大模子的出现，让汽车行业来到了「AI 界说汽车」的新拐点。

毫无疑问的是，工业大模子正在成为制造业转型升级的要道 "智" 变力量，而其中又是以汽车产业为代表，大举迈向智能制造的新征途。

小米，当之无愧的年度焦点玩家。在 MEET2025 年智能将来大会上，小米本事委员会 AI 执行室机器学习团队高等本事总监孟二利，共享了他们愚弄大模子赋能汽车智能制造的一些探索。

孟二利，从中科院商讨生院毕业后一直从事 AI 算法商讨与应用使命。目下他致力于于将东谈主工智能本事应用于汽车制造和新零卖等小米中枢业务中，是 AI+ 信息化、整车智能本事负责东谈主。与汽车部结合一体化大压铸形式中，"材料性能瞻望模子"被中国汽车工程学会巨匠组评定达到寰宇最初水平，形式团队获取小米百万好意思金本事大奖。

在本次大会上，他共享了小米是如何找到汽车智能制造的冲突口，又是怎样招待「AI 界说汽车」的新拐点。

在不改欢喜的基础上，量子位作念了如下整理。

中枢不雅点梳理

小米将包括大模子在内的 AI 本事看作一种新的坐蓐力，省略对软件和硬件的成果有指数级的提高，亦然小米永久握续参加的底层赛谈。

思将汽车的传统制造模式向愈加高效、精确的智能制造模式转型相等难，这是因为在莫得 AI 的时候，汽车坐蓐就相等熟悉了。

AI 赋能材料研发其实并莫得那么容易，团队在学习各式专科学问之后，回来出来一套公式：各式数据 + 前沿算法 + 专科学问 + 巨匠告诫 + 束缚历练 = 新材料。

大模子的出现，使行业来到了从软件界说汽车到 AI 界说汽车的拐点。这个拐点的记号即是大模子在汽车上的应用。

在新的拐点上，有三个使命需要持续作念好：数字化基建、产业协同、对适应工业场景的大模子本事的探索。

把大模子看作新坐蓐力，能对软硬件成果有指数级提高

今天在这里与群众共享小米在愚弄大模子赋能汽车智能制造的一些探索。

前年八月，小米科技战术阐明升级为：深耕底层本事、永久握续参加，软硬深度和会，AI 全面赋能，回来为公式即是（软件 × 硬件）ᴬᴵ。

这标明小米将包括大模子在内的 AI 本事看作一种新的坐蓐力，省略对软件和硬件的成果有指数级的提高，亦然小米永久握续参加的底层赛谈。

小米很早就对 AI 进行了布局，2016 年赞助了 AI 执行室，冷静开展了视觉、语音、声学等关联使命，2023 年 4 月赞助专职大模子团队，并推出首个小米自研手机端侧大模子。启动将一些先进、前沿的本事赋能笔直机、汽车等家具中，为业务场景与用户需求提供了强盛的智能相沿。

汽车制造，是一个熟悉的百年行业。咱们知谈有冲焊涂总四大工艺经过，每一步齐齐涵盖着想象、研发、坐蓐等多维度的精良操作，这些设施经常齐依赖专科东谈主员的告诫蓄积和反复的历练。因此，思将汽车的传统制造模式，向愈加高效、精确的智能制造模式转型，相等难。而难，是因为在莫得 AI 的时候汽车坐蓐就相等熟悉了。

是以这亦然团队濒临着第一个问题：那么，如何去找到这个冲突口？

百年工业智能化转型，从变化的地方启动

咱们决定从汽车工业发生变化的地方——一体化大压铸启动。

一体化大压铸，由特斯拉首创，是汽车制造工艺的新变革。它是用超大型压铸机将多个零件从头想象后一次压铸成型，得到完好意思零部件。

其上风很赫然：

（1）多个钢制钣金件，替换成一个铝合金，使车重浮松 30%-40%，提高续航里程；

（2）可减少零部件数目，减少制造工序，镌汰东谈主工、机器等资本；

（3）用一体化大压铸件代替多个零件铆接，刚性更强。

团队把规画聚焦两个方面：一个方面一体化大压铸材料的研发；第二是质地检测的使命，去探索大模子和关联的本事来进行赋能。

小米 SU7 的后地板聘用大压铸工艺，其尺寸比特斯拉大 17%。枢纽挑战是，市面上莫得烦扰需求的材料。材料研发资本相等高，研发难度也长短常的高。小米强项的深耕底层本事，走全栈自研之路，一定要攻克这一难题。

从传统的材料研刊行径来看，主若是基于执行和告诫的 "试错式" 商讨。依靠科研东谈主员永久蓄积的告诫，以及已有的材料科学表面学问，来详情商讨标的和想象执行有筹划。需要铺张多数的时刻来进行反复历练和考证，导致研发周期经常很长，从发现新材预见齐备工业化应用，一般需要 10 至 20 年。难以对材料的构成因素、结构和工艺参数进行全面、系统的优化，导致材料性能的提高空间有限，且难以保证材料质地的一致性。

而 AI 研刊行径，条目基于极少的执行数据，建设材料性能瞻望模子，同期省略齐备反向寻优。在只进行极少执行下，找到烦扰性能需求的材料。齐备低资本、高着力、高性能。

谈到AI 赋能材料研发，群众可能源流思到的即是数据 + 算法，但关于材料学科来讲，其实并莫得那么容易。

源流，材料的数据网罗资本相等高；其次，材料波及相等多的物理化学过程，纯大模子行径成果欠安，独一长远材料机理进行建模才气更好地科罚这个问题。咱们团队跨学科学习了好多材料专科学问，终末回来出一套公式：

各式数据 + 前沿算法 + 专科学问 + 巨匠告诫 + 束缚历练 = 新材料。

主要问题是，执行数据一般不向上几十组，复杂的合金材料元素有十几种。左证信得过数据，不及以素养模子。咱们聘用了大模子范式，愚弄仿真数据生成多数低质地的数据，以及找到的文件数据，进行预素养。使得使用极少、高质地数据素养时，模子不是从 0 启动。

咱们打造了一套多元材料 AI 仿真系统，通过大模子范式来研发材料。通过我方搭建的仿真平台蓄积了海量仿真数据，与国度级材料要点执行室结合，基于谋略热 / 能源学至极驱动的 AI 学习行径进行材料开发，构建了十一元合金热力学数据库。

这些数据为大模子赋能构建了基础。在算法层面，相连材料巨匠学问想象了多个巨匠模子，从宏不雅到微不雅的角度建模了因素 - 组织 - 性能的干系。终末在谋略平台上通过配方寻优算法，从1016 万种配方中找到了适合小米需求的小米泰坦合金。

这套系统不仅不错应用于汽车，还能用于手机等更多家具的材料研发中。

值得一提的是，小米泰坦合金是一种高强高韧的免热处理环保压铸材料。咱们在制备小米泰坦合金时加入 30% 的轮回铝，每个零件齐备碳减排 352.53Kg，峰值产能特地于每年多培育 488 万棵树。

第二个质检方面。

一体化压铸成型后，由于材料、温度、工艺等因素影响，压铸件可能会产生各式里面颓势。需要对统统这个词零件进行全场所检测，在高质地范例下，需要精确识别出毫米级颓势。东谈主工检测会存在个体相反性和主不雅判断情况，不同检测员对颓势界说、范例有所不同。同期还存在永劫刻检测带来的疲惫和可贵力问题。

因此，咱们搭建了视觉大模子质地判定系统，省略检测出毫米级别的颓势，并识别颓势的类型、大小，为工艺优化提供依据。它的准确率向上 99.9%，即使是肉眼难以识别的轻细颓势，也能赶紧查清，检测着力和检测精度，齐有宏大提高。

视觉大模子质地判定系统背后搭载的是咱们自研的工业质检大模子。大模子以及关联的 Agent 本事，齐需要用户提供 Prompt 来抒发意图。可是，在工业场景中，咱们的规画是齐备无东谈主工交互全自动化部署，因此，咱们建议一种端到端的质检大模子，无需任何东谈主工交互。

在大模子素养方面，通过半监督行径进行素养，只需极少东谈主工标注即可达到相等高的性能。此外，咱们还优化了大模子解码器，匡助边际分割愈加丝滑，精确统计二维图像颓势面积，猜测三维尺寸。

" AI 界说汽车"的新拐点

自从特斯拉建议"软件界说汽车"倡导以来，目下汽车行业正迎来从"软件界说汽车"到" AI 界说汽车"的新拐点，这个拐点的记号即是大模子在汽车上的应用。

那么，如何齐备用大模子赋能汽车制造，使其制造走向智造，我觉得有三个方面。

第一个方面是数字化的基建。数据是大模子期间最宝贵的金钱之一，与互联网比较，工业制造行业的数字化进程还有待提高，导致数据难以获取。

关于小米而言，咱们对数字化赞助相等心疼，从最初的开拓选型上，咱们就充分接头了需要集结哪些数据、并把能否数字化算作开拓选型的艰苦依据。将这些开拓产生的数据进行闭环经管，不错握续为工业大模子注入血液。

第二个方面是范例。汽车智能化上，在国度、政府的相沿和鼓动下，好多优秀企业齐作念了我方的探索。可是还存在于点状的、自觉的景色。如何建设数据范例、行业范例，齐备产业转折游协同，需要持续勉力。

第三个方面是大模子。大模子是当下热门，但目下也曾以互联网商讨、应用为主。如何探索适应工业场景的大模子本事，齐备智能感知、智能预警、智能决策，深度赋能汽车智能制造的各个设施，齐备 AI 界说汽车，还有很长的路要走。

终末，小米在工业智能化转型作念了一些探索，我在这里也投砾引珠作念了一些共享，也期待越来越多的 AI 东谈主才、巨匠的加入，齐备制造业的智能化变革。

谢谢群众！

—  完  —

点这里� � 关怀我，铭刻标星哦～

一键三连「共享」、「点赞」和「在看」

科技前沿进展日日相逢 ~