中國車企的AI軍備競賽正在出現一條新的分岔路。

多數玩家的AI資源集中在消費者看得見的地方——智駕、座艙、大模型。理想汽車也不例外，但它同時把一間實驗室和一支團隊投向了消費者看不見的角落：供應鏈質量管控。

成本大幅下降的AI視覺行為防錯系統已經在80余家合作伙伴的生產跑起來，而搭載聯想ThinkStation PGX端側算力的PPAP文檔審核智能體，將單個零件的PPAP審核耗時從5小時縮到了2分鐘。

這套方案的邏輯背后，理想不是自己用AI檢查供應商，而是把AI做成產品交給供應商自己用。當友商開始要求這些供應商在他們的產品上也部署同樣的方案時，技術已經從理想的供應鏈外溢到了整個行業。

截至2026年3月底，理想汽車歷史累計交付突破163萬輛。一輛車涉及大量零件，每顆零件對應多份質量認證文檔，當規模膨脹到年交付量數十萬輛的量級，傳統靠人逐項檢查的質量管控體系已經物理上覆蓋不了。

近期，筆者走進理想常州實驗室和兩家供應商工廠，看到的不只是一套降本增效的工具，而是一種全新的主機廠-供應商關系正在成型：不只是提要求，還要給能力。在價格戰之后，中國汽車供應鏈的下一場競爭，可能正從這里開始。

AI的戰場，正在從車上轉移到車間

中國新能源汽車的價格戰已經打了兩年多。頭部車企年銷量進入50萬輛以上區間，同時，產品迭代周期從過去的三四年壓縮到不足兩年。行業和消費者能直觀看到的是，智駕在卷，座艙在卷，價格競爭也沒停下來過。但有一個環節，是鮮為人知，卻又至關重要——供應鏈質量管控。

麥肯錫估算，中國工業自動化市場規模已超過2500億元，占全球三分之一以上。IDC的數據則顯示，全球工業AI質檢市場2025年接近10億美元，復合增長率28.5%。但這些數字的大頭集中在整車廠和頭部制造企業。

中小供應商是另一個世界。一套定制化AI視覺方案市場報價10萬到20萬，還需要專業AI人才運維。對于汽車產業鏈上數以千計的零部件供應商來說，AI質檢是一件聽過但用不起的東西。

質量管控的瓶頸恰恰在這些供應商身上。一輛車上千顆零件，每顆零件二十多份PPAP資料，傳統方式全靠有經驗的工程師逐項檢查。年產10萬輛的時候，人工審核還跟得上節奏；跳到50萬輛，面對成倍膨脹的工作量，審核速度和準確率也隨之下降。

常州繼峰座椅有限公司是理想供應商之一，副總裁劉大剛舉了一個案例。某功能件要求操作工用氣槍清潔零件，有人漏清潔，有人時間不夠。鋁屑殘留在里面，短期看不出來，幾個月后售后市場出現產品卡死。要回溯問題的源頭，費時費力。

傳統的應對方式是“前面人干、后面人看”。雷江波說，“這種方式質量不可靠，效率低，成本又高。”

這不是理想獨有的困境。在汽車制造業，人員作業導致的質量問題一直缺乏有效的技術手段來解決。雷江波的說法是，“以前基本是無解的。”

理想的選擇是：不在整車端自用AI，建一間實驗室，專門為供應商開發AI產品。

理想汽車供應鏈PTC工業化總監雷江波總結了四個詞——好用、易用、便宜、柔性。理想供應鏈副總裁孟慶鵬此前在公開演講中判斷，AI時代供應鏈的決策時效要從天壓縮到分鐘。

和多數車企一樣，理想在智駕和座艙上同樣投入巨大。不同的是，理想額外把一支團隊投向了消費者看不見的地方。這個選擇本身，就是在賭供應鏈效率會成為下一階段競爭的關鍵變量之一。

把智能體送到工廠里

供應鏈AI的難點，不是能不能做出來，是能不能部署到每一家供應商的車間里去。

供應商工廠分散在全國各地，網絡環境參差不齊，生產數據涉及核心工藝不能上云。把AI封裝成產品，搬到供應商車間，在邊緣端實時運行，供應商自己就能用。這才是真正的門檻。

理想的解法是把這件事拆分：

產線端，理想自研算法并獨立部署了AI視覺防錯等方案；

管理端，理想將PPAP審核智能體封裝進聯想ThinkStation PGX邊緣設備，部署到供應商使用。

具體來看，在產線上，理想研究出了AI視覺行為防錯方案。硬件就是普通安防攝像頭加一個AI Box，核心是理想自研的算法平臺。2萬塊錢一套帶8個工位，平均一個場景2500元，市面上同類方案10到20萬。培訓兩周，供應商技工就能自主使用。

在繼峰座椅的產線上，劉大剛說，有了這套系統，員工操作稍有偏差系統立馬糾正，“錯漏松”從每天2到3例降到了每周2到3例。

2025年，理想已經落地了290多個視覺項目，培訓了近400名供應商端的AI應用人才。

一個細節：理想的友商看到供應商在用這套產品，直接要求供應商也在他們的產品上部署。技術從理想的供應鏈外溢到了整個行業。

在質量管理上，PPAP文檔審核智能體則通過ThinkStation PGX被送到了新泉外飾的工廠里。ThinkStation PGX是聯想基于NVIDIA GB10 Grace Blackwell超級芯片打造的邊緣AI設備，1 PetaFLOP算力（每秒1千萬億次浮點計算），128GB統一內存，能在本地實時運行理想自研的27B大模型，同時支撐多個智能體并行推理，整個盒子卻只有1升大。不需要機房，不需要改造，240W功耗， 7×24小時跑。在工廠場景里，“放得下、跑得動、撐得住”才是更合適、更重要的。

ThinkStation PGX PPAP Audit Agent一體機

以前一名工程師審核一個零件的PPAP資料要五六個小時，PGX上的智能體兩三分鐘搞定，同時并行處理100份文件。常州新泉志和汽車外飾系統有限公司總經理葉志剛透露，文檔審核的獲批周期從一個月縮到了一周。

更有意思的是，新泉已經開始把這套系統用到其他客戶的項目上。供應商把主機廠給的AI工具當成了自己的基礎設施——這意味著“授人以漁”這件事，確實跑通了。

供應鏈的下一場競爭

AI視覺能盯住操作工的手，PPAP智能體能審完一摞文檔。但這些仍然是一個個單點工具，攝像頭管不了文檔，審核智能體也管不了產線。雷江波想做的事比這大得多。

雷江波用PDCA框架總結了他的愿景。“質量策劃（P）→現場執行（D）→數據回傳檢查（C）→審核分析持續改進（A）”。這其中每個環節都包含了一些先進制造技術的應用和使用。

具體來說，研發把圖紙和技術標準輸入進去，智能體自動生成流程圖、FMEA、控制計劃、作業指導書、SPC控制點。現場執行交給AI眼耳手，數據回傳后自動審核，形成完整閉環。雷江波透露，“我們預計在2026年底完成整個質量策劃Agent的開發。”

智能體繼續跑在聯想PGX工作站上——供應商之前用它審核PPAP，未來在同一臺設備上直接升級，不用額外投入。一個盒子進了工廠，就不只跑一個智能體了。

理想選擇和聯想工作站深度綁定，7×24小時不停機，是工廠的剛需，也是很多通用設備過不了的關。

聯想也對理想自研模型做了定制化微調，提供從硬件到部署到運維的完整交付。理想的供應商遍布全國，聯想的服務網絡也覆蓋得到。對于一家正在高速擴張AI智造體系的車企來說，算力、穩定性、適配、服務這幾件事必須同時解決，少一樣都轉不起來。

​這也是“飛輪”能轉的前提。邊緣設備鋪得越廣，供應商數據積累越多，智能體迭代越快，新能力在同一臺設備上升級，供應商粘性越強。轉起來之后，后來者的追趕成本會很高。

當然，290個項目相對上千家供應商還是早期階段。友商也開始要求供應商部署類似方案，先發窗口不會太長。豐田當年用TPS改造供應商花了二十年，理想用AI做同樣的事，邊際成本幾乎為零，擴散可能快得多——但能不能真正建起體系壁壘，還是一個開放性問題。

但可以確定的是，競爭的規則正在改寫。新能源的崛起，讓中國汽車產業走向了世界的主舞臺，供應鏈的競爭力也在隨之改變。過去比拼的是誰造得更便宜，現在還要拼誰的供應鏈跑得更快、更靈活，犯更少的錯。要贏下這場比賽，靠一家公司單打獨斗不夠。理想以"共贏、創新、鏈接"的W.I.N文化理念交匯，把一套可沉淀、可復制、可持續演進的能力，寫進了供應鏈的底層。

豐田當年用TPS重塑了日本汽車供應鏈的競爭力，今天，中國車企正在用AI寫出屬于自己的版本。從常州這間實驗室開始，一片屬于中國智造的創新土壤，正在生長。