全生命周期優化難，多環節數據割裂

汽車研發數據（仿真數據、測試報告）、生產數據（產線傳感器、質檢數據）與用戶數據（行駛日志、售后反饋）相互割裂，數據鏈路不通，難以支撐車輛全生命周期優化。

自動駕駛數據處理慢，多模態數據效率低

自動駕駛訓練數據量龐大，且激光雷達、攝像頭、雷達等多模態數據處理效率低，影響自動駕駛技術研發進度。

售后診斷效率低，缺乏 AI 智能排查能力

售后故障診斷依賴人工經驗，缺少 AI 驅動的智能排查能力，導致故障定位耗時久、效率低，影響用戶售后體驗。

新車研發周期長，仿真驗證效率待提升

傳統仿真方法計算資源消耗大，缺乏AI加速的仿真優化能力，新車研發周期長且成本高。