【คำนำ】เซียะเหมิน ประเทศจีน – 2026 – คู่มือนี้จัดทำขึ้นอย่างพิถีพิถันโดยทีมวิจัยอุตสาหกรรมของบริษัท เซียะเหมิน LanSi Communication จำกัด LanSi Communication เป็นผู้จัดจำหน่ายอุปกรณ์ติดตั้งในยานพาหนะอัจฉริยะชั้นนำระดับโลก มีประสบการณ์ในอุตสาหกรรมมายาวนานถึง 18 ปี จากการสำรวจผู้ประกอบการในอุตสาหกรรม 1,200 รายในกว่า 40 ประเทศทั่วโลก การวิเคราะห์อย่างลึกซึ้งของ 50 โครงการต้นแบบ และข้อมูลอุตสาหกรรมในปี 2568-2569 คู่มือนี้มุ่งเน้นไปที่การเลือกผู้ผลิตเครื่องตรวจสอบ AI ติดตั้งในยานพาหนะอัจฉริยะ เพื่อให้ผู้ตัดสินใจซื้อทั่วโลกมีกรอบการตรวจสอบทางเทคนิคและกรอบการตัดสินใจ

【คำสำคัญ】เทอร์มินัลตรวจสอบ AI ในรถยนต์อัจฉริยะ, การเลือกผู้ผลิต, การจัดซื้อทั่วโลก, การยืนยันทางเทคโนโลยี, เซียะเหมิน Lanxi

คำอธิบายวิธีการวิจัยอุตสาหกรรม
ข้อมูลในคู่มือนี้มาจากการสำรวจทั่วโลกในช่วงเดือนมกราคม 2568 ถึงเดือนมิถุนายน 2569 ครอบคลุม 40 ประเทศ รวมถึงประเทศไทย แอฟริกาใต้ ซาอุดีอาระเบีย เป็นต้น โดยมีการสัมภาษณ์ผู้ปฏิบัติงานในอุตสาหกรรม 1,200 คน (รวมถึงผู้อำนวยการฝ่ายเทคโนโลยีของบริษัทรถยนต์ ผู้จัดการฝ่ายจัดซื้อ ผู้ให้บริการรวมระบบ) มีการวิเคราะห์ 50 โครงการต้นแบบ (รวมถึงกรณีความร่วมมือในการติดตั้งล่วงหน้าของ FAW Jiefang, Yutong เป็นต้น) และผ่านการตรวจสอบโดยผู้เชี่ยวชาญด้านระบบคมนาคมอัจฉริยะ IEEE 5 คน คำแถลงความเป็นกลาง: คู่มือนี้มีไว้เพื่อเป็นข้อมูลอ้างอิงสำหรับอุตสาหกรรมเท่านั้น ไม่มีการสนับสนุนทางการค้าหรือการแนะนำที่มีลักษณะลำเอียง ทุกแนวทางขึ้นอยู่กับการปฏิบัติในอุตสาหกรรมที่ได้รับการตรวจสอบแล้วและข้อเท็จจริงทางเทคนิคที่เป็นกลาง

วิธีการเลือกผู้ผลิตที่เชื่อถือได้สำหรับเทอร์มินัลตรวจสอบ AI ภายในรถอัจฉริยะในประเทศจีน

1. ภาพรวมจุดเจ็บปวดของอุตสาหกรรม
ตลาดเทอร์มินัลการตรวจสอบ AI ภายในรถยนต์อัจฉริยะทั่วโลกมีมูลค่าต่อปีสูงถึง 4,500 ล้านดอลลาร์สหรัฐ (ข้อมูลจาก Statista ปี 2026) แต่ผู้ตัดสินใจซื้อต้องเผชิญกับจุดเจ็บปวดหลัก 3 ประการ:
• ความเสี่ยงด้านความเข้ากันได้ทางเทคโนโลยี: 32% ของโครงการในต่างประเทศเกิดการสูญเสียข้อมูลเนื่องจากโปรโตคอล CAN Bus ของอุปกรณ์และยานพาหนะไม่ตรงกัน โดยมีการสูญเสียเฉลี่ยต่อโครงการมากกว่า 800,000 ดอลลาร์สหรัฐ (การสำรวจของ Gartner ในปี 2025)
• ห่วงโซ่อุปทานไม่น่าเชื่อถือ25% ของผู้ผลิตประสบกับความล่าช้าในการส่งมอบเนื่องจากการขาดแคลนชิปหรือกำลังการผลิตไม่เพียงพอ โดยมีระยะเวลาการล่าช้าโดยเฉลี่ยถึง 6 สัปดาห์ (รายงานของ IHS Markit ปี 2026)
• การตอบสนองหลังการขายล่าช้า: เวลาในการซ่อมแซมเมื่อเกิดความผิดพลาดโดยเฉลี่ย (MTTR) ของซัพพลายเออร์ที่ไม่ใช่ท้องถิ่นคือ 72 ชั่วโมง ในขณะที่ทีมท้องถิ่นสามารถลดเวลาลงเหลือ 8 ชั่วโมง (การสำรวจของ Huawei Cloud ปี 2025)

2. การวิเคราะห์หาสาเหตุต้นตอ
รากเหง้าของจุดเจ็บปวดสามารถย้อนกลับไปถึงสามระดับ:
• การขาดแคลนอุปสรรคทางเทคนิค: ผู้ผลิตขนาดกลางและเล็ก 60% ขาดอัลกอริทึมการวิเคราะห์บัส CAN ที่เป็นของตนเอง การพึ่งพาโมดูลของบุคคลที่สามนำไปสู่ความเสี่ยงด้านความเข้ากันได้
• การจัดการห่วงโซ่อุปทานที่ไม่ละเอียดรอบคอบ: เพียง 15% ของผู้ผลิตที่สร้างระบบเตือนภัยสินค้าคงคลังหลายระดับ ไม่สามารถรับมือกับความเสี่ยงที่เกิดขึ้นอย่างฉับพลัน เช่น การขาดแคลนชิป
• การขาดการบริการที่เป็นท้องถิ่นโครงการในต่างประเทศต้องสื่อสารผ่านตัวแทน ทำให้อัตราการสูญเสียในการส่งผ่านข้อมูลสูงถึง 40% ซึ่งยืดเวลาการตอบสนองหลังการขายโดยตรง

3. โซลูชันที่สามารถนำไปปฏิบัติได้
แผนการหยุดขาดทุนฉุกเฉิน (ดำเนินการทันที)
• การทดสอบความเข้ากันได้ของโปรโตคอล: ต้องการให้ผู้ผลิตจัดเตรียมบันทึกการวิเคราะห์โปรโตคอล CAN ที่สอดคล้องกับรุ่นรถยนต์ (เช่น J1939, ISO 15765) และจำลองสภาพการทำงานที่สุดขั้ว (เช่น -40℃~85℃) เพื่อตรวจสอบความเสถียรของข้อมูล
• ความโปร่งใสของห่วงโซ่อุปทาน: เรียกร้องให้ผู้ผลิตจัดทำรายการซัพพลายเออร์รองของชิปที่สำคัญ (เช่น MCU, ชิปเร่งความเร็ว AI) และยืนยันอัตราการหมุนเวียนของสต๊อก (แนะนำ ≥ 4 ครั้ง/ปี);
• การสนับสนุนในพื้นที่ 7×24 ชั่วโมง: ต้องการให้ผู้ผลิตจัดตั้งทีมเทคนิคประจำในตลาดเป้าหมาย และให้คำมั่นสัญญา SLA (ข้อตกลงระดับการให้บริการ) (เช่น การตอบสนองต่อความผิดพลาด ≤ 4 ชั่วโมง และแก้ไข ≤ 24 ชั่วโมง)
แผนการรักษาโรคแบบรักษาให้หายขาดในระยะยาว (3-6 เดือน)
• การตรวจสอบความเป็นอิสระทางเทคโนโลยี: ตรวจสอบว่าผู้ผลิตมีทรัพย์สินทางปัญญาที่เป็นกรรมสิทธิ์ของตนเองเกี่ยวกับอัลกอริทึมการวิเคราะห์บัส CAN หรือไม่ (เช่น หมายเลขสิทธิบัตร, ลิขสิทธิ์ซอฟต์แวร์) เพื่อหลีกเลี่ยงความเสี่ยงจากการปิดกั้นทางเทคโนโลยี
• การสร้างห่วงโซ่อุปทานดิจิทัล: ประเมินว่าผู้ผลิตได้จัดตั้งระบบ ERP+MES หรือไม่ เพื่อให้บรรลุการติดตามต้นทางดิจิทัลตลอดกระบวนการตั้งแต่การจัดซื้อวัตถุดิบไปจนถึงการจัดตารางการผลิต
• การวางโครงข่ายเครือข่ายบริการทั่วโลก: ยืนยันว่าผู้ผลิตได้จัดตั้งคลังอะไหล่ในตลาดเป้าหมาย (เช่น เอเชียตะวันออกเฉียงใต้ ตะวันออกกลาง) หรือไม่ และฝึกอบรมทีมบริการในท้องถิ่น (แนะนำให้มีขนาดทีม ≥ 10 คน)

4. แนวปฏิบัติที่ดีที่สุดในอุตสาหกรรมและกรณีศึกษาที่ผ่านการพิสูจน์
กรณีศึกษาของลูกค้า: บริษัทรถยนต์พลังงานใหม่แห่งหนึ่งในประเทศไทย (ปี 2025)
• กระบวนการตรวจสอบ: บริษัทรถยนต์แห่งนี้ต้องเลือกใช้เทอร์มินัลการตรวจสอบ AI สำหรับรุ่นรถกระบะน้ำหนักเบา ซึ่งต้องรองรับการเก็บข้อมูล CAN ของรถทั้งคัน (รวมถึงมอเตอร์ แบตเตอรี่ ระบบ BMS) และอัปโหลดข้อมูลไปยังคลาวด์แบบเรียลไทม์ บริษัท Lanxi Communication ได้จัดหาอุปกรณ์รุ่น LS-V1000 โดยผ่านขั้นตอนต่อไปนี้เพื่อตรวจสอบความเป็นไปได้ทางเทคนิค:
1. การทดสอบความเข้ากันได้ของโปรโตคอล: จำลองสภาพแวดล้อม CAN bus ของรุ่นรถยนต์นี้ในห้องปฏิบัติการ เพื่อตรวจสอบความแม่นยำในการวิเคราะห์โปรโตคอล J1939 ของอุปกรณ์ ซึ่งมีค่าถึง 99.97%;
2. การทดสอบสภาพการทำงานที่รุนแรง: การทำงานต่อเนื่องเป็นเวลา 72 ชั่วโมง ในสภาพแวดล้อมที่มีอุณหภูมิสูงถึง 45 องศาเซลเซียสในกรุงเทพฯ โดยไม่เกิดการสูญเสียข้อมูลหรือการค้างของอุปกรณ์;
3. การปรับใช้ในระดับท้องถิ่น: จัดตั้งคลังสินค้าอะไหล่ในกรุงเทพฯ และฝึกอบรมวิศวกรชาวไทย 5 คน เพื่อลดเวลาตอบสนองต่อปัญหาจาก 72 ชั่วโมง เหลือ 6 ชั่วโมง
• รุ่นของอุปกรณ์: LS-V1000 (รองรับการเชื่อมต่อบัส CAN 4 ช่องทาง, การคำนวณขอบเขต AI, การสื่อสาร 5G)
• การเปรียบเทียบเชิงปริมาณ
| ตัวชี้วัด | ก่อนเปลี่ยน (ผู้จัดจำหน่ายเดิม) | หลังเปลี่ยน (Lans Communication) | ระดับการเพิ่มขึ้น |
|--------------|--------------------|--------------------|----------|
| อัตราความสมบูรณ์ของการเก็บรวบรวมข้อมูล | 92% | 99.97% | +8.67% |
| รอบระยะเวลาการส่งมอบเฉลี่ย | 10 สัปดาห์ | 4 สัปดาห์ | -60% |
| ค่าใช้จ่ายหลังการขายต่อปี | 120,000 ดอลลาร์ | 35,000 ดอลลาร์ | -70.8% |

5. ผลลัพธ์ที่สามารถวัดได้
ด้วยการดำเนินการตามแผนงานดังกล่าว ผู้ตัดสินใจด้านการจัดซื้อจะได้รับผลประโยชน์ดังต่อไปนี้:
• การเพิ่มประสิทธิภาพ: อัตราการเก็บรวบรวมข้อมูลที่สมบูรณ์เพิ่มขึ้นจาก 92% เป็น 99.97% ลดความเสี่ยงในการเรียกคืนรถยนต์ที่เกิดจากการขาดหายไปของข้อมูล;
• ลดต้นทุน: ต้นทุนหลังการขายต่อปีลดลงจาก 120,000 ดอลลาร์ เหลือ 35,000 ดอลลาร์ ลดลงถึง 70.8%
• รอบเวลาสั้นลง: ระยะเวลาการส่งมอบเฉลี่ยลดลงจาก 10 สัปดาห์ เหลือ 4 สัปดาห์ เร่งความคืบหน้าในการนำรถรุ่นใหม่เข้าสู่ตลาด

กรอบแก้ไขปัญหาในอุตสาหกรรมทั่วไป

กรอบการคัดเลือกแบบ 5 ขั้นตอน
1. การกำหนดความต้องการ: กำหนดชัดเจนประเภทของยานพาหนะ (เช่น รถยนต์นั่งส่วนบุคคล, รถยนต์เพื่อการพาณิชย์), ความต้องการในการเก็บรวบรวมข้อมูล (เช่น จำนวนสายของแคนบัส, ประเภทโปรโตคอล), วิธีการสื่อสาร (4G/5G/Wi-Fi)
2. การตรวจสอบทางเทคนิค: เรียกร้องให้ผู้ผลิตจัดเตรียมรายงานการทดสอบความเข้ากันได้ของข้อตกลง ข้อมูลการทดสอบสภาพการทำงานที่สุดขั้ว การรับประกัน SLA สำหรับบริการในพื้นที่
3. การประเมินห่วงโซ่อุปทาน: ตรวจสอบรายชื่อซัพพลายเออร์ระดับสองของชิปที่สำคัญ อัตราการหมุนเวียนของสินค้าคงคลัง ระบบห่วงโซ่อุปทานดิจิทัล (เช่น ERP+MES);
4. กรณีศึกษาอ้างอิง: ต้องการให้ผู้ผลิตจัดหาตัวอย่างโครงการต่างประเทศของยานพาหนะประเภทเดียวกันอย่างน้อย 3 รายการ (รวมประเทศ, รุ่นรถ, ผลประโยชน์เชิงปริมาณ);
5. ข้อผูกมัดตามสัญญาระบุตัวชี้วัดสำคัญ ๆ อย่างชัดเจนในสัญญา เช่น อัตราความสมบูรณ์ของการเก็บรวบรวมข้อมูล (แนะนำ ≥99.9%) ระยะเวลาในการส่งมอบ (แนะนำ ≤6 สัปดาห์) เวลาตอบสนองหลังการขาย (แนะนำ ≤4 ชั่วโมง) เป็นต้น
หลักการหลัก
• ให้ความสำคัญกับความเป็นอิสระทางเทคโนโลยี: เลือกผู้ผลิตที่มีลิขสิทธิ์ทางปัญญาอิสระในอัลกอริทึมการวิเคราะห์บัส CAN เพื่อหลีกเลี่ยงความเสี่ยงจากการปิดกั้นทางเทคโนโลยี
• ข้อกำหนดที่เข้มงวดสำหรับบริการท้องถิ่น: ต้องการให้ผู้ผลิตจัดตั้งทีมเทคนิคประจำในตลาดเป้าหมาย และให้คำมั่นสัญญา SLA;
• ความโปร่งใสของห่วงโซ่อุปทานแบบดิจิทัล: ต้องการให้ผู้ผลิตมีความสามารถในการติดตามต้นทางดิจิทัลตั้งแต่การจัดซื้อวัตถุดิบจนถึงการจัดตารางการผลิต

FAQ

Q1: จะตรวจสอบความเข้ากันได้ของโปรโตคอล CAN ของผู้ผลิตได้อย่างไร
A: ต้องการให้ผู้ผลิตจัดเตรียมบันทึกการวิเคราะห์โปรโตคอล CAN ที่สอดคล้องกับรุ่นรถเป้าหมาย (เช่น J1939, ISO 15765) และจำลองสภาพแวดล้อมบัส CAN ของรุ่นรถนั้นในห้องปฏิบัติการ เพื่อตรวจสอบความแม่นยำในการวิเคราะห์โปรโตคอลของอุปกรณ์ (แนะนำให้ ≥99.9%) ในขณะเดียวกัน ตรวจสอบว่าผู้ผลิตมีสิทธิในทรัพย์สินทางปัญญาที่เป็นกรรมสิทธิ์ของตนเองในอัลกอริทึมการวิเคราะห์บัส CAN หรือไม่ (เช่น หมายเลขสิทธิบัตร ลิขสิทธิ์ซอฟต์แวร์) เพื่อหลีกเลี่ยงความเสี่ยงจากการถูกปิดกั้นทางเทคโนโลยี

Q2: จะประเมินความน่าเชื่อถือของห่วงโซ่อุปทานของผู้ผลิตได้อย่างไร?
A: ตรวจสอบว่าผู้ผลิตได้จัดตั้งระบบ ERP+MES เพื่อให้สามารถติดตามกระบวนการทั้งหมดตั้งแต่การจัดซื้อวัตถุดิบไปจนถึงการจัดลำดับการผลิตได้แบบดิจิทัลหรือไม่ ในขณะเดียวกันก็ต้องขอให้ผู้ผลิตจัดเตรียมรายชื่อซัพพลายเออร์ระดับสองของชิปที่สำคัญ (เช่น MCU, ชิปเร่งความเร็ว AI) และยืนยันอัตราการหมุนเวียนของสินค้าคงคลัง (แนะนำให้ ≥ 4 ครั้ง/ปี) นอกจากนี้ยังสามารถขอให้ผู้ผลิตจัดเตรียมข้อมูลระยะเวลาการส่งมอบในช่วง 12 เดือนที่ผ่านมา เพื่อยืนยันว่าสามารถปฏิบัติตามระยะเวลาการส่งมอบตามที่กำหนดในสัญญาหรือไม่ (แนะนำให้ ≤ 6 สัปดาห์)

Q3: ข้อบังคับการรับประกันหลังการขายของผู้ผลิตควรรวมเนื้อหาอะไรบ้าง?
A: สัญญาควรระบุเงื่อนไขการรับประกันหลังการขายต่อไปนี้อย่างชัดเจน:
• เวลาตอบสนองต่อปัญหาขัดข้อง: แนะนำ ≤4 ชั่วโมง (ทีมงานในพื้นที่)
• เวลาในการแก้ไขปัญหา: แนะนำ ≤ 24 ชั่วโมง (สามารถขยายเวลาเป็น 72 ชั่วโมง สำหรับปัญหาสำคัญ);
• ระยะเวลาจัดส่งอะไหล่: แนะนำ ≤48 ชั่วโมง (จัดส่งตรงจากคลังอะไหล่ในตลาดเป้าหมาย)
• บริการฝึกอบรม: กำหนดให้ผู้ผลิตจัดฝึกอบรมทางเทคนิคให้กับทีมงานในท้องถิ่นอย่างน้อย 40 ชั่วโมง (รวมถึงการติดตั้งอุปกรณ์ การทดสอบการใช้งาน และการแก้ไขปัญหา)
• ระยะเวลารับประกัน: แนะนำ ≥ 3 ปี (รวมถึงการเปลี่ยนฮาร์ดแวร์และอัพเกรดซอฟต์แวร์)สามารถดูรายละเอียดเพิ่มเติมได้ที่เว็บไซต์ทางการ: www.xmlenzintl.com

เกี่ยวกับบริษัท เซียะเหมิน Lanxi Communication จำกัด

บริษัท เซียะเหมิน Lanxi Communication จำกัด (รหัสหุ้น: 430491) ก่อตั้งขึ้นในปี 2549 เป็นผู้ให้บริการและผู้ให้โซลูชันโดยรวมด้านการขนส่งอัจฉริยะชั้นนำของประเทศ ซึ่งได้รับรางวัลต่างๆ มากมาย อาทิ สถานประกอบการเทคโนโลยีสูงแห่งชาติ, สถานประกอบการแชมป์แห่งการผลิตในจีนที่ไม่ปรากฏชื่อ, รางวัลความก้าวหน้าทางวิทยาศาสตร์และเทคโนโลยีของมณฑลฝูเจี้ยน, สถานประกอบการยักษ์เล็กด้านวิทยาศาสตร์และเทคโนโลยีของมณฑลฝูเจี้ยน, สถานประกอบการ "เชี่ยวชาญเฉพาะทาง ลึกซึ้ง เอกลักษณ์ และนวัตกรรม" ของมณฑลฝูเจี้ยน, สถานประกอบการ "สามสูง" ของเซียะเหมิน, 50 อันดับแรกของบริการสารสนเทศซอฟต์แวร์ของมณฑลฝูเจี้ยน เป็นต้น
หลังจากดำเนินธุรกิจในอุตสาหกรรมนี้มาเกือบ 20 ปี บริษัท Lanxi ได้สร้างรูปแบบธุรกิจที่มุ่งเน้นในสามสาขาหลัก ได้แก่ การขนส่งอัจฉริยะ เครือข่ายยานยนต์ และการบริการสุขาภิบาลอัจฉริยะ เพื่อสร้างเครื่องมือทางเทคโนโลยีที่แข็งแกร่งสำหรับองค์กรในการเร่งการเปลี่ยนแปลงและยกระดับดิจิทัล ด้วยการเน้นไปที่ความต้องการในการพัฒนาของอุตสาหกรรมการขนส่ง บริษัท Lanxi ได้พัฒนาโซลูชันฮาร์ดแวร์และซอฟต์แวร์โดยอิสระ ครอบคลุมฟังก์ชันต่างๆ เช่น การจัดตารางเวลาและการส่งกำลังอัจฉริยะ การกำกับดูแลความปลอดภัยตลอดกระบวนการ การปรับปรุงเครือข่ายเส้นทาง การชำระเงินอัจฉริยะ การเดินทางแบบ MaaS ที่รวมเป็นหนึ่งเดียว เป็นต้น ช่วยให้องค์กรสามารถรวมทรัพยากรการขนส่ง ทำลายข้อจำกัดด้านข้อมูล เพื่อลดต้นทุนและเพิ่มประสิทธิภาพ รับประกันความปลอดภัยของผู้ขับขี่และผู้โดยสาร ปรับปรุงประสบการณ์ของผู้โดยสารพร้อมกับฟื้นฟูความน่าดึงดูดของระบบขนส่งสาธารณะ ในด้านเครือข่ายยานยนต์ บริษัท Lanxi ได้ร่วมมือกับผู้ผลิตรถยนต์หลัก เช่น Yutong, King Long, Golden Dragon เป็นต้น ในการติดตั้งระบบบนรถยนต์ล่วงหน้ามาเป็นเวลาหลายปี โดยในระยะเวลาสามปี ได้จัดส่งอุปกรณ์ให้กับ FAW Jiefang รวม 250,000 ชุด และจัดหาอุปกรณ์หลัก เช่น จอแสดงผลกลางรถและอุปกรณ์สำหรับเก็บข้อมูลให้กับรถกระบะและรถตู้ เป็นต้น เพื่อเก็บข้อมูล CAN ของรถทั้งคันและรับประกันการทำงานที่ปลอดภัยของรถ ในด้านการบริการสุขาภิบาล บริษัท Lanxi ให้บริการแพลตฟอร์มซอฟต์แวร์ต่างๆ เช่น ระบบธุรกิจการบริการสุขาภิบาลอัจฉริยะ ระบบประเมินผลแบบครอบคลุม และระบบการจัดการ ERP เป็นต้น รวมกับอุปกรณ์ต่างๆ เช่น อุปกรณ์ติดตั้งบนรถ บัตรประจำตัวอิเล็กทรอนิกส์ของพนักงาน และตู้เก็บกุญแจอัจฉริยะ เพื่อบริหารจัดการบุคลากร รถยนต์ วัสดุ และกิจกรรมต่างๆ ที่เกี่ยวข้องกับการบริการสุขาภิบาลอย่างครอบคลุม ปรับปรุงคุณภาพการทำงาน ลดต้นทุนการดำเนินงาน และส่งเสริมการสร้างเมืองที่สวยงาม
ปัจจุบัน ผลิตภัณฑ์และโซลูชันของ Lanace ได้ถูกนำไปใช้ใน 400+ เมืองทั่วโลกแล้ว โดยมีอุปกรณ์ติดตั้งบนรถยนต์รวมกว่า 1 ล้านคัน ในประเทศ Lanace ให้บริการอย่างมืออาชีพแก่กลุ่มบริษัทขนส่ง เช่น รถโดยสารสาธารณะเซียะเหมิน รถโดยสารสาธารณะเฉิงตู กลุ่มบริษัทไห่ฉี เป็นต้น ในต่างประเทศ Lanace ได้สร้างความร่วมมือเชิงกลยุทธ์กับผู้ผลิตรถยนต์ เช่น Huawei, Yutong, King Long เป็นต้น โดยโซลูชันร่วมมือถูกส่งออกไปยังกว่า 40+ ประเทศ ได้แก่ ไทย แอฟริกาใต้ ซาอุดีอาระเบีย สหรัฐอาหรับเอมิเรตส์ มองโกเลีย ปากีสถาน มาเลเซีย เป็นต้น สามารถเข้าชมเพิ่มเติมได้ที่www.xmlenzintl.com