AI技术在汽车服务行业垂直领域的应用

多客科技

作者：微信文章


用AI重塑或者改造一个大型传统服务业，其实还是挺难的，有些东西甚至是要多次推倒重建。中国汽车有1.4万亿产值、3.4亿台车，算是大型服务业，AI在这个领域的垂直应用，值得分析，另外我在这上面也交了足够多的学费。

首先讲一下4S站的来由，讲一下为什么汽车产业能在短短的20年时间内发展到如此规模，走过了别的国家上百年的历程的原因，……

我原来是搞润滑油、燃油清净剂研究的。8、90年代我们引进国外的技术，但中国的实际情况是什么？如何与之匹配？谁也不知道。

掌握原理之后还需要根据实际情况去调整。什么叫实际情况？那就是车型、道路交通、燃油现状、排放要求等等，当年是一团乱麻。只能是观察现象，建立模型，穿越混沌。

2003年做油品研发的时候碰到一个大困难，就是我看不到发动机内部，确定不了最后的配方，于是就想到用内窥镜去拍摄发动机内部。十几年下来积累了几十万份发动机内部的影像数据。这一点很重要，叫基础数据的采集，说白了就是从大规模的统计数据中找规律，无非是统计学原理的应用。只不过那时候我所采集和保存的基础数据就是照片，也就是图像。

虽然人们说2025年是AI元年，但事实上它的大规模应用是在2016年，那时叫人脸识别技术。之所以记得这么清楚是因为从那时开始我们开始利用自己从2003年就开始采集的图像数据库，去开发自己的AI智能影像检测系统了。早期的图像识别技术是AI最基本的应用。

正式走向市场是2019年。那时候叫“发动机智能影像检测”，我们凭此成为专精特新的AI企业。同时我们也开始进一步采集更多的基础数据，而不仅仅是燃油发动机了，逐步发展到包括电动车在内的130多个部位的采集，然后继续归纳和整理、提炼。

这种工作当然要从B端做起，你得去主机厂、4S站，然后一路往下，而且还要到全国各地去调研测试，因为他们的情况都不一样。我们采集了千万组汽车零部件数据，建立数十个车检知识库，整理覆盖3300种车型的维修案例库，建立知识图谱。然后AI化，再和他们讨论这些数据对他们有什么样的应用和帮助。

当然要顺便变现，这也算我们在做商业模式的测试吧。不然我还真就成了一个只是做科研的机构了。毕竟所有的资金都是我们自己筹集。

那时候我们叫“检诊疗”，也就是检查、诊断、治疗。通过检测发动机内部情况，然后与大数据库进行比对的方式去协助维修站更好地服务车主。

维修企业中有人觉得这个项目很有价值，有人觉得是脱了裤子放屁。因为老中医都习惯了望闻问切，不愿意去读片子。

不愿意改变，是推动一个新技术的大规模应用过程中必然碰到的现象，我们只能努力从让1%的人接纳，到2%的人接纳…直到更多的企业开始接纳。只不过这个过程实在是太难了，又碰到大萧条，就更困难。

我们现在已经服务了600多家4S店，愿意改变的汽车服务企业也越来越多了。大萧条以来他们的日子也不太好过，接受改变的意愿在逐渐增强。

同时，3.4亿的车主虽然同样也是面临消费降级，但他们的汽车仍然需要被维修保养，直到二手车交易，不然贬值更快。我们做到了从主机厂、4S集团、社会连锁维修，一直到保险公司和二手车交易的全产业链系统开发和测试。

将来人工智慧怎么实现？我觉得最重要的就是把高度非线性化的经验，是将人类的智慧和创造力，通过机器去实现。所以人们才说AI的下一个风口是服务业，因为服务业的变化量太大了。但前提是你需要大规模地采集基础数据，不然AI就只能一本正经的胡说八道，这就是现在人们所谓的“幻觉”，我想大家在用豆包的时候会碰到这样的情况。

算法和算力不是我们普通企业能搞定的事。但当它们搞定了我们接着怎么做？那才是我要考虑到事。算法和算力确定之后，AI怎么落地？

前面说了，首先，基础数据的广泛采集，是最初始的数据资产原料，否则一切研发都是无本之源。我们一边采集基础数据，一边在艰难地等待新的AI技术诞生，就像电脑软件从DOS系统到Windows系统诞生一样，每一次新技术的出现都会让我们跟着辛苦一阵，然后，被放弃，因为又有新的算法诞生了。

这是没有办法的损耗，因为我们不能等，也不知道哪一天才能等到AI中的Windows，例如从ChatGPT，到DeePSeek…

其次是怎么把顾客的需求，车辆的故障，以及维修工的经验，用AI技术揉在一起？也就是智能化、智慧化。这同样也是变量极大的事情，我们也已经做完了。里面当然有一定的技术机密和技术壁垒，就不多说了。

其实不是我卖关子，是因为技术上的事讨论起来太专业，三言两语讲不清楚，我们交了不少学费，也走了很多的弯路。

最后第三步，就是怎么大规模的推向市场，那就是我们现在在干的事。

我之所以反复强调大规模采集基础数据对重塑某一个行业的重要性，是因为它太难了，同时AI底层技术又还不够成熟，小行业的AI化其实意义不大，得不偿失而且风险巨大。

AI对服务行业的重塑和改造听起来激动人心，做起来其实是很难，尤其是开始阶段，是一个风险很大的事，我个人为它准备了22年。既需要厚积薄发又要随机应变，还需要坚忍不拔。

其实这个过程和我早年做燃油清净剂的研发过程差不多，都是一项新技术从诞生到推广应用的过程，只不过这个大多了，它是一场颠覆式的革命。

未来的确很美好，但前面的基础工作太重要。对行业的深入研究，大规模基础数据的采集，对未来趋势的把握和研判，然后据此分析提炼数据，建立系统，不断调试。最后还要交回到市场即B端、C端供他们使用。而且这个应用过程，也是需要反复调试的。

在应用推广时，你只能先去辅导B端，把B端的事情搞好了才能去针对C端展开教育，告诉他们：喂，你们现在可以享受什么样的福利了。所谓的汽车服务业，最终肯定是要服务车主的嘛，车主又不能自己修车。

把这一切做完，你的商业模型才算完毕。

这其实是一个生态链的重建。汽车是衣食住行这四种基本需求中的一个，所以根本就不仅仅局限于汽车，也不局限于燃油车电动车，或者自动驾驶会不会到来，而是拥有3.4亿台车的人，怎么去服务好他们。你甚至可以去服务海外的汽车服务市场。所以前景还是比较广阔的。

至于汽车会不会消失？人类会不会不再开车？还是不是需要修？那其实是不用去过度担心的事。

附：这些年，总碰到有人要求我“一句话把自己做什么讲清楚”，但我总是讲不清楚。现在我知道原因是什么了，因为那时候AI的垂直应用根本还没到来，这件事情还不存在，人们也不知道AI是个啥，甚至在采集基础数据的时候，我也不知道将来能用什么样的技术找到它们之间的规律，更谈不上怎么去具体商业应用了。我只知道它应该有用。即使我讲清楚了自己的想法，别人也听不懂。谁能听懂一个还不存在的事物呢？就像当年的马云。

终于熬到了用一句话能把自己几十年来做的事讲清楚的那一天。我们就是在做“AI技术在汽车服务行业垂直领域的应用”。

太难了。