当汽车产业迈入智能化、软件化的深水区，AI 不再只是实验室里的模型，而是驱动效率、品质与体验的底层力量。
正是基于这样的共识，理想连山与德赛西威决定携手共建「工业 AI 联合创新项目」：共同探索如何让 AI 成为工业体系的生产力。
但在今天的启动会之前，这段合作的故事，已经默默走过了三年...
01｜起点：一次偶遇，播下合作的种子
在工业领域，质量是棘手的问题，一个看似细微的失误，可能在量产阶段被放大成巨大的损失；一个未被及时识别的风险，往往要在问题发生后，才能被追溯和解释。
质量管理因此常常陷入被动：问题暴露得太晚，分析周期太长，改进动作太慢。
2023 年11月，在深圳的一场行业大会上，连山团队做了一场关于如何提前识别并拦截质量问题的案例分享，这触动了德赛西威的质量总监于艺，随后双方加了联系方式，并在之后的线上沟通中提出了一个想法：
“我们真的可以打造一个供应链的样板间，就和德赛一起，降低售后ppm，减少质量成本。”
12月7日，双方在德赛总部正式会面。正是在这次会面上，样板间项目被正式提出：一个以数据互联为起点、以质量提升为目标、以 AI 赋能为路径的合作雏形，连山也因此第一次踏入了供应链的真实现场。
那一刻，合作的故事从想法变成现实。
02｜探索：从怀疑到配合
2024 年 1 月，项目组正式成立。那时的连山团队还不熟悉德赛的制造业务，对很多工艺名词和业务逻辑都需要边学边问。德赛的工程师也带着谨慎与期待观察：这些算法，真的能帮我们解决问题吗？
每周一次的项目例会成了双方探索的主场。在那段时间里，连山团队真正深入到了供应链的业务底层，不只是研究算法，而是重新梳理了从检测到交付的整个质量链路，去理解每一个检测项、每一次返修、每一个波动背后隐藏的因果逻辑。德赛团队则尝试在真实场景中开放关键数据，共同设计预警机制，把模型从概念验证带入真实生产。
那是一个双方都在摸索的阶段，讨论常常从质量指标波动延伸到工艺改进，从算法逻辑延展到业务闭环。怀疑、理解、再试验，信任在一次次交流中被磨合出来，每周一次的例会，成为双方对齐问题、验证假设与定义目标的场所。
这个阶段，合作真正从文件走向了行动。
03｜突破：从迷茫到价值
2024 年 3 月，项目迎来了第一个转折点。
在此之前，连山与德赛共同构建了质量问题的故障树模型，梳理了复杂工艺下的失效因果链路，并探索了从工艺参数、检测记录到售后反馈的全链条数据归因。这些扎实的基础工作，让连山具备了主动“发现问题”的能力。
当指标异动模块上线后，它第一次在真实生产环境中展现出价值——连山共识别出 107 次有效预警，推动产线追溯与返修流程优化；在并提前捕捉两起 SPC 趋势异常，推动了产线追溯与返修流程优化，为德赛带来约 500 万元的收益。
进入 2024 年下半年，合作进一步走向体系化。在完成数据自动化计算与 Cpk 异动推送后，双方开始把 AI 深入到更多场景——从视觉质检、售后预警到 OEE 效率提升。连山Web 与 App 的上线后，共97位德赛工程师注册试用；AI-Brain 的边缘部署，则让模型能够在生产现场实时推理与预警。与此同时，OEE 效率提升项目同步推进，节拍自动计算、大屏监控与APP异常告警形成了协同闭环。
AI 从感知走向了分析探索，而这些具体成果让“AI 能否落地”不再是问号，而是一个经过验证的事实。
 2024年6月，连山团队受邀参加德赛质量月活动 |
04｜再出发：商业化与协作共赢
历时一年半，双方共进行了 30 余次周会，每次一小时，从问题澄清到模型落地，从业务讨论到技术共建，会议记录的每一页都是协同的见证。项目一期顺利结项，并开启商业化阶段。
在2025年8 月，双方完成二期立项需求对齐；10 月，「工业 AI 联合创新项目」正式启动签约。这次合作不再只是单一项目的延续，而是一种更深层的协作与共创。在启动会上，思想的交汇成为最大的亮点。
连山总经理王巍提出了一个根本问题：
“我们为什么要做 AI？它究竟在解决今年的问题，还是明年的问题？如果 AI 只是替代今天的流程，它就只是成本的替身；只有当它能解决明天的问题，才是企业的能力。”
德赛西威制造事业群总经理钟自辉则回应：
“我们的天花板不是技术，而是管理与认知。希望这次合作能用 AI 打破传统模式的限制，让制造体系真正跨上一个新的台阶。”
这场对话成为合作精神的最好注解：AI 不只是算法的演进，更是推动组织协作模式的进化。
 连山与德赛团队签约AI联合创新项目任命书 |
尾声：长期主义的力量
三年的合作，从最初的“样板间试点”到如今的“工业 AI 联合创新项目”，从业务磨合到共同成长，理想连山与德赛西威用实践证明，工业 AI 的价值不在概念，而在持续的落地与复利。
真正的智能，不是取代人，而是让企业具备学习与进化的能力。
连山与德赛的长期共创旅程仍在继续，也将持续推动工业智能迈向更高维度的未来。