质必须通过物理 实体与环境的动态互动来塑造和体现，突破了传统人 具身智能与传统机器人、工业机器人的区别 具身智能的起源可追溯至 20世纪中叶，计算机科 学之父 Alan Turing 在《计算机器与智能》中首次提出 “机器能否思考？”的哲学命题，预示了具有物理本体 的人工智能 agent通过物理交互实现认知的可能性 ［11］。 然而，受限于当时的技术条件，这一构想在随后数十 年里未能取得实质性突破。MIT前计算机科学和人工 智能系主任，前 iRobot公司创始人和首席执行官，机器 智能机器人能够在复杂多变的环境中进行自主学习 和适应，实现更加灵活、智能的行为。 2.3 具身大模型 具身大模型是具身智能的核心技术之一，它通过 对大规模数据的学习和训练，使具身智能 agent具备强 大的语言理解、视觉感知和决策能力。具身大模型能 够将语言、视觉、行动等多种模态的信息进行融合和 处理，实现对复杂任务的理解和执行。同时，具身大 模型还具有良好的泛化能力，能够在不同的应用场景

智能自主做出的日常工作决策的比例将从 2024 年的 0%提升至 15%， 1/3 与生成式人工智能服务的交互将通过调用动作模型和自主代 理完成 [10]。MarketsandMarkets 预测，全球 AI Agent 市场将从 2024 年的 51 亿美元增长到 2030 年的 471 亿美元，年复合增长率达 44.8% [11]。 图 2 Anthropic 预测 2026 年智能体推动 AI 认知能力到达 成为竞争风口。OpenAI 陆 续推出 Operator 和 Deep Research 等 AI Agents，以及帮助开发 者构建 AI Agents 的 Responses API、单 Agent 和多 Agents 工作 流编排工具 Agents SDK 、Agents 工作流程执行情况跟踪和检查 工具 observability tools 等；微软着力打造全球最大的企业级 AI AI Agents 生态系统，已支持超过 10 万家公司通过 Copilot Studio 创建 AI Agents；谷歌 DeepMind 发布用于通用算法发现和优化的 编程 AI Agent——AlphaEvolve，并已利用实现谷歌数据中心效 率提高、Gemini 模型运算速度提升和训练时间缩短、以及提出困 扰数学家超过 300 年的接吻数问题解法。 标准化协议为 AI Agents 普及铺平道路。AI

数据集和评估权重占比不同；而在基础能力之外，各测评平台 侧 重点不同 OpenCompass 2.0 司南 沙利文 IDC To C 通用场景类 Agent To B 特定行业类 Language 特定行业类 超长文本 Agent 道德责任 Knowledge Reason Other Math Code 知识 其他 代码 推理 语言 数学 IDC 测试题目分为基础能力和应用能力两个大类共 推荐 + 服务 人设 + 个性化 + 陪伴用户进行养 成 业务大脑 :AI Agent( 中枢大模型、中控调度 ) 多媒体 Agent 导航 Agent 车控 Agen 出行 Agent 本地生活 Agent 产业研究 战略规划 技术咨询 55 54 个 160 款 1000+ 万 基于大模型技术，从语音助手走向 AI Agent 也具有无限潜力 思必驰智能汽车语音业务情况 无限潜力 出色的商业化能力 汽车品牌 国产车型 上车 量

论、用户画像等非结构化/半结构化数据向量化并转化为结构化数据，从而构建企业级知识库。 这显著降低了 AI Agent 的调用门槛，加速了智能选品、智能客服、个性化导购等 AI 应用的落地。 例如，伯俊科技利用一体化云数据库的 AI 原生能力，构建统一企业级知识库，通过 SQL+AI 向 量融合查询，让导购 Agent 能理解自然语言，实时检索最相关答案，显著提升了线上客服的首 次解决率和线下导购的专业能力。 无法为同一客户提供连贯且个性化的体验。 核心能力构建  向量融合查询：赋能智能导购 Agent 应用，使 Agent 能精准理解用户自然语言问题，RAG 技术实时检索最新、最相关知识作答。  多模数据管理：构建的企业级知识库，融合交易数据、商品知识、客服话术、用户评论等 多模态数据，赋能 AI 智能导购 Agent。 伯俊科技：Agent 驱动智能导购，引领零售新范式 伯俊科技是零售行业头部软件公司，已服务全球 伯俊科技是零售行业头部软件公司，已服务全球 5000 多家零售客户，目前正在基于 AI 大模型技术构建智能导购等 Agent 应用，服务众多零售企业。 业务痛点 伯俊科技帮零售企业建设 AI 采取了“工具体验、业务融合、流程创新“阶梯式策略。 每一阶段 AI 应用对数据库能力要求不同，需要同时具备 HTAP、多模、向量一体化等 能力，传统数据库无法支撑。 解决方案  向量融合查询：伯俊科技依托一体化云数据库的向量搜索能力，实现高维数据的

在汽车设计领域实施AIGC开发的前提是车企具备全要素的数字孪生与流程数智化。数字孪生技术为汽 车AIGC的实现提供了数据基础，流程数智化是促进数据在AIGC中发挥作用的工具载体，也是汽车开发 AI Agent实现的基础。高质量的数据是提升AIGC能力的关键因素。 3 AIGC与人类不是相互替代的关系，未来的趋势是人机共智，两者的互补性体现在机器提供强大的数据 分析和生成能力，而人类则提供情感认知 知识驱动 数据驱动 境 数字孪生 仿真场景 数字孪生 数智化OA系统 汽车产业 AIGC 技术应用白皮书 16 PAGE 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。流程数智化就 是通过数字化的手段对业务流程进行实时、在线的管理。汽车本身是一个复杂的装备系统，其开发过 程涉及多个专业领域，需要上下游部门之间的高度协同，而传统的管理方式往往因为沟通不畅、信息 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。 行业上还有很多“大模型+

：可信用户界面。它通常是 TEE 的一部分。 TEE ：可信执行环境。在主机应用程序处理 器上安全的应用程序 OEM Backend 主机厂后台 可信执行 环境 TUI SE provider Agent 安全元件 （ eSE ， eUICC ） BLE NFC 可信服务管理 移动应用 UI SE Provider Proprietary 主机厂私有协议 主机厂私有协议 4.4

材料可以成为知识库的来源。再如在智能客服场景中， 企业可通过知识有关自己产品和服务的信息纳入知识库，构建专属问答系统，使生成回答精确匹配企业知识 体系。 智能体 2025 年以来，智能体（Agent）概念在人工智能投资界得到了广泛关注。从技术角度看，给 AI 赋予 工具，并设计流程让不同的 AI 合作起来，完成比较复杂的任务，就形成了智能体。因此，智能体的设计属于 大模型的下游应用之一。 预测内容，再让另一个 大模型整理为结构化数据。 7 作为智能体的 AI 50 7 作为智能体的 AI 大模型的语言输出能力使得其涌现出了模拟人类行为的能力，正在成为人类之外的新型智能体（Agent）。 人工智能的行为学（Bahavioral Science of Artificial Intelligence）正在成为一个活跃的新兴研究领域 (Manzoor et al., 2024; 多智能体模拟社会互动 如果允许多个大模型之间进行交互，就构成了多智能体系统，从而可以进行社会模拟，例如让大模型模拟 讨价还价和证券市场交易。利用大模型进行的社会模拟，在广义上属于基于代理的方法（Agent-based Mod- elling，ABM）。尽管 ABM 在政治学、社会学当中非常常见，但以往的主流经济学很少接受这类方法 (Farmer and Foley, 2009)。ABM 在经济

无人机 无人驾驶汽车 自主决策： • 环境感知 • 路径规划 • 智能识别 • 自主决策 自适应工况： • 工况识别感知 • 控制算法及策略 人机交互： • 多功能感知 • 智能 Agent • 语音识别 • 信息融合 销售 物流 信息 信息 制造 信息 设计 信息 原材料 信息 智能制造发展方向：产品智能化

学习算法，相比于传统的质量控制方法，通过对微小变化的累积放大，能够大大提 前质量缺陷预警，从而及时干预及早解决质量问题，避免更大损失。 统计运算工具包 机器学习智能算法工具包 美国 IMS 中心研发的 Watchdog Agent 智能诊断工具箱 人在回路的预测分析模型训练、验证、 及部署界面 多维度数据可视化工具 集团端 47 统一身份认证系统 统一身份认证系统 (SSO) ，实现云平台上的用户、角色和组织机构统一化管理，