人工智能模型以其强泛化能力和多任务学习能力，在智能网联汽车领域展现出广阔的应用前景。总结了人工智能模型在智能驾驶中应用面临的挑战，分析了车端模型发展的技术路线和车端模型开发验证支撑平台技术，归纳了智能座舱等方向的应用情况，探索了基于大语言模型构建场景生成大模型的方法。从人工智能安全和数据治理2个角度，归纳了人工智能在汽车领域应用中的安全治理实践，为人工智能技术相关应用的安全测评与管理提供参考。

分布式计算的端智能技术以时效性和隐私性的优势在智能网联汽车中的应用潜力日益增大，基于端智能技术提出的端云协同的智能网联汽车快捷建议功能框架，提出一种智能网联端智能技术方案。设计了端侧模型的训练与推理，在车端进行本地数据实时分析与决策，为驾乘者提供定制化的快捷建议推荐。结果表明，该方案能显著提升用户体验，为端智能技术在智能网联汽车的实际应用提供新的思路。

智能座舱的埋点数据蕴含丰富的驾乘人员行为信息，分析和识别其中具体的行为意图有利于深入洞察用户需求。考虑到现有依赖人工标注的行为意图识别方法存在成本高、主观性强及工作重复的问题，提出一种基于人工智能大模型的自动化标注和分类的方法。通过微调大模型Qwen2-14B，在多维度和多颗粒度上快速识别行为意图，提高了云端数据分析效率，为在车端实时响应用户需求奠定理论基础。

汽车噪声、振动和声振粗糙度（NVH）特性是整车性能的重要指标之一。为了提升汽车驾乘舒适性并满足日益严格的NVH性能要求，综述了国内外将人工智能算法应用于NVH性能优化的研究，分析了该类方法对NVH问题优化的可行路线，指出人工智能算法在汽车NVH性能优化方面的发展趋势和挑战，以期为智能算法解决汽车性能优化问题提供了参考。

为了提高智能网联汽车横向主动安全，将转向系统（EPS）的非预期功能安全场景识别和定义融入系统设计与开发环节。结合场景域分析、等价类和边界值技术，通过解构EPS相关车辆模型变体和横向运动场景，从EPS已知的运行场景中拓展出更多可能存在风险的工作场景。同时，利用基于半实物仿真的驾驶员在环系统（DIL），凭借其“人-车-环境”闭环的优势，使得更多未知风险场景转变为有效的已知场景，进而优化现有安全技术要求，进一步提高EPS的系统表现。

为了优化汽车电动尾门（PLG）系统的开闭力，综述了汽车尾门开闭力算法方面的文献，建立了汽车尾门系统力学模型，推导出撑杆对尾门的力矩和重力对尾门的力矩表达式，分析撑杆长度、撑杆力臂与开门角度的关系。通过仿真软件建立模型进行仿真计算，验证了表达式合理性，为PLG系统的设计和改进提供了理论依据和优化方向。

欧洲已经成为我国重要的汽车出口市场之一。为了提高中国汽车产品竞争力，助力中国车企开展海外适应性试验，研究了新能源汽车技术和车联网技术在欧洲市场的应用情况，基于欧洲地区汽车工况特征，提出了欧洲道路试验测试项目和必要准备工作内容。结果表明新能源汽车和网联汽车在欧洲市场具有广泛应用前景，中国汽车产品在海外应用过程中应重视产品适应性开发工作。

针对长寿命高压继电器小样本的可靠性评估问题，提出了一种基于平均秩次法的可靠性建模方法。在故平均秩次法基本原理的指导下，研究了随机截尾多样本试验下高压继电器故障秩次确定方法。对应用最小二乘法进行可靠性参数估计，应用线性相关系数与D检验法进行拟合性检验，在故障数据同时服从两种分布模型下，引入总均方根误差法进行分布模型优选，识别最优可靠性模型并进行可靠性评估。

新能源电动车产业面临全面升级，竞争快速加剧，产品开发周期不断缩短，对研发设备的测试效率和测试成本提出了更严峻的考验。为了进一步提升装备研发效能，快速满足新能源高端产品开发需求，深入研究并设计了一种研发设备预测性维护系统，通过物联网、小波变换、深度学习、多元高斯分布、长短时记忆神经网络等关键技术，开发故障诊断、寿命预测算法模型，实现设备关键故障以及剩余寿命的预测。结果表明，本系统可大幅度减少停机和维修时长，实现研发、维修资源更高效的利用。