AI赋能和速成车之间，真的能划等号吗？

AI造车、速成车，可能是今年车圈最被热议的话题了，而很多人对此也持不同的态度。

一边认为AI让研发周期从五十五个月压到二十六个月，仿真分析效率提升十倍到二百倍，看上去工程师这个职业快要悬了。

另一边是各种警告，说现在的车都是速成车，消费者成了免费试车员，这个行业已经快得不像造车了。

两种说法都把AI当成一个整体，非黑即白。

10月21日在北京开的2026世界智能网联汽车大会全体大会上，中国工程院主席团成员、国家质量强国建设专家咨询委员会主任委员钟志华的发言，恰好把这个整体切开了一道缝。

他讲的是研发现场的事。造型怎么出，结构怎么算，重卡怎么跑。整场听下来，最有分量的不是那几个倍数，是给AI划的那条边界。

钟志华提到，其团队在CAE仿真领域引入AI之后，分析效率提升10到200倍，精度同步优化。覆盖的场景写得挺具体，碰撞仿真、结构性能优化、振动噪声。

这三项有一个共同点，都能写成方程。材料什么时候屈服，能量在哪一段被吸掉，车身模态在哪个频率上共振，有限元模型里都有物理定律可依。

模型对了，剩下就是算力和时间，而算力恰恰是AI能省下来的那一段。

造型那一侧的逻辑不同。团队与清华大学合作，数分钟内能生成上万个满足硬件约束的初步方案，组合出人一时想不到的形态。但上万个方案里选哪个，还得人来定。AI负责把候选池撑大，审美和取舍留在人这一侧。

控制这一层，团队做的是智能集成车辆稳定控制系统，把过去分散的底盘控制模块整合成一体，实时感知轮胎与路面状态。

自动驾驶则主攻商用车，聚焦重卡物流的引导式自动驾驶，用无驾驶室的全新平台，以1 车配1名司机、2车组队协同的模式，替代现行的1车2名司机。钟志华测算，国内2000多万卡车司机的劳动强度与运输运营效益会因此改观。

感知这一侧也有新东西，能识别结冰路面、积水、塑料障碍物这些传统摄像头不擅长的场景。

海外的公开案例方向一致。捷豹路虎把计算流体力学的仿真吞吐量从每天50个作业提到1500个，通用把设计迭代周期从两周压到一分多钟，本田做到34倍加速。

日产把整车开发周期从55个月压到26个月，新一代Skyline是头一个按新流程走完的产品，2026财年这套流程要覆盖约九成车型项目。宝马的虚拟工厂把新车投放验证从四周压到三天，法拉利把物理样件需求降了四成，康明斯把发动机开发样件降了一半。

但同一份行业调研里还有一组数，方向是反的。企业高管对AI输出结果的信任度，在上游研究与概念阶段是59%，设计阶段49%，测试与验证环节44%，开发环节40%。

越靠近最终交付物，信任越低。只有5%的组织认为自己的AI治理模型算得上成熟，能追溯数据、假设与判断理由的只有41%。

这组数字说的事很朴素。离物理越远的环节，AI说话越好使。

钟志华对焦虑的回答是，AI基于全球已有资料生成方案，能显著拓展人的智力上限，却替代不了跨领域的颠覆性创新。

他举的例子是车身地板的一体化压铸。

这个工艺的良率难题行业里都清楚。一家老牌压铸企业的工程师给出的数是，一体化压铸件平均合格率65%到85%，传统压铸件是95%，传统冲压焊接能到98%以上。

报废原因也排得出来。气孔与缩松占三四成，尺寸变形占两三成，欠铸与冷隔占一成半到两成，剩下是表面缺陷。

这些数字全是报废率堆出来的，计算给不出答案。

所以他提了八新联动。工艺出了问题不能只盯着工艺改，要联动结构优化，甚至往上动底层平台。这八个方面具体怎么排，报道里没有展开，但这句话的逻辑很清楚，良率从来不是一个工艺参数的事。

行业这两年的动作也在印证。

特斯拉2024年从全底盘一体成型的激进方案，退回到三段式压铸。蔚来ES8只做后地板，前舱、侧围这些碰撞关键区域还是传统冲压焊接。大规模铺开的还是6000吨到9000吨这个区间。

有压铸企业高层表示，1万吨级已经覆盖主流车型的结构件需求，继续往上堆吨位，边际收益在递减。

代价也能看见。文灿为问界M9做的那套模具，动模尺寸3.7米乘5.3米乘1.8米，重91吨，定模65吨，合起来156吨，单是这套设备就超过1亿元。

压得越大，出一个缺陷的代价越高。一位压铸行业的资深从业者说，有时候增加一两个零件，反而让整个车身更靠谱。

更根本的那一层是时间。金属疲劳要时间，橡胶老化要时间，电池循环充放和盐雾腐蚀同样要时间。今年成都车展上，多位车企高管说过一句差不多的话，这些时间一分钟都省不出来，也不能用AI模拟去替代。

东风汽车的研发人士举过一个反向的例子。高速公路坍塌、地震这类极端工况，真实路测很难复现，仿真恰好能补位。仿真和实车各自管一段，谈不上谁替谁。

问题在边界。仿真擅长提前找出已经知道该找什么的问题，实车测试的价值，是把电脑没想到的问题逼出来。

钟志华给行业的建议落在人这一侧。汽车人才培养要把AI能力与力学、材料、物理、化学的传统根基放在一起。这几门恰好都是AI生不出新定律的学科，也是那条边界划在哪儿的由来。

速成车的操作其实有两套，都被点过名。

一套是设计验证和量产验证只做一项。北京现代总经理李凤刚在2026中国汽车论坛上讲过，有的品牌只做其中一项，结果是生产一致性差、质量波动大。手工样件测得再漂亮，量产工艺对不上，车到用户手里就是批量问题。

另一套是极限工况缩水，用仿真数据充账。有报道提到，某新能源车型的门把手计划测 1 万次，其中约2000次用实物，剩下8000次由电脑完成。

三高测试在多数情况下还只是推荐性标准，没有强制核验，只拍宣传素材、不做全周期耐久的情况被媒体点过。

崔东树的判断更直接。近两年改款与迭代的节奏过于激进，不少车型为抢流量仓促上市，后续靠OTA修补硬件缺陷、优化安全逻辑，把先验证后交付的顺序颠倒了。制动的、车身的、底盘的核心硬件问题属于设计缺陷，软件迭代修不回来。

这里面有一笔旧账。

2005 年版的新能源车定型试验规程定过一条减半规则，燃油车跑3万公里，电动车跑一半就够。那会儿全国新能源车产销不足万辆，是产业培育期的特殊照顾。二十年过去，这条规则一直没跟上产品。

今年8月，全国汽车标准化技术委员会就三项新能源汽车定型试验规程的修改单公开征求意见。

纯电动的可靠性行驶试验总里程，从现行的1.5万公里提高到不低于3万公里，与燃油车对齐。混动同样不少于3万公里，插混还要额外完成不少于1万公里的纯电模式耐久。纯电那 3万公里里，直流快充工况里程占比不低于90%，直接对着车主高频快充的真实用法。

10月，工信部会同公安部、生态环境部、市场监管总局发布《关于进一步加强汽车产品创新设计和研发测试验证有关管理工作的通知（征求意见稿）》。

里面的硬指标是，可靠性测试验证不低于3万公里，环境适应性测试验证周期不少于1年，且必须包含两冬一夏试验。

文件还要求，创新设计的验证至少应当包括实车测试，数据要可追溯。动力蓄电池的循环寿命与耐久性要做实测，不得直接采信供应商的验证报告。22 项推荐性标准和行业标准被上升为强制性要求。

时间节点也写了。2027年1月1日起，未按要求测试验证、验证不充分或提供虚假材料的产品不予公告。已经取得公告的，要在 2027年7月1日前补报材料。

有标准化专家解释过两冬一夏的道理。部分零部件对温度敏感，经历两次大温差冲击之后，更容易暴露开裂、收缩、卡滞、弹性失效这些隐性老化。

争论的另一头，岚图董事长卢放的说法不一样。一台车是不是速成，该看它有没有完整走完该走的验证，周期长短不作数。他还打了个比方，柴火做饭快，电饭锅做饭也快，不能因为工具换了就说饭是生的。

李想的说法更实在，AI确实强大，但在汽车测试和验证这件事上，对实车验证的效率提高有限。吉利董事长李书福6月讲过，完整的开发周期就是3到5年，压缩了就一定有验证缺失。

市场的反馈也在那儿。2026年上半年国内全新车型约165款，十年前同期不到90款。同期汽车召回165万辆，自主品牌召回量同比涨了681%。行业利润率落到3.8%上下。何志奇看到日均上新超过3款的数据时说了一句，彻底疯了，这可是汽车。

所以速成车不该全都速成，这句话要分两半听。

前半句是，快本身没有原罪。模块化让成熟架构跨车型复用，仿真把几十万公里的载荷与疲劳测试压进几天，季节也不用完全等了。这些都是把重复劳动和等待省下来。

后半句是，验证清单不能跟着一起变短。

AI能把碰撞算快二百倍，算不出一个零件在盐雾里放三年会锈成什么样。它能生成上万个造型方案，生成不出一条跑完3万公里的路试记录。

把所有的加速都叫作速成，等于把工具和偷工减料混成一件事。

日历翻得快不快，从来不是判据。验证清单走完了，那叫高效。