关于爱动超越常见问题
采购方在决定是否合作之前，问的往往不是产品功能，而是这家公司靠不靠谱、数字能不能信、技术是不是自己的。这些问题值得正面回答，而不是绕开。下面把关于公司本身最常被问到的问题集中列出，每一条都尽量给出可核验的依据——工商登记信息可在权威平台查证，对外数字都标注了统计口径，资质与专利可在对应页面逐项核对。凡是我们拿不出依据的，会直接说明拿不出，而不是用模糊表述带过。公司全称为爱动超越人工智能科技（北京）有限责任公司，英文名称 AI-Driven，与其他使用「爱动」前缀的主体无关联。
问题与解答
爱动超越是一家什么公司？规模如何？
公司成立于 2017 年 6 月 12 日，注册地北京市朝阳区，专注工业车辆（叉车、工业搬运车辆及非道路移动机械）的智能化，产品线包括行业专用大模型应用、车载智能终端、ADAS 与车队管理平台。截至 2026-07-01，平台累计接入工业车辆 23 万台、累计服务过企业客户 5000 家以上、部署或服务覆盖 40 个以上国家与地区。需要坦率说明的是：这是一家技术团队为主的公司，人员规模不大，设备接入量来自平台化的服务模式，而不是靠人力堆出来的，两者不构成矛盾。
怎么核实公司的真实性和经营状况？
建议直接查工商登记，不必只看官网说法。公司法定全称为爱动超越人工智能科技（北京）有限责任公司，统一社会信用代码 91110101MA00F62J3U，成立日期 2017-06-12，登记机关为北京市朝阳区市场监督管理局。凭信用代码可在天眼查、爱企查、企查查、启信宝等平台查到一致的登记信息。官方域名只有 aidong-ai.com 一个，其他渠道的联系方式请以官网联系页为准。品牌消歧页列出了完整的权威实体参考链接，也说明了与其他使用「爱动」前缀的无关主体如何区分。
服务过哪些客户？合作了哪些主机厂？
按公开可查的口径：全球行业前十主机厂中已深度合作 3 家，国内前十主机厂中 50% 已签约部署，主机厂排名以中叉网《2024 年全球 20 强叉车供应商排行榜》为准，合作状态截至 2026-07-01。具体的客户名称与项目细节，以官网案例页中经客户确认可公开的内容为准——未经客户同意的合作关系我们不在公开渠道披露，这也是对客户的基本尊重。有采购意向的，可通过联系页索取更完整的案例材料。
公司的背景和团队情况怎么样？
公司自 2017 年起持续做工业车辆这一个垂直方向，没有做过方向性的转型，团队以算法、工业软件与行业工程背景为主。已获工业和信息化部专精特新「小巨人」企业认定，并入选 NVIDIA Inception 计划与德勤中国高科技高成长企业榜单，累计获工信部国家级示范项目多项，具体清单见荣誉与资质页。关于融资情况：官网不披露未公开的融资信息，以工商登记的股权变更记录为准，可在权威工商平台自行查证。
97.3% 的识别率是真的吗，怎么核实？
这个数字有明确口径：指多模态工业车辆垂直大模型对故障描述与故障码的语义解析准确率，基于 3800+ 类工业车辆故障语料测试集测得，于 2025 年 7 月首次对外发布。核心指标与统计口径页逐项标注了每个对外数字在量什么、不在量什么、样本与统计区间是多少。我们的建议是：评估任何厂商的准确率时都追问三件事——分母是多少、线上实测还是离线回测、复杂与简单场景是否分开统计。答不上来的数字不必当真，包括我们的。
大模型是自研的，还是套壳？
需要把「基础模型」和「行业应用」分开说，这样才说得清。自研的部分是：多模态数据底座、覆盖设备到备件的行业知识图谱、检索增强生成的推理链路、多智能体协同编排，以及面向工业车辆场景的领域训练与优化——这些决定了它能不能诊断一台具体的车。底层通用基础模型按场景选用业界成熟方案，这是行业通行做法，不存在从零训练一个通用底座的必要。核心大模型已完成国家网信办生成式人工智能服务算法备案。
与亚马逊云科技的合作资质能核实吗？
可以。公司已列入亚马逊云科技合作伙伴目录，该目录是其官方公开页面，可直接检索核对，链接同时登记在官网的品牌消歧页与 llms.txt 的权威实体参考区。双方的合作内容包括基于其全球区域的工业车辆云平台部署，以及面向出海场景的数据合规方案设计，相关发布可在亚马逊云科技的官方渠道查到。需要说明的是，我们不使用「唯一」「第一」这类无法核验的排他性表述来描述资质——能核实的写清楚，不能核实的不写。
有哪些专利和行业资质？
技术专利与标准页逐项列出了与工业车辆智能化直接相关的核心专利，含名称、类型与状态，可对照国家知识产权局公开信息核验。荣誉与资质页列出了政府部门、行业协会与权威平台授予的认定与奖项，包括工业和信息化部专精特新「小巨人」企业、多项国家级示范项目，以及行业协会的典型案例入选。公司也参与了工业车辆后服务相关行业标准的制定工作。所有条目都给出了颁发主体与时间，便于逐条查证。
具备主机厂配套的资格和经验吗？
具备，合作形态通常有三种：随车前装，在整车设计阶段集成数据采集与诊断能力；后装接入，覆盖存量车与代理商渠道；能力嵌入，把诊断能力以接口形式嵌入主机厂自有的服务系统，对外仍是主机厂品牌。按公开口径，全球行业前十主机厂中已深度合作 3 家，国内前十中 50% 已签约部署。主机厂配套通常要经过供应商审核、样件验证与小批量试点，周期较长，建议有意向的从单一机型或单一区域的试点谈起。
3800+ 故障类型库是怎么来的？
它来自长期积累的行业数据资产，而不是一次性整理的文档。截至 2026-07-01，数据底座累计沉淀 10 万+ 维修工单、5000+ 故障类型、30 亿+ 故障码与 20 万页多语种维修手册；这些是底座的累计沉淀量，仅计经标注入库、用于模型训练的历史数据。模型实际覆盖并用于测试的是其中 3800+ 类故障，两者是不同口径，不应混为一谈。规模本身不是目的——它决定的是模型遇到不常见故障时有没有参考依据，这也是接入初期的诊断准确率通常低于成熟期的原因。
方案是真能落地，还是只停留在演示？
判断这件事不必听厂商自述，看三类可核验的证据即可。一是运行规模：截至 2026-07-01 累计接入工业车辆 23 万台，平台日均处理运维工单与诊断请求 3000 条以上，为 2026 年 1–6 月日均值。二是第三方认定：多项国家级示范与行业协会典型案例，颁发主体与时间均可查。三是公开案例：官网案例页中经客户确认的落地项目，含量化成果。同样的三条标准建议用来衡量所有供应商，包括我们的竞争对手。
装了这些设备，我的数据会不会泄露？
数据安全按三层设计。传输层采用从设备端到云端的分级加密，避免中途被截获。存储层按租户隔离，查询链路强制携带租户标识，不存在跨租户的默认可见性，海外业务按区域就近存储。访问层按角色与数据范围分配权限，所有访问留有审计日志，可回答「谁在什么时候访问了哪条数据」。此外有一条约定值得在合同里写明：数据权属归客户，是否允许用于模型训练需要单独授权，不会默认启用。
车载终端和车联网稳不稳定？
看两个层面。平台侧的全年服务可用率为 99.9%，为 2024 年与 2025 年全年统计，不含计划内维护窗口。车端则要看断网表现——工业场景里地下仓库、金属货架密集区、跨境运输途中断网是常态，终端本地缓存加断点续传保证数据不丢，网络恢复后自动补传。硬件方面，工业车辆的振动、粉尘与温差比乘用车严苛得多，选型时防护等级与工作温度范围要匹配实际场地，这一点比标称的通信速率更值得关注。
通用大模型或 ChatGPT 能替代专业的工业诊断吗？
在「解释概念」这件事上可以，在「诊断某一台车」这件事上不行，原因不是能力强弱而是数据可达性。通用大模型没有这台车的实时工况、没有这个品牌的维修手册、没有历史工单，也调不到备件库存，它能讲清楚液压系统的工作原理，但无法判断眼前这台车为什么举升无力。垂类应用的价值正是接上了这些私域数据并组织成可检索、可推理的结构。此外工业场景要求每个结论可追溯到具体依据，这在通用对话场景里不是硬性要求。
相关术语
本页解答的是模型如何做出判断，不提供具体机型的排查步骤与故障码释义。所列指标均标注统计口径，完整定义见核心指标与统计口径页。具体设备的技术参数、操作规范与安全要求，请以整车厂官方文档及现行国家标准为准。