阿尔特太乙：AI走出演示，深入汽车研发全流程

事件概述

在2026AI Partner·北京亦庄AI+产业大会上，阿尔特汽车副总裁、阿尔特太乙人工智能总经理刘亚彬发表了演讲，阐述了AI如何从演示阶段真正进入汽车设计研发的深水区。核心观点是：AI不应仅停留在单点演示，而应融入汽车研发体系，成为一种新的工程能力。

汽车研发的核心挑战：三高特征

汽车研发是高复杂度、高成本、高安全的系统工程：

• 高复杂度：从材料学、信号处理到制造的全链条，各环节相互交织，需要不断权衡取舍。
• 高成本：开发周期仍需约24个月，试错代价极高，零件变更可能引发模具重开和大量浪费。
• 高安全：涉及信息安全、功能安全、结构安全等多维法规，且质量责任重大，每个环节结果必须可追溯。

当前AI Demo普遍存在“样例可行但工程闭环难”和“效果惊艳但可信度低（常不足5%）”的问题。要落地汽车研发，AI必须能接入流程、理解约束、追溯结果，并处理各类业务场景。

阿尔特太乙的产品矩阵

阿尔特太乙作为诞生于汽车设计研发一线的AI公司，拥有近500款车型的私域数据和近100类多元数据格式。基于此，他们构建了覆盖六个典型场景的产品矩阵：

1. 汽车研发知识大模型：将20年know-how快速定位，支持VOC翻译、专业问答、图纸识别、质量审查和知识溯源，弥补通用大模型在工程可行性和量化上的不足。
2. 造型AI创绘-太乙：将灵感转化为可交付的工程资产，支持文生图、图生图、渲染、草图到效果图、文生/图生视频及图生3D，实现造型从趋势到NURBS曲面的闭环。
3. “御风”空气动力学智能预测：AI4Engineering实践，从大模型入口到造型生成、3D模型再到表面速率和压力预测，将CFD仿真前置，改变研发节奏。已针对轿车、SUV、卡车等开展多类风阻代理模型研究。
4. CAD智能检索：通过RAG和Agent技术，实现基于模糊输入的3D数据检索，确保层级标签清晰，与工业3D CAD基座模型（圆方模型）深度结合。
5. 零部件智能生成：基于B-rep等前沿技术，实现用一句话快速生成CAD模型，让AI自主思考如何操作，不改变传统工业软件操作方式。
6. CAD 2D智能投图：连接设计与生产，AI自动选择基准面、对应公差标注并判断准确性，让工程师从重复劳动中解脱。

规模化落地的四要素

阿尔特太乙的经验总结为：

• 数据：私域数据、行业公开数据、合成数据是基础。
• 语义：需做好专业术语的语义映射，打通汽车工程语言体系。
• 流程：构建从设计、仿真到验证的完整业务闭环，融入工程规则，通过智能体编排形成可运转体系。
• 组织：建立工程师反馈、跨部门协同、问题闭环和知识沉淀机制。

平台愿景与生态合作

阿尔特太乙构建的AI+汽车研发设计平台核心逻辑是“工程师一句话，平台全程跑完”，以自然语言或图形为统一入口，调用数据和工具，各智能体协同完成全流程决策。当前已与科研机构、高校、工业软件公司等开展合作，参与国家汽车研发AI方向工作，并联合发布了汽车设计研发领域的智能体与AI白皮书。