蔚来陈剑：构建前置协同数智型质量竞争力

车质网、凯睿（参数丨图片）赛驰咨询于2024年联合推出了“中国汽车产品质量突出贡献人物”推选宣传活动（以下简称推选宣传活动），旨在多维度展现管理者在重新定义、持续改进产品质量过程中的创新实践，为行业提供应对质量挑战的新思路。2026年，推选宣传活动持续开展，进一步推动行业交流与进步。本期访谈，车质网副总裁、凯睿赛驰咨询高级副总裁贾江伟与蔚来量产产品质量部助理副总裁陈剑深度对话，围绕蔚来FMQ前期开发质量管控体系的构建，以及借助AI数智手段将质量管控从“事后救火”推向“事前预防”的实践展开，展现了蔚来在智能电动时代质量管理的体系化探索。

车质网副总裁、凯睿赛驰咨询高级副总裁 贾江伟（右）深度对话蔚来量产产品质量部助理副总裁 陈剑（左）

陈剑表示，质量管理的核心价值是用前端的确定性管控，对冲智能电动车快速迭代带来的不确定性。蔚来围绕“研发—供应—制造—用户”全生命周期构建数智化质量管理体系，通过FMQ（前期开发质量）四张网实现风险前置识别与闭环，最终以持续稳定的可靠品质践行“质量是信仰”的理念。

多年体系积淀，构建前置化质量管控逻辑

陈剑的质量管理认知，成型于传统合资车企的体系化训练。他在合资车企任职期间，负责业务覆盖产品质量、项目质量、制造质量到售后质量全流程，也积累了多年工厂运营管理经验。这段经历让他建立了对质量流程的敬畏心，也理解了成熟体系对于大规模工业化生产的价值。但也有“遗憾”，彼时质量工作偏重后端的执行与过程检查，很少接触正向研发，是“事后补位”的逻辑。

加入蔚来后，陈剑接触到了完全不同的企业环境。这是一家注重底层自研的公司，手握12项全栈自研技术，质量团队全面参与汽车、充换电等各核心业务的底层研发。“在蔚来，我们真正做的是从源头开始的质量管控和质量保证，这是以往在合资厂很难做到的。”陈剑坦言。

蔚来量产产品质量部助理副总裁 陈剑

为了让质量工作在源头落实，陈剑牵头建立了FMQ前期开发质量的“四张网”，明确了产品定义、产品开发、工艺开发和质量管控四大活动中的关键要素，把质量动作标准化地嵌入研发的每一个细小步骤，让质量管理更加前移、更加主动。

这套方法论被浓缩为三句话：想得明白、讲得清楚、落得下地。想得明白，是研发前期推动经验教训的沉淀复用，用好DFMEA（设计失效模式及后果分析）等质量工具，提前识别设计风险；讲得清楚，是完成上下游之间的充分“握手”，让关键性能参数与工艺边界信息精准传递，避免质量走样；落得了地，是推动设计要求向工艺要求、控制要求转化，最终在生产现场完成端到端确认。陈剑称之为“最后一公里”，产品是否按要求生产、工艺是否在现场落地、一致性是否有保证，都要由设计、工艺和质量人员共同在装备现场确认。

针对新车型迭代快、新技术占比高的特点，蔚来建立了“五新”识别机制，将新体验、新工艺、新结构、新供应链等高风险项单独梳理，配套专属的开发与验证流程。陈剑说，“新就意味着风险高，因为你不了解这件事情。”因此蔚来对“新”投入更多的资源去管理。经过这套识别与开发流程，五新件和非五新件的质量表现基本打平——新技术也能做到接近传统成熟产品的水平。

AI全场景落地，重塑质量管控的效率与精度

如果说FMQ体系是质量管理的框架骨架，那么AI与数智化技术就是让这套体系高效运转的核心动力。陈剑判断，AI正在进入实战阶段，“以往大家说AI，可能还是媒体宣传的口径，现在它已经上升到关乎企业战略与生死的高度。”

AI的落地最早从制造端的检验环节开始，陈剑担任制造质量部总监期间，就开始在工厂推进智能检验布局。团队将AI模型、车边云融合技术嵌入传统质检流程，逐步替代人工完成重复性高、标准明确的检测工作。比如底盘螺栓扭矩监控，通过智能系统实现全量数据跟踪，螺栓一次合格率提升至99.4%；针对多扬声器的影音检测，AI检测系统可以通过特定频率算法自动完成检测，既快又准。

2026年6月，蔚来先进制造新桥二工厂获评全球 “灯塔工厂”

目前蔚来先进制造工厂的每台下线车辆，都会经过AI智能检验环节，整车自检系统可以在3分钟内完成一千余项车辆功能检测，检测效率提升十倍以上，同时检测标准更统一、数据可追溯。所有检测数据都会同步到Q-Plant数字化平台，支持不同车型、配置的测试管理，也能快速迭代检测算法。这套系统不仅将传统“定性”检测转化为“定量”检测，更能通过数据反哺实现从“事后拦截”到“事前预防”的跨越，全面保障整车产品的高质量交付。

AI也在市场问题处理环节发挥关键作用。蔚来的用户反馈渠道非常多元，除了维保工单，还有社媒声音、第三方平台信息，甚至用户在车内按一下方向盘按键，反馈就能实时进来。以往这些信息需要人工分拣归类，效率低且容易遗漏高优先级问题。现在团队引入AI识别与语义推理能力，可以自动对用户反馈分类定级，快速提取有效问题信息。

问题识别之后进入根因分析与闭环环节，AI可以基于历史质量知识库，对问题数据进行逻辑推理，辅助工程师定位根因，甚至给出被忽略的分析维度。这不仅加快了问题解决速度，也降低了复杂问题的分析门槛，年轻工程师也能快速上手处理复杂问题。

在团队管理层面，陈剑始终在推动AI工具的全员落地，让AI从概念变成质量工程师的必备生产工具。他负责的业务板块目前有七十余项质量活动接入了AI能力，工程师会借助AI完成数据分析、问题根因推理、质量报告生成等工作，很多以往需要资深专家耗时多日完成的复杂分析，现在借助大模型可以大幅提升效率。

但陈剑反复强调，AI高效落地的前提是数字化与数据治理。“以往的流程是写给人看的，今天要把流程写给AI看，让AI看得懂。”人同时关注十件事就会失焦，AI只要规则清晰、算力到位，就能实时“盯盘”。他给团队算过一笔账，行业高度内卷，本质上是压缩试错机会，而AI带来的是"时间坍塌"效应——同样的时间里，企业多出一两次试错机会，就能走得更稳健。2026年上半年，团队重点完成了质量数据本体的建设，统一数据标准与结构，这是后续AI应用规模化落地的基础。

全链路协同共治，快迭代下守住质量底线

当前中国智能电动车市场已从品牌混沌期步入澄清期，单点优势已不足以构建长期壁垒，全链路的质量管控能力成为品牌竞争的核心底气，研发、供应链、制造、服务环环相扣，任何一环的偏差都会影响用户体验。陈剑的质量管控思路，始终强调全链路的协同与共治，通过机制设计打破部门墙与企业边界。

在供应链协同层面，蔚来将供应商称为合作伙伴，对应的岗位叫供应链工业化伙伴，职责不只是管控质量，还要协同供应商提升能力、保障供应。陈剑介绍，蔚来会筛选有潜力的供应链企业，从质量管理体系、工艺优化等方面提供帮扶，和供应商共同成长。

蔚来还在推进“透明供应链”建设，基于互信基础打通主机厂与供应商的数据壁垒。目前已有数十家核心供应商实现了生产数据的互联互通，这样既可以提升产销协同效率，也能在出现质量问题时快速追溯源头。

在企业内部，2025年下半年开始，蔚来开始大规模推行CBU（Cell Business Unit，基本经营单元）机制。陈剑本人就是问题解决与市场履约板块的CBU负责人，与研发、制造、供应链伙伴签订握手协议，每一个问题解决的工时与收益都可回溯，价值“被记录、被看见、被激励”。他说，“质量也是需要经营的，特别是质量的外部损失成本。”

这套协同机制也经受住了市场的考验。乐道L90要在上市前备齐7000台产品，难度非常大。当时陈剑同时兼任品牌质量负责人与车型工业化负责人，他带领团队采用前置评审、变更严控、风险前置识别等措施，完成了高质量车辆的交付，助力L90实现“上市即交付，交付即破万”的市场表现。

乐道L90是蔚来公司历史上销量破万最快的车型

陈剑始终认为，质量底线不能因为研发周期压缩而放松。团队会严格守住产品关键特性与关键要求的验证标准，不会为了赶进度降低验证要求。同时通过原子化技术复用、平行作业等方式科学压缩周期，而不是牺牲验证环节。在蔚来内部，“质量是信仰”是被反复提及的理念，是融入每个业务环节的共识。这种共识最终会转化为用户可感知的产品可靠性，也会成为品牌长期发展的底气。

从传统车企的体系执行者，到新势力质量体系搭建的参与者，陈剑的职业路径对应着中国汽车质量管理的迭代方向。“永远保持年轻开放的心态，进窄门，走远路，守微光。”这是陈剑对自身职业坚守的注解。在他看来，质量管理本身就是一条走窄门的长路，没有投机取巧的空间，必须沉下心扎进研发、供应链、制造的每一处细节，在行业快速迭代的喧嚣中守住品质的底线。智能技术的更迭、产业形态的演进，更要求质量从业者始终保持开放的心态，主动拥抱新工具、新模式，在变化中守住对品质的那份初心微光。