|
最近几天，一条短视频在汽车后市场刷屏了，视频如下：360周鸿祎，赞478看了下评论区留言，不看好的声音是大多数。笔者对于汽车后市场的AIGC大模型也很感兴趣，琢磨了一番，今天跟大家分享下。没有IT行业人士说得那么专业，欢迎讨论。目前，在汽车后市场人工智能方向上，以笔者所知道的，有以下几个发力方向：
维修技术这个方向上，其实行业内外早就有人在做了。比如笔者关注的“8848汽车技术论坛”，已经运营超过十年以上了。今天查看了一下，有286个微信好友也关注了这个公众号。笔者的微信同行好友有超过4000个，其中修理厂老板或者维修技师至少有超过3000个，也就是说不到10%的关注度。维修技术方面，笔者以为最难的是故障诊断，难点如下：1.车主自己也描述不清楚，这种情况最常见，如果还要通过服务顾问转述，理解的误差就更大了；2.造成此故障的原因可以有很多种，需要一一排查，有的还需要拆解；3.车辆设计和生产过程中，也会造成“隐疾”，很难诊断出来，或者很难解决；4.使用了假冒伪劣产品造成的；5.意外或者操作失误造成的；6.车主的用车习惯造成的；
第1条是流程和沟通问题，改善流程可以解决；第2条是维修技师的经验和阅历问题，老师傅听声音就能够准确判断，但就是老师傅也有没经历过的案例；第3条最伤脑筋，比如说日系车水温高的问题，德系车烧机油刹车异响的问题，大家都明白咋回事，解决起来就很伤脑筋；第4条就更伤脑筋，现在市场上配件鱼龙混杂，品质标准多如牛毛牛毛，老师傅也经常栽在这上面；第5条，比如电路板上粘了不起眼的东西，故障灯一直亮；第6条，老员工对店里老客户的车辆状况了然于胸，看到客户车辆进来都能知道他来干嘛了，新员工就要好一阵子懵逼。因此，从维修技术上来讲，建立车辆故障诊断案例的大数据模型，要收集的资料很多，还要分别阐述各种情况下可能出现的原因，维修技师们也不擅用文字去记录和表达。 |
