长安汽车谭颖聪：从单点AI到工厂级智能，跨越四个断层是关键

“能力多了之后，并不代表整个工厂更加智能。”7月3日，在由盖世具身智能主办的“2026具身智能产业场景融合大会”上，中国长安汽车副总工程师谭颖聪指出，当前制造业AI应用虽越来越多，但大多仍是“点状能力”，即一个场景做一个模型，一个问题做一个应用，一个工厂做一个项目。下个阶段的关键，是从局部智能走向整体智能。

中国长安汽车副总工程师谭颖聪

谭颖聪认为，制造业的演进分为四个阶段：自动化解决了效率问题，数字化解决了连接问题，AI应用解决了认知问题，而未来工厂需要进入第四个阶段。该阶段，整体智能，让质量、设备、能源、工艺、物流等各个域实现协同，并进入业务流程实时产生价值。

之所以迫在眉睫，是因为汽车制造正面临三个趋势：生产越来越柔性化，多车型小批量快速切换成为常态；系统耦合度越来越高；决策需要更加实时。

但当前建设未来工厂面临四个典型断层：数据断层——设备、质量、工艺、生产数据分散在不同系统，难以形成统一链路；知识断层——现场经验、工艺规则、判定标准还停留在老师傅和文档里；流程断层——AI分析结果很难自然进入业务判断流程；执行断层——AI给出判断后，现场通过什么载体去执行仍是问题。“AI落地目前的效率问题，今天是普遍存在的。”

谭颖聪将未来工厂的能力拆解为三个关键词：自主运行——系统实时感知现场状态并驱动执行；自主协同——各域、各系统跨域联动而非割裂；持续进化——每次业务动作后都能沉淀知识、优化流程。三者协同，便构成了他所说的“智能体”。

他特别强调，工厂的智能体不是简单的聊天机器人、大模型或RPA流程，而是面向制造任务的智能单元。其需要理解任务目标、组织跨域知识、联动实时数据、结合业务流程，最终驱动数字化系统或现场设备将决策落实到物理世界。

在实践方向上，长安围绕质量、设备、能源、生产四个领域展开探索。质量方面，缺陷判断往往涉及工艺、设备、物料、人员及历史问题的综合归因，智能体可辅助做改善方案推荐和落地跟踪；能源方面要结合温湿度、光照、生产负荷和用能策略做整体诊断；生产方面则需协同瓶颈、偏差、异常和物料，实现实时识别与动态调整。

面向未来，谭颖聪提出“平台、数据、智能体三位一体”的建设路径，分三个阶段推进：先打好基础、跑通单场景闭环；再拓场景、优化模型，实现点到面复制；最终建立决策中枢，实现多方向自主决策。“智能体会越来越像工厂里的数字员工或数字专家，需要跟人协同，也能独立判断，帮工厂更快感知问题、更快做出判断、更稳定地执行。”

-----------

盖世汽车具身智能社群目前已覆盖

域控、智能底盘、辅助驾驶

软件定义汽车、半导体、激光雷达...