裸婚时代
市面上的速成车 其实比你想象的还要多！_我的网站
A | 人人在骂速成车，人人却也都在做速成车。
B | 最近，关于速成车的舆论可以说是铺天盖地。 过去几年，大模型越来越会写：能列提纲、做总结、改文案，也能生成一份看起来完整的PPT。高管在说，媒体在说，就连相对保守的央媒都没忍住下场说了两句。但进入真实办公场景后，问题往往出现在下一步——它是否知道用户正在推进哪个项目，能否把任务真正做完，交出的表格、文档和PPT又能不能继续修改、核验和协作？ 7月15日，在金山办公AI生产力大会现场，金山办公助理总裁田然发布灵犀专业版。
C | 这事脖子哥之前其实已经跟大伙聊过一回，但随着舆论发酵，一个比新车发布频率更有意思、也更有深度的话题开始出现，那就是：仿真测试。 要知道，车企开发一台车并不是和拼乐高一样，一做完决定就开始找零件组装的。他没有从模型参数讲起，而是先谈了一个更接近真实工作的角色：助理。 在实际投入生产以前，他们会先在诸如 LS-DYNA、Abaqus 这样的仿真环境里模拟测试零件和整车的性能，很快地知道不同的环境、不同的时间长度对性能的影响。 等效 30 万公里路程的载荷和疲劳测试，在仿真环境里只需要几天，甚至是几个小时。 “参谋可以出主意，但助理要把事情做掉。 也是因此，仿真测试也可以一定程度上加快新车的开发速度。 而当速成车来到风口浪尖，仿真测试和真实测试的关系也被搬到了台前。
D | 不少车企正面或者侧面表示过，说自家的新车出的虽然快，但已经在仿真环境里跑过无数里程、历经了无数工况，质量可以信赖。”田然在现场说。按照他的判断，一名优秀的AI办公助理需要具备三项能力：懂用户的上下文，高质量完成任务，具备专业的Office操作能力。 东风岚图的董事长卢放，更是在自己的微博上发了两篇小作文力挺仿真测试。这三点也构成了灵犀专业版的产品主线。
E | 说它对车企来说就像人们出门从走路开车变成了坐高铁。 不仅可以大幅度的压缩物理测试周期，该测的项目还一个不落。 懂你的上下文：少让用户重复解释背景 一项办公任务很少从空白开始。 可大多数用户都会觉得，仿真毕竟只是仿真，理论设计再完美也肯定比不上现实中的靠谱。
F | 就算仿真做得够多，现实世界的测试也不能说少就少。 两边观点完全相反，但听着好像都挺有道理。所以为了搞清楚究竟谁对谁错，脖子哥依旧发动了自己在汽车行业的人脉网，找到了多位汽车行业的资深从业者。 他们分布在质量控制、材料研发和产品测试等领域。 做行业分析，需要过去的数据表、会议材料和旧版报告；修改方案，要知道哪些意见已经确认、哪些内容已经删除；准备汇报，还要沿用用户长期形成的表达方式和数据偏好。 如果AI只理解眼前的一句话，用户每次都要重新上传材料、交代背景，它更像一个临时问答工具，而不是能够长期合作的AI办公助理。 核心就是回答两个问题：模拟测试能不能代替真实路测？这么搞出来的 “ 速成车 ” ，质量到底行不行？ 首先可以确定的是，仿真测试确实是有用的，并且在特殊情况下，用处甚至比实测还大。
G | 老王是一位自动驾驶领域的资深硬件工程师，他表示仿真测试的作用，更多是在项目初期检查自己的设计有没有问题。 “ 设计只要在仿真环境里通过了测试，就说明它大概率是没有问题的，这样就可以生产 A 样做功能开发和基础测试了。
H | 灵犀以“项目”为基本单位管理上下文，将此前的对话、输出文档、相关资料、技能和参与人员放在同一个空间中。用户再次进入项目时，可以沿着此前的进度继续工作，不必重新说明项目背景和修改历史。 发布会演示中，用户只提出一句“完成新能源行业头部竞品数据分析”，灵犀便从知识库中寻找竞品数据追踪表和项目资料，再搜索互联网及第三方专业数据源，形成分析结果。 随着使用深入，灵犀还会沉淀用户的写作风格、数据偏好、表达结构和项目经验，并定期整理这些信息。系统会在算力相对空闲时归纳当天产生的信息，更新个人知识库；在用户授权后，也可以从指定的本地文件夹中寻找新增资料。” 这其实就和我们学驾照要先上模拟器是一个道理，肯定会比直接上手更安全一些。
I | 这项能力的价值，不只是让AI记住更多信息，而是让用户少解释一次背景。真正懂工作，还要知道哪些材料属于当前项目、哪些版本仍然有效，以及任务接下来要往哪里推进。 同时，仿真测试还能帮助得到一些物理世界很难得到的结论。 高质量交付：从给建议，到把事情做完 田然在演讲中区分了“参谋”和“助理”：参谋可以提出想法，助理则要把事情落地。
J | 灵犀不仅生成内容，还可以调用文档、处理数据、打开浏览器、编写代码，把任务持续推进到最终结果。 在团队协作中，用户可以把同事拉入同一个项目空间。不同成员围绕同一份材料提出意见，灵犀在统一上下文中依次处理，减少信息在群聊、个人AI和文件之间来回传递。 比如现在的车载芯片都是直接通过 BGA 封装焊在主板上的，现实中在生产出来以后，是没法直接测量芯片底部的信号质量的。 但借助仿真软件，老王就可以先测量芯片周边点位的数据，再导到仿真软件里，让它计算芯片底部的信号质量。 面对更复杂的需求，灵犀可以把数据分析进一步转化为在线系统，并执行本地指令完成部署。对于没有标准API接口的网页系统，也可以在用户授权和身份范围内调用浏览器，完成填写信息、上传附件和推进流程等操作。 这些能力将办公软件的边界从文档延伸到浏览器、本地环境和业务系统。过去需要用户在多个软件之间反复切换、手动衔接的工作，如今可以交由AI办公助理推进。
K | 但高质量交付不能只看任务是否显示“已完成”，还要看结果是否准确、过程能否检查、用户是否仍需大量返工。AI办公助理的价值，是接过重复、琐碎、耗时的环节，让人把精力留给判断、沟通和决策。 该图片疑似使用了AI生成技术，请谨慎甄别 Office专业操作：交付可以继续使用的原生文件 对于AI办公助理来说，完成任务之后，还有一道现实门槛：交出来的是不是一份真正的办公文件。 一些AI生成的表格没有公式，用户无法核验数字是怎样算出来的；一些PPT看起来完整，打开后却是一张图片，或者由大量文本框拼成，难以继续修改。 田然在发布会上多次强调，灵犀要坚持原生Office操作。 在表格中，计算使用原始公式和表格指令，用户可以直接查看数据关系；图表使用标准控件生成，可以继续调整数据、维度和展示形式。 只要软件本身可信度够高，这个推导出来的数据就能当做是实测的。在文档中，用户可以同时在对话栏、正文和审阅区与灵犀交互，AI既能修改正文，也能处理批注和修订记录。 生成PPT时，灵犀要求“图是图，表是表，图表是图表，文字是文字”。这些内容都是可以继续编辑的原生对象，而不是一张无法拆解的静态图片。
L | 面对论文等复杂文档，灵犀也能处理页眉、页脚、分栏和公式等排版要求。
M | 但就算优点很多，仿真也完全无法代替实际测试。 最主要的原因，是真实世界实在是太复杂了。
N | 仿真软件运行前，往往需要人为输入很多理论参数，比如材料性能、热特性、电性能等等，再做剩下的推导。 但物理世界里的材料往往不会和理论参数完全一致，这差一点那差一点，最终结果往往就会差很多。
o | 台架测试领域的资深工程师阿伟，曾为多家合资车企和头部新势力做过零部件验证开发。 他就遇到过非常多仿真和实测不一样的情况，而里头绝大部分问题是在实测里发现的。 他说，因为类似车门、铰链、车窗座椅滑轨等部件虽然可以在仿真里做到完美的力学模拟，但在现实中，这些需要频繁运动的机械机构还会面对很多非线性的随机因素。 比如磨损、润滑衰减甚至是灰尘进入。 可编辑，意味着用户可以继续工作；可溯源，意味着数据和修改过程能够核验；可协作，意味着成果可以进入多人审阅和反复修改的正式流程。
p | 也是因此，如果一个合资公司想去欧洲总部申请零件的认可，绝大多数情况都要附上各种实测报告。包括台架试验，道路试验，以及质保的材料试验报告，而不是根据仿真结果去申请。 甚至即使所有零部件全都通过了实测，组合成车还是可能出问题。只有满足这些要求，AI生成的内容才能成为真正可用的办公成果。 阿泰是一位长期从事底盘材料开发的工程师，他说虽然目前和材料相关的仿真软件和参数模型都已经很成熟，但和整车相关的测试比如底盘耐腐蚀、整车暴晒试验是绝对不能省的。 据介绍，灵犀专业版将以独立产品形态提供，同时进入WPS Office和Microsoft Office，并支持网页端和移动端。 从懂上下文，到端到端推进任务，再到交付原生Office文件，灵犀试图回答的是AI办公助理最基本的问题：当用户把一项真正的工作交给AI时，它能否少让用户解释背景，把事情推进到底，并交出一份可以核验、修改和继续协作的结果。 因为很多材料和零件本身仿真、实测的结果没事，但在拼到同一台车上以后任何一个零部件对系统的影响都很大，就有可能出现问题。 “ 就比如发动机，如果发动机标定改一点，振动特性也可能跟着变。当AI能够做到这些，它才不再只是一个会回答问题的工具，而开始成为真正可以一起工作的办公助理。 车上的排气管、支架、底盘结构都有自己最容易共振的频率，如果新的发动机振动刚好撞上这个频率，振动就会被放大，时间长了就可能导致疲劳开裂。” 所以很明显，在从业者的眼中，仿真是作为实际测试的前置流程，帮助车企在开发前期验证想法可行性的。 无论是从工程还是流程价值上看，实测也都有着仿真无法替代的作用。 到这大伙是不是觉得，用仿真缩短开发周期的行为肯定是不好的，肯定会带来更多质量上的问题？ 但其实开发时间短本身并不是问题，车企们不知道问题可能在哪，才是最大的问题。 张工是国内头部车企的整车品质工程师，他对脖子哥说，开发时间的长短和产品质量的关系其实并不大。 一台只开发了一年多的车可能是速成车，但一台开发了五年的车同样也有可能是速成车，这取决于决策者的判断。 某些车型虽然开发了五年，但里头很多时间都被用来修改项目方向和开发内容了。 “ 一年前的产品定义，一年后车还没量产就过时了，换你是决策者你怎么办？” 这个过程里，有的车型项目会变更开发的范围，也就是进行改动，但改动的大小不一定。有些项目则干脆会被直接砍掉，让前期投入的成本打水漂。
q | 人们看到的非速成车，其实可能也只经过了一年多的实际开发。 这也是为啥即使在开发周期很长的油车时代，人们依旧能遇见各种问题。
张工制作的欧洲市场车型缺陷统计表（燃油为主） 相比于时间，我们更该担心的其实是车企们对风险的控制标准正在降低。 要知道，做不做实测是一回事，但拿到结果以后改不改则是另一回事。 阿伟跟脖子哥说，曾经的合资车企在台架测试遇到问题的时候，都会拿着问题回去做整改优化，然后重新安排台架试验，直到做出来的结果合格为止。 “ 以前规划试验的时候要做 4 轮，遇到有问题的零件，可能要完全解决问题需要做到 5 轮才行。” 但新势力品牌不是这样，在遇到问题以后，它们做的是先评估问题等级，再讨论要不要解决。有些问题车企觉得在上市以后不容易复现，可能压根就不解决了。 “ 曾经有款车卡在 SOP（ 开始量产 ）前两周的试验都还有问题，可直到车辆上市后也不见他们重新委托。” 就连一向稳重严谨的传统车企，在这样的竞争环境下都开始放松自己的标准。 “之前要 4 轮 5 轮才能解决所有问题的设计流程，现在可能只会规划 2 轮，如果有问题才会再加。可原本需要 4-5 轮测试才会出现的设计 bug ，却不会在第 2 轮出现。” 而在车企们削减实测的时长的背后，是一种堪比赌徒的心理。 毕竟当一台车被造出来，有可能测了两年也没发现什么大问题，也有可能刚测一天就发现一堆 bug。 而在对手们都在加速出新车、开发压力越来越大的时候，越来越多的车企选择了赌。 赌自己测了两年的结果是好的，赌自己省下的这两年实测，对最终的质量没有影响。
r | 这就像考试里的一道很难的选择题，就算是蒙，也有四分之一的概率蒙对。 更要命的是，这种趋势正在从车企传递到供应商身上。 阿泰就跟脖子哥说，过去整车厂释放需求后，通常会给供应商 3～4 个月时间准备技术方案，之后再进行技术交流，然后定点、发包。 现在这个流程可能只有一个月左右，评审通过后很快完成定点并进入正式开发。
s | 这也就意味着当车企在赌整车质量的时候，供应商们大概率也在赌着零部件的质量。 而当整个汽车生产链路都在指望那个可能蒙对的答案时，最终需要掏钱的人们，又要怎么对这些产品放心呢？ 这本质上是个风险控制的问题，无关车企的造车能力，只取决于车企们造车的态度。 “ 欲速则不达。
t | ” 张工在交流的最后跟我说，“ 但如果车企不去适应，那就是上市即落后，根本没得选。” 可是，真的没得选吗？。
Current article:http://ib1j.bainangmieruopanglaomen.sbs/list_tmtlhd/lxw5.html
Published on:22:21:45