大家下午好！智协慧同（以下简称 EXD）参加了好几届盖世汽车举办的SDV论坛了，能够持续多年参加活动并且有新的内容做分享，我感到非常荣幸。首先向大家汇报一下我们的核心产品——为智能汽车打造的 AI 数据底座，最新的发展动态。

售后业务系统面临挑战与重构

技术的最终目标是为业务赋能，而数据驱动的智能运维正在快速改变传统汽车行业的工作方式。

以往，工程师需要拿着专门的采集设备插在车上，手动收集数据，再下载到本地，用 CAN 工具回放，用MATLAB 做计算分析。而现在，EXD 的技术让这些流程彻底在线化了——量产车本身已经具备数据采集能力，数据可以灵活回传，无需额外设备。直接在线查看和分析数据，使得工程师大幅提升了工作效率，从繁琐的线下操作中解放出来，专注于更高价值的创新工作。

分享一个经典的案例。我们曾在某个项目中发现，部分车辆在半夜会不明原因地上电，尽管车主已经锁车。数据分析后，我们发现这一现象与 VDC（车辆动力控制单元）信号变化有关，而根本原因是车主下车时未拔掉充电宝。部分充电宝具备反向充电功能，会在熄火后回充电流，意外触发 VDC 上电。

这本质上是一个软件逻辑的问题，但根源却在于用户的非预期使用场景。正向设计时，工程师们往往不会想到用户会这样使用车辆，因此也就没有专门设计隔离机制或测试这一情况。但在实际使用中，这种“意想不到”的使用方式却成为了导致功能异常的重要因素。而软件开发人员对此其实并不陌生——许多复杂 Bug 的背后，往往就是这样的场景差异。

当时车企客户发现了这个问题后，意识到车主通常不会注意到这些异常，直到有一天车突然打不着火，小电瓶彻底亏电，才变成严重的售后故障。尽管最终可以通过 OTA 更新修复这个问题，但软件更新最快也需要两三个月，而在此期间，必须有其他手段来应对类似问题。因此，他们迅速上线了一套预警机制——一旦检测到类似情况，就主动给车主打电话：“先生/女士，您的车上是不是插着一个充电宝？” 许多车主都很惊讶：“你们怎么知道？” 客服会提醒：“这对车辆健康不利，建议您拔掉。”

回顾这次案例，我们意识到这不仅仅是简单的故障分析，而是整个汽车质量诊断方法的能力提升。智能汽车的本质已经发生变化——过去汽车只是一个控制系统，但如今，它已经进化成了控制系统+计算系统的组合。而传统的诊断工具、方法都是围绕控制系统设计的，当面对计算系统上的软件与功能问题时，很多旧方法就变得力不从心。

这种变化带来了全新的挑战：许多车主遇到问题后投诉进店，而 4S 店技师无法解决，最终只能升级到二级、三级支持，甚至研发人员不得不带着诊断盒子上门排查，费时费力，客户体验也很糟糕。

于是，我们开始重新审视这个行业，意识到传统的售后体系正在面临一次底层能力、方法与工具的重构。

EXD 智能诊断能力体系驱动售后业务创新

今天，很多故障其实并没有 DTC，这意味着很多情况下，我们需要依靠人工逐步排查问题。一些早期的客户在获取到高精数据后，能够快速定位到问题，并将故障排查方法记录成文档。然而，这些文档往往需要一线人员手动参照执行。

我们就在思考，既然能够通过数据快速识别故障，是否能为每个故障写一个自动化识别算法，快速上线，以此来实现全自动化诊断呢？

与此同时，我们也发现很多问题发生时，车主并未意识到。例如，小电瓶的亏电问题，车主没有投诉，主机厂也不会知道。类似的问题如果不提前预警，一旦积累到一定程度，最终可能引发大事故。我们能否通过预警机制及早识别“隐性”问题呢？

最终，这些改进都会在成本控制上体现。行业中存在着“人车比”的概念，如果完全依赖人工排查，成本自然会非常高。同时，落后的工具也会进一步拉高成本，甚至影响用户体验。

因此，在EXD数据底座的基础上，我们已实现工具的在线化，并进一步帮助客户将售后流程全面数字化，提升效率的同时优化用户体验。

具体来说，智协慧同 (EXD)的 VDM (Vehicle Diagnostic Management) 系统可以远程分析并定位问题。对于新问题，能够迅速进行分析，形成模型并快速上线，补充到故障知识库中。对于已知问题，可以自动化地快速扫描数据，用两分钟完成本来需要数天甚至数周的排查过程。

在这个过程中我们慢慢发现，这不仅是个别问题的解决，更是一个业务系统的变革机会。借鉴行业内先进企业（如特斯拉）的做法，我们从前年年底开始积极筹备并推动这一变革。

在售后诊断方面，我们关注几个核心指标：

1. 售后故障远程定位率：即客户的故障车辆无需进店，我们就能远程精准定位问题，无论是否触发故障码。

2. L1故障拦截率：指的是故障发生后，售后或店端能拦截至少 50% 的问题，避免其升级到更严重的二级或三级故障。

3. 主动巡检故障拦截率：即在车主尚未察觉或抱怨故障之前，系统能主动发现并修复问题。

这些指标实际上最早由特斯拉提出，行业先行者的实践让我们意识到，这一领域存在巨大的机会和发展空间。因此，我们迅速投入研发。

不仅仅是工具能力体系的构建，更重要的前提是数据体系——必须具备完整的整车高精度数据。传统的故障诊断主要依赖 DTC（故障码），但今天，我们采用基于整车数据的全新方法，即便没有 DTC，我们依然可以精准分析故障。例如，很多软件问题（如车载存储异常、黑盒闪存故障等）需要通过日志分析来定位。因此，我们支持日志存储和检索，以便高效诊断。

这背后是一整套在线运营体系，打通800客服、传统诊断系统、远程诊断系统、工单系统，使得许多业务可以在线化和主动化，让客户体验更好，问题解决效率更高。

VDM (Vehicle Diagnostic Management) 系统完整支持售后排故业务流程

非常幸运的是，去年 VDM系统 已成功落地两个量产项目。

VDM 系统的核心能力在于在线数据获取与分析。我们能够实时获取车辆数据，在线分析问题。如果遇到新问题，我们可以即时分析，写一个诊断模型，然后在线部署。当相同问题再次发生时，系统能够一键排故，实现快速诊断与修复。

在这个过程中，还能通过 VDM 系统不断积累和优化知识体系，和客服话术。这样，800 客服在接到用户咨询时，系统可以提供标准化的话术支持，确保沟通精准高效。同时，维修技师的操作经验也能被系统化沉淀，形成可复用的维修指导。这些数据最终构建出从功能级别到整车级别的告警模型和故障处理体系，甚至可以跨车型迁移。

可以预见的是，未来这个模型体系将进一步发展成一个知识库，接入向量数据库，并结合大模型，实现智能问答。这样不仅能让售后团队快速获取精准答案，还能打通各个业务系统，会有更多的服务体验的能力涌出。

不过，在AI问答的落地过程中，也面临着如何提升精准度的挑战。大模型在回答专业问题时，可能会产生幻觉。因此，我们正与高校合作，研究如何降低幻觉率，确保大模型能提供更可信的专业解答。

此外，EXD 团队正在探索如何自动生成故障模型，即无需人工编写，而是通过输入设计材料，直接生成可用于诊断的模型。进一步地，我们希望这些模型能够直接转换为可在 EXD 上运行的补偿算法，提升故障诊断的自动化程度。尽管目前这些 AI 相关的技术尚未完全量产，但我们已在技术路线上取得阶段性成果，非常欢迎感兴趣的朋友联系我们一起探索和交流。

中间件思维，拓展数据应用价值

过去两年，我们在数据采集项目上投入较多，以至于很多人一提到我们公司，就认为我们只是做数据采集的。但实际上数据采集只是我们核心技术组件的一个应用场景。智协慧同的目标是帮助汽车与云端建立数字化连接。

早期选择与我们合作数采方案的客户，现在看来是很幸运的。因为当他们完成数据采集后，稍加扩展就能快速搭建服务业务需求的方案，难度并不大。这正是我们产品设计之初的理念——基于四层架构，帮助客户构建完整的数据能力，用数据去优化业务。

这也是典型的中间件思维——即对计算架构的长期抽象。虽然前期搭建较难，但一旦形成架构，后续的路会越走越宽。

比如，在刚刚提到的第四层，我们看到部分 OEM 正在推进智驾险。这需要将保险公司的判定逻辑运行在车企的数据上。换句话说，数据的价值已经超越了企业内部应用，而是进一步扩展到外部生态，与更多合作伙伴共享。

过去两年，我们与客户在第三层业务数据闭环方面做了很多工作。例如，我们与某客户合作开发微碰撞算法，从静态环境中采集足够的样本数据，进行训练和识别。因为重大事故通常会触发气囊，告警很容易识别，而更多的事故其实是小事故。那么，主机厂如何提供主动服务？关键就在于能否精准识别这些小事故。

此外，我们还在帮助两家客户深度优化热管理算法。最初，电池的升温策略非常简单，基于固定规则，而这些策略其实有很大的优化空间。通过改进后节省下来的电量，直接转化为更长的续航里程。

目前，EXD 的产品已在 25 款以上的量产车型交付。在座舱、SRG 等领域，我们也与地平线等硬件厂商展开合作。同时，我们的方案已适配 QNX、Linux、Android 等多个操作系统。

我们一直践行“1+3+X”的业务模式。其中，“1”指的是 AI 数据底座，“3”代表我们自主落地的核心价值场景，而“X”则是希望与更多合作伙伴一起，帮助客户更深入地使用数据，探索商业化路径。

谢谢大家！