9 月 17 日，在华为全联接大会 2026 期间，长安汽车联合华为发布试验策划本体解决方案。该方案聚焦汽车研发试验策划这一专业场景，通过 " 本体 +Agent" 技术，将长期沉淀在研发专家、历史项目和专业规则中的经验知识进行结构化沉淀，并借助 Agent 的自主编排与推理能力，推动人工智能从通用问答进一步走向专业研发业务。

此次联合创新，是长安汽车持续推进 AI 战略落地、探索 AI 新质生产力的重要实践，也为汽车研发试验智能化提供了新的探索路径。

1.1 从 " 一体两翼 " 到研发业务，长安加速推进 AI 新质生产力

当前，人工智能正从单点应用加速进入汽车产业核心业务。长安汽车正在推进 " 一体两翼 "AI 战略，以智驾、智舱为 A 翼，以 AI 新质生产力为 B 翼，以 AI 基座框架与工具链、算力与基座平台为 " 一体 " 支撑，推动 AI 能力从产品智能化进一步向企业研发、生产、供应、营销、服务等业务环节延伸。

此次试验策划本体解决方案，则是 AI 新质生产力向汽车研发核心业务深入的一次具体实践。

1.2 为什么是 " 试验策划 "？专家经验成为研发智能化的关键资产

对于汽车研发而言，从产品设计到最终量产，需要经历大量试验验证。DVP，即设计验证计划，是连接产品设计与试验验证的重要环节。

一辆汽车涉及整车、系统、零部件、性能指标、法规要求、试验项目、试验工况以及样车等大量对象，这些对象之间又存在复杂的关联关系。

过去，研发人员往往需要依靠长期行业经验，对历史项目、技术规范和试验规则进行综合判断。大量经验沉淀在专家个人和历史资料中，虽然价值巨大，但难以被快速复用。

如何让 AI 真正理解这些专业知识，成为研发智能化需要解决的问题。

1.3 " 本体 +Agent"，让 AI 从 " 会问答 " 走向 " 会策划 "

此次长安汽车与华为联合打造的方案，将本体与 Agent 结合起来。

其中，本体主要解决的是 AI 理解行业知识的问题。通过对试验目标、车辆对象、系统零部件、性能指标、试验项目、工况以及试验资源等业务对象进行结构化建模，并建立对象之间的关系和业务规则，将原本分散的专家经验转化为可计算、可推理、可复用的数字化知识。

在此基础上，Agent 进一步承担业务执行任务，根据试验目标自主进行任务拆解、知识检索、规则推理和方案编排，最终形成试验策划结果。

也就是说，AI 不再只是根据问题提供答案，而是开始参与专业研发流程，从 " 辅助查询 " 进一步走向 " 业务策划 "。

1.4 策划周期从 2 — 3 周压缩至 0.5 — 1 小时，准确率超过 95%

在真实业务场景验证中，该方案目前已在碰撞安全等领域开展应用。

通过本体知识库与 Agent 的结合，系统可以自动完成试验目标拆解、试验工况筛选匹配以及试验资源智能规划。

项目数据显示，方案输出准确率超过 95%，达到十年经验专家水平；试验策划周期由传统的 2 — 3 周压缩至 0.5 — 1 小时，试验资源优化提升 10% 以上。

这意味着，过去需要研发专家投入大量时间进行资料查找、规则匹配、方案比对和人工确认的工作，可以由 AI 承担更多基础性、重复性的分析任务，专家则能够将更多精力投入复杂问题判断和研发决策。

对于汽车企业而言，这不仅是效率的变化，也意味着长期积累的专家经验开始从 " 个人能力 " 转变为可以被组织持续调用的数字化能力。

1.5 从碰撞安全出发，向整车试验策划全域拓展

下一步，双方将以已经形成的本体知识、业务规则和 Agent 能力为基础，从碰撞安全等专业领域进一步拓展至整车试验策划全域，推动更多研发知识、业务规则和专业经验实现数字化沉淀。

业内人士认为，随着 AI 从通用场景逐步进入汽车研发等专业领域，如何解决行业知识、业务规则与大模型之间的连接问题，将成为企业智能化进一步深入的关键。

而 " 本体 +AI" 的探索，为行业提供了一种新的思路：以行业知识构建 AI 理解业务的基础，以智能体将知识转化为可执行的业务能力，再通过真实业务持续验证和迭代，推动人工智能从 " 能对话 " 进一步走向 " 能干活 "。

此次长安汽车与华为的联合实践，也为汽车研发智能化提供了一个从专家经验沉淀、行业知识构建，到 AI 智能决策和业务应用的实践样本。未来，随着这一模式向更多研发领域复制，汽车研发的知识沉淀与智能化应用有望进一步走向规模化。