面對成千上萬條車主真實評價，汽車設計師往往只能憑感覺提煉要點。新加坡南洋理工大學（NTU）與上海交通大學聯合培養的博士生團隊打造了一套名為AutoGen-Insight的全新系統，直接把車評數據到汽車外觀圖的全流程做成了可視化的透明鏈條。
告別憑感覺畫圖的黑盒
新車上市後，社交平台和各大論壇上總會湧現海量車主評價，從後排侷促、懸掛偏硬，到前臉視覺張力，信息極其碎片化。車企手裡雖然握著龐大的輿情數據，但在傳統工業設計流程中，這些聲音往往被粗暴壓縮成一份簡短的文字摘要，再由設計師人工改寫成繪圖提示詞。
這種轉譯方式割裂了原始數據與設計產出。AI畫圖工具只能接收簡單的關鍵詞，無法感知背後幾千名車主的真實訴求；設計師也沒法回溯車頂的一道折線究竟依據了哪條用戶反饋。NTU機械與宇航工程學院（MAE）博士生王路遙在聯合培養項目中發現了這一斷層，搭建起連接自然語言與圖像生成的透明中間層。
缺失的一環是語言與圖像之間可供檢查的中間層。 用戶需求打架時怎麼選
汽車外觀設計最難的地方在於用戶訴求天生存在矛盾：想要低趴運動感就得犧牲座艙高度，想要上下車方便就得拉高車身；追求小巧好停車，後備箱容積就得讓步。傳統做法常常是對衝突需求做簡單折中，最後往往造出一款各方面都平庸、誰都不滿意的車型。
AutoGen-Insight並沒有去迎合虛構的「平均用戶」。該系統抓取了汽車平台懂車帝（Dongchedi）上的真實車主長評，按照不同人群畫像細分訴求，並將每次權衡取捨的推導邏輯清晰呈現。比如在運動姿態和乘坐便利性衝突時，系統會明確給出微調車頂線與縮短前後懸的權衡方案，設計師也能隨時介入修正參數。
車評中的矛盾不僅是噪音，更是應該被清晰呈現的設計權衡。 從外觀推導全流程可視
該研究成果發表在學術期刊《International Journal of AI for Materials and Design》（2026）上。對比實驗表明，相比常規提示詞容易生成極端運動或過於保守的方案，AutoGen-Insight生成的概念車在多項核心設計指標上展現出了更合理的平衡感。
這套系統正在重塑汽車概念設計的起點。從車身姿態、前後比例到燈光布局與塗裝，設計團隊不僅能直觀查看AI生成的造型，還能一路倒查證據鏈，看清每一處線條究竟來自哪類車主的具體反饋。
設計團隊不僅能看到AI生成了什麼，還能看清為什麼選擇了特定的比例或造型元素。
📌 要點總結
✦ NTU與上海交大聯合培養博士生王路遙團隊開發AutoGen-Insight系統，解決車評到AI汽車設計斷層
✦ 系統基於懂車帝等真實車主評價，將需求衝突轉化為清晰權衡並全流程可視化
✦ 研究成果發表於《International Journal of AI for Materials and Design》（2026）
你平時選車最看重哪個外觀細節？
