在汽车租赁、二手车交易和车队管理中，一辆车究竟值多少钱、是否存在事故或机械风险，往往需要评估人员综合照片、检测报告、维修记录、行驶里程和市场行情作出判断。面对多源、异构且不断变化的信息，传统人工评估容易出现耗时较长、标准不一、证据难追溯等问题。日前，记者了解到，正在筹备参加第八届中国研究生人工智能创新大赛的“车智估（CHEZHIGU）——多智能体驱动的车辆价值与风险智能评估平台”，正尝试让车辆评估从依赖个人经验，转向由数据、知识和证据共同支撑的智能决策。

据了解，该项目以汽车租赁企业的租前评估与动态押金定价为核心场景，同时兼顾二手车收购、企业车队管理和个人车辆自检等需求。用户录入车型、年份、里程、所在地区等基础信息，并上传车辆照片、语音描述或检测报告后，系统即可对材料进行解析，持续展示各专业模块的分析过程，最终形成车辆综合评分、价值区间、风险提示及评估依据。

图1 “车智估”项目技术目标

记者注意到，“车智估”的核心并不是让一个大模型包办全部任务，而是构建由六个业务智能体和一个确定性总控编排器组成的七角色协同体系。“驭衡总控”负责任务拆解和流程调度，“慧眼视觉”识别外观损伤，“知章规范”核查材料冲突和风险信号，“溯源机械”分析机械状态与里程可信度，“金算市场”检索可比车辆与区域行情，“智衡仲裁”处理结论冲突并动态调整权重，“心笺档案”保存证据和评估记录。各模块按照统一结构输出分数、置信度、风险标记和证据，使最终结论能够被复核、被解释。

据团队介绍，为降低大模型幻觉和随机性，平台将多模态模型、检索增强生成（RAG）、行业规则库与确定性计算工具结合。模型负责理解图片和文本，知识库提供相似车损案例、市场样本与规范依据，重大事故、泡水、调表等红旗风险由规则优先处置；车辆价值、租金和押金等金额，则由服务端定价函数计算，而非由语言模型直接生成。这一设计兼顾人工智能的理解能力与业务规则的稳定性。

截至目前，项目已完成可运行原型。前端采用React与TypeScript构建，后端基于FastAPI实现多智能体调度，并通过SSE流式展示评估过程；数据侧整合车辆损伤、市场行情、驾驶遥测和行业规则等约4.9GB资源。团队还开发了基于STM32和ESP8266的车载感知终端，验证“车辆端采集—云端传输—平台展示”的数据链路，为后续接入OBD-II故障码、新能源电池健康状态和驾驶行为数据奠定基础。项目现已形成三项软件著作权，并具备云端部署与持续迭代条件。

图2 并发性能

在第八届中国研究生人工智能创新大赛赛前准备阶段，团队将把工程完成度转化为可验证的技术证据：围绕真实车辆样本，对车损识别、估值误差、风险召回率、重复评估稳定性和系统响应性能开展测试，并通过单模型、去除RAG、去除仲裁与完整系统之间的消融对比，验证各模块的实际贡献。同时，项目将加强数据授权、隐私脱敏和人工复核机制，明确系统作为辅助决策工具的责任边界。

据了解，从一次车辆评估到持续车辆健康管理，“车智估”尝试把多智能体、多模态理解、知识检索、确定性计算和车联网感知贯通起来。未来，团队将以租赁企业试点为起点，逐步积累真实成交、维修和运营数据，让每一次评估都形成可追溯的车辆档案，为汽车流通环节提供更高效、更透明、更可信的智能化支持。