阿加犀:重塑维保体系,AI成为全球汽车后市场的“新主力”

阿加犀智能 2025-11-11 11:03:56
加精

随着5G与AI的深度融合推动新一轮智能化浪潮的到来,中国物联网企业走在了这场全球性技术与产业变革的前列。从智慧农业、到智慧工业,再到赋予机器人感知与交互能力的具身智能......领军企业们在扬帆出海、开拓全球市场的过程中积累了丰富的实践和经验。以此为背景,高通公司联合5家模组解决方案商及17家终端企业,第五年推出《扬帆再出海:2025高通物联网创新案例集》,收录9大行业的22个创新案例,以期为各行各业的智能化转型升级提供有价值的参考,这是9篇系列文章中的第3篇——【工业物联网】篇。

油盐酱醋、皮鞋毛衣、钢筋水泥、汽车飞机……日常生活中的每一天,人们都在享受着工业产品带来的便利。质量是所有工业品的“灵魂”,在人们看不见的背后,每一件工业品的制造都经历了整条产业链的“层层把关”。在全球市场竞争加剧、中国制造加速“出海”的今天,产品质量已成为企业在国际舞台上立足与突破的关键——从上游的原材料筛选,到中游生产环节的缺陷检测,再到面向消费者的售后运维服务,AI正在重塑工业制造的质量管理与服务体系。

阿加犀:重塑维保体系,AI成为全球汽车后市场的“新主力”

当完成生产和制造之后,工业品的生命周期也随之步入“最后一公里”——AI不仅能够重新定义工业品的“出生质量”,同样也在重构其“后市场命运”,汽车维保市场正是其中的典型代表之一。

根据公安部交通管理局的统计,截至2024年中国汽车保有量为3.53亿辆;又据市场数据分析机构HedgesCompany估算,全球汽车保有量已超14.46亿辆——这催生出全球范围巨大的汽车维保市场。德勤发布数据预测,中国汽车养护与维修市场规模2025年将达1.74万亿元。近年来,新能源汽车的迅猛增长和技术的快速迭代,对维保服务提出了更高的技术要求。这一背景下,越来越多中国汽车维保解决方案提供商将其在中国市场积累的丰富智能化经验带到海外,不仅帮助国际客户提升服务效率和质量,也在全球维保产业链中占据了重要位置。

  • 海内外车主维保过程“糟心事”不断,行业企业挑战重重

来自海内外不同国家的车主在汽车维修和保养过程中都难免会遇到类似的“糟心事”。比如,车主只是感觉空调制冷效果略有下降,但维修店检查后给出一长串需要更换的零件清单,车主对诊断的专业性和必要性存疑,担心花费冤枉钱;又或者是车辆的某个故障在一家维修店修了几次都未彻底解决,反复折腾,让车主对维修店的技术水平和服务质量失去信心。

消费者的负面体验,从侧面揭示了全球维保行业所面临的共性挑战:

一方面是新技术“学不动”、“跟不上”。新能源车三电系统(电池、电机、电控)的维修与传统燃油车截然不同,需要全新的知识体系和诊断设备。维保过程中有时会发生这样的情景——某新款混合动力车型出现了一个仪表盘上从未见过的故障码,维修手册更新不及时,店内技师从未接触过此类问题,一时间束手无策,只能求助厂家技术支持,等待过程漫长。

另一方面是“老师傅”的经验难以复制与传承。经验丰富的老师傅能通过细微的异响判断出疑难杂症,但他退休后,这些宝贵的经验可能就随之流失。年轻技师面对复杂故障时,由于缺乏经验,可能需要反复尝试,导致维修时间长、成本高 。

同时,诊断设备操作复杂、数据不互通也会严重影响维保效率。维修厂往往会采购多个品牌的诊断仪,每个品牌车系都需要用不同的设备,数据标准不一,无法形成统一的车辆维修历史记录,导致管理困难。

在全球市场加速向智能化和电动化转型的背景下,这些问题为维保企业的跨境运营和本地化服务带来了前所未有的挑战,也为具备AI、大数据和边缘计算能力的中国智能维保设备出海提供了巨大的切入空间。

  • 维保AI大模型平板解决方案,提供专业一站式技术支持

针对汽车技术更新快、合格技师短缺、传统维保效率低下等行业难题,成都阿加犀智能科技有限公司(以下简称“阿加犀”)推出基于高通跃龙™ QCS8550芯片平台的维保AI大模型平板解决方案。该方案采用“大模型+AI Agent+知识库”的先进架构,充分利用大模型的理解生成能力和AI Agent的执行规划能力,通过多模态交互精准理解用户意图,同时利用检索增强生成(RAG)技术确保大模型回答基于真实、最新的行业知识,为维保企业提供专业的一站式技术支持。对于希望进入国际市场的维保服务商而言,这不仅是一款技术工具,更是应对全球汽车维修行业标准多样化、技术门槛不断提升的有力武器。

基于该解决方案打造的维保平板终端,能够快速整合文本、图片、工单等数据构建动态知识库,并依据客户历史维保数据,高效建立本地专属知识库,让故障诊断效率显著提升。在日常使用过程中,技师只需通过自然语言描述故障或输入故障码,系统就能给出可能的故障原因、排查步骤和维修建议,这降低了对资深技师的过度依赖,使普通技师也能处理复杂问题。此外,它还可以作为数字化的培训工具和知识库,帮助技师快速提升技能、适应新技术。

高通跃龙芯片平台强大的通信和计算能力,以及能耗方面的优越表现,让维保平板终端化身真正的边缘智能终端。在嘈杂的维修车间,技师需要通过蓝牙将诊断平板与车辆的OBD接口稳定连接,读取实时数据流;同时可能需要通过Wi-Fi快速下载最新的车型资料库或上传维修报告,高通跃龙™ QCS8550芯片平台集成了先进的Wi-Fi和蓝牙技术,能确保连接的稳定性和数据传输的速率。

当技师输入一段模糊的故障描述,如“车子加速时有点抖,有时还熄火”,AI大模型需要在端侧快速进行自然语言理解、意图识别、知识库检索、多轮对话澄清,并最终生成结构化的维修建议。在面向海外部署的过程中,大模型必须支持多语种理解与生成,才能真正跨越语言壁垒,帮助来自不同国家的技师高效协作。高通跃龙™ QCS8550芯片平台拥有强大的AI处理单元(NPU/Hexagon处理器),提供高达48 TOPS的AI算力,强大的AI算力是这一切流畅体验的基石,使得复杂的AI推理能在本地完成,响应迅速。

此外,维修技师还经常需要手持平板在车间内移动作业,无法时刻连接电源。高通跃龙芯片平台在提供强大性能的同时,得益于先进制程工艺及持续优化,有着良好的功耗表现。低功耗的高通跃龙芯片平台配合大容量电池,能确保设备有足够的续航时间,满足一天的工作需求,避免频繁充电带来的不便。这种续航与独立算力的结合,也让中国智能维保设备在海外市场具备更强的部署灵活性和竞争力。

  • 应用场景不断拓宽,高通助力中国AI方案扬帆出海

如今,全球汽车后市场都面临着技术复杂性增加、合格技师短缺等挑战。随着中国新能源汽车大量出口,海外市场对这些品牌车辆的专业维保服务需求激增,进一步倒逼维保领域企业加快采用AI解决方案,应对日益增长的服务压力与质量要求。

阿加犀不断深耕汽车后市场,持续优化其AI大模型,拓展更多维保场景,覆盖更多车型,并向汽车全生命周期管理延伸。凭借阿加犀AI Agent支持多语言交互的能力,其在东南亚、中东、欧洲部分地区以及南美等中国汽车出口量较大且对智能化技术接受度较高的市场进行广泛布局。

成都阿加犀智能科技有限公司COO史硕表示:“通过持续的技术创新和质量提升,一批优秀的中国企业开始在全球市场建立起自己的品牌声誉。这背后,离不开像*高通这样的全球领先技术企业的支持。未来,通过与高通*在芯片、AI、物联网等前沿技术领域的合作,我们还能将汽车后市场积累的AI能力(如故障诊断、预测性维护、智能调度、知识图谱构建)复制到工程机械、能源设备、智能工厂等其他存在类似痛点的工业领域,成为更广泛工业领域领先的AI解决方案提供商。”

*代指高通技术公司

该稿件转自高通公司《扬帆再出海:2025高通物联网创新案例集》

...全文
216 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文深入探讨了DMA高效数据传输实现方案在高性能计算芯片领域的应用与架构创,重点分析了缓存一致性DMA、多通道DMA架构及其在数据中心SmartNIC、存算一体芯片和Chiplet互连等场景中的实践。文章结合RISC-V架构,通过Chisel硬件描述语言和C语言驱动代码,展示了多通道DMA控制器的设计与实现,涵盖仲裁机制、AXI总线适配、分散-聚集传输模式及中断处理等核心技术,并强调了性能优化与验证方法。最后展望了AI调度、光互连、近存计算与安全DMA等未来发展方向。; 适合人群:具备数字电路与计算机体系结构基础,从事芯片设计、嵌入式开发或高性能计算相关工作的研发人员,尤其是有1-5年经验的工程师与研究人员。; 使用场景及目标:①理解DMA在突破“内存墙”和降低系统能耗中的关键技术路径;②掌握多通道DMA控制器的硬件设计与驱动开发方法;③应用于SmartNIC、AI加速器、Chiplet等高性能芯片系统的数据传输架构设计;④为构建高带宽、低延迟、高能效的异构计算平台提供参考。; 阅读建议:此资源融合硬件设计与软件驱动,建议结合Chisel仿真与RISC-V平台实操,重点关注DMA与缓存一致性、异构计算单元的协同机制,并通过性能计数器与错误注入手段进行系统级验证。
内容概要:本文围绕基于共享储能服务的智能楼宇双层优化配置展开研究,通过Matlab代码实现相应的数学建模与仿真分析,提出一种结合上层规划与下层运行的协同优化框架,旨在提升智能楼宇能源系统的经济性、能效水平与电网互动能力。研究充分考虑光伏发电、负荷需求、储能充放电等多元因素,采用先进的优化算法(如智能优化算法)对共享储能资源的容量配置与运行调度进行精细化决策,有效降低用能成本,提高可再生能源消纳率,并增强系统运行的稳定性与灵活性。全文涵盖模型构建、算法设计、求解流程及结果验证,具备较高的理论深度与工程应用价值; 适合人群:具备电力系统、能源管理、优化算法等相关背景的科研人员、研究生,以及从事智能电网、综合能源系统、建筑节能等领域的工程技术人员; 使用场景及目标:①用于智能楼宇及园区级能源系统的规划与运行优化研究;②支撑共享储能机制下的资源配置、经济调度与商业模式设计;③作为Matlab仿真教学与高水平论文复现的典型案例,帮助深入理解双层优化模型、主从博弈结构及智能算法在能源系统中的应用; 阅读建议:建议结合提供的Matlab代码进行同步学习与调试,重点关注上下层模型的耦合关系与迭代求解过程,可进一步拓展至多主体协同、不确定性建模(如风光出力波动)及鲁棒优化等前沿方向开展深化研究。
内容概要:本文《【故障检测】基于 KPCA 的故障检测【T2 和 Q 统计指数的可视化】(Matlab代码实现)》系统阐述了基于核主成分分析(KPCA)的非线性故障检测方法,重点实现了T²和Q统计量的构建与可视化过程。通过Matlab编程,将高维非线性数据映射至特征空间,提取主成分并建立监控模型,利用T²和Q指数对工业过程中的异常状态进行联合监测与诊断,有效提升了复杂系统中早期故障的识别能力,具有较强的工程实用性与理论参考价值。; 适合人群:适用于具备信号处理、控制工程或工业过程监测背景,熟悉Matlab编程语言,并从事故障诊断、智能运维、自动化系统研发等相关工作的研究生、科研人员及工程技术开发者。; 使用场景及目标:①应用于化工、电力、制造等流程工业中的关键设备状态监控与早期故障预警;②作为学术研究中KPCA算法的仿真验证平台,用于对比分析不同非线性降维方法的检测性能;③深化对非线性过程监控中统计指标设计与阈值判定机制的理解与实践应用。; 阅读建议:建议读者结合所提供的Matlab代码逐模块运行与调试,深入掌握KPCA建模流程、主成分子空间划分及T²、Q统计量的计算逻辑,鼓励在标准数据集(如TE过程)上复现实验结果,并尝试扩展至其他非线性场景以提升模型泛化能力。

7,646

社区成员

发帖
与我相关
我的任务
社区描述
本论坛以AI、WoS 、XR、IoT、Auto、生成式AI等核心板块组成,为开发者提供便捷及高效的学习和交流平台。 高通开发者专区主页:https://qualcomm.csdn.net/
人工智能物联网机器学习 技术论坛(原bbs) 北京·东城区
社区管理员
  • csdnsqst0050
  • chipseeker
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧