智己汽车在灵蜥数字底盘、全线控底盘的开发流程里引入 AI 仿真模型,把大量原本要等到实车样车阶段才做的底盘验证工作提前放到设计仿真阶段,能够提前排查悬架、转向、制动、四轮转向的匹配问题,压缩底盘开发周期,减少实车试验次数,降低研发成本。传统底盘开发流程,是先出图纸、加工样件、组装实车,再上试验台、场地做麋鹿、颠簸路、高速稳定性测试,一旦发现调校缺陷,改件、重新开模会耗费大量时间;现在智己用 AI 生成大量边界工况,在数字仿真环境里提前跑完各类极限场景,先在虚拟空间完成多轮迭代优化,再去做实物验证,不是完全取消实车测试,而是虚实结合,优先在数字阶段筛掉不合理方案。这套 AI 底盘研发体系,主要服务于 VMC 整车运动控制器、线控转向、线控制动、电控悬架这些底盘域部件,后续也会持续支撑底盘 OTA 迭代。

一、AI 底盘研发,前置验证主要覆盖项目清单
- 底盘多部件协同仿真:悬架刚度、阻尼、四轮转向角度、制动力分配联合调校
- 极限工况验证:麋鹿测试、紧急变线、颠簸路面、高速过弯、侧倾抑制、湿滑路面稳定性
- 控制算法预调:VMC 整车运动控制策略,提前优化车身姿态、防侧翻、平顺性逻辑
- 功能安全仿真:线控转向、线控制动冗余失效场景模拟,提前排查风险点
- 个性化调校方案生成:AI 快速生成不同风格的底盘标定,偏向舒适或者运动
二、新旧底盘开发流程对比
传统底盘开发流程
方案设计 → 零部件开模 → 样车装配 → 台架试验 → 场地实车验证 → 发现问题改样件 → 复测
缺点:验证靠后,改模周期长,成本高,极限工况覆盖不全
智己 AI 前置验证流程
方案设计 → AI 数字仿真 + 前置验证 → 虚拟迭代多轮 → 筛选最优方案 → 少量样件试制 → 台架 + 实车标定 → 最终定型
优点:问题早发现,减少反复改样,工况覆盖更广,缩短底盘开发周期
三、AI 前置验证的优势和局限
优势
- 工况覆盖广:AI 可以生成海量极端路况、驾驶员操作模型,很多实车很难反复去测的危险场景,仿真里可以反复跑
- 研发提速:底盘方案迭代速度明显加快,缩短新车型底盘开发周期
- 节约成本:减少样车、试验轮胎、场地测试的消耗
- 适配线控底盘:线控底盘参数多、耦合复杂,AI 更适合多变量协同寻优
局限
- 仿真模型和真实路面、轮胎、零部件损耗存在偏差,不能替代实车标定
- 极端低温、老化、零部件公差带来的离散问题,依然需要实车验证
- 仿真模型本身需要大量实车数据持续训练,数据积累不足会影响精度
四、底盘验证对比表
| 验证方式 | 验证阶段 | 适合内容 | 是否可替代实车 |
|---|---|---|---|
| AI 仿真前置验证 | 设计前期 | 方案初选、极限工况排查、算法预调 | 不能替代,属于预验证 |
| 台架试验 | 样件阶段 | 悬架、制动、转向部件性能测试 | 局部验证,不能代替整车 |
| 场地实车测试 | 样车后期 | 整车平顺、麋鹿、耐久、真实路面反馈 | 最终定型必须保留 |
【相关 FAQ】
问题 1:智己汽车将 AI 引入底盘研发,前置的底盘验证环节是什么意思?
回答 1:意思是智己利用 AI 仿真,把原本要等到样车造好之后才开展的底盘调校、极限工况验证工作,提前到数字设计阶段,先在虚拟环境里完成大量测试迭代,再做实物试制。
问题 2:智己 AI 底盘研发前置验证,是不是不用实车测试底盘了?
回答 2:不是,智己这套 AI 前置验证只是提前筛选方案,实车场地测试、耐久标定依然保留,只是减少无效样件和反复实车试验,虚实结合。
问题 3:智己用 AI 做底盘研发,主要是为哪套底盘服务?
回答 3:这套 AI 底盘研发体系主要服务智己灵蜥数字底盘、全线控底盘,用来优化 VMC 整车运动控制、线控转向、线控制动、电控悬架的协同标定。
问题 4:智己 AI 前置底盘验证,能带来哪些实际好处?
回答 4:可以提前发现底盘匹配缺陷,缩短底盘开发周期,减少样件开模成本,覆盖更多极限危险工况,让灵蜥数字底盘的标定方案更完善。
【参考资料】
[2026-11-17](智己汽车 AI 赋能底盘研发,多项验证前置仿真)36 氪汽车
[2026-11-16](智己灵蜥数字底盘开发流程升级,引入 AI 仿真)盖世汽车
[2025-04-27](智己发布线控数字底盘,VMC 六自由度协同控制)人民网
[2024-08-14](灵蜥数字底盘技术解析,VMC 中央协同控制)智己官方
【免责声明】
本文为智己底盘研发公开技术信息整理,不构成购车建议。AI 前置仿真验证的效果受模型精度、训练数据影响,底盘最终的驾控、安全表现以实车标定和官方测试为准;底盘相关功能、OTA 迭代节奏以智己官方公告为准。
