汽车后市场作为汽车使用衍生出的各类服务领域，规模庞大且利润可观，但长期以来存在着诸多问题，如服务水平参差不齐、透明度低、供应链管理混乱等。AI大模型凭借其强大的数据分析和处理能力，在这个领域展现出了巨大的应用潜力，有望为解决这些问题、推动行业发展带来新的契机。
AI大模型在汽车后市场的应用仍处于探索阶段，虽然已经有了一些案例实践，但在落地推广过程中也面临着不少挑战。那么，AI大模型究竟是如何在汽车后市场的各个环节发挥作用的？其应用案例又能给我们带来哪些启示？未来的发展趋势又会怎样呢？
本文通过应用案例分析以及对行业的影响和应用趋势等方面的深入探讨，为您详细解读这一领域的相关情况，带您一同了解AI大模型与汽车后市场深度融合的现状与未来。
核心观点
在政策和市场的双轮驱动下，汽车后市场迎来数字化转型契机。此外， Chat GPT的广泛应用，也让包括汽车后市场在内的许多行业，看到AI大模型落地应用的希望。
AI大模型在汽车后市场应用潜力大，汽车产生的数据具备“数量大”和“质量高”的特点，为AI大模型在汽车后装市场应用提供良好数据基础，综合市场规模、市场需求强度及落地推广的可行性，AI大模型在车后市场的主要应用场景包括汽车维修和保养、金融保险、二手车交易等领域。
以AI修车大模型为例，当前基于大数据模型和智能算法优化，已经初步具备故障诊断功能，但技术尚未完全成熟，需要不断积累行业know how，技术成熟后，进入市场落地应用，此外推广渠道少和客户付费动力不足，是当前阶段技术供应商面临的困境。
未来，AI大模型在车后市场的应用场景将逐步增多，在具体应用场景下的功能越来越完善，且将由首批B端用户向C端用户延伸，最终以C端用户使用为主。AI大模型的应用将助推车后市场透明化、服务质量提高和服务标准化、产品需求预测精准化等影响。
01.AI大模型在汽车后市场发展
AI大模型发展概况
随着人工智能技术蓬勃发展，衍生出许多相关概念，虎嗅智库对相关概念进行界定，并按照领域范围和包含关系，将其排序为：AI、AI大模型、AIGC、GPT。
AI即人工智能(Artificial Intelligence)，是一门研究如何让机器模拟人类的学科；AI大模型是指规模庞大的人工智能模型，这些模型具有更多的参数、更复杂的结构和更强大的计算能力；AIGC(AI Generated Content)是指利用人工智能生成相关内容，跟PGC(依靠专业人员创作内容)和UGC(用户自行创造内容)并列；GPT(Generative Pre-Trained Transformer)是AIGC的一个种类，是一种生成式预训练转换器，基于互联网、用数据训练、生成文本的深度学习模型。
AI大模型催生新的产业体系，利用人工智能学习各类海量数据拟合建模，形成通用基础知识，帮助提高内容生成的效率。落实到产业层面，可以视作一种硅基劳动力资源，借助电力运行，不知疲倦。但在融入不同产业、解决不同问题时，需使用企业私域数据进行垂直技能训练，基于行业knowhow,通过微调或中间件的形式，嵌入业务价值流。
汽车后装市场对数字化转型的需求
1.汽车后装市场范围界定
汽车后装市场是指汽车销售以后，围绕汽车使用衍生出的各种服务，包括汽车金融、维修保养、二手车交易、汽车保险、汽车用品等。
2.汽车后装市场数字化转型的契机
政策引导汽车后装市场进行数字化转型。近日，商务部等九部门联合发布《关于推动汽车后市场高质量发展的指导意见》,针对汽车后市场中维修、保养环节，提出促进汽车维修服务提质升级，提升汽车维修数字化服务能力。汽车后装市场数字化转型迎政策利好。
汽车保有量大，汽车后市场规模和利润可观。依据公安部发布的统计数据，截至2023年9月底，全国汽车保有量已达3.3亿辆，汽车后装市场规模达6.9万亿元，细分市场中，汽车金融和维修保养分别占比为29%和19%。
汽车向新能源化转型，对后装市场提出新要求。依据公安部发布的统计数
据，截至2023年9月底，新能源汽车保有量达到1821万辆。相较于传统燃油车，新能源汽车具有整车及零部件的集成度更高，且传统汽车的发动机、变速箱被三电系统替代等特点，因此，现有维修人员的知识结构和能力水平已不能满足电动车维修需求，且随着汽车智能化技术发展，电动车故障诊断对大数据和云平台更加依赖，车企授权技术壁垒的影响加大。
AI大模型在汽车后市场的应用潜力及重点应用场景
1.AI大模型在汽车后市场的应用潜力大。汽车产生的数据具备“数量大”和“质量高”的特点，为AI大模型在汽车后装市场应用提供良好数据基础。截至2023年9月底，全国汽车保有量3.3亿辆，其中新能源汽车1821万辆。新能源车市场车型多，零部件数量庞大，不同企业的售后服务规范之间差异大，使得售后市场更加复杂，需通过数字化手段实现产业链协同。
此外，当前阶段，汽车后市场存在服务水平参差不齐、透明度低、汽车维修配件供应链管理混乱等问题，亟需AI大模型等技术手段，帮助实现汽车后市场的数字化管理。
2.当前，行业对AI大模型在车后市场的应用做了一系列探索，但具备规模化实际落地应用的案例较少。根据企业调研，当前对AI大模型在车后市场的应用探索，主要场景包括汽车维修和保养、金融保险、二手车交易等领域。这主要取决于AI大模型在这些场景中的市场规模、市场需求强度及落地推广的可行性较高。
02.AI大模型在汽车后市场应用案例分析
案例1：故障诊断与维修-AI修车大模型
1.汽车维修行业存在的痛点
过去，汽车维修行业存在各种问题。对于C端车主来说，主要面临的困境可以概括为两个方面：一个是当车辆出现故障时，车主本人难以识别车辆故障点，并且不擅长用技术语言精准描述故障表现，另一个是进行车辆维修过程中，由于信息不对称遭遇的一系列问题，例如车主去4S店维修时，存在维修过程不透明、收费昂贵以及小病大修等问题。
对于维修店而言，则存在由于主机厂数据保密带来的维修技术屏障，主机厂只将车辆数据和维修技术授权给4S店或部分维修店，另一部分维修店则由于信息垄断不能开展维修业务，只能开展简单的保养、洗车等初级业务。此外，汽修厂商也面临采购配件产品时，存在真假难辨，以及产品真伪辨别的信息在备件供应商、汽修门店及车主之间不对称，配件产品价格高昂等问题。
2.案例呈现
上汽集团子公司塞克供应链科技有限公司依托开源大模型GPT2.0，打破汽车私域数据壁垒，低成本培育了AI在汽车领域应用模型：车安心数字科技。
3.应用场景
从前端应用界面看，目前已具备4项功能入口。通过AI修车入口，输入车型和故障信息，AI修车功能通过解析故障信息描述给出维修方案，用户可根据应用给出的维修方案进行故障维修，提高修车效率；在配件操作功能下，点击配件操作选项，进入AI修车-故障诊断大模型界面，借助底层开源大模型GPT2.0，进行车型和故障描述，点击开始诊断按钮，模型会自行给出诊断结果，锁定可疑故障零件，并给出对应的维修建议。
4.技术原理及训练过程
首先，基于行车电脑数据流和发动机控制逻辑，对故障进行基于原理的正向诊断；其次，借助汽车质量的一致性，不断向大模型投喂故障案例数据，进行模型训练，对故障进行基于相关性的反向推断；最后，通过对驾驶员行为、多控制器参数、车型平台等汽车数据解析，基于自学习进行建模。在调试阶段，基于汽车OBD数据，借助GPT2.0等开源大模型，通过私有车辆数据及大量故障维修的案例数据进行微调，最终形成AI车辆故障诊断大模型。
总结来看，修车大模型的成功主要在于汽车维修数据和维修案例的积累，以及汽车主动判断故障和困难的行业knowhow。
4.用户定位
第一批目标用户是路边的维修店，部分维修店因拿不到维修的方案，所以只能开展装饰、洗车、保养等业务，无法维修。第二批目标用户是C端车主，但在当前阶段，车主很难直观感受到大模型的技术价值，因而在当前阶段产品推广存在一定难度。
5.未来优化方向
当前阶段，AI车辆故障诊断模型只能基于GPT2.0开源大模型，实现基本的问答功能，即通过问题搜索得到文字描述答案，很难通过表格或图示形式回答。但在具体修车场景中，消费者往往读图比读文字更易理解，比如更换一个零部件，修车大模型可以通过图示的形式，提示消费者每一步具体如何操作，在文字性对话的基础上增加了图示功能，提高用户使用的便利性。
AI修车大模型目前只具备“问诊”的功能，即用户通过故障问题描述，AI大模型对问题进行通用性的解析，在一定的泛化范围内在数据库中找到对应故障案例，给出故障诊断结果。未来修车大模型功能演化方向为“开药”和“治病”,即为用户提供故障解决方案，告知用户故障配件哪里有库存，并且输出具体的维修及配件更换操作流程。
案例2：保险金融-二手车金融助贷平台
1.二手车金融助贷领域存在的痛点
二手车金融助贷模式助推二手车交易市场发展同时，也暴露出许多问题，主要聚焦在二手车估价和二手车金融贷款两个领域。
二手车估价不仅受到汽车本身配置影响，还与汽车损耗、新车价格等信息有着密切的联系，价格评估体系不健全，对于二手车价格评估并没有全国统一的标准，在各个市场交易中依然存在定价不合理，随意性较大、信息不透明等问题。
二手车金融贷款则与二手车信息诚信相关，涉及二手车的过往交易记录、维修保养记录等数据，这些数据分布在二手车交易平台、保险公司、交易商、协会等，都分散性的掌握在各自的手中，二手车信息诚信问题使得消费者对二手车市场产生不信任，不利于二手车市场稳定有序发展。
2.案例呈现
车安心数字科技二手车金融助贷平台，借助区块链技术，汇集车源线索数
据，将所有数据上链管理，保证数据的可靠性和真实性，以及全过程的一致性。通过大数据进行建模，形成统一的标准估算体系。在车辆交易前，对车辆状况进行检测，形成验车报告。通过验车报告与大数据案例库进行比对，找到对应的估值结果。同时，验车报告不断上传数据库的过程，也是不断丰富和积累案例数据量的过程，不断调优模型，使估价体系更加完善，估值结果更精准。在形成估价结果后，C端用户依据估价结果进行购车和贷款。
3.应用场景
该项功能处于构思阶段，尚未落地，计划应用领域为金融服务和车辆评估。其中，金融服务领域的具体应用场景为对公库融和对私车贷，车辆评估领域的具体应用场景则覆盖全品牌全品类车型。
4.技术原理
通过汽车OBD接口获取车辆位置监控信息、车况感知数据、拆卸报警数据等大量数据，结合具体业务中持续汇集的大数据，包括车辆的品牌、车况、车价数据，汽车厂商的历史交易量、交易价格、库领等数据，以及汽车市场的新车价格、二手车成交价格走势、成交量、保有量以及区域市场特点等数据，构建AI车辆估值大模型。
AI车辆估值大模型为二手车估值提供统一的标准体系。在这一坐标系内，二手车车况评估报告输入后，会在这个坐标体系内找到对应的位置和价格，输出价格估计结果，这个结果更加具备客观性，实现一车一况价值评估。同时，由于此前车辆所有数据都进行了上链管理，保证了数据的真实性和可靠性。此外，第三方监管机构可借助OBD数据，实现库融抵押车辆监管、个人信贷抵押车辆追踪等功能。
5.可能存在的落地难点
保障车况源数据“上链”前的真实性。AI大模型构建的核心要素是数据的“质量”和“数量”,在模型构建之前，需要先对车辆数据通过区块链统一管理，因此保证数据在上链之前的可靠性和真实性，是模型可靠性的关键；
OBD数据解析过程中可能存在数据安全风险。建模所用的大量数据，需要通过OBD数据反解析获取，比如要获取某一辆特斯拉车辆的数据，需要通过OBD接口输出的数据进行逆向解析，可能触及车企利益，存在一定数据安全风险；
AI大模型的应用存在各方利益博弈，落地和推广困难。二手车交易涉及二手车交易平台、保险公司、交易商、协会等多方群体，在多方利于博弈的情况下，大模型的落地应用和推广可能存在障碍，存在利益博弈及弃用的风险。
03.AI大模型对汽车后市场的影响及应用趋势
AI大模型在汽车后市场的应用趋势
1.AI大模型在车后市场的应用场景增多。随着数据量的积累、算法优化、算力增强，AI大模型会不断解决行业的knowhow，变得越来越聪明，通用大模型在车后市场的应用场景将不断增多。根据可落地性和市场需求强度，第一批重点应用场景或聚焦于AI修车、二手车交易和估值、金融保险等领域，第二批重点应用场景汽车营销的各类场景、市场公关及品牌宣传的海报设计等领域。
2.具体应用场景中的功能越来越完善。在汽修领域，以塞克供应链的AI修车大模型为例，当前阶段AI大模型的功能可以实现“问诊”,即帮助车主或汽修厂进行车辆故障诊断。在未来，下一阶段的演进方向为“开药”,即告知车主到哪里可以拿到需要更换的零部件，最后一阶段，告知用户如何安装，通过AI大模型为用户输出安装教程，这一功能尚处于调试阶段。
3.AI大模型由首批B端用户向C端用户延伸，最终以C端用户使用为主。当前阶段，车后市场AI大模型仍处于探索阶段，尚未完全落地推广，这一方面是因为技术尚未成熟，不具备大规模推广条件，另一方面是因为用户付费意愿和接受程度较低，尤其是C端用户，对AI大模型在车后市场应用的功能尚无感知，因此，当车后市场AI大模型技术落地成熟后，首批用户应为B端用户，通过B端用户向C端用户延伸和推广应用，最终的主要受众群体将以C端用户为主。
AI大模型对汽车后市场的影响
1.AI大模型推动车后市场由原来的信息不对称走向透明化。长久以来，我国汽车后市场在发展过程中存在由信息不对称导致的各种问题，例如车主去4S店维修时，遭遇维修过程不透明、收费昂贵以及小病大修等问题，配件产品真假难辨，产品真伪辨别的信息在备件供应商、汽修门店及车主之间不对称，配件产品价格高昂，维修技术优劣难辨，这些问题都是由于汽车后市场的信息不对称造成的，AI大模型可以通过对大数据的收集和分析，打通传统的相对封闭的数据，进行统一建模，实现车后市场的透明化及可追溯，更好地保障消费者权益。
2.AI大模型推动车后市场服务质量提高和服务标准化。我国汽车后市场起源于售后服务和维修服务，整体处于初级阶段，行业基础薄弱，服务体系的综合素质不高，服务企业的技术素质、汽车后市场的从业人员素质、服务企业经营管理的素质等总体不高，服务主体及行业服务的能力不足。AI大模型的出现，可以提供推动车后市场服务质量提高和服务标准化的通用能力，例如在客户服务方面，AI大模型可以用于智能客服，通过机器学习技术解答消费者的问题，提高客户满意度。AI修车大模型可以通过大数据建模，通过大数据和智能算法加持，形成标准化和规范化的服务流程和服务模式，实现服务的标准化。
3.AI大模型助推汽车后市场的需求预测更加精准。通过对车后市场的大数据进行分析和建模，精准预测市场需求。例如在库存管理方面，AI可以帮助汽车后市场企业更有效地管理库存，减少库存成本。在服务产品的营销推广方面，AI可以通过分析消费者行为和偏好，提供更精准的个性化营销。在企业管理方面，AI可以通过分析大量的市场和用户数据，帮助汽车后市场企业做出更准确的业务决策。
4.车辆故障由事后补救为主转向以事前预测防范为主。AI可以通过对大量车辆数据的分析，预测哪些零部件可能会出现问题，并进行故障诊断，提前进行修复，减少车辆故障出现的可能性。
*本篇数据截止于2023年12月。
文章来源：虎嗅智库服务
