智能车时代,汽车研发已经不能只靠单兵作战,也不能只靠传统跨部门协同来解决。过去一款车开发周期可能是 36 个月,如今很多项目被压缩到 12-18 个月,研发节奏提升的同时,电子电气和智能化带来的系统复杂度增长更快。上汽集团与飞书项目共同探索 AI 原生整车研发协同架构,将产品、任务、流程、文档、交付物和伙伴协同沉淀到同一套数字底座,让 AI 能够看到流程、任务、数据和上下游关系,并在整车项目管理、CRDN 变更管理、整零协同等场景中参与计划、评审、变更、交付和追溯。


整零协同通过系统优化以后,从内部的组织延伸到整车的交付网络,原来游离在主机厂项目管理体制之外的供应商活动,能够纳入整个整车项目的统一的计划、统一交付、统一的风险判断和统一的变更体系中。那么这样的供应链,我们认为就不会再是简单的买卖,而是非常深度的一个合作共创。
王从鹤
上汽集团创新研究院院长
上汽集团是中国规模领先的汽车制造集团。2025 年整车销售 450.7 万辆,市占率 13.1%,营收 6562 亿元,净利润 101 亿元。旗下拥有荣威、名爵、智己等自主品牌及上汽集团大众、上汽集团通用等合资企业,新能源销量 164 万辆,海外出口 107 万辆,正加速向智能电动化转型。
智能车时代,汽车研发的复杂度持续提升。整车开发周期不断压缩,电子电气架构、软件能力和 AI 应用快速演进,使研发管理从单一项目协同,转向跨层级、跨部门、跨企业的系统协同。
在传统协同模式下,研发信息主要依赖会议、邮件、文档和人工传递。随着项目节奏加快、系统关联增多,单纯依靠人工理解、同步和提醒,已难以支撑复杂研发过程中的目标对齐、变更传导、状态回卷和风险追溯。
上汽集团将汽车研发中的协同挑战归纳为三类:层级协同、部门协同和企业协同。层级协同要求整车目标、系统拆解、模块开发之间保持一致;部门协同要求研发、采购、制造、质量、物流、售后等角色围绕变更与交付形成闭环;企业协同则要求主机厂与供应商在安全边界内围绕共同研发任务共享目标、状态和交付要求。
要让 AI 真正进入研发流程,前提是形成连续、可理解、可追溯的研发上下文。上汽集团与飞书项目共同探索 AI 原生整车研发协同架构,以飞书项目作为数字底座,将知识、任务、流程、角色和交付物结构化关联,并让 AI 计划员、AI 变更助理、AI 质检员等能力进入具体流程节点,支撑工程师完成计划、评审、变更、质检和追溯等工作。
整车智能化车型项目管理通常包含自上而下的目标拆解和自下而上的验证回卷。中心层负责产品规划和产品蓝图,复杂系统层将功能拆解到多个系统和子系统,模块开发层进一步落实到零件需求、软硬件接口和组件开发任务。研发过程还需要通过单元测试、零件集成测试、系统集成测试和整车验收逐级验证。
使用飞书项目前,各层级之间主要依赖人工传递和会议对齐。产品目标、系统拆解、开发任务和测试验证之间的关系难以被完整记录,上层变化未必能够及时传导到下层,下层执行状态也难以及时回卷到上层。
使用飞书项目后,上汽集团将整车车型项目管理纳入飞书项目流程,让中心层、复杂系统层和模块开发层在同一套项目结构中协作。产品蓝图、系统拆解、开发任务、测试验证和交付节点被结构化关联,形成可追溯的研发对象关系。

在该体系下,上层目标可以向下拆解和传递,开发与测试状态可以向上追溯和回卷,横向关联也可以覆盖相关产品、系统和任务。每个任务都有明确的目标、时间、过程控制和验收要求,最终共同支撑整车级项目目标。
通过一张蓝图贯通三级研发,上汽集团将车型项目管理从经验传递转向结构化协同。项目知识、任务关系和追溯逻辑被沉淀到工具链中,支持团队更稳定地复用既有经验。

当任务关系和排期规则在线后,AI 计划员开始参与项目计划管理。以控制器开发项目为例,团队输入关键节点日期后,AI 可按照既定规则生成 180 多项主事项计划,并识别关键路径和延期风险,将原本需要 1-2 小时完成的排期工作缩短至约 5 分钟。

产品变更是汽车研发中影响范围广、协同链路长、风险识别难度高的环节。一项变更可能涉及需求、设计、制造、采购、质量、物流、售后等多个角色,也可能影响上下游系统、技术文档、测试覆盖和供应商交付。
使用飞书项目前,变更管理大量依赖会议评审、邮件传递和人工复盘。需求工程师需要组织架构评审、系统评审、零件评审,并推动供应商内部再次评审。过程信息难以完整沉淀,一旦人员变化或关键角色缺席,容易出现影响分析不完整、变更漏点或错误引用等问题。
使用飞书项目后,上汽集团在飞书项目中搭建 CRDN 全流程管理,将变更申请、影响评估、会签决策、执行落地和归档追溯串联为完整线上流程。

通过流程在线化,各部门能够明确何时介入、需要完成哪些工作,以及自身判断会影响哪些后续环节。变更从依赖人工传递和会议确认,转向流程化、结构化、可追溯的闭环管理,变更评估周期由 4-6 周缩短至 2-4 周,流程复盘频率从每年一次提升至每月一次。
更重要的是,变更过程中的决策依据、影响评估、执行进展和落实结果被完整记录,为后续复盘、经验复用和 AI 辅助判断提供持续积累的上下文。AI 可基于上下文汇总关键点,45-48 秒即可生成结构化报告,也可在分析过程中识别潜在逻辑盲区,发现流程滞留卡点并提醒相关人员。面对新的变更申请,AI 还可检索历史相似案例,为工程师提供影响范围和处理经验参考。

智能车研发已经超出单一企业内部边界。一个功能可能涉及云端、车端、动力、车控、座舱、智驾等多个领域,也可能横跨多个系统、工程师和供应商。
在传统协同方式下,主机厂和供应商之间主要通过邮件、附件、外发文件和会议传递信息。任务背景、技术要求、交付标准和风险状态容易在多次转述中衰减,主机厂也难以及时掌握供应商交付过程中的问题和风险。
围绕跨企业整零协同,上汽集团与飞书项目建立安全参与的协同流程。主机厂可将节点、交付标准、时间和要求结构化地下发到任务中,供应商在自己的工作空间完成交付,相关状态再反馈到主机厂侧。双方保留各自管理边界,同时围绕同一条研发链开展协作。

协同范围也从单次任务扩展到完整交付过程。主机厂不仅能确认供应商是否收到任务,也能了解任务进展、风险状态和交付物形成情况。需求、技术文档、交付物和评审意见围绕同一项工作持续关联,供应商上传交付物后,相关环节随之更新,相关人员自动收到提醒。

在交付质量管理上,上汽集团将开发任务、测试、交付物和验收要求关联起来。每个交付节点需要提交哪些材料、审核人员需要确认哪些检查项,都可以提前定义,并通过 Y、N、NA 等标准化方式形成检查依据,尽量将问题识别前置。
AI 质检能力也进入整零协同链路。针对需求文档差异对比、跨版本差异识别、系统原理图识别、测试关注点生成、测试报告预审、问题排查等高信息量、高重复性工作,AI 可先完成信息提取、差异识别和初步检查,再由工程师进行专业确认。

上汽集团的实践表明,AI 进入复杂研发流程的基础,是连续、结构化、可追溯的研发上下文。飞书项目通过承载业务对象、流程、任务、文档和交付物,帮助上汽集团将研发经验从个人经验沉淀为组织流程。
从收益来看,上汽集团实现研发人员协同效率提升 30%,平台会议时间减少 30%,项目管理效率提升 60%,业务追溯实时化、追溯率达到 100%。这些变化说明,复杂研发的效率不仅取决于单个专业的执行速度,更取决于专业之间、组织之间、企业之间的衔接质量。
面向智能车时代,汽车竞争不仅发生在产品本身,也发生在造车方式中。通过将更高效、更智能的工具交给工程师,并让产业链伙伴在同一套上下文中协同,上汽集团正在将复杂研发中的经验、流程和协作能力沉淀为面向未来的组织能力。