聚焦CIAS丨安徽中鼎控股(集团)全球CIO孟曙海：数据连接全球，AI赋能生产
2026-07-29
CIAS 2026第九届中国新能源汽车产业数智峰会已于广州成功举办。本届峰会，来自整车和零部件等企业数智化相关部门的120+专业嘉宾，围绕多个核心议题，带来20+前沿主题报告。这场深度交流盛会，不仅为行业提供了洞察趋势、链接资源的高价值平台，更加速了数智技术与汽车产业的深度融合。
开幕式论坛上，安徽中鼎控股(集团)股份有限公司全球CIO 孟曙海先生 为大家带来了"数据连接全球，AI赋能生产"这一主题分享。现将精彩内容整理如下，供参考。
孟曙海 安徽中鼎控股(集团)股份有限公司 全球CIO
主题分享 数据连接全球，AI赋能生产
回顾中鼎集团发展历程，可划分为四大关键阶段：
第一，中国本土成长期。中鼎从乡镇企业起步，这一阶段我们确立汽车零部件为主营发展方向，历经二十余年实现规模化发展，并于2006年完成上市，实现资本化布局。
第二，全球化拓展阶段。2008年起，集团主动“走出去”，通过多轮海外并购，在全球核心整车市场 ——北美、亚太、欧洲，搭建起覆盖全球的研发、物流与生产制造体系；同时依托并购完成产品品类拓展，从汽车密封件延伸至减震、流体、空气悬挂多类产品。
第三，战略整合转型阶段。集团定位从单一零部件供应商升级为系统供应商，业务层级从Tier2向 Tier1、Tier0.5 持续延伸。2020年起，我们响应董事长号召推进管理输出，落地全球统一标准化体系；伴随国内新能源汽车产业崛起，集团产品全面向电动汽车、智能化方向转型。
在 45 年发展历程中，我们从单一零部件业务拓展形成四大核心系统：一是密封系统，作为汽车核心安全部件。1986 年发生过一起知名航空航天事故 —— 美国挑战者号失事，事故根源正是密封系统失效：一枚小型 O 型圈在低温环境下出现故障，最终酿成悲剧。二是减震系统，直接决定车辆驾乘质感。三是流体与热管理系统，相当于汽车的 “体温计”。尤其在新能源汽车时代，该类产品直接影响新能源车充电速度、续航里程与电池使用安全。四是悬挂系统，让底盘从固定结构转变为可变结构，实现车辆通过性、操控性、舒适性三者兼顾。
中鼎深耕汽车零部件领域多年，行业排名如下：2025年位列全球汽车零部件百强第87位；在专注的非轮胎橡胶细分赛道，连续15年稳居国内第一；同时入选中国制造业500强，排名第433位。
依托材料科学、精密制造领域的深厚技术积淀，集团正积极布局人形机器人、液冷两大全新赛道，全力打造集团第二增长曲线。
刚才其他主讲人分享中提到，如今汽车年度新车型上市数量已超越手机新品，伴随电动汽车产业高速发展，汽车行业正从传统制造业向3C电子化产业转型。行业节奏极快，平均不到两天就有一款新车发布，单一车型生命周期普遍不足一年。
不难看出，当前汽车行业面临三大核心挑战。分享一组数据：整车企业利润率已跌至3%。叠加行业持续价格战、产品迭代速度过快两大现状，行业竞争日趋激烈。想要破局，我们需要打造三大核心竞争力：第一，极致成本管控，以此应对行业持续价格战；第二，产品创新能力，依托创新实现降本增效；第三，极速响应能力，匹配主机厂极快的新车研发落地节奏。
未来，我们计划依托 AI 技术搭建全新护城河，夯实以上三项核心能力。
集团落地AI项目之初，确立三大核心目标： 第一，技术层面：搭建一套可全球高度复用的 AIGC 平台； 第二，人才层面：培育一批既懂业务、又精通技术的复合型人才； 第三，业务层面：最终实现全集团降本增效。
▶技术架构—AI 五层架构
这一体系，我们内部戏称“五花肉五层架构”：
最底层为算力层：依托火山云搭建弹性算力底座，同时调用DeepSeek、海外 OpenAI等第三方API，补足本地算力短板。
第二层为模型层：本地部署专属基础模型，当前主力使用通义千问3.5，同时配套部署OCR等行业垂类小模型。
第三层为数据层：搭建统一数据中台。AI应用并非弱化数据治理，反而对数据治理提出更高要求。AI 场景对数据精准度、数据颗粒度的标准，远高于传统数字化转型项目；完善高效的数据层，能够为前端各类AI应用提供精准、可靠的数据支撑。
第四层为统一AIGC 平台层：在该平台完成提示词编排、业务工作流编排，搭建各类行业智能体；
最上层为业务赋能层：各类智能体、数字员工落地，赋能集团全业务场景。
▶AI实施方法论：发现“钉子”，找“锤子”
2025 年初，集团正式启动内部AI落地项目。项目初期我们曾陷入困惑：MES、ERP等传统数字化项目有成熟实施方法论，但AI项目并无标准化落地路径。在持续摸索后，我们总结出一套“先找钉子，再配锤子”的落地方法论。
其中，“钉子”即真实业务痛点，是 AI 落地的精准切入点。甄别有效业务痛点，需同时满足三大条件：
痛点真实客观存在；
属于高成本业务环节：人力投入量大、返工率高、容错成本高；
属于全流程效率瓶颈：突破该瓶颈即可大幅提升整条业务流程运转效率。
识别出业务“钉子”后，需评估该场景落地AI的业务价值，从三方面综合判定：
数据支撑条件：是否具备高质量、标准化数据支撑 AI 落地。前文提到，AI 对数据质量要求远高于传统业务系统，缺乏精准数据支撑，AI 落地只能是空中楼阁；
商业价值：任何技术投入都需完成投入产出分析，确保落地具备正向商业回报；
不可替代性：该业务问题是否只能依托 AI 技术高效解决。
确认业务痛点可通过AI解决后，再匹配适配的“锤子”，即对应技术方案解决业务痛点。技术匹配包含两大维度： 一是大模型选型：根据业务场景特性匹配适配模型。项目初期我们使用 DeepSeek，后续切换为通义千问；伴随通义千问持续版本迭代，我们也同步完成集团内部模型升级迭代。 二是技术方案优化：持续迭代优化提示词模板、业务自动化工作流。
▶AI需求普查
为全面摸排集团AI落地需求，我们先期开展全集团 AI需求普查。普查覆盖集团国内全部核心企业、四大核心业务板块，累计收集150余个业务场景AI落地需求。对需求分类梳理后发现，知识库管理与档案自动生成、生产计划调度、采购供应链管理，是集团内部AI赋能需求最高频的场景，也是我们后续AI 落地重点发力方向。
梳理出海量落地场景后，我们并未同步全量投入开发。2025年集团AI项目落地核心口号为 “速赢”：以短周期、快落地、小投入快速验证AI真实业务赋能价值，落地可见的降本增效成果。
因此，我们从150余个业务场景中筛选9个核心场景，覆盖财务、IT、质量管理、销售、采购等集团核心业务单元，优先落地验证。
接下来，为大家分享几款已上线落地、投入实际使用的AI应用场景：
▶01. ChatBI
集团此前已上线传统BI系统，但落地过程中发现，不同岗位员工数据分析能力差异极大。
ChatBI可强化全员数据洞察、问题归因分析能力，大幅降低数据分析、问题定位对员工专业能力的门槛。它最大的改变，是重塑全员数据使用习惯：数据不再仅用于简单查询、罗列，或是生成饼图、柱状图等可视化报表，而是形成“数据查询 - 问题归因 - 趋势预测 - 优化建议”的完整业务闭环。
▶02. AI 销售助手
该场景是汽车零部件行业典型刚需场景。集团计划员日常对接销售业务时，客户需求通过多元渠道、多元格式传递，包含Excel、Word、图片、PDF等各类文件。
这款智能体可自动识别多元异构文件，统一转换为业务系统可识别的标准化数据格式。且并非简单格式转换、数据搬运，可联动集团其他业务系统，调取客户历史交付记录、合作信用数据完成智能风险评估，在数据自动转换基础上同步输出业务决策参考。
▶03. 风险控制智能体
传统风控管理高度依赖人工，和法务、HR工作模式相近，特定业务场景还需外部专业机构支撑，如律所、会计师事务所等。传统模式存在两大短板：外部专业服务费用高昂、风险评审响应周期漫长。
风控智能体内置行业专家级知识库，可快速识别各类潜在业务风险，同步输出标准化专业评审意见。目前该智能体已广泛应用于销售采购合同评审、质量合作协议评审、集团内部各类财务单据审核等场景。
通过以上速赢类AI场景落地，我们充分验证AI对集团业务的实际赋能价值：实现业务稳定增长的同时，优化精简人力投入；研发端依托研发类智能体，有效缩短新品研发周期；质量管理从传统事后问题整改，前置为事前风险预防模式。
当前集团AI仍处于Agentic AI智能体应用阶段，依托各类智能体实现复杂、柔性业务自动化；但和具身智能、物理实体智能仍存在较大差距。2025年我们尝试自主训练行业垂类小模型时，遇到诸多难点：模型完整训练周期漫长、模型部署流程复杂。为此，我们主动对接英伟达，计划引入NIM技术，加速模型训练流程、简化模型部署环节。
2025年速赢场景落地后，我们发现当前各类智能体应用仍局限于日常办公场景，尚未深度融入智能制造全流程。因此今年集团启动整体AI Factory智能工厂规划，选取流体业务板块作为试点落地对象。
我们以流体产品全生命周期核心关键节点为横轴，集团五大核心业务线为纵轴，完成流体业务高阶全链路梳理。梳理后识别出 30 余个核心业务节点，将节点匹配对应业务线、核心业务系统，具象化为细分落地场景，形成集团AI Factory整体落地构想。
同时，我们结合业务落地优先级、技术成熟度、投入产出ROI三大维度，搭建完整落地路线图，拆解为 28个独立智能体 / 数字员工项目，计划未来两年内分批次完成落地交付；同步完成配套技术匹配规划，梳理出落地过程中将调用、使用的6大类模型。
最后，分享下中鼎制定的新质生产力长期落地路线图。规划周期从2025-2030年，为期五年，目标是构建人机协同新型生产关系，最终实现硅基数字劳动力承担集团30%整体工作量。整体周期划分为四大阶段：
第一阶段：2025年——AI Agent 元年
本年度完成全部POC可行性验证；搭建集团全球复用AIGC统一平台；9个速赢业务场景全部上线落地；组织架构层面增设集团CIO岗位，正式成立AI数据中心。
第二阶段：2026年——AI Agent 爆发年
AI 智能体走出办公场景，深度融合生产制造、质量管控、新品研发全链路；全面启动 AI Factory 智能工厂落地规划；研发领域落地垂类行业模型，推动研发模式从传统经验驱动向数据驱动转型。
第三阶段：2027-2028年——标杆工厂建设期
聚焦中鼎流体业务板块，打造 AI Factory 降本增效标杆工厂；实现核心产线智能化、无人化作业。
第四阶段：2029-2030年——全球复制推广期
将流体板块 AI Factory 落地标准化模板向全球海外基地复制推广；标准化模板整合集团业务实践、配套算法、硬件一体化解决方案。
我们坚信，待规划全部落地后，汽车零部件行业将彻底转型，从传统劳动密集型产业，升级为智慧密集型、算力密集型新型产业。