工程 AI 工作坊

工程 AI 如何落地?研发团队实战课

面向工程团队的一日工作坊,结合汽车供应商行业的真实案例,讲清 AI 目前能在哪些环节创造价值,以及哪些事目前做不到。

出发点

工程知识散落各处,无法彼此关联

需求、标准、CAD 数据、测试结果、经验教训,知识其实一直都在,只是分散在不同文档、系统和资深同事的经验中。信息彼此缺少关联,团队无法据此自动判断哪些组件会受影响、哪些测试已经完成,也无法了解过去的项目作过什么决定。

工作坊就从这个缺口入手。重点不是教团队搭建聊天机器人,而是让工程知识重新可查、可用,并且长期沉淀下来。

“我们如何确保宝贵的工程知识明天依然可用?”

内容

按贵公司需求组合课程模块

每家工程组织的知识基础、流程和实际问题都不一样,因此工作坊也不会套用同一份课程。以下模块只是备选内容;前期沟通时,我们会和您一起选择合适的主题,组合成针对贵公司团队的工作坊。

A看懂当下的 AI 系统
  • 现代大语言模型(LLM)目前能做什么,又存在哪些局限
  • 检索增强生成(RAG)如何把企业知识接入 AI
  • 从单一聊天机器人走向专业工程智能体
  • 多智能体系统如何组织多个专业智能体协同处理任务
  • 幻觉、评估与过拟合:AI 系统投入生产时最常见的陷阱
  • 真正创造价值的是完整系统,而不只是单个模型
B把 AI 用进日常工程工作
  • 工程知识为何四处分散,以及怎样重新建立关联
  • 从文档归档到“工程记忆”:连同决策依据一起保存知识
  • 可追溯性为何重要:每项 AI 结论都应有可核验的来源
  • 怎样缩短决策时间,同时守住质量
  • 用决策耗时和工程知识复用率衡量知识工作成效
  • 哪些决定必须由人作出,哪些环节适合交给 AI 辅助
C汽车供应商真实案例
  • 一级汽车供应商面临的真实难题:用 AI 辅助评估规格书
  • 首个原型如何走向生产应用,以及早期踩过哪些坑
  • 基于真实测量数据,系统如何形成具体的学习闭环
  • 工程师最终拿到什么:评估结果、论证依据、来源和关键性
D组织方式与产业协作
  • 以 AI 为核心的初创企业如何工作,成熟工程组织可以借鉴什么
  • 2030 年的工程组织可能呈现怎样的形态
  • 产业与初创企业顺利合作的六项关键举措
  • 共创研讨:分析贵公司一项具体流程的现状与目标

形式:全天或半天 · 地点:贵公司或海尔布隆的 SEMORAI · 语言:德语或英语 · 人数灵活,可随团队规模调整

适合谁

适合想看清 AI 如何落地的工程组织

研发管理层

在批准项目预算前,先判断 AI 能从贵公司的哪些研发环节切入。

工程团队

团队每天都要处理规格书、标准和需求,最清楚知识会在哪里断层、搜索会耗掉多少时间。

创新与数字化负责人

评估 AI 项目时,需要的是依据充分、不受供应商立场影响的判断,而不是一场产品演示。

实践案例

Brose 工程 AI 工作坊

2026 年 7 月 30 日,我们与 Brose Fahrzeugteile 在 Bildungscampus Heilbronn 举办了一日工作坊。课程先梳理 AI 目前能做什么,再通过真实案例深入讲解,最后围绕 Brose 的具体挑战开展共创研讨。

“在我看来,现代知识库与 AI 结合的潜力,在于将知识结构化、便于获取,从而持续改善日常研发工作。”

研发负责人,Brose Fahrzeugteile

John Achim Holzhauer(SEMORAI 联合创始人)、Michael Fahrbach(AI 平台负责人兼研发负责人)和 SEMORAI 团队共同探讨了 AI 如何为研发组织提供切实支持:它不取代工程师,而是帮助工程师更快获取知识、作出依据更充分的决策。

SEMORAI × Brose · 工程 AI 工作坊,Bildungscampus Heilbronn,2026 年 7 月 30 日
收获

不看冗长幻灯片,明确下一步行动

不是

  • 泛泛而谈的 AI 趋势报告
  • 一场产品推销
  • 脱离日常工作的理论

而是

  • 与贵公司团队共同梳理流程现状和目标
  • 为贵公司排出具体 AI 切入点及优先级
  • 如实说明哪些事现在可行,哪些暂时还做不到
下一步

为贵公司的工程团队申请工作坊

我们先通过一次简短沟通了解贵公司的现状,您无需作出后续合作承诺。随后,我们会根据贵公司的组织情况制定工作坊方案。

  1. 1简短初次通话(30 分钟)
  2. 2针对贵公司工程组织设计工作坊方案
  3. 3在贵公司或海尔布隆现场开展