自動駕駛公司，正在標配飛書

一凡 發自 凹飛寺
量子位 | 公眾號 QbitAI

代表科技前沿的自動駕駛公司，有什么新共識？

2025年，行業迎來快速發展。L2輔助駕駛搭載量爆發增長，Momenta城市NOA市場占有率穩居頭部，地平線征程芯片量產突破1000萬大關，元戎啟行方案量產上車超13萬輛。小鵬理想，則開始向L4進發。

在自動駕駛領域，小馬智行今年沖刺落地千臺規模Robotaxi車隊，文遠知行集齊7國自動駕駛牌照，新石器交付無人小車超1萬輛。

這些物理AI的弄潮兒們，來自不同領域，擅長不同業務，押注的技術路線也不同，但在知識沉淀和提高效率的工具選擇上，卻達成共識，紛紛擁抱了飛書

為什么會出現這種現象？

量子位帶著問題，在對話多名一線從業者后找到了答案：

用AI精益生產AI。

自動駕駛行業，正在用AI精益生產AI

精益生產是發源自汽車行業的理念，這是一個不斷改進的過程，主要是通過自動化準時化，盡可能消除浪費，進而降低成本，讓企業的產品更具優勢。

在AI時代，AI既是精益生產的工具，也可以是精益生產的成果。用AI精益生產AI的過程，就是提高效率，加快研發的過程。

具體可以拆解為讓生產原材料知識的獲取更快更及時，讓研發流程實現自動化標準化盡可能解放研發人員精力，減少時間和知識資產的浪費

作為AI前沿賽道和熱門應用，自動駕駛和輔助駕駛行業率先用AI精益生產AI，其中的代表性案例分別來自地平線、Momenta和四維圖新

首先是地平線，據介紹其每年沉淀文檔超70萬份，其中僅地平線城區輔助駕駛HSD(Horizon SuperDrive)這一個項目的相關文檔就有8萬份

海量的文檔就像是一座知識寶庫，如何高效利用其中的知識，加快研發流程？

地平線的選擇是，把飛書作為核心平臺，構建一套研發協作和知識管理體系，讓知識獲取更及時、更安全。

首先，地平線用飛書給公司數百個項目都建立了對應的知識庫，讓每一代產品都能基于上一代沉淀的知識高效迭代。這種能力太重要了，畢竟當前行業競爭激烈，不定期要推送一個小版本OTA，一年要更新一個大版本，只有快速迭代才能贏得市場。

在開發迭代過程中，地平線員工還可以用知識問答AI，一搜一問，就能及時獲取研發時想要的知識，讓知識及時進入研發流程。據了解，現在地平線每天都有數百名員工在用知識問答AI。

飛書不僅幫助地平線找到了打開知識寶庫的鑰匙，激活了知識資產，同時還給地平線的知識資產上了道“鎖”，守護知識資產安全。在飛書上，權限申請可以自動觸發對應管理審批流程，同時通過AI輔助識別資產密級，讓研發更高效也更可靠。

為了把知識進一步落實為行動，地平線用飛書的低代碼平臺aPaaS打造了專屬文檔管理平臺，實現對文檔關聯待辦事項的系統性追蹤與閉環管理，研發待辦事項的關閉率提升至80%以上，增強了研發人員的執行力。

地平線的生態效應，也在提效工具的選取上顯現，地平線的部分合作伙伴甚至提出“地平線用什么工具，我們就用什么工具”，體現了飛書提效帶來的價值。

總結起來，利用飛書管理知識后，地平線研發人員獲取知識更快更及時，團隊協作更高效，不同工序間銜接更緊密，時間和知識資產的浪費減少了。

地平線的案例是用AI把知識管起來，Momenta則是用AI讓研發流程自動駕駛起來，講述了飛書項目對研發的助力。

基于飛書項目，Momenta打造了研發效率引擎， 打通了從需求導入到項目交付的研發全流程。

現在，Momenta可以一鍵批量導入開發需求，耗時從半天縮短到10分鐘。完成開發進行路測驗證時，安全員一鍵上傳問題到云端，飛書項目會自動創建問題清單，然后根據場景自動聚類問題，接著AI預分析原因，幫問題對應的研發人員減輕負擔。

據Momenta研發高級總監范小軍介紹，利用飛書項目實現信息自動化流轉后，項目經理每周和客戶的非必要溝通會議減少了很多。

飛書不僅直接幫助研發人員提效，同時還幫助企業建設“不斷提效”的組織文化，其中一個重要渠道是“AI效率先鋒大賽”

AI效率先鋒大賽，就是讓企業內部用飛書提效的案例走上舞臺，對外展示，同時邀請不同合作伙伴進行交流，加速優秀案例在客戶之間傳播。

最近，飛書就和四維圖新聯合舉辦了AI效率先鋒大賽，在比賽中就涌現出了很多讓人印象深刻的案例。

比如來自子公司四維智聯的團隊，就借助飛書提供的低代碼平臺aPaaS和智能體搭建平臺aily，創建了一個群消息總結智能體，這個智能體能把群聊消息這種碎片化信息沉淀為經驗。這與成體系的文檔形成補充，進一步豐富了企業的知識資產

當遇到此前群聊中出現過的重復問題時，就可以求助該智能體，幫開發人員節省出時間。

類似這樣從日常場景入手提效的案例還有很多，其中最受專業評委認可的方案來自地圖導航業務中心，其針對專利交底書撰寫，利用aily打造了一個AI專利智能體，采用多模態方式幫你寫好專利交底書。

最直接的是對話方式，就像日常用的ChatBot那樣，用戶需要向智能體介紹專利應用領域，然后它會問用戶專利帶來的好處。

在用戶回答完畢后，智能體會開始思考，給用戶提供專利撰寫的初步想法，接著會搜索網上已有材料，與用戶當前的專利想法對比異同，提煉出新專利的新穎點，并以關鍵詞的形式展示。

接著，用戶再輸入初步想法與專利關鍵點，智能體判斷條件齊全后會輸出一份專利交底書的初稿，并直接轉成飛書文檔，方便后續協作。

此外你還可以通過飛書妙記和AI功能，直接記錄相關會議內容，從中提煉專利點。或者直接輸入一張圖，讓它幫你從圖片中找出創新點。

通過以上多種方式，智能體能幫你快速撰寫專利交底書，節省出大量時間。據四維圖新介紹，這小小的一個智能體，能幫助公司1年避免100項專利累計320個小時的無效投入，相當于省去超30萬元的研發成本。

據說這個方案已經開始在其他公司流傳了。畢竟幫助優秀提效案例傳播，也是AI效率先鋒大賽的目的之一。

在四維圖新看來，AI效率先鋒大賽讓員工有了不斷用AI提效的意識，培養了不斷提效的企業文化。優秀的提效案例會從部門傳播到整個公司，再從公司導向集團，甚至最終影響整個行業。這也體現了精益生產“不斷改善”的理念。

用AI成果提效AI研發，這正是自動駕駛行業當前需要的思維和能力。

為什么自動駕駛公司，都在用飛書提效？

為什么自動駕駛公司，都在用飛書提效？

要回答這個問題，首先得從自動駕駛研發的根源上尋找答案。

有從業者表示，行業當前存在著“既要快速迭代，又要安全可靠”的矛盾。

在傳統軟件行業，可以用敏捷開發模式快速推出一款產品，出問題就改bug，然后不斷迭代。但是自動駕駛和智能輔助駕駛的落地，直接關系到人的安全，不能采用這種方法。

除此外，還有組織架構上的需求。

自動駕駛的開發和測試往往需要打通多個部門，比如一輛測試車需要去指定地點，有時候需要呼叫拖車運輸。叫拖車這一個環節，需要商務、運營、司機、財務和外包公司等多方聯動，牽涉人員多且耗時，延緩了發現問題然后給研發反饋問題的速度。

所以，行業研發自身的需要，期待著一款既能讓研發流程更快、更可控，還能打破部門壁壘的提效工具。

與此同時，近兩年行業發展勢頭向好，更進一步加強了提效需求。

L2層面，有數據顯示，今年1-7月國內乘用車輔助駕駛滲透率已達63%，預計到2030年L2搭載率會達到100%。

Robotaxi層面，2025年被稱為“量產元年”。特斯拉強勢入局帶來了潑天流量，在全球掀起資本熱潮，同時按下了競爭加速鍵，L2漸進式路線和L4終局路線的競爭空前激烈。

機會和挑戰同時擺在從業者面前。正如小馬智行高級研發總監羅錦堅所說，當前行業競爭已經是一場長跑比賽，每天都比別人跑得快一點點，這就不得了。

要做到每天“比別人跑得快一點點”，盡可能獲取更大的市場份額，需要提高效率，需要提效工具，而傳統的工具和方式，在這方面有局限性。

比如打電話、發郵件、拉群聊，這些傳統的溝通方式，不僅過程繁瑣，還要切換多個工具，時間成本更高。在交流過程中即便產生了有價值的信息，也會在不經意間流失，不能借助飛書云文檔、AI會議、多維表格等工具沉淀成寶貴的經驗，進而轉化為內部知識資產。

甚至在行業出現快速增長后，傳統方式還會給工作造成阻礙。

據文遠知行的員工講述，他本人三年前入職時，公司還在用傳統表格管理車輛售后的數據維修工作。當年公司車少問題還不大，后來車輛規模達到成百上千臺后，表格一打開就卡。

如今文遠知行切換到飛書多維表格，工作起來就絲滑多了，能記錄的車輛信息也更多了，直接從2項擴展到了57項，AI還會幫你匯總本月概況，總結問題，讓去年下半年文遠車輛的維修情況比上半年降低了大約80%，保障了研發測試安全開展。

所以，從研發自身的矛盾出發，加上外部競爭壓力的催化，行業來到了一個需要提效，需要精益生產AI的時刻。

而飛書則提供了一系列精益生產AI的工具，減少了知識浪費，激活了知識資產，加快了研發流程，讓AI成果促進生產AI，成為物理AI玩家們的共同伙伴。

用飛書加速AI進入真實世界

由點到鏈再到面，飛書正在成為物理AI浪潮的加速器。

通過與前面提到的一系列玩家合作，飛書已經影響了背后整個產業鏈。比如前面提到的地平線和其合作伙伴。以及小馬智行，也在用飛書和外部伙伴進行技術交流，小馬智行副總裁莫璐怡就點贊飛書的權限管理讓小馬很安心，和外部的溝通越來越順暢。

飛書在自動駕駛產業的成功應用，也正在影響著整個物理AI賽道。許多具身智能明星率先擁抱飛書，比如智元機器人、優必選、銀河通用和松延動力……具身智能和自動駕駛的交集，真是越來越多了。

這也意味著飛書已經搶灘登陸了新一波AI浪潮，加速AI進入真實世界。而AI觸及真實世界，不僅考驗著軟件算法，對硬件本體也是一種挑戰，更加需要AI精益生產AI全面賦能，提效軟件研發，加快本體量產。

黃仁勛曾經斷言，AI的下一波浪潮是物理AI。而實踐已經證明，物理AI的未來屬于那些率先使用先進工具的玩家。

先進生產力企業，還是得先用先進生產力工具。