在国内企业的 AI 创新实践中 , 联想集团已推出车端大模型计算平台与汽车智能体产品 :Auto AI Box 提供独立推理平台 ,OneAI 连接个人智能体服务。在与杜卡迪的合作中 , 联想以边缘 AI 和高性能计算方案支撑机器学习、赛事分析与研发仿真。制造端 , 联想自研质检模型以轮胎良品数据完成建模 ; 研发与供应链端 , 联想为吉利升级智算平台 , 并与理想汽车合作 , 将审核智能体部署到供应商端。

联想车计算 : 让大模型与智能体在车端运行

联想通过车计算产品 Auto AI Box, 为车端大模型提供独立的推理平台。该平台将座舱 AI 推理与车载信息娱乐系统的主芯片分开 , 使车企能够在既有电子电气架构上增加 AI 计算能力。

这一设计改变了车端 AI 的集成方式。主机厂可以在车型设计阶段接入 Auto AI Box, 也可以把它作为扩展方案与既有信息娱乐平台配合。模型运行所需的计算能力由独立平台提供 , 原有车机继续承担信息娱乐任务 , 车企据此安排车型适配与应用开发。

在联想与诚迈科技公布的联合方案中 ,Auto AI Box 基于 NVIDIA DRIVE AGX Thor, 结合联想车规计算硬件、NVIDIA DriveOS 及诚迈 FusionOS 4.0。DriveOS 提供资源管理和安全框架 ,FusionOS 4.0 中间件衔接 AI 场景开发、模型部署与优化。车企拿到的是包含计算设备和开发环境的软硬件方案。

平台支持语音、视觉与上下文输入 , 并提供多类车端 AI 应用参考设计。开发人员可以在统一环境内完成应用开发、模型部署和后续优化 , 围绕自然语言交互及多语言服务组织功能。硬件采用模块化设计 , 支持不同计算性能、内存带宽需求以及风冷、水冷配置 , 为不同车型保留集成选择。

模型和应用适配也纳入了产品交付。按双方公布的方案 ,Auto AI Box 已适配、预置多家国内外主流大模型及配套车端场景 , 并支持内容与服务提供商接入。诚迈提供的智能体开发工具链与模型优化能力 , 与联想车规硬件共同面向主机厂 , 帮助开发团队把模型运行环境与具体座舱功能接起来。

汽车智能体进一步连接到这一计算平台。联想在 2026 年北京车展期间展示的 OneAI, 基于 AI Box 计算平台支持最大 30B 参数端侧模型部署 , 并接入天禧、Qira 个人智能体。Auto AI Box 承担模型运行的计算与工程条件 ,OneAI 把车内应用连接到联想的个人智能体服务 , 两者分别对应计算平台和智能体平台。

联想在自动驾驶计算领域也已有车辆应用。与文远知行联合推出的 HPC 3.0 基于联想 AD1 域控制器 , 采用 NVIDIA DRIVE AGX Thor 及车规软硬件冗余设计 , 已用于量产 Robotaxi GXR。文远知行提供自动驾驶技术 , 联想提供计算平台与工程支持。

联想以边缘 AI 与高性能计算支持杜卡迪赛车研发

2026 年 6 月 , 联想披露 , 杜卡迪赛车部门使用其边缘计算、AI 及高性能计算方案 , 开展复杂仿真、机器学习、赛事分析和远程协作。这些技术服务于赛车工程师的设计、调校与比赛决策 , 连接赛道现场和研发团队。

轮胎由橡胶和合成材料构成 , 比赛中的行为复杂 , 传统模型难以充分描述。联想此前披露的合作显示 , 杜卡迪将机器学习用于轮胎特征分析及比赛中的轮胎管理 , 联想边缘服务器提供计算支持。

机器学习由此进入了车辆性能分析流程 : 工程师借助模型研究难以由传统方法准确刻画的轮胎行为 , 再将分析用于比赛准备和轮胎管理。计算部署在赛道侧 , 也让相关任务能够在比赛现场处理。这里的技术应用直接对应赛车调校和比赛使用中的工程需求。

赛车配置同样涉及大量组合选择。双方披露的另一项做法 , 是用随机化算法检查不同零部件配置 , 替代部分费时的反复试验。联想 ThinkPad 承担计算任务 , 杜卡迪工程师利用分析结果判断配置、调整赛车。轮胎建模与配置筛选分别处理材料行为和工程组合问题。

据双方此前披露 , 杜卡迪当时每个比赛周末从八辆 Desmosedici GP 赛车收集约 100GB 数据 , 每辆车装有约 50 个传感器。在双方披露的方案中 , 联想基础设施用于支持深度学习和机器学习工具 , 分析赛车及赛道数据 , 并将结果与车手感受相互对照。

远程车库把现场与博洛尼亚总部连在一起。总部工程师可以实时接收数据 , 完成复杂分析 , 再与赛道团队共同研究车辆设置。车手反馈、传感器记录和计算分析进入同一轮工程讨论。

赛车研发还需要处理规模更大的物理仿真。联想 2026 年 9 月披露 , 已为杜卡迪扩充 HPC 基础设施 , 支持 2027 款 Desmosedici GP 与当季赛车并行开发。新规则要求工程师重新研究发动机及空气动力学设计 , 其中包括全新 850cc 发动机。

升级后 , 基础设施的理论双精度计算性能合计超过 108 TFLOPS。相比上一代计算节点 , 最新扩容使可用内存约翻倍 , 处理能力增加约 48%。杜卡迪需要在继续优化当季赛车的同时完成下一代设计 , 新增资源用于承接两项并行研发任务。

扩容后的计算资源支持多项发动机与空气动力学仿真同时运行。工程师先在虚拟环境中比较不同配置 , 再把有潜力的设计送入原型制造。按双方披露 , 此次 HPC 升级使 3D 发动机计算流体力学仿真时间缩短 50%, 结构分析时间减少 30%。在赛道测试受到限制的条件下 , 更复杂的仿真也为判断空气动力学变化提供了依据。

联想轮胎 AI 质检 : 通用股份人工质检成本降低超 60%

联想与通用股份合作的全钢轮胎 X 光项目 , 将 AI 用于轮胎内部缺陷检测。苏豪控股 2026 年 9 月 7 日披露 , 该项目实测人工质检成本降低超过 60%, 漏检率下降超过 80%。项目采用 " 大模型 + 小样本 " 技术 , 三周完成 20 多个模型的构建与优化 , 并通过多阶段测试适配客户要求。

在轮胎表面检测中 ,AI 面临另一类数据难题 : 产品规格多 , 缺陷类型和位置不固定 , 能够用于训练的缺陷样本却很少。联想第三代轮胎表面缺陷终检设备采用自研工业质检预训练模型 , 结合小样本终身学习机制 , 从良品中学习正常状态。

据联想披露 , 只需 60 — 100 条良品数据即可完成建模 , 训练周期在一周以内。模型先建立正常状态的参照 , 再发现偏离正常状态的异常 , 从而减少异常检测对缺陷样本的依赖。对已知缺陷 , 设备结合有监督检测进行分类 , 可识别 100 多种常见轮胎缺陷 , 为后续质量分析提供分类结果。

联想研究院此前披露的技术方案还给出了分类细节 : 自研小样本多维融合分类器综合缺陷位置、颜色、尺寸和神经网络特征 , 判断缺陷类别 ; 配准、去噪、滤波及边缘检测等图像处理方法 , 用于改善图像质量、增强特征的可区分性。

支撑该方案的 Lizard V3.0 开发套件可以在工厂边缘侧完成训练和推理 , 数据无需上云 , 并支持不同规格轮胎的混检与快速换型、接入工厂 MES 生产管理系统。模型训练、现场检测及生产管理接口由同一方案提供。

同次披露的胎侧验证覆盖约 300 条不同型号轮胎。经过 4 天、3 轮调优 , 联想报告非关键缺陷漏检率可降至 0.3%, 胎侧整体过检率降至约 8%, 并列举了气泡、缺胶、划痕等检出的实际缺陷。调优同时处理灰尘、水渍、压痕和胎毛残留等容易引起误判的干扰。

2026 年 3 月披露的第三代设备还改进了成像与机械控制。深沟槽、暗区和强反光区域容易影响图像质量 , 联想通过异形光源、定向照明与多角度相机 , 使裂纹、缺胶、异物等缺陷更清晰地呈现。胎里专用光源配合光学自清洁结构 , 维持设备持续运行时的成像条件。

机械控制决定了这些图像能否稳定取得。设备采用气动与伺服复合驱动 , 可调节夹持力 , 一套夹具覆盖 14 — 24 英寸轮胎。系统自动识别型号、生成检测配方 , 再由多伺服协同完成定位、夹紧和取图 , 使成像距离、照明与运动状态配合。按联想公布的设备参数 , 单条轮胎检测用时 25 秒。

算法、光学与执行机构共同完成终检。到 2026 年 3 月 , 联想披露 , 该设备已在全球轮胎三十强中的三家企业规模应用 , 国内轮胎二十强中的十余家推进验证与部署。2026 年 3 月 , 轮胎表面缺陷终检全检方案入选 CMVU"2025 机器视觉创新产品 TOP10"。

联想与吉利 : 智算平台升级助力新车开发周期缩短 30%

联想与吉利的研发计算合作 , 将软件适配、调度替换与液冷扩容纳入同一次系统升级。据联想此前披露 , 该轮整体升级使 HPC 集群性能提升 30%, 并助力吉利将新车开发周期缩短 30%; 其中 75% 的计算资源用于安全虚拟验证。

吉利的研发计算升级涉及一次软件与硬件的同步迁移 : 原 HPC 集群利用率已经超过 90%, 公有云业务需要回迁本地 , 原 PBS 调度系统按节点订阅收费 , 扩容也会推高许可成本。

联想以万全异构智算平台 HPC 版承接调度系统替换 , 并派研发人员现场定制开发 , 完成 22 款核心工程仿真软件适配 , 覆盖车辆设计、研发、仿真和测试。软件迁移与集群扩容一起推进 , 使已有工程应用能够在新的计算环境中运行。

平台提供软硬件监控、多任务运行优化和异构资源管理 , 简化应用与底层计算资源的交互 , 支持研发团队统一使用集群资源。二期项目部署 235 台 ThinkSystem SD650 V3 液冷服务器 , 同时复用一期预留的 Spine IB 交换机、DSS-G 存储、xCloud 联想智能云及机房散热资源。

软件许可与资产利用共同影响项目成本。原有调度系统的年度许可费用随节点数量增加 , 新的方案在更换调度平台时完成应用适配 , 并利用既有网络和存储承接新增服务器 , 减少重复建设。客户的迁移需求由计算设备、调度软件及应用开发团队共同处理。

联想推动汽车供应链算力整合与 AI 应用落地

在汽车供应链中 , 联想与理想汽车共创 PPAP ( 生产件批准程序 ) 文档审核方案 , 将行业大模型部署到零部件供应商的质量审核现场。该方案基于联想 ThinkStation PGX, 在本地运行理想自研的 27B 大模型。联想提供定制化微调、深度适配、部署与运维服务。

这套审核方案需要处理不同类型的工程资料。智能体支持解析 16 类 PPAP 文件和 50 多种工程图纸格式 , 校验标准一致性与资料完整性 , 相关数据在本地处理。据联想 2026 年 4 月披露 , 该系统已在 290 个供应商项目上运行 , 部分供应商已将其复用于其他主机厂项目。

联想在汽车供应链的合作也覆盖计算资源整合。富赛汽车电子采用联想问天 WxSphere 虚拟化软件和 DCM 管理软件 , 实现设备利旧、应用迁移与统一监测。据联想披露 , 项目使富赛硬件资源利用率由 15% — 20% 提升至 60% 以上 , 年度 IT 基础设施成本节约约 30%。天力电源通过联想服务器与 KVM 虚拟化承接 ERP、MES、PLM 等系统 , 增加故障自动切换、备份与快照。

联想 AI 竞赛分析助力杜卡迪培养新一代车手

联想将另一项赛事 AI 应用带到杜卡迪青年车手学院。2026 年 9 月披露的 Lenovo Race Performance Analysis, 由 ThinkStation P8 工作站支撑 , 把官方计时转为圈速趋势、稳定性分析、赛段得失时及对手比较。

这款工具把赛段分析交到车手手中。车手通过 ThinkBook 访问数据 , 逐段查看时间得失 , 并选择同场对手比较比赛节奏 , 在每节比赛前后调整准备与策略。原本较难获得专业表现分析的年轻车手 , 由此有了可直接使用的分析入口。

车手 Devis Bergamini 表示 , 比赛节奏、速度等参数可以直接在笔记本上便捷查看和比较。联想还开放了公众访问 , 车迷也能通过圈速变化和稳定性了解车手在整场比赛中的表现。