随着汽车科技的飞速进步，现代汽车制造业已经发生了剧烈的变化，影响着汽车产业链的各个方面:包括汽车零部件的芯片制造，零件的融合开发，到汽车软件的研发，AI大模型的应用等待，汽车变化之迅速，为汽车整个相关企业提供了新的挑战和机遇。
内卷和降本是现在汽车行业讨论最多的关键字，一方面是现在车企相互竞争激烈，车企之间不断比拼各种性能，指标数据的高低，另一方面，企业造车的成本难以下降，车卖的越多却赚的越少，车企陷入了进一步降本的困局。降本考虑最多的可能是在车辆的制造研发领域，但其实在售后服务领域同样也面临着降本的需要。随着车企研发周期缩短，车辆结构的日益复杂，软件的故障越来越多，故障诊断的难度也越来越大，传统通过一些售后故障诊断仪，临时抓取一些数据，很难定位和解决问题，售后维修的效率难以提升，如何实现面向智能汽车的智能诊断服务，是每家车企都必须思考的问题。
爱瑟福作为一家提供汽车软件服务的高科技企业，刚在成立之时，重点布局于汽车OTA业务，面向汽车汽车化，软件化的趋势，打造标准化，安全化的车联网eSync服务平台，随着合作车企的逐渐深入，公司发现，仅凭借OTA的技术能力，并不能给车企带来整体数字化运营管理效能的提升，也就是OTA只能是解决问题的途径，但如何定位问题，分析问题是OTA无法解决的。需要一项重要的技术，智能诊断技术，通过智能诊断技术将汽车的各种数据进行按需的采集，持续性的采集来发现问题，定位问题，并解决问题。
引用麦肯锡的报告，2030年能为汽车行业带来增效和降本的两大技术，OTA更新排名第二，而排名第一的是预测式维修。
那么什么是汽车智能诊断技术，智能诊断又需要什么作为基础，根据爱瑟福公司的分析，目前汽车行业远程诊断技术总体分为5个阶段:基础故障报警，故障数据分析，预见性诊断，机器智能学习，模型的生态交易。
大部分车企都完成了第一阶段及第二阶段的基础系统的搭建，也就是说通过搭建TSP或远程诊断平台，让车辆具备了远程诊断的能力，可以按需实现车辆的远程在线诊断和实施数据采集。采集信息的载体可以有多种形式，可以传统的UDS诊断所包括的零件故障码，数据流信息，也可以是软件系统的一些日志文件，音频或视频等，这些能力的实现有助于车辆故障分析的精准分析。有了实时性或持续性的数据收集能力之后，我们需要为车企的各个模块创建一个一个的失效故障模型，这个模型不应该只从后期数据的逆向建模处理，也需要进行正向设计的分析，这有利于提供故障模型的准确度。通过构建数据模型来准确描述车辆的特定零件或车辆的整体行为，通过获取精准数据，并与故障模型的数据进行比对，从而确保汽车零件的安全性与可靠性，随着故障模型的成熟度提升，往往可以为车企带来精准的预见性服务体验，模型的开发在后期应该依靠于人工智能的技术进行简化，通过多个模型的融合计算来定位更为复杂的软件系统故障。当这些数据模型构建较为成熟后，可以从另一方便来为后续的零部件研发和汽车制造提供指导。从而实现模型的反哺零部件供应商。
以爱瑟福公司合作过的某车企为例，通过远程诊断平台采集的特定零部件的数据，完成预见性服务的训练，开发，将每辆车的潜在故障问题及时准确的推送到用户车主的APP手机上，从而获得让车主满意的售后体验。而这一变化，同样也体现在商用车领域，商用车用户如果能够通过远程诊断服务，获知车辆情况，并对重要零部件部件如变速器、悬架及底盘系统等做预防性检修和保养，就可以有效降低停工风险以及其他损失，通过有预见性、有计划的提前保养，将故障的可能性降至最低。
通过预见性服务的方式，车企可以为车主提供全面的服务。通过车辆检查或现场服务，确保用户车主能够享受VIP式的服务体验。同样通过智能诊断技术，车企可以在海外快速部署维修网点，通过智能诊断平台的使用，降低对维修技师的依赖，这也是很多车企在面向海外市场时，重点实现的途径。爱瑟福目前合作某商用车客户，后续将通过远程智能诊断技术重点解决海外维修售后的快速能力搭建。
目前已经有众多车企和零部件供应商纷纷进行智能诊断技术的应用，如宝马和ZF，已经进行智能诊断的技术的研发，与合作伙伴一起去探索发现新的协作方式，包括数字协作。通过各个合作伙伴分享数据，分享工作方式，充分利用数字技术带来的种种便利，新的售后生态系统就有望建立起来。
爱瑟福目前已经在和多家主机厂合作实施智能诊断的项目，目前智能诊断的市场需求逐步提升，围绕着智能维修，快速维修，爱瑟福提供整套解决方案，更好的服务于车厂。
