我在一汽看到了“一个AI车企是如何炼成的” 原创

“任何顾客都可以选择任何他想要的颜色，只要它是黑色的。”

亨利·福特关于T型车的这句名言，不是因为傲慢。在那个时代，标准化是效率的福音，是征服稀缺的钥匙，通过极致的分工和刚性的流程，人类实现了前所未有的生产效率。

福特在高地公园工厂落地移动装配线的两年前，弗雷德里克·温斯洛·泰勒（Frederick Winslow Taylor）在1911年出版了著名的《科学管理原理》。

他将工人的每一个动作分解、测量、标准化，试图找到执行任务的“唯一最佳方法”。泰勒制，连同亨利·福特的流水线，共同奠定了现代工业的基石：效率源于分工的极致化，管理依赖于流程的标准化。

这套“机械论”的管理哲学在信息时代以ERP的形式达到了顶峰。

不过，当现今外部环境变得易变、不确定、复杂和模糊，当“流水线”面对“个性化”，这套运行了百年的范式内核开始失效。“黑色油漆”的哲学无法应对五彩斑斓的现实，刚性机器在复杂系统面前显得迟钝了。

一个世纪后，模型时代的汽车产业，其实走到了一个相似的十字路口。

“ChatGPT时刻”之后，很多大型企业试图将自身复杂的业务现实塞进通用大模型的框架中。其结果往往是：技术承诺革命，但落地效果有限。因为通用大模型在处理高度专业化的企业场景时，总显得力不从心。

核心的困境依然是：到底是让企业削足适履去适应模型，还是优化模型以适应企业？

答案其实指向了一场范式转移。

不久前，我们前往长春拜访中国一汽总部，并随阿里云智能集团公共云事业部副总裁、AI汽车行业总经理李强，阿里云智能集团公共事务线副总裁、研究中心主任安筱鹏，与中国一汽红旗品牌运营委员会副总裁兼体系数字化部总经理门欣进行了一场深度对话。

作为中国汽车工业的“长子”，中国一汽业也在直面这场百年未有之大变局。

谈话中，我们的感受是：一汽的选择，可以说是“黑色油漆”方案的相反数，他们正致力于打造真正属于自己的行业大模型和智能体系统。通过与阿里云等技术领导者的深度合作，一汽正在为大型企业如何实现“模型适应企业”提供一个极具参考价值的汽车业样板。

汽车AI的“哲学三问”

由于几位专家在畅谈技术之余，大量从“形而上”的角度将汽车业AI转型上升到哲学思考层次。

于是，我们正好可以将坊间流行的“哲学三问”，“你是谁，从哪里来，到哪里去”，来概括一汽的变革逻辑，即：车企智能化的本质是什么？它从何而来？又能解决什么问题？

所以，我们先来谈“你是谁”问题：到底什么是AI变革，它和上一次技术浪潮“数字化转型”的区别是什么。

三十年前，尼古拉斯·尼葛洛庞帝（Nicholas Negroponte）在其划时代的著作《数字化生存》中，预言了“比特（Bit）将取代原子（Atom）”。

自此，我们将物理世界转化为0和1，开启了数字化（Digitalization）时代。

但信息化、数字化并未从根本上改变企业的经营。

阿里云李强在访谈中提到了一个行业普遍的感受，他认为过去多年的数字化实践常常让人感觉不够彻底，似乎总是存在某种难以跨越的瓶颈。

如果以满分为标准，数字化转型往往止步于八成效果，最后的两成始终难以实现。

为什么会卡在“八成”？

细究起来，是因为传统的数字化虽然记录了信息，但ERP等系统并未解决“理解”的问题。

比特只是信息的载体，而非意义本身。不同系统、不同模态的数据之间存在着巨大的语义鸿沟，机器无法像人一样，将这些信息融会贯通，形成统一的认知。

传统的软件系统只能处理预设规则下的结构化数据，对于非结构化的数据，则往往束手无策或干脆无心收集。

Token，则可能是突破其余“两成”的关键。

李强认为，大模型最实质的东西，就是将所有数据形态转化为Token。变“0和1”为Token。

简单说，Token是模型世界里的“最小可交流单位”。它既不是0/1的电信号，也不等同于“词”或“字”：英文里的一个单词可能被拆成若干子词 Token，中文的一个字通常就是一个 Token；图像会被切成小块离散成“图像 Token”，音频会被量化成“声学Token”。

一个分词/离散化器（Tokenizer）把原始文本、图片、音频转成Token 序列，模型就在这些序列上学习上下文关系，从而把“记录的信息”提升为“可被推理的意义”。

由于不同模态最终被映射到同一套或可对齐的Token 空间，ERP台账、设备日志、客服录音、合同图片等原本割裂的数据就能在同一语义坐标系里对齐、关联并触发决策与生成。这正是补齐数字化转型“最后两成”的关键所在：Bit 解决“能存”，Token 解决“能懂”。

李强用了一个极富历史感的比喻来形容这种统一性：“车同轨，书同文”。秦始皇统一文字和度量衡，奠定了中华文明的认知基础。而Tokenization，则为人工智能奠定了理解万事万物的基础。

安筱鹏对此做了更宏观的哲学总结：如果说Digitalization定义了数字化时代，那么Tokenization则定义了智能化时代。

他甚至做了一个判断：“只有真正理解了Token，才能理解AI大模型的本质。”

这种认知范式的转变，也深刻地反映在计算范式的革命上。安筱鹏指出，英伟达市值的飙升，背后是整个数字技术体系从以CPU为核心向以GPU为核心的切换。因为CPU擅长处理逻辑复杂的串行任务，是数字化时代的基石；而GPU擅长处理大规模并行计算，所以成为了Tokenization时代的引擎。

门欣总结，这是人工智能视角形成了新的认知能力，也就是车企AI变革的“本”。

如果Tokenization是智能之“本”，那么数据就是智能之“源”。无数据，无Token；无数据，无模型。

今年年初，一汽下定决心训练自己的垂域大模型，因为通用大模型在应对汽车行业的专业场景时存在局限。门欣表示，仅仅汇报人工智能的亮点，无法满足企业深度改造的需求。

而数据，特别是高质量数据，显然是垂域模型能否成功训练的关键一环。

不过，正如原油需要提炼才能驱动引擎，数据也需要经过艰苦的治理才能释放价值。

但这个问题并未困扰门欣和一汽团队，信心隐藏在“冰山之下”长达数年的艰苦准备中。

在“大模型”这个词汇变得性感之前的三、四年，一汽开始了一项看似枯燥、后来看实则关乎生死的系统性工程“数据治理”。

门欣坦言，当时其实并没有预见到大模型的爆发，但这是一种基于对未来趋势的笃定。

这种准备，被安筱鹏形容为“一汽与这个时代相向而行”，也源于一次关键的“觉醒”。

当时，业界的普遍做法是被动地处理已有信息系统产生的数据，即所谓的入湖和清洗。但门欣很快意识到，这种路径是错误的。

门欣解释，团队认识到的关键点是，如果没有服务端的需求，也就是价值场景的驱动，数据本身是没有价值的。

这是一个哥白尼式的转变，因为归根到底是以谁为中心运转。

如果说传统的数据治理是以“系统”为中心的，那么一汽的数据治理是以“价值”为中心的——特定的业务价值需要何种数据，然后才是如何主动获取这些数据。

为此，一汽选择了一条更艰难的路。他们以终为始，通过“数字孪生”（Digital Twin）主动构建高质量数据集。为了支撑AI时代的需求，一汽构建了一套覆盖研发、生产、供应链及用户的多模态数据治理体系，并积累了超千亿Token的多模态行业数据集。

为了将这种理念落地，一汽展现了汽车人特有的工程化思维，建立了一套严谨复杂的方法论，比如：信息架构6阶18步，指标治理5阶16步。同时，一汽还构建了多模态数据融合引擎，实现了结构化、半结构化和非结构化数据的跨域对齐。

清洗旧数据已成往事，定义新数据才是未来。

显然这是一项极其艰巨的基础工作。安筱鹏用了一个形象的比喻来形容一汽的选择，认为它是在攀登珠峰的过程中，选择了最难的北坡。

这是技术层面的工作，也是在理念、方法论上对传统模式的一次彻底的解构与重组。

因为，技术的范式跃迁，往往要求组织范式和文化土壤的同步变革。

著名的康威定律（Conway's Law）指出，系统的架构往往是组织架构的映射。在一个充满“部门墙”和“数据孤岛”的组织中，是不可能建立起一个统一、高效的智能体系的。

为了打破这种藩篱，一汽的北坡之旅，不仅是数据的准备，更是组织的准备。门欣将其概括为“全员数字化”。

正如之前所述，一汽颠覆了传统的“业务提需求、IT来实现”的模式——转变为由IT部门提出能力建设需求，业务部门协同执行。

IT部门的角色，从被动的服务提供者，转变为主动的能力赋予者。

培养数据管家、开发数据治理工作台，将数据治理的能力和责任下沉到业务一线，让最懂业务的人来定义和治理数据——门欣认为，这样做的好处是业务最了解真实需求，流程自然也更为顺畅。

这种组织变革的意义极其深远，安筱鹏甚至将这种变革称为“组织的转基因工程”。

安筱鹏解释，一汽与其他企业最大的区别在于，他们在三四年前就已经为AI大模型的应用做了准备，这不仅体现在数据层面，也体现在组织文化层面。这种组织上的准备，意味着一汽已经建立了一种拥抱变化、适应新范式的“文化土壤”。

组织文化甚至会影响后续AI Agent智能体在企业的落地。安筱鹏认为，当AI智能体进入企业，它实际上是在重新定义组织的细胞。因为对于一个车企有机体来说，一个基本思考就是，是否会对这些外来的“新物种”产生排异反应。

强强联合：阿里云基座与“咬合式迭代”

有了高质量数据支撑，有了IT和业务的一体化合作，中国一汽行业大模型的构建工作也就顺理成章了。

然而，研发垂直大型模型面临算力消耗大、迭代周期长、研发成本高的挑战。我接触到的车企，无不期待专属模型，又担心其中的难度。

在一汽从数据治理到垂直模型的全过程中，阿里云的深度参与可谓至关重要，双方开启了一场独特的“咬合式迭代”。

这种合作在2025年7月16日达到了新的高度，中国一汽与阿里巴巴联合实验室在长春正式揭牌。双方宣布将基于阿里通义千问大模型，联合研发汽车行业专属大模型，并在中国一汽全场景落地。

双方的合作涵盖了模型研发的全链路技术体系，旨在共同攻克算力架构优化、领域数据治理、大模型预训练、模型微调与强化等核心课题。

首先是技术基座的构建。阿里云提供了全球领先的通义千问（包括Qwen大语言模型和Qwen-VL多模态模型）作为基础底座，并为一汽“定向开源”一些未公开的模型能力。一汽则基于多年积累的高质量行业数据集，在这个底座上训练汽车产业的专业知识，涵盖生产制造、营销运营、经营管理等全链路。

其次是先进训练机制的应用。双方团队综合运用了多种模型训练方式。这包括利用无监督持续预训练（CPT）来增强模型对工业场景隐性知识的推理能力；利用有监督微调（SFT）来优化特定任务性能；同时，还引入了价值对齐训练（如RLHF或DPO），结合用户反馈数据，确保模型输出符合一汽的价值规范和行业要求。

在基础设施层面，合作同样深入。依托阿里云强大的智算平台和人工智能平台PAI，双方在算力优化和工程化能力方面进行了联合攻关。例如，通过优化PyTorch的分布式通信层，改进NCCL通信协议，以及针对汽车制造高频计算场景开展CUDA内核级算子优化，全面提升了模型训练效率。

一汽的目标是构建全栈的自研能力，不仅限于现有模型，还在积极探索时序模型（用于工业生产和供应链管理）、空间模型乃至视觉语言动作模型（VLA）等前沿领域。

这种合作形成了一种独特的生态模式。李强形容这是两个结合体，共同迭代，然后咬合，再迭代、再咬合。通义千问底座模型与一汽的垂域大模型均以较快的周期快速演进。每一次迭代，不仅是业务逻辑和数据的优化，更是基础能力与行业知识的深度融合。

未来，双方的联合实验室还将探索更前沿的方向，例如融合升级多场景能力，探索空间模型对时间和空间环境的理解，以及“具身智能”与“智能工业”的融合，形成生态闭环。

回顾这几年的工作，门欣深有感触，过去三四年所做的一切准备似乎都是在等待这一刻的到来。门欣认同AI的影响力可以与蒸汽机、电力革命相提并论，当基础数据工作完成之后，可谓万事俱备，只差模型。

EOA，重构企业的智能操作系统

当智能的“本质”（是谁？）（Tokenization）和“源”（高质量数据、组织土壤与技术基座，也就是从哪里来？）准备就绪，其“用”（到哪里去）必然带来深层次革命。

对于一汽这样的大型车企业，这意味着对其底层业务“操作系统”的彻底重构。

在我看来，一汽的实践用一句话来说，就是“告别ERP，拥抱EOA”。

ERP的黄昏。要理解一汽的内在逻辑，我们必须回到ERP这个经典概念的理解。本质上看，ERP的设计逻辑是泰勒制和福特流水线的延伸，强调流程的标准化、控制的精确化。

但我们在开篇讲过，在不确定性时代，这种刚性的流程模式日益显得僵化。门欣指出，企业在引入ERP的过程中，往往放弃了自我思考，陷入了业务跟着系统跑的困境。

为了适应ERP的刚性流程，企业也就不得不削足适履。

更关键的是，ERP是一种典型的“流程思维”，而非“数据思维”。门欣一针见血地指出了问题的核心，即ERP系统中是人在服务于软件。大家都在服务这个系统本身，而忽视了数据在企业业务流转过程中真正的价值。

为了彻底打破这种范式，寻找一条超越源于西方的传统管理模式的新路，一汽进行了一次极具魄力的尝试。2025年4月30日，在第八届数字中国建设峰会上，一汽发布了EOA（企业运营智能体）平台，命名为OpenMind。这是中国汽车行业第一个以大模型为核心的企业运营智能体。

OpenMind就是基于阿里通义大模型打造的，它依托阿里云百炼平台实现多模态能力集成与工具调用。它代表了AI Agent在企业运营层面的全面进驻，构建了一个“感知、决策、执行、进化”的全链路智能体系。

EOA的哲学彻底颠覆了ERP。

如果说ERP是基于“流程驱动”的刚性系统，那么EOA则是基于“数据驱动”和“智能驱动”的柔性智能体网络。

门欣解释了EOA的底层逻辑，名为“数据成熟度驱动”。

在传统的管理模式下，业务流转依赖于组织和流程，天然地受制于组织边界和人为设定的流程路径。

但在“数据视角”下，这些壁垒是可以被消弭的。门欣认为，如果用数据视角审视金字塔式的组织结构，包括固化的流程都会消弭于无形。在EOA体系中，当一个业务活动产生的数据成熟度达到一定阈值时，智能体就会自动触发下一步工作，无需人工干预。

为了实现智能体对企业工具的有效调用，OpenMind全面采纳了MCP（Model Control Protocol）协议，完成了一汽七星云工作台三万多个原子服务的改造，并集成了两百家外部生态服务，实现了秒级的服务编排与工具调用。这使得智能体可以通过多轮对话精准识别用户意图，自主完成业务办理。

门欣表示，当你一旦站在数据视角，能够通过数据成熟度实现连通启动时，你会发现企业真正的业务流转，其并发能力和协同能力是极强的，它能实现一定程度的自运行。这推动一家老牌车企从“经验响应”迈向“智能涌现”。

人的解放

门欣告诉我们，EOA体系带来了一系列惊人的成果。

这里可以举例一二。

在传统汽车企业中，采购流程往往是最复杂的业务之一。但在OpenMind的加持下，这个流程正在被彻底重构。

门欣用“去审批化”三个字来概括。

现在在一汽的采购体系中，从供应商定点、发包到最终的提名信生成，整个流程已经实现了全自动化运行。报价自动发包，提名信自动生成，人已经不再干预过程。

这种自动化并非简单的流程电子化，而是真正的智能决策。系统通过AI模型自动完成供应商评估、价格分析和最优方案选择。

更重要的则是人的角色转变。

门欣强调：“人真正的作业对象已经是模型。”采购人员不再忙于具体的审批流程，而是专注于优化评价模型、调整价格分析模型，对决策规则进行要素的增删查改。

这标志着在AI时代下，员工在企业中的角色发生了根本性的跃迁。他们从流程和业务动作的执行者，转变为智能体的运营者、操控者和提升者。员工形成了新的岗位价值，演进为数据挖掘者、模型构建者和业务优化者。

这种转变的影响是深远的。除了采购，一汽在生产计划、成本核算、会计等多个领域都出现了由AI Agent驱动的“数字员工”。这些数字员工已经能够独立完成原本需要大量人力的工作。门欣表示，我们大量的工作已经全面AI化了。此前，一汽联合通义大模型打造的大模型BI应用GPT-BI也已上线，实现了“问答即洞察”。

门欣分享了一个细节：当审批逻辑被模型化之后，那些原本用于校验和审核的环节就被取消了。因为AI能够将人脑中的隐性知识和判断标准，通过Token化的方式清晰地表述并编码实现。

曾深耕ERP领域十几年的李强，对此深有感触。当他在2021年第一次听到EOA的构想时，就感慨，这和ERP完全不是一个时代的东西。

能力溢出：从智能企业到智能汽车

在访谈中，门欣提到的另一个核心观点让人印象深刻：企业真正的发展不是战略牵引，而是能力溢出牵引。

当一汽通过内部的智能化重构（EOA）构建了强大的AI能力时，这种能力首先会“溢出”到产品定义和用户体验上。

造AI汽车的企业，必然也是一个AI企业才对。回到康威定律解释，是组织的形态决定了产品的形态。

门欣认为，我们正在从软件定义汽车迈向AI定义汽车。

AI对汽车的重构，首先体现在人机交互的革命上，智能座舱是主战场。反观今天的智能座舱，虽然屏幕越来越大，但其交互逻辑依然是图形用户界面（GUI）的延伸，即结构化功能的展现，让用户去选择。

门欣提出一个设想，如果车载的人工智能基于大语言模型，能够实现非常顺畅、无任何障碍的语言交互甚至肢体眼神交互，我们或许不再需要如此多的屏幕和按钮。

当AI成为座舱的灵魂，交互方式将发生质变，汽车将从一个需要学习使用的工具，变成一个能够理解你的伙伴。李强描述了一个更为个性化的未来场景，他认为用户进入座舱后，会感觉车就是自己的一个化身，无需言语，汽车就能理解用户的意图。

赛车场上常讲的人车一体，此刻有了新的释义。

随着端侧算力的提升和模型优化技术的进步，大模型上车正在成为现实。例如，通过阿里云与一汽联合探索的模型蒸馏与量化压缩技术，使得通义模型能够在小尺寸上实现更强性能。李强认为，如果从未来看现在，2025年可能是一个关键的“奇点”。

更深层次的重构，还体现在车企与用户关系的转变上。安筱鹏指出，大模型正在重构汽车产业的关系，未来所有的车企都应当从一个制造商，变为一个运营商：通过汽车这个载体，实时洞察客户需求，提供极致体验。

灯塔效应、中国范式、生态基座

在对话的最后，话题自然延伸到了更宏大的使命。

一百多年前，亨利·福特的流水线让汽车成为大众消费品。如今，汽车正被新能源、AI两种技术所颠覆，而这两场变革的主要发生地，都在中国。

作为“共和国长子”，一汽的探索不仅关乎自身的发展，也肩负着为中国汽车业探路的责任。

安筱鹏认为，一汽的AI实践正在构建一个“灯塔”。其意义在于，为更多中国车企如何找到高价值场景、如何实现AI落地、如何进行组织变革，提供了一条可行的路径和方法论。

在此，安筱鹏提出了判断车企（也包括更多行业企业）是否已经进入AI高价值场景的三个标志：数据的Token化、后训练的深度、以及智能体从工具到决策的跨越。从这三个维度来看，一汽无疑已经走在了正确的轨道上。

一汽的探索，也在承载着建立“中国范式”的雄心。

门欣强调：“我们肩负的使命是让中国整个制造业的水平在这波浪潮中能提高，而不是依赖传统西方的现成答案。”

过去几十年，中国的管理体系和技术体系，从ERP到ISO9000质量体系，深受西方影响。在AI时代，一汽希望通过输出EOA实践中积累的方法论和平台，实现从传统的“贯标”到“平台赋能”的跨越。

门欣透露，过去一年多来，已有四十多家企业来到长春一汽总部交流学习。

一汽的输出方式是多层次的，从基础培训到方法论传授，再到部署试点系统，甚至探索通过SaaS模式向行业输出OpenMind沉淀的通用Agent应用场景。这种能力生态外溢已经成为一汽的一个新业务创收模块。

生态共振，也是中国汽车AI浪潮的一个重要趋势。

最好的例子，就是在一汽宏大的AI愿景中，阿里云扮演了关键的催化剂和基座角色。

双方成立的联合实验室，正是这种生态共振的体现，使得技术的探索和场景的落地得以同步进行，相互促进，共同成长。

我们可以从“算力晴雨表”中直观看到车企AI变革的进度。

李强表示，在他所负责的阿里云AI汽车行业线，AI算力的收入占比在短短两年内就超过了积累了十年的通用算力，目前已接近60%。

李强对此非常感慨，通用算力的用量积累了十年，而AI算力刚爆发两年，份额就直接过了50%。

这种爆炸式的增长，促使阿里云在全球范围内大规模投入AI算力基础设施。未来三年阿里云在基础设施上的投资中，超过半数将投向AI算力。

不过，当李强向阿里巴巴集团CEO吴泳铭汇报AI算力收入超过通用算力这一里程碑时，得到的回复很简洁：AI新世界的大幕才刚刚开始。

正所谓百闻不如一见，如果大家想要就中国一汽的新企业管理范式有进一步了解，一个非常好的机会近在眼前了。9月25日13:30，云栖大会上会有一场阿里云汽车行业峰会，中国一汽体系数字化部副总经理陈韵在会上做一次公开分享，谈得就是中国一汽的AI实践。