“速成车”这个话题，成了车圈儿的一个风暴眼。

车企避之不及、官媒明牌批评、消费者嗤之以鼻。

中国新能源汽车市场飞速发展，这两年一款车在同一年都能经历几次改款，车企好像也总觉得自己晚发布几天就没了热度会影响销量，于是大幅缩短研发周期，想做细分市场的排头兵。

可汽车研发是一门百年的学问，里面的门道并不是想快就能快的。今年已经有太多案例证明速成车难堪大任了，但偏偏在话题正热的时候，行业里一批人在另一个场合讲的是另一番话。

前些天的奇瑞全球创新大会上，尹同跃给出的数字是 AI 让造型开发周期缩短 40%，风阻方案设计周期缩短 30%。法雷奥中国 CTO 顾剑民也表示，缩短周期不是问题，没有足够的验证、产品出了问题才是真正的问题。

把这两句话和满屏的速成车放在一起，会出现一个说不通的地方。如果 AI 真能把该省的时间省下来，快本身就不该是原罪。如果两者不能画等号，那这条线该划在哪里？

速成车的问题，是把验证流程省掉了

2026 年上半年国内全新车型上市约 165 款，平均每个工作日超过一款。开发周期从燃油车时代的 36 个月以上压到 18 个月左右。

但快本身不是罪证，很多时候快是假象。顾剑民给过一个解释，法雷奥近三分之二的产品开发周期从几十个月缩到几个月，车灯从 18 个月缩到 7 至 8 个月，靠的不是压缩原有流程，而是前置研发、平台化开发和数字工具。供应商在拿到订单之前就参与预研，部分项目拿到订单时样机已经到 B 样阶段。外界看到的那几个月，前面压着大量没被计入统计的时间。

从这个角度来看，用日历天数判断速成与否确实不严谨，既冤枉了真正做足功课的企业，也放过了那些把预研藏到统计数据外面的企业。

所以对于是否俗称的判断得换一些，时间累积型的验证有没有走完，老化、疲劳、循环、腐蚀，这类验证的输入是时间不是算力。验证的独立性在不在，谁做的、谁签的字、出事找谁。仿真结论有没有实物兜底，仿真覆盖了多少，实物确认了哪些，中间的偏差怎么校准。

同样是 18 个月，一种是把活提前干，一种是把活干脆不干。外观上看不出来，翻验证记录才看得出来。

一句话，工作要留痕。听懂的打工人，此处应有掌声。

AI 真正替掉的是试错，不是判断

奇瑞表示，AI 让造型开发周期缩短 40%，重点场景外委费用降本可达 50%，量产车型风阻系数平均降低 0.002。毕竟AIGC 几秒生成一版造型草图，生成式设计在载荷与制造约束下直接吐出几十种可制造构型，AI 代理模型把几小时的流体仿真压缩到秒级，方案探索从 "大海捞针" 变成 "批量筛选"。

到了测试验证环节，变化同样彻底。过去验证一辆车要造几百台物理样车，单台成本 25-50 万美元，如今耐久、NVH、气候测试全面虚拟化；自动驾驶最头疼的长尾场景，也不再靠路测硬跑，世界模型直接合成极端工况，测试从 "人开人看" 变成 "机生机判"。

某汽车研发总院的虚拟数字试车场，每天跑完超过百万公里仿真里程，暴雨、逆光、鬼探头这类极端路况随时可以复现。理想基于自研 27B 大模型的文档审核智能体，把一份上百页文件包的审核时间从 5 小时压到 2 分钟，已经在 80 余家供应商落地。

这些数据有一个共性，输入明确，判据明确，可以重复。造型是在约束里找解，风阻是算出来的，场景测试是遍历，文档审核是对条款。AI 擅长把可重复的试错做得又快又便宜，它替掉的是试错次数，不是判断本身。

AI 把验证的次数变便宜了，本来是好事，过去只能跑一百个工况，现在能跑十万个。但次数变多不等于可信度变高，次数是覆盖度，可信度是另一件事。当验证变成一件几乎不花钱的事，它就从稀缺资源变成了可以批量生产的材料。一件可以批量生产的东西，很难再当门槛用。

这些东西，AI可替不得

2026 成都车展上，多位车企高管反复提到速成车的问题，金属疲劳需要时间，橡胶老化需要时间，电池循环充放需要时间，整车耐久更需要时间，这些时间一分钟都省不出来，更不能用 AI 模拟替代。

理由有两点，材料老化、磨损、随机故障，本质是时间函数不是空间函数，仿真能算某一时刻的应力分布，算不了三年之后那个密封圈硬化到什么程度，因为模型手里没有那三年的输入。另一层在感知，传感器信号模拟本身有误差，激光雷达点云和毫米波雷达在复杂工况下精度不足，再加上各国道路规则和驾驶习惯差异显著，地域性强的边缘场景穷尽不了。

更何况AI 自己也需要被验证，靠数据训练出来的模型会漂移，训练集和测试集之间哪怕是适度的重叠，都会让性能评估结果过于乐观，这是查尔姆斯理工大学在目标检测任务上已经确认的问题。今年 3 月发布的 SAE J3321 专门处理地面车辆 AI/ML 系统的验证与确认，与 ISO/PAS 8800 对齐，说明这件事在国际上已经被当成独立课题。

还有一条线也是万万不能碰的，中汽协今年发布的智能体研发白皮书提到，涉及功能安全和网络安全的分析，智能体只能承担辅助分析和草案生成，所有危害评估、ASIL 定级、安全签署和正式决策必须由人工完成。这条线不是能力问题，是责任归属。

归纳起来就一句，AI 能替代算，不能替代时间，也不能替代责任。算可以并行、可以加速。实体的验证只能一天一天过，责任必须有一个人名落在纸上。

其实这些事情，国家已经在着手规范了。10 月 10 日四部门发布《关于进一步加强汽车产品创新设计和研发测试验证有关管理工作的通知（征求意见稿）》。10 月 20 日国新办发布会上，工信部总工程师王卫明把内容说得更细，把 22 项推荐性标准和行业标准上升为强制性要求，要求完成综合可靠性与耐久性等 7 方面测试验证，可靠性不低于 3 万公里，环境适应性不少于 1 年且包含两冬一夏。

同时，还要求企业对动力蓄电池循环寿命、耐久性等进行实测验证，不得直接采信供应商的验证报告。这句话确立的原则是，验证结论不能是二手的，谁的产品谁自己验。

这条原则可以直接平移到 AI，而且严丝合缝。供应商的验证报告都不能直接采信，那么一份由 AI 生成、没有实物锚点的验证结论，就是一种更彻底的二手结论，它甚至找不到一个具体的人来负责。

仿真进标准也不是新问题，今年 1 月 28 日实施的 GB/T 47025 规定 7 大类 48 个试验项目、887 个场景，强制要求仿真工具链先通过可信度评估才能用于合规测试，评估框架是管理、分析、验证、确认四部分。

明年 1 月 1 日实施的 GB 47955 作为国内首部 L2 专项强标，附录 B 用的是同一套。国际上也有先例，UN R152 关于 AEBS 的修正案允许虚拟测试最多占到所需测试的 70%，前提是按 NATM 做可信度评估，并由型式认证机构审核。

至于该不该写进国标，其实问题不是要不要写，是往哪写、写多细。

我的三条建议。

按验证类型给仿真分档，可建模可重复的场景放开比例，时间累积型的验证不给仿真额度，只认实物和日历；

给 AI 生成的验证材料设可追溯要求，数据谱系、模型版本、置信度评估报告、人工签署四样齐了才算材料，这套写法不用新发明，GB 47955 附录 B 的结构可以直接借用；

把不得直接采信的原则延伸到 AI，企业可以拿 AI 做海量仿真，但最终交付的结论里必须有实车抽检做锚点。

AI 让造车变快，这件事本身不值得担心。

值得担心的是，验证也跟着变便宜了。

快可以，但快不能把该有的验证一起省掉。

一辆车算不算速成，不是看它造了几个月，看它有没有把该交给时间的都交给时间。

最后想问大家一个问题，你会因为一个品牌的车出得快而买它，还是因为车足够好才买？