宇通客车作为全球领先的客车制造商，业务覆盖全球 60 余个国家和地区。面对海外售后场景中维修知识分散、多车型多语种协同复杂等挑战，宇通携手亚马逊云科技，基于汽车服务图谱增强检索方案（GraphRAG），将分散的维修文档构建为结构化知识图谱。经测试验证，该方案使维修问答准确率从传统向量检索的 75% 提升至 90%。
系统上线时间
从 6 个月缩短至
计算成本
节约
目前，宇通客车主要使用的亚马逊云科技服务包括：Amazon Bedrock AgentCore、Amazon Bedrock（仅海外区域可用）、Amazon Nova、Amazon Neptune、Amazon Graviton 处理器、Amazon ECS、Amazon Fargate 等。
机会 | 从“卖产品”到“卖服务”：宇通客车全球化的能力升级
随着中国新能源车大规模进入欧洲、拉美和中东地区，商用车领域的竞争焦点已从“销售”转向“长期服务能力”。车辆停运意味着巨大的运营损失，而海外复杂的语言、车型及维修体系差异，使得传统依赖人工经验的服务模式难以应对。
2025 年，宇通客车海外收入达 211 亿元，首次超过国内。面对高度定制化带来的离散知识体系挑战，宇通意识到必须将依赖“人脑记忆”的售后体系，升级为能够理解车辆与行业知识的智能系统。
宇通与亚马逊云科技达成合作，利用 GraphRAG 垂直行业应用潜力，共同探索场景化共创，打造智能售后服务体系。
解决方案 | 汽车服务图谱增强检索方案：让“非标”客车实现“标准化”智能维修
GraphRAG + Data Agent：
把海量维修资料变成可复用的知识资产
针对上万份维修文档，宇通与亚马逊云科技将分散的手册、工单、图片与维修记录进行统一管理与知识重构。
多模态理解：让 AI 真正“看懂”维修现场
多模态理解：让 AI 真正“看懂”维修现场
维修现场数据包含大量技术图纸与装配图解等多模态信息。宇通 GraphRAG 方案通过 Amazon Bedrock 托管推理服务，调用 Amazon Nova 系列模型构建多模态理解能力。
系统采用 Amazon Nova 2 Lite 多模态大模型解析技术图片，结合文本标注建立语义关联，并直接对图片内容进行视觉理解，抽取实体与关系纳入知识图谱。Amazon Nova Multimodal Embeddings 模型将文本、图片、表格统一编码为向量，实现跨模态语义关联。当技师输入故障描述时，系统可自动识别特征并返回精准的维修方案。
GraphRAG：从“单纯向量匹配”到“图谱约束”的理解大幅提升
GraphRAG：从"单纯向量匹配"到"图谱约束"的"理解大幅提升"
传统 RAG 仅依赖向量相似性，易产生幻觉且不可解释。GraphRAG 引入知识图谱的结构化约束，大幅提升了答案的准确性和可解释性。系统通过图谱明确约束实体关系，确保推理路径符合零部件依赖逻辑，有效消除幻觉问题。
宇通基于多模态大模型自动抽取车型、零部件、故障现象等实体及关联关系，构建结构化知识图谱。采用 GraphRAG 混合检索架构，结合 Amazon Neptune 图数据库的关系推理能力和 OpenSearch 向量数据库的相似度匹配，实现更精准的知识检索。
Agent 化能力调度：让系统具备持续扩展能力
Agent 化能力调度：让系统具备持续扩展能力
宇通参考亚马逊云科技 Data Agent 集成模式，构建 Agent 化维修支持能力。GraphRAG 以 MCP（Model Context Protocol）标准协议形式集成，作为核心知识召回工具。通过标准化接口，AI Agent 可灵活调用图谱查询、文档检索等能力，具备良好的可扩展性，未来可延伸至车队管理、预测性维护等全生命周期智能服务体系。
全球架构支撑：构建安全稳定技术底座
全球架构支撑
构建安全稳定技术底座
在宇通全球化扩展中，合规与安全是底线。该方案采用 Amazon Bedrock 托管 LLM 推理服务，通过 Bedrock AgentCore 框架构建 Agent 工作流。数据处理符合区域数据主权要求，支持在不同亚马逊云科技区域独立部署，满足欧盟 GDPR 等法规需求，并通过容器化和 VPC 网络隔离确保数据安全。
系统采用 Amazon Graviton 处理器部署文档处理负载，运行在基于 ARM64 架构的 Amazon ECS on Amazon Fargate 容器上，使用 Docling 引擎完成 PDF 解析及多模态提取。相比传统 x86 架构，Graviton 在知识图谱向量计算与图遍历场景中具有显著的性能和成本优势。
专业服务驱动创新：从“被动响应”到“主动共创”
专业服务驱动创新
从“被动响应”到“主动共创”
亚马逊云科技客户服务团队与宇通深入梳理售后痛点，从“客户提出需求”走向“双方联合定义问题”。在技术实现层面，IVT 行业解决方案团队对 LightRAG 进行工业级重构，汇聚汽车行业专家与应用科学家，实现了多跳推理、精准溯源等核心能力突破，使该项目成为 GraphRAG 在工业场景中的标杆实践。
宇通客车基于亚马逊云科技的 GraphRAG 系统架构示意图
宇通客车基于亚马逊云科技的 Data Agent 系统架构示意图
业务成果 | 4 个月上线：宇通客车探索售后 AI 转型方案
经历多次深度迭代后，宇通客车仅用 4 个月便完成了维修知识库测试版本在欧洲的部署验证，比原计划缩短 2 个月。测试表明，多模态与多语言能力有效帮助海外一线人员跨越语言隔阂，快速获取精准维修方案。
基于 GraphRAG 技术重构的知识体系，问答准确率从 75% 提升至 90% 以上，累计处理维修文档超 1 万份。该方案在文档查找效率、售后响应速度及新人上手周期等方面展现出显著提效潜力，为全球售后服务标准化和智能化奠定了坚实基础。
“数字化转型的核心是效率。基于亚马逊云科技的汽车服务图谱增强检索及数据智能体方案，宇通客车将辛勤积累的维修经验‘数字化’、‘智能化’，实现了售后知识的全球快速检索。它不仅消除了多语言、多时区场景下的沟通障碍，更将零散的个人经验重构为可复用的标准资产，为宇通客车构建全球化服务体系提供了坚实的技术底座。”
——亚马逊云科技行业价值转型总经理 王博
关于宇通客车
关于宇通客车
宇通客车是全球领先的客车制造商之一，成立于 1963 年。公司专注客车研发、制造与销售，覆盖公路、公交、旅游及新能源等多个细分领域，新能源客车累计推广超 21 万辆。2025 年，公司实现营收 414 亿元、净利润 55 亿元，全球市占率超 10%。海外业务持续增长，累计出口超 13 万辆，覆盖 60 多个国家和地区，2025 年海外收入达 211 亿元，首次超过国内。公司年研发投入超 18 亿元，占营收约 4.4%，研发团队超 3,000 人，持有有效专利及软件著作权 2,335 件。
关于神州泰岳
关于神州泰岳
作为亚马逊云科技的核心级合作伙伴，神州泰岳在本项目中提供了关键支持。在 POC 阶段，其协助完成系统可用性验证、模型对比测试以及知识入库与检索功能测试，并在成本优化过程中参与分析与调优，为方案顺利落地提供了重要保障。
随着宇通客车在全球范围内的持续扩展，神州泰岳将继续在多区域部署验证、运维监控体系建设、成本优化及性能调优等方面提供支持，助力宇通进一步提升全球运营效率与服务能力。
未来，宇通客车将继续携手亚马逊云科技，通过 AI Agent 将端到端的智能化售后服务推向全球。这套跨越国界、实时响应的数字化服务体系，不仅是宇通征战全球的核心竞争力，更是中国制造在智能时代重新定义行业标准的底气。
