拿下大半个车圈，飞书开始连接整条造车产业链

作者 ｜ Janson
编辑 ｜ 志豪

一、系统都在线 为什么还要靠人对齐？

二、缺料预警之后 谁来推动下一步？

三、让AI接入正在发生的工作

结语：汽车行业深入AI运用

新车开发越来越快，整车厂与供应商之间的协作，也被推到了更紧的时间表上。

4月，乘联会秘书长崔东树在接受采访时表示，汽车行业的“技术迭代周期从三年缩至一年”，软硬件同步升级已成为常态。

对于车企来说，一款新车从研发走向量产，是否能保质保量地更快落地，不仅取决于整车厂自身的研发速度，还需要整车厂、零部件企业以及不同软件、测试和质量团队共同参与。

随着开发周期不断缩短，从24个月，18个月，甚至更短，单个团队能否更快完成任务已经不是决定项目周期的关键因素，需求、计划、变更和交付结果能否在产业链上及时流动都成为了关键变量。

现实中，许多跨部门、跨企业的工作仍依赖邮件传递、会议对齐和人工催办。

整车厂内部完成了数字化改造，信息一旦流向供应商，又可能重新变得分散。

产业链条上的一次延迟或版本错漏，最终都可能转化为研发返工、交付延期甚至质量风险。

这构成了汽车产业提效的新命题：如何让信息跨越系统和组织边界，直接转化为可以执行、跟踪和闭环的业务流程。

9月3日举行的飞书AI生产力大会汽车行业专场上，上汽、东风奕派、生益电子等企业分享了各自在研发协作、物料供应和交付履约中的实践。

从这些业务现场，可以看到飞书正在进入汽车产业链的哪些环节，以及这些协作积累为什么又与AI有关。

汽车研发涉及整车厂与零部件企业共同完成的大量工作。设计需求要落实到零部件开发，开发结果需要经过测试和评审。

需求一旦改变，后续的设计、验证和交付安排也要跟着调整。

参与各方往往有自己的系统、流程和管理要求。整车厂希望围绕车型项目统一节点与交付标准，供应商则需要在满足客户要求的同时，保留自身的业务流程。同一项工作，在两家公司内部有不同的推进方式。

困难由此出现在交接处：文件能够传过去，相关任务的进度、版本和处理结论，却未必一起更新。一次会议完成对齐之后，双方还要分别回到自己的系统维护状态。项目经理需要不断确认，对方是否收到变更、目前执行到哪一步、提交的材料是不是最新版本。

上汽和联合汽车电子的实践，提供了一个具体的样本。

2026年年中，双方通过飞书项目打通了一个研发项目。飞书项目是飞书旗下独立的项目管理产品，聚焦复杂场景下的专业项目管理。它起源于抖音的软件研发管理实践，并于2024年7月推出软硬件融合的研发项目管理方案，将需求、缺陷、里程碑计划和质量评审等环节纳入同一套可配置的工作流，逐步拓展至汽车等软硬件协同场景。

在上汽和联合汽车电子的项目中，双方借助飞书项目的跨租户协同能力，在各自的工作空间内处理任务、同步进展，在保留原有的开发流程、内部操作环境和数据边界的同时，共同推进研发工作。

过去分散在邮件和电话中的需求传递、计划同步、变更通知、交付物及评审资料，开始在双方系统之间直接流转。相关文档、会议和讨论，也被关联至具体事项。

整车侧的变更任务可以到达供应商经办人，交付材料自动归档，修改记录与业务讨论可以回溯。这套协同流程覆盖数百名工程师和187项主流程节点，全部计划排期由1至2小时缩短至5分钟。

这一实践的意义，在于两家企业能够保留各自内部的工作方式，同时连接共同推进的事项。飞书把需要处理的任务送到具体责任人面前，人员完成工作后，进度、交付物和处理结果再沿着流程返回。对整车厂而言，内部效率由此有机会延伸到供应商参与的协作环节。

▲飞书的合作伙伴

飞书能够推进这类合作，也与其在汽车行业的客户积累有关。按照飞书现场公布的口径，2025年中国上市车企市值TOP10中，已有9家企业的集团、研究院、新能源品牌或相关业务主体使用飞书。

TOP30新能源车企中，超过七成使用飞书。其客户已从头部新势力扩展至大型汽车集团、零部件企业和跨国公司，覆盖地平线、德赛西威、玲珑轮胎、万向钱潮、欣旺达，以及法雷奥、博世、丰田研发等企业。

客户覆盖为飞书连接产业链两端提供了基础，产品能力则需要把这种基础落实为共同的项目节点、任务和交付记录。

上汽与联合汽车电子的案例，展示了其中一种具体做法。

产业链协作也已成为汽车行业数字化转型的重要方向。2025年末，工信部等四部门印发的《汽车行业数字化转型实施方案》，将供应链数字化协同升级、关键环节AI应用拓展，以及保障数据互联互通纳入重点任务。

跨企业协作还发生在每天的生产与交付中。

面对一条缺料预警，工厂需要知道的事情远不止缺了多少物料：供应商能提供多少、是否已经备货、车辆何时发出、预计什么时候到厂。这些信息来自不同参与方，任何一段没有及时回应，计划员都需要继续追问。

东风奕派的物料供应协同，就围绕这一过程展开。

面对400余家供应商，东风奕派通过飞书多维表格、群机器人和自动化，将缺料预警转化为定向送达责任人的任务。供应商在线反馈备货、车辆和预计到厂时间，处理结果回到同一条记录。

这让预警之后的工作有了连续的状态。计划员可以跟进各方反馈，供应商的响应和运输信息也随着处理过程留下来。原本分散在群聊、电话和不同系统中的沟通，开始成为后续分析可以使用的业务记录。

▲汽车研发全链路响应速度开始提升

对AI而言，只有一个“物料未到”的结果，很难判断问题发生在哪里。结合供应商响应、运输状态和历史异常，才有条件进一步分析原因、辅助复盘，并识别值得持续关注的问题。

生益电子的短交管理，则将这种积累延伸到了交付改善。

作为一家中高端PCB制造企业，生益电子主要采用按单生产模式。“短交”指订单未能按承诺足量交付，交付缺口还会影响下游客户的生产安排。因此，企业既要及时发现异常、推动当前订单交付，也要减少同类问题反复发生。

生益电子保留原有业务系统，利用RPA自动取数，通过飞书多维表格识别交付例外并生成任务，再由自动化流程完成责任人触达、超时催办和异常升级。

短交管理由此从“人找问题”转向“问题找人”。

据悉，改造后短交确认与审批流程用时降低19%，客诉短交比例降低85%。

更重要的是，每次异常的发现、处置和改善结果都会被持续记录。

豆包工作相关能力可以利用这些记录生成周报、月报和改善任务，帮助团队识别反复出现的问题，并将分析结果重新转化为整改行动。

由此形成了一个持续循环：业务流程产生上下文，上下文帮助AI分析问题，AI生成的报告和改善任务再返回流程，新的处理结果又成为下一次分析的依据。

当这些工作持续沉淀，AI才可能从回答通用问题，进一步走向理解企业业务、参与实际流程。

汽车业务中的上下文，会随着项目推进不断变化。

需求经过修改，设计和测试任务随之调整。供应商更新交付时间，生产安排也需要重新评估。对参与工作的AI而言，知道一项任务属于哪个项目、目前推进到哪里、此前发生过哪些异常，与读懂一份文件同样重要。

上汽集团创新研究开发总院院长王从鹤在大会上提出：“AI不缺算力，缺的是上下文。”需求如何变化、计划如何调整、交付物如何评审，以及参与各方怎样形成结论，正是研发过程需要持续留下的信息。

▲上汽集团创新研究开发总院院长王从鹤

在他的判断中，AI提升个人效率只是起点，未来竞争的关键在于推动研发从“人的经验驱动”走向“流程驱动人”，实现体系提效。

这一判断放到汽车业务中，有着具体的含义。工程师更快完成一份报告之后，相关设计、测试和供应商任务还要继续推进。AI识别出一次交付异常之后，也需要有人接收任务、处理问题并反馈结果。个人或某个环节节省的时间，只有传递到后续工作中，才有机会转化为项目整体的效率。

飞书CEO谢欣在现场表示，企业里的绝大多数任务并不发生在孤立的工具中，而是贯穿文档、消息、会议、表格、流程和人与人的协作。当Agent进入企业，工作方式将从“人使用软件”转向“人和Agent在同一个工作环境里共同完成任务”。

飞书与豆包工作的结合，为这一过程提供了工作环境。

飞书承载企业的消息、文档、任务、业务流程和权限关系。豆包工作在获得授权后，利用相关上下文调用工具、执行任务，再将报告、建议和处理结果返回具体事项与责任人。

汽车行业研发、生产和供应链流程长，参与方多，这也要求Agent的应用与具体业务流程、审核标准和责任机制相衔接。

Agent可以承担信息整理、异常识别和重复性工作，但关键判断仍要遵循企业的审核标准和责任机制。它能参与多深，需要在具体业务中逐步验证。

当这种协作从少数员工扩展到研发、供应链和质量等业务环节，AI带来的才不只是个人提效，而是流程与组织效率的整体提升。

汽车行业的AI竞赛，正从座舱和辅助驾驶延伸至一辆车被研发、生产和交付的全过程。

飞书在汽车行业的角色，也因此有了进一步延伸的空间。从企业内部的办公协同，到整车厂与零部件企业共同推进研发和交付，工作在平台上持续发生，项目过程、协作记录和处理结果随之积累。这些原本帮助人们对齐工作的内容，如今也成为AI理解业务、参与任务的重要基础。

整零协同首先要解决的是共同的工作怎样继续往前走。沿着需求传递、任务执行、异常处置和结果反馈，汽车企业正在为这个问题寻找更高效的答案。AI的价值，也需要在同一条工作链上得到检验。