6月30日，由深圳市科学技术协会主办、深圳市信息行业协会承办、深圳计算科学研究院（以下简称“深算院”）与深圳崖山科技有限公司协办的"算力赋能新能源汽车发展"主题沙龙在深算院成功举办。来自新能源汽车产业链的算力服务商、智能出行及数据平台负责人、技术高管等30余位嘉宾走进深算院，围绕算力基础设施、数据底座构建、产线AI可复制性及生态合作等议题展开深度交流，分享行业最新实践，谋求务实协同路径。
活动伊始，嘉宾们参观了展厅，系统了解了深算院在原创理论、核心系统与产业应用方面的布局与成果。现场展示的"拔网线"故障测试，让嘉宾们直观感受了崖山数据库10秒内业务快速恢复、平稳运行的核心高可用能力。
随后，中国汽车工程研究院股份有限公司与深算院相关专家分别带来主旨演讲，系统阐述新能源行业格局与演进趋势，针对行业痛点在数据底座构建、全栈AI方面给出了可落地的解决方案。
行业变革：汽车产业正实现
从电动化到智能化的关键跃迁
当前，中国汽车产业正从电动化迈向智能化，汽车产品正呈现出自动驾驶、移动能源、智能终端三大新属性。然而，迈向高阶自动驾驶仍面临EB级数据管理、百EFLOPS算力缺口等挑战，动力电池安全与健康管理等难题也亟待破解，如何以算力与数据底座支撑新能源汽车产业高质量发展，成为行业共同关注的焦点。
中国汽车工程研究院股份有限公司副研究员、算法开发高级工程师王振亚指出，依托新能源汽车全生命周期多源数据，围绕动力电池健康及安全评价两大维度构建科学的评估指标体系，开展"线上+线下"一体化数字管理，将成为破解行业痛点的关键路径。
数据底座：
YashanDB构建新能源汽车"智脑"
深算院产品与解决方案团队负责人黄晓涛围绕崖山多模融合数据底座能力，系统介绍了YashanDB如何面向新能源汽车的设计、生产、运行、运维全生命周期提供统一数据支撑。他指出，汽车产业正从"机械心脏"走向"三电系统"，从分布式电控单元走向集中式高性能计算，汽车逐渐成为"轮子上的超级计算机"。一辆智能汽车配备超过四十个各类传感器，海量多模态数据对底层数据库系统提出了更高要求。
YashanDB以统一内核原生支撑关系、文档、图、时序、向量、空间、全文检索等多种数据模型，在一个引擎下实现多模态事务一致性与统一运维，从架构根源打破数据孤岛，让非结构化的传感器数据、维修工单、技术文献等具备可查询、可关联的结构化价值。
这一多模融合能力在车辆各阶段均可落地释放价值。设计阶段，通过向量检索辅助CAD方案推荐，可大幅缩短研发周期，同时通过相似设计比对预警侵权风险；生产阶段，利用向量引擎对电池充放电曲线做离群检测，统一SQL操作即可发现未知异常，无需标注数据；运行阶段，为每辆车构建个性化健康基线，通过向量距离函数自动触发工况告警，变被动维修为主动防护；故障阶段，依托属性图引擎融合结构化诊断码与非结构化维修记录，构建故障知识图谱，实现跨系统因果追溯与预测性维护。
全栈AI：
"梦溪"系统让电池生产更精准、更绿色
深算院智能制造AI解决方案专家陈健红介绍了融合机器学习与逻辑推理的"钓鱼城"数据分析系统，并以"梦溪"系统为例，重点展示了电池容量预测系统在新能源电池智造中的落地实践。他指出，大语言模型虽然优势明显，但在工业制造场景存在可解释性不足、幻觉风险、小样本适应能力弱等天然缺陷，而工业大数据决策需要的是高精准、低成本、自动化的AI技术。深算院提出的"全栈AI"路径，将机器学习与逻辑推理相结合，既具备全自动、可扩展性强的优势，又保障了确定性、一致性与可解释性，是工业智能化转型更加可控的解决路径。
传统电池生产中，化成分容工序耗时长、能耗高、设备投入大，是行业长期面临的痛点。梦溪系统基于全栈AI技术，攻克了磷酸铁锂、三元锂等锂电池容量精准预测难题，预测误差率控制在0.3%以内，远高于行业上线标准，可节省80%分容柜设备投入，能耗降低50%，已在多个头部电池厂产线中应用验证。在此基础上，深算院进一步提出全栈AI驱动的电池全生命周期价值管理方案，打通设计、制造、使用到回收的完整链条，推动电池梯次利用的绿色闭环流转，构建可持续发展的产业新生态。
活动最后，与会嘉宾围绕新能源行业算力基础设施、数据底座构建、生态协同模式等议题展开了探讨。大家普遍认为，算力与数据底座的深度融合是新能源汽车从"电动化"迈向"智能化"的关键变量，基于精准的电池容量预测与全生命周期溯源，有望打通设计、制造、使用到回收的完整价值链条，构建可持续发展的产业新生态。
本次沙龙为新能源汽车行业与国产基础软件生态搭建了沟通桥梁，展示了深算院基础软件产品在新能源行业的技术优势与可落地空间，深算院将持续以多模融合数据库系统与全栈AI能力，助力智能汽车产业链实现数据价值的深度释放，共同推动新能源汽车产业高质量发展。
点击 阅读原文 ，咨询试用YashanDB
