10月下旬北京，TsingtaoAI派驻专家为某央企汽车集团开展AI技术在产品研发领域的应用场景及规划实训。TsingtaoAI为该汽车集团量身打造的AI技术实训直击研发痛点，系统呈现AI在汽车全研发链的落地实践。实训聚焦2025年行业前沿：从机器学习驱动的高精度缺陷识别到BEV+Transformer架构的环境感知系统，从数字孪生虚拟碰撞测试到大模型赋能的智能座舱交互革命。

实训创新性地将技术深度与业务场景无缝融合，详解特斯拉FSD V12端到端神经网络、奥迪R8复合材料智能铺层、宝马iNEXT动态NeRF道路重建等标杆案例，更包含实操性极强的"AI产品规划和项目实施"模块，直面数据孤岛、算法偏见、人才断层等现实挑战。特别设置的分组讨论环节引导学员从自身研发痛点出发，制定可落地的AI实施路线图，确保技术赋能不流于概念，真正助力该汽车集团在2025智能化转型关键期抢占技术制高点。

【面相对象】

该央企汽车集团一线研发人员

【实训目标】

￮ 理解AI的基本概念及其在汽车产品研发中的重要性

￮ 探索AI技术在产品研发不同阶段的应用

￮ 学习该汽车研发集团在产品研发中的AI具体应用和规划

￮ 从行业案例中获取经验和最佳实践

【实训大纲】

模块一：汽车研发中的关键AI技术

学习成果：

•熟悉汽车研发中使用的主要AI技术。

•理解这些技术在产品开发不同方面的应用。

关键内容：

•机器学习：

￮类型：监督学习、非监督学习、强化学习。

￮应用：预测电动汽车电池寿命、需求预测、优化供应链。

•计算机视觉：

￮技术：物体检测、语义分割、深度估计。

￮应用：行人检测、车道线识别、交通标志识别。

￮示例：CNN用于自动驾驶中的图像处理。

•NLP：

￮技术：基于Transformer模型的文本分析。

￮应用：分析客户反馈、生成需求文档、开发智能语音助手。

•机器人与自动化：

￮技术：cobots、自动化装配线。

￮应用：优化制造流程、提高生产效率。

示例：

•机器学习用于预测新能源汽车电池的老化趋势。

•计算机视觉用于检测焊接缺陷，确保制造质量。

•NLP用于分析社交媒体评论，改进产品功能。

案例研究：

•如何使用机器学习进行预测性维护。

•如何利用计算机视觉进行质量控制。

模块二：AI在产品设计与模拟中的应用

学习成果：

•探索AI如何增强设计过程和模拟在汽车研发中的作用。

•理解AI在优化设计和缩短开发时间方面的益处。

关键内容：

•生成式设计：

￮使用AI生成多种设计方案，优化重量、强度和空气动力学性能。

￮工具：如Autodesk的生成式设计软件。

•AI在CAD中的应用：

￮自动化设计流程，减少人工干预。

￮示例：AI优化车身结构以降低油耗。

•模拟和虚拟测试：

￮AI驱动的数字孪生技术，用于模拟车辆性能。

￮应用：虚拟碰撞测试、动力学模拟。

•2025年趋势：

￮生成式AI在软件开发中的应用显著提高设计效率。

示例：

•使用生成式设计创建轻质、空气动力学优化的车身部件。

•AI驱动的工具用于模拟电动车电池热管理。

案例研究：

•如何使用AI设计电动车平台。

•如何使用AI模拟车辆动态性能。

互动环节：

•讨论：AI如何帮助优化您当前的设计流程？

•演示：展示生成式设计工具的实际应用。

模块三：AI在测试与验证中的应用

学习成果：

•学习AI在测试和验证过程中的应用。

•理解AI如何提高测试的效率和准确性。

关键内容：

•AI驱动的自动化测试：

￮自动生成测试用例，检测软件和硬件中的异常。

￮示例：AI用于测试车辆嵌入式系统。

•预测性维护：

￮使用机器学习预测组件故障，延长车辆寿命。

￮示例：预测刹车系统磨损。

•AI在碰撞测试和安全模拟中的应用：

￮模拟碰撞场景，优化车辆安全设计。

￮示例：AI分析碰撞数据以改进车身结构。

•2025年趋势：

￮AI驱动的质量控制技术显著降低测试成本。

示例：

•AI预测变速器故障，减少召回成本。

•AI驱动的测试自动化用于验证自动驾驶软件。

案例研究：

•如何使用AI验证自动驾驶系统。

•如何使用AI进行制造质量保证。

模块四：AI在智能连接汽车中的应用

学习成果：

•理解AI在开发智能连接汽车中的作用。

•探索自动驾驶和车联网通信背后的技术。

关键内容：

•车辆自动化水平：

￮SAE 0-5级自动化的定义和现状。

￮Level 4自动驾驶在特定场景下的应用。

•ADAS中的AI组件：

￮自适应巡航控制、车道保持、自动紧急制动。

￮示例：AI处理传感器数据以实现精准控制。

•V2X通信：

￮车辆间通信、车辆与基础设施通信。

￮示例：AI优化交通流量，减少拥堵。

•数据管理和安全性：

￮数据隐私和网络安全在连接汽车中的重要性。

￮示例：AI检测网络攻击，保护车辆数据。

•2025年最新发展：

￮传感器融合技术提升自动驾驶感知能力。

￮监管框架的进步推动Level 4/5自动驾驶的商业化。

模块五：行业案例研究与最佳实践

学习成果：

•从其他汽车公司的成功AI实施中学习。

•理解管理AI项目在研发中的最佳实践。

关键内容：

•案例研究：

￮AI在电池技术和自动驾驶中的应用。

￮数字化生产。

•共同挑战：

￮数据质量和算法偏见。

￮人才短缺和技能培训需求。

•最佳实践：

￮数据管理：建立高质量数据集。

￮人才招聘：培养跨学科团队。

￮项目管理：敏捷开发与AI整合。

互动环节：

•小组讨论：哪些案例对您的工作最具启发？

•问答：解答关于AI项目管理的疑问。

模块六：AI在汽车研发中的未来趋势与挑战

学习成果：

•预测AI在汽车研发中的未来发展。

•讨论AI采用的挑战和伦理考虑。

关键内容：

•新兴AI技术：

￮生成式AI：加速软件开发和设计创新。

￮量子计算：优化复杂模拟和优化问题。

•AI在可持续出行中的作用：

￮优化能源效率，减少碳排放。

￮支持智能城市中的交通管理。

•伦理问题：

￮AI算法中的偏见：如何确保公平性？

￮数据隐私：保护用户数据安全。

￮网络安全：防止AI系统被攻击。

•劳动力转型：

￮再培训和提升技能以适应AI时代。

￮AI如何改变研发工程师的角色。

•2025年展望：

￮AI将成为汽车创新的核心驱动力。

￮企业需应对预算限制和数据管理挑战。"

科创企业 总裁&COO

海尔卡奥斯工业互联网平台 汽车智能制造行业总经理

上汽大通智能制造平台-“蜘蛛智选”产品总监&首席架构师

上汽智慧出行平台 产品运营总经理

一嗨租车 产品总监&海外BU总经理

港股上市科技独角兽 AI业务线负责人

A股上市百亿级集团公司 数字化转型总监

华东师范大学通信与信息硕士

复旦大学科创企业家营

IEEE FTS AI咨询与培训中心特聘专家

985科创投资赋能联盟

中国工业互联网大赛三等奖

生成式AI行业应用专家，科创企业经营管理专家。精通汽车智能制造、医疗健康TMT、文旅出行AIOT、智能消费电子等行业战略顶层规划、商业模式设计、市场营销运营和数智化平台建设，善于依托技术革新为企业找到创新盈利模式。

17年2C/2B/2G 集团级科创业务顶层规划、战略解码、平台建设、业务运营推广经验，历任上汽、海尔等多家世界500强龙头企业的经营管理、业务和产品创新负责人。

精通汽车行业AI数智化转型，善于帮助汽车主机厂、经销商、零配件供应商、租车公司等汽车生态圈上下游企业，构建软件定义汽车、智能制造、智能营销、智慧供应链、智慧出行等综合解决方案和实操路径:辅导过上汽大通、宇通、吉利等TOP10主机厂的C2M以用户为中心的软件定义智能制造解决方案落地和AI智能营销应用推广:上汽延峰的智慧柔性供应链解决方案落地:以及一租车和涂鸦智能的智慧出行AIOT方案商业化路径。

计算机科学与技术专业博士，专注于语义分割、3D目标检测、增量学习和主动学习领域。一作发表CCF-A和一区trans四篇，共发表一作CCF-B以上论文6篇。具备扎实的理论基础和丰富的工业界实践经验。

中国科学院大学 | 博士 | 计算机科学与技术学院

研究方向：语义分割，3D目标检测，增量学习，和主动学习

GPA：3.52/4.成果：一作发表CCF-A和一区trans四篇，共发表一作CCF-B以上论文6篇

职业履历

阿里巴巴 | 多模态大模型

负责VLM模型的调研和研究

对多模态的特征对齐和解码器层的细粒度进行研究

相关论文投稿ECCV和NeurIPS

联想研究院 | 研究院

负责预研大模型和occupancy的相关工作，建立多模态模型的baseline

研究大模型的灾难性遗忘问题

使用主动学习的策略低成本获得大模型训练的海量数据集

负责调研camera-only，Lidar，和多模态的3D目标检测，并参加CVPR2023的自动驾驶比赛

OCDC恶劣天气自驾比赛亚军

负责调研最新的3D目标检测和点云语义分割进行复现，并进行相关改进

地平线机器人 | 智能座舱人像分割和行为检测

进行人像的实时matting

提出了一个结合显著性检测和matting技术的分割策略

商汤科技 | 3D目标检测分割

采集室内和室外各种场景下的数据并写数据载入程序

业务代码的训练和测试，选择高质量的网络利用充足的数据进行训练

在三维目标检测和分割领域，进行最新的论文分享并复现

研究成果

一作论文

Incremental Few Shot Semantic Segmentation via Class-agnostic Mask Proposal and Language-driven Classifier

ACM MM | CCF-A

针对类别增量的小样本语义分割问题，将mask提取和分类进行解耦，提出了一个类别无关的mask proposal模块和语言驱动的分类器，达到SOTA。

Class-incremental Learning for Semantic Segmentation in Aerial Imagery via Distillation in All Aspects

TGRS | CCF-B | SCI一区TOP

针对持续分割问题，提出了基于密集特征蒸馏和高置信度伪标签生成的类别增量分割方法，达到SOTA。

Pixel-level Feature Generation and Task-wise Distillation for Continual Semantic Segmentation

TGRS | CCF-B | SCI一区TOP

提出了像素级别的特征生成和学习任务为单位的知识蒸馏，在更长的学习任务上获得了出色的效果。

Boosting Semantic Segmentation of Aerial Images via Decoupled and Multi-level Compaction and Dispersion

TGRS | CCF-B | SCI一区TOP

针对航拍图像的分割更多依赖自身纹理颜色特征，且类间特征差距很小的特点，设计了一个解耦的并且使多层级的类间特征分散和类内特征聚合的损失，获得了非常显著的效果。

MBNet: a multi-resolution branch network for semantic segmentation of ultra-high resolution images

ICASSP2022 | CCF-B

针对高分辨图像无法直接放入GPU的问题，提出了多分支网络使得实际感受野超出单个patch从而提高精度，同时减少显存的占用。

Decouple the High-Frequency and Low-Frequency Information of Images for Semantic Segmentation

ICASSP2021 | CCF-B

将图像的高频和低频分离输入不同backbone分别用于物体内部和边缘分割，从而提升边缘的分割准确度。

DenseNet-Based Land Cover Classification Network With Deep Fusion

GRS Letter | CCF-C | SCI二区

设计一个密集的特征融合机制大大提高了边缘复杂交错的航拍图像的分割精度。

UHRSNet: A Semantic Segmentation Network Specifically for Ultra-High-Resolution Images

ICPR2020 | CCF-C

设计patch互助机制使得周围信息可以充分融合，在有限的计算资源下可以获得精度的提升。

Global-local Attention Network for Semantic Segmentation in Aerial Images

ICPR2021 | CCF-C

使用了全方位的注意力模型进行语义分割。

二作论文

Fusing Multitask Models by Recursive Least Squares

ICASSP2021 | CCF-B

使用递归最小二乘来融合多任务模型。

Dual Relation Distillation for Semantic Segmentation in Aerial Scenes

PR | CCF-B | SCI一区 | 大修阶段

提出了一种新的对偶关系蒸馏(DRD)技术，将特征映射中的空间关系和通道关系从繁琐模型(教师)转移到紧凑模型(学生)。

在审论文

Edge-guided and Class-balanced Active Learning for Semantic Segmentation of Aerial Images

TIP | CCF-A

主动学习可以只用少量的标注数据使模型训练获得非常有竞争力的性能，提出了边缘引导和类别均衡的主动学习策略。

The Binary Quantized Neural Network for Dense Prediction via Specially Designed Upsampling and Attention

TIP | CCF-A

针对密集预测任务中的二值网络，设计了一种简单有效且鲁棒的多分支并行上采样结构。

Boosting General Trimap-free Matting with Coarse Annotations via Data Generation, Network Structure and Training Strategy

ACM MM | CCF-A | 在审

发布一个19K的目前最大的抠图数据集，并对图像抠图的各个方面进行优化。

项目经历

Active Learning数据闭环自标注

设计了一个图像分割的主动学习框架，集成了7种学习策略

可以在标注人员很少的参与下使模型训练获得很好的性能

实验室项目

遥感图像语义分割系统：申请两个软件著作权

绘图识心：根据字迹判断心理项目

道路摄像头多目标检测

安卓系统法人中文手写文字识别APP

Kinect关键点采集和手环人体数据采集

比赛经历

商汤科技首届AI遥感解译大赛 组长

图像分割排名：1/图像变化检测排名：32/155

2021全国数字生态创新大赛-图像分割智能算法赛 单人参赛

排名：79/4284

TsingtaoAI企业实训业务线专注于提供LLM、具身智能、AIGC、智算和数据科学领域的企业实训服务，通过深入业务场景的案例实战和项目式实训，帮助企业应对AI转型中的技术挑战。其实训内容涵盖AI大模型开发、Prompt工程、数据分析与模型优化等最新前沿技术，并结合实际应用场景，如智能制造、医药健康、金融科技和智能驾驶等。通过案例式学习和PBL项目训练，TsingtaoAI能够精准满足企业技术团队的学习需求，提升员工的业务能力和实战水平，实现AI技术的高效落地，为企业创新和生产力提升提供强有力的支持。

同时，TsingtaoAI公司并不是一家单纯的实训机构，我们同样是一家AI产品开发公司，公司核心团队主要也都是由技术和产品人才构成，公司团队大部分成员在大模型时代之前就在从事AI产品相关的工作。公司在过去一年里，为10余家客户开发了AI相关的产品，涵盖医疗、教育、智能制造、人力资源等领域。相信我们在AI产品开发和客户服务的过程所形成的认知和方法论，能对贵司的需求有更深更细的洞察和理解，也能提供更深入业务肌理的“AI能力获得”。