一凡 发自 凹飞寺
量子位 | 公众号 QbitAI

代表科技前沿的自动驾驶公司，有什么新共识？

2025年，行业迎来快速发展。L2辅助驾驶搭载量爆发增长，Momenta城市NOA市场占有率稳居头部，地平线征程芯片量产突破1000万大关，元戎启行方案量产上车超13万辆。小鹏和理想，则开始向L4进发。

在自动驾驶领域，小马智行今年冲刺落地千台规模Robotaxi车队，文远知行集齐7国自动驾驶牌照，新石器交付无人小车超1万辆。

这些物理AI的弄潮儿们，来自不同领域，擅长不同业务，押注的技术路线也不同，但在知识沉淀和提高效率的工具选择上，却达成共识，纷纷拥抱了飞书。

为什么会出现这种现象？

量子位带着问题，在对话多名一线从业者后找到了答案：

用AI精益生产AI。

自动驾驶行业，正在用AI精益生产AI

精益生产是发源自汽车行业的理念，这是一个不断改进的过程，主要是通过自动化和准时化，尽可能消除浪费，进而降低成本，让企业的产品更具优势。

在AI时代，AI既是精益生产的工具，也可以是精益生产的成果。用AI精益生产AI的过程，就是提高效率，加快研发的过程。

具体可以拆解为让生产原材料即知识的获取更快更及时，让研发流程实现自动化和标准化，尽可能解放研发人员精力，减少时间和知识资产的浪费。

作为AI前沿赛道和热门应用，自动驾驶和辅助驾驶行业率先用AI精益生产AI，其中的代表性案例分别来自地平线、Momenta和四维图新。

首先是地平线，据介绍其每年沉淀文档超70万份，其中仅地平线城区辅助驾驶HSD(Horizon SuperDrive)这一个项目的相关文档就有8万份。

海量的文档就像是一座知识宝库，如何高效利用其中的知识，加快研发流程？

地平线的选择是，把飞书作为核心平台，构建一套研发协作和知识管理体系，让知识获取更及时、更安全。

首先，地平线用飞书给公司数百个项目都建立了对应的知识库，让每一代产品都能基于上一代沉淀的知识高效迭代。这种能力太重要了，毕竟当前行业竞争激烈，不定期要推送一个小版本OTA，一年要更新一个大版本，只有快速迭代才能赢得市场。

在开发迭代过程中，地平线员工还可以用知识问答AI，一搜一问，就能及时获取研发时想要的知识，让知识及时进入研发流程。据了解，现在地平线每天都有数百名员工在用知识问答AI。

飞书不仅帮助地平线找到了打开知识宝库的钥匙，激活了知识资产，同时还给地平线的知识资产上了道“锁”，守护知识资产安全。在飞书上，权限申请可以自动触发对应管理审批流程，同时通过AI辅助识别资产密级，让研发更高效也更可靠。

为了把知识进一步落实为行动，地平线用飞书的低代码平台aPaaS打造了专属文档管理平台，实现对文档关联待办事项的系统性追踪与闭环管理，研发待办事项的关闭率提升至80%以上，增强了研发人员的执行力。

地平线的生态效应，也在提效工具的选取上显现，地平线的部分合作伙伴甚至提出“地平线用什么工具，我们就用什么工具”，体现了飞书提效带来的价值。

总结起来，利用飞书管理知识后，地平线研发人员获取知识更快更及时，团队协作更高效，不同工序间衔接更紧密，时间和知识资产的浪费减少了。

地平线的案例是用AI把知识管起来，Momenta则是用AI让研发流程自动驾驶起来，讲述了飞书项目对研发的助力。

基于飞书项目，Momenta打造了研发效率引擎， 打通了从需求导入到项目交付的研发全流程。

现在，Momenta可以一键批量导入开发需求，耗时从半天缩短到10分钟。完成开发进行路测验证时，安全员一键上传问题到云端，飞书项目会自动创建问题清单，然后根据场景自动聚类问题，接着AI预分析原因，帮问题对应的研发人员减轻负担。

据Momenta研发高级总监范小军介绍，利用飞书项目实现信息自动化流转后，项目经理每周和客户的非必要沟通会议减少了很多。

飞书不仅直接帮助研发人员提效，同时还帮助企业建设“不断提效”的组织文化，其中一个重要渠道是“AI效率先锋大赛”。

AI效率先锋大赛，就是让企业内部用飞书提效的案例走上舞台，对外展示，同时邀请不同合作伙伴进行交流，加速优秀案例在客户之间传播。

最近，飞书就和四维图新联合举办了AI效率先锋大赛，在比赛中就涌现出了很多让人印象深刻的案例。

比如来自子公司四维智联的团队，就借助飞书提供的低代码平台aPaaS和智能体搭建平台aily，创建了一个群消息总结智能体，这个智能体能把群聊消息这种碎片化信息沉淀为经验。这与成体系的文档形成补充，进一步丰富了企业的知识资产。

当遇到此前群聊中出现过的重复问题时，就可以求助该智能体，帮开发人员节省出时间。

类似这样从日常场景入手提效的案例还有很多，其中最受专业评委认可的方案来自地图导航业务中心，其针对专利交底书撰写，利用aily打造了一个AI专利智能体，采用多模态方式帮你写好专利交底书。

最直接的是对话方式，就像日常用的ChatBot那样，用户需要向智能体介绍专利应用领域，然后它会问用户专利带来的好处。

在用户回答完毕后，智能体会开始思考，给用户提供专利撰写的初步想法，接着会搜索网上已有材料，与用户当前的专利想法对比异同，提炼出新专利的新颖点，并以关键词的形式展示。

接着，用户再输入初步想法与专利关键点，智能体判断条件齐全后会输出一份专利交底书的初稿，并直接转成飞书文档，方便后续协作。

此外你还可以通过飞书妙记和AI功能，直接记录相关会议内容，从中提炼专利点。或者直接输入一张图，让它帮你从图片中找出创新点。

通过以上多种方式，智能体能帮你快速撰写专利交底书，节省出大量时间。据四维图新介绍，这小小的一个智能体，能帮助公司1年避免100项专利累计320个小时的无效投入，相当于省去超30万元的研发成本。

据说这个方案已经开始在其他公司流传了。毕竟帮助优秀提效案例传播，也是AI效率先锋大赛的目的之一。

在四维图新看来，AI效率先锋大赛让员工有了不断用AI提效的意识，培养了不断提效的企业文化。优秀的提效案例会从部门传播到整个公司，再从公司导向集团，甚至最终影响整个行业。这也体现了精益生产“不断改善”的理念。

用AI成果提效AI研发，这正是自动驾驶行业当前需要的思维和能力。

为什么自动驾驶公司，都在用飞书提效？

为什么自动驾驶公司，都在用飞书提效？

要回答这个问题，首先得从自动驾驶研发的根源上寻找答案。

有从业者表示，行业当前存在着“既要快速迭代，又要安全可靠”的矛盾。

在传统软件行业，可以用敏捷开发模式快速推出一款产品，出问题就改bug，然后不断迭代。但是自动驾驶和智能辅助驾驶的落地，直接关系到人的安全，不能采用这种方法。

除此外，还有组织架构上的需求。

自动驾驶的开发和测试往往需要打通多个部门，比如一辆测试车需要去指定地点，有时候需要呼叫拖车运输。叫拖车这一个环节，需要商务、运营、司机、财务和外包公司等多方联动，牵涉人员多且耗时，延缓了发现问题然后给研发反馈问题的速度。

所以，行业研发自身的需要，期待着一款既能让研发流程更快、更可控，还能打破部门壁垒的提效工具。

与此同时，近两年行业发展势头向好，更进一步加强了提效需求。

L2层面，有数据显示，今年1-7月国内乘用车辅助驾驶渗透率已达63%，预计到2030年L2搭载率会达到100%。

Robotaxi层面，2025年被称为“量产元年”。特斯拉强势入局带来了泼天流量，在全球掀起资本热潮，同时按下了竞争加速键，L2渐进式路线和L4终局路线的竞争空前激烈。

机会和挑战同时摆在从业者面前。正如小马智行高级研发总监罗锦坚所说，当前行业竞争已经是一场长跑比赛，每天都比别人跑得快一点点，这就不得了。

要做到每天“比别人跑得快一点点”，尽可能获取更大的市场份额，需要提高效率，需要提效工具，而传统的工具和方式，在这方面有局限性。

比如打电话、发邮件、拉群聊，这些传统的沟通方式，不仅过程繁琐，还要切换多个工具，时间成本更高。在交流过程中即便产生了有价值的信息，也会在不经意间流失，不能借助飞书云文档、AI会议、多维表格等工具沉淀成宝贵的经验，进而转化为内部知识资产。

甚至在行业出现快速增长后，传统方式还会给工作造成阻碍。

据文远知行的员工讲述，他本人三年前入职时，公司还在用传统表格管理车辆售后的数据维修工作。当年公司车少问题还不大，后来车辆规模达到成百上千台后，表格一打开就卡。

如今文远知行切换到飞书多维表格，工作起来就丝滑多了，能记录的车辆信息也更多了，直接从2项扩展到了57项，AI还会帮你汇总本月概况，总结问题，让去年下半年文远车辆的维修情况比上半年降低了大约80%，保障了研发测试安全开展。

所以，从研发自身的矛盾出发，加上外部竞争压力的催化，行业来到了一个需要提效，需要精益生产AI的时刻。

而飞书则提供了一系列精益生产AI的工具，减少了知识浪费，激活了知识资产，加快了研发流程，让AI成果促进生产AI，成为物理AI玩家们的共同伙伴。

用飞书加速AI进入真实世界

由点到链再到面，飞书正在成为物理AI浪潮的加速器。

通过与前面提到的一系列玩家合作，飞书已经影响了背后整个产业链。比如前面提到的地平线和其合作伙伴。以及小马智行，也在用飞书和外部伙伴进行技术交流，小马智行副总裁莫璐怡就点赞飞书的权限管理让小马很安心，和外部的沟通越来越顺畅。

飞书在自动驾驶产业的成功应用，也正在影响着整个物理AI赛道。许多具身智能明星率先拥抱飞书，比如智元机器人、优必选、银河通用和松延动力……具身智能和自动驾驶的交集，真是越来越多了。

这也意味着飞书已经抢滩登陆了新一波AI浪潮，加速AI进入真实世界。而AI触及真实世界，不仅考验着软件算法，对硬件本体也是一种挑战，更加需要AI精益生产AI全面赋能，提效软件研发，加快本体量产。

黄仁勋曾经断言，AI的下一波浪潮是物理AI。而实践已经证明，物理AI的未来属于那些率先使用先进工具的玩家。

先进生产力企业，还是得先用先进生产力工具。