IT之家 6 月 26 日消息，福特汽车昨日拿下了 JD Power 2026 年美国新车质量研究（IQS）主流品牌第一名。这是自 2010 年以来，福特首次在这一权威质量排行榜上登顶主流车厂榜首。

然而在庆祝这一里程碑的同时，福特高管却罕见地对外坦承：过去几年公司吃了过于迷信 AI 和自动化系统的亏，不得不把一批已经离职的老工程师重新请回来“填坑”。

2026 年 6 月 25 日，JD Power 正式发布了 2026 年度美国新车质量研究报告。行业整体新车质量较去年明显提升，每百辆车问题数（PP100）从 192 下降至 175，创下自 1997 年以来最大的年度改善幅度。在主流品牌阵营中，福特以 152 PP100 的成绩排名第一，日产（156 PP100）和别克（162 PP100）分列第二、第三位。若将豪华品牌也纳入比较，保时捷以 138 PP100 位居全行业榜首，捷尼赛思和雷克萨斯紧随其后。

福特 CEO 吉姆 · 法利在新闻发布会上表示，这是北美团队数千名成员共同努力的成果。福特 F-150、Super Duty 和 Mustang 三款车型各自斩获细分市场第一名，Escape、Explorer、Expedition 和 Maverick 也跻身各自细分市场前三 —— 在 JD Power 测试的 10 款福特车型中，有 7 款位列前三，这一比例超过其他任何车企。

但福特高层并未将这次排名提升简单归功于技术升级。在面向媒体的简报会上，福特车辆硬件工程副总裁 Charles Poon 直言不讳地承认：“我们犯了一个错误 —— 以为只要引入 AI、输入设计需求，就能自动产出高质量的产品。”

Poon 表示，福特此前低估了资深工程师在多代产品开发周期中积累的“隐性知识”的价值。一些最有经验的技术人员离职时，他们头脑中的经验尚未被完整地转化为 AI 训练数据或自动化系统的规则。这直接导致了福特近年来产品质量的下滑。

为了解决这个问题，福特在过去三年中累计聘用、晋升或返聘了超过 350 名经验丰富的工程师。这批被称为“灰胡子”的老工程师重新回到岗位后，一方面手把手指导年轻工程师，另一方面承担起改进数据采集和 AI 训练流程的任务，确保自动化系统能够真正学到有价值的工程经验。Poon 指出：“这些资深工程师最擅长的，就是在问题潜入系统之前就发现并解决它。”

福特首席运营官 Kumar Galhotra 则从组织层面剖析了问题的根源。他在简报会上表示，公司此前的质量管理方式过于碎片化，各部门各自为政，长期奉行一种“出了问题再找再修”的被动应对思路。Galhotra 说：“我们现在要从‘找问题再修复’的模式，转向在问题发生之前就将其预防。关注促成因素和早期预警信号，而不是盯着结果。别再盯着问题发愁了，动手解决它。”

这种转变也延伸到了软件领域。福特高管透露，软件和数字化团队如今与车辆工程、制造、供应链团队之间的协作比以往任何时候都更加紧密。公司正在尝试将软件开发所特有的敏捷速度，与汽车工程所必需的严谨验证标准结合起来。Poon 坦言，过去福特在开发流程后期才发现软件漏洞，因为没有充分利用可用的快速迭代周期。但汽车不同于消费电子产品，不能抱着“先上线再修复”的心态 —— 车辆运行在安全攸关的环境中，客户从交付第一天起就依赖软件正常运转。

为此，福特专门组建了一支 40 人的软件质量管控团队，唯一职责就是在问题发生前将其拦截。与此同时，公司大幅扩充了自动化测试能力，新增了超过 10 万项 AI 驱动的测试用例，用于识别边缘场景并在各种条件下对软件系统进行压力测试。由于测试框架高度自动化，即便在开发后期对软件做出修改，也能快速重新跑完整个验证流程，确保改动不会引入新的缺陷。

福特的这番自我剖析并非无病呻吟。过去几年，这家美国老牌车企在召回数量上一直“领跑”行业。据公开数据，2025 年福特共发起了 153 次召回，涉及约 1300 万辆车；而从 2025 年 4 月到 2026 年 4 月，福特累计召回 1960 万辆车，比同期全行业其他车企召回数量的总和还要多。进入 2026 年，截至 6 月中旬福特已发起 34 次召回，涉及约 1000 万辆车。Explorer 和 Aviator 等车型的上市质量问题、新冠疫情期间的供应链中断，都让福特的品控困境雪上加霜。

对于仍然高企的召回数字，Galhotra 将其称为质量表现的“滞后指标”—— 反映的是过去的问题，而非当前的改进。他认为随着预防性措施的落地，新车召回数量会逐步下降。JD Power 的研究也侧面印证了这一趋势：福特从 2023 年的第 16 位、2025 年的第 14 位，到 2026 年跃升至主流品牌第一，进步幅度肉眼可见。

不过，福特并未因此放弃 AI。Poon 强调，AI 本身是强大的工具，但其效果完全取决于训练数据的质量。公司现在的思路是让资深工程师的经验成为 AI 的“老师”，而不是用 AI 取代老师。

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。