• 亢奋的是各行业的头部企业都展现出对AI的极大热情和决心；
• 焦急的是如何尽快将客户的“战略热情”转化为落地合作项目；
• 憧憬的是AI对各行各业可能带来的巨大变革；
• 无助的是除了提供基础大模型之外很难帮客户做到AI+的大规模实质落地。

• 一方面，AI大模型在技术层面带来了无限可能，每个人都能展开无限美好的想象；而且它在极短时间内，塑造了最广泛的社会共识和创新驱动力，大家都认同这是革命性的变革并急于启动这个变革。
• 另一方面，AI大模型的应用场景、应用方式还缺少时间去探索和验证，除了ChatGPT、Sora等几款通用的大模型产品外，至今还没有多少“爆款”应用（2B领域甚至还没有几款真正体现出显著生产力价值的应用）。

• 战略层都认为AI是必须跟进的技术变革，是重要且紧急的战略命题，高层极度重视且焦急；
• 中间层尝试征集大量场景创意和开展技术验证，但由于场景碎片、技术不够成熟、应用价值不够明显等诸多问题，始终难以完成坚实可靠的可行性论证，难以将战略要求转化为实施路径，越来越无奈；
• 基层提出了很多的细碎场景，在技术投入有限的情况下，实际验证效果不够明显，难以形成强有力的业务驱动性创新，热情在逐渐消减。

• 面对的客户太多太热情，各行各业知名企业登门拜访，团队应接不暇；
• 技术与产业应用价值之间还存在较大的“鸿沟”，既难以满足不同行业的全面深度解决方案要求，也难以在很多应用点上作出特别显著的应用价值；
• 整体合作还是“非标”的“创新性、探索性、前瞻性”合作，业务过程和结果的不确定性较高，难以形成标准化的高效率打法。

• 为了能跨越汽车研发设计领域与AI技术领域的“鸿沟天堑”，努力“勘察设计”出连通二者的“桥梁”，整理成AI+汽车研发设计领域的“三维矩阵”
• 一维（汽车结构要素）：从整车系统，到各个零部件
• 二维（汽车研发过程）：从产品定义，到样车交付
• 三维（AI应用模型集）：图形模型、参数模型、流程模型、决策模型
• 为了让AI+的应用开发能落地，努力研究应用场景与AI技术本质，细化明确了AI+的不同产品形态、不同技术路线和不同开发方式，已与AI领域顶尖技术团队达成了明确的技术合作
• 为了能借力并融合全球最顶尖科技创新力量，努力研究创新合作共赢可能，已与英伟达、西门子、飞书/字节等全球头部企业，在协同创新合作方面达成具体共识
• 为了能商业化、工程化、批量化地组织AI+的应用开发，正在努力探索AI应用开发的工作流、工具链、人员模型、激励机制，计划组织起最高效的AI+应用开发体系
• 为了能凝聚全国甚至全球汽车研发领域AI+创新的共识，努力提炼AI对汽车研发设计带来的革命性变革，提出“基于AI面向用户的‘体验+性能’双轮驱动的整车研发模式（数智化系统）”框架，初步得到众多整车头部企业研发设计领域专家团队的认可
• 为了能让AI+的创新计划形成健康可持续的商业闭环，努力研究和规划项目商业模式，确定“数实融合”的发展方向

————

• AI+的应用创新逻辑：认知计算 => 产品-认知拟人、个体-认知交互、组织-认识协同、产业-认知互联

• 用文字思考：开放思维接口，连通AI世界

• AI应用产品开发的误区和挑战

• 大中型企业AI+落地的误区和挑战

• AI应用开发：知识工具化、知识服务化

• “系统1+系统2”构建完整认知智能

• AI时代智能工作台展望

• 用文字思考、用文档工作