Vol05：工业场景最缺哪些AI人才？对话阿尔特汽车副总裁刘亚彬

F1 赛车里动辄几十万一轮的风洞实验，他正尝试让 AI 来分担。

本期嘉宾刘亚彬，是亚洲最大独立汽车设计公司阿尔特的副总裁。
做了十几年整车研发，带着 3000 多人的工程师团队，一路服务过中国几乎所有主流车企——典型的“造车老兵”。但在这两年，他给自己加了一个新身份：在传统工业里“带队搞 AI 的新人”。

当汽车工业要的，是可信、可追溯、因果关系讲得清，而 AI 天生“不懂物理、不懂责任、还爱幻觉”，他要解决的问题就变成了：几何、物理场泛化，这些老师傅“看一眼就知道”的经验，怎样拆成机器能读懂的规则？

这一期，我们不只聊技术，还要聊一个人的转身：
“只有工业的人觉醒了，才能做AI”

这期节目，我们和亚彬总一起聊聊：

• 为什么汽车AI落地，比ChatGPT写文案难100倍？
• 传统工程师如何靠AI变身“超级个体”？
• AI时代对个人最大的挑战是什么？
• 三年后，我们能靠一句话定制一辆车吗？

00:00 - 06:00 开场与国内汽车市场

• 从仿真工程师到AI业务负责人
• 阿尔特：亚洲最大的独立汽车设计公司
• 中国作为全球最好的需求验证场
• 汽车设计周期：从需求到上市的完整流程

06:00 - 10:15 汽车设计的复杂性与挑战

• 一辆车的制造有多难？从调研到量产的漫长过程
• 设计最难的点：让用户接受+保证可靠性
• 开发周期从38个月压缩到20多个月的压力
• 日以继夜加班才能实现的极限速度

10:15 - 18:30 AI落地汽车工业的难点

• 工业要求可信、科学、落地，AI初期都不具备
• 为什么要自研模型而不用Midjourney？
• AI是锦上添花还是必需品？
• 通过培养"超级个体"推进AI落地
• 分享AI落地的失败案例和教训

18:30 - 25:10 工业数据的困境与突破

• 工业数据的三大问题：孤岛化、工具割裂、机器难理解
• 数据治理经验：embedding和数学表达
• 工业AI最缺什么人才？
• AI人才与汽车人才的融合现状

25:10 - 32:40 与百度伐谋的合作实践

• 为什么选择与伐谋合作？
• 汽车设计中的"最优解"寻优过程
• 今天的最优解，明天可能就不是了
• 算法开发时间从3个月缩短到1.5个月
• 5个人的工作变成1个人就能完成

32:40 - 40:10 风阻预测的突破与价值

• 伐谋在风阻预测中的具体应用
• AI模拟精度从95%提升到97.5%
• 计算时间从10小时降到几分钟
• 突破关键：算法优化而非数据堆积
• "数据本身也有护城河"

40:10 - 48:30 人才转型与组织变革

• AI改变了风阻工程师的工作内容
• 对领导力的新挑战：平衡机器和人的结果
• 老师傅的价值更加凸显
• AI在汽车工业还处于刚起步阶段
• "AI对我的挑战就是休息不够了"

48:30 - 57:00 工业AI的本质与边界

• 工业作为世界模型的理想实验场
• 工业AI vs 通用AI：更原子化、更重视规则
• "万物皆可embedding，但要知道该怎么embedding"
• 能生成智能体的智能体
• 算法工程师的巨大人才缺口

57:00 - 1:06:40 供应链重构与标准制定

• AI可能重构汽车供应链的协同方式
• 阿尔特的核心优势：数据+理解力+第三方定位
• 三年后汽车设计会变成什么样？
• 在新能源车标准制定上的位置转换
• 给工业AI企业的建议：面向数据、不要图快

1:06:40 - 1:13:57 未来展望与总结

• 未来人才需要交叉能力和快速适应变化
• 工业AI不存在泡沫，因为都要算ROI
• 终极愿景：从B端到C端的个性化定制
• "不能像AI公司一样焦虑，给AI一点时间"