汽車數字化深度研究報告：數字化大勢所趨，加速產業鏈價值轉移報告綜述汽車數字化集中于四維度，聚焦用戶全生命周期服務體驗數字化是信息化的高階階段，最終目標是實現智能化。汽車行業的數字

化主要集中在四個維度，即數字化研發、數字化生產、數字化管理與數

字化營銷。通過數字化平臺，提升用戶購車、用車的全過程的服務體系，

涵蓋車內數字化生活和后市場服務。作為數字化需求方的汽車行業汽車行業作為數字化的需求方，在數字化升級轉型中，正在從內部組織、

數字人才管理，到產品的研發、生產制造、管理，再到營銷建立起多維

數字生態。數字技術與車企的有機融合已成大勢所趨，通過數字技術賦

能，車企補充數據分析利用能力，

在提升企業整體運營效率的同時，也

進一步優化消費者購買體驗。作為數字化供給方的汽車行業

作為數字化供給方的汽車行業，一方面，基于人的視角，通過獲取駕駛

者行為數據，利用大數據、機器學習等技術將其轉換為洞察，實現用戶

與個性化服務間的連接，打開車內數字化生活與汽車后市場服務的廣闊

空間。另一方面，基于車的視角，通過收集車的運行數據及道路數據，

隨著諸如高精地圖、激光探測等數字技術的逐步成熟實現智能駕駛，并

對出行體驗帶來顛覆性變化。數字化轉型加速汽車產業鏈價值轉移，核心優質龍頭亮點頻出

從汽車產業價值鏈來看，數字化下未來汽車價值體量提升。

“造好車”

使“微笑曲線”上移，“用好車”使價值內涵得到拓展。特斯拉商業模式

催化和引領，特斯拉當前商業模式可以總結為“硬件+軟件+服務”三輪

驅動。國內車企應乘智能網聯之風，通過數字化轉型升級，從傳統整車

銷售業務向“產品+服務”模式轉變。汽車行業優質龍頭從前端的研發、

生產、管理，到中端營銷，到后端車內生活、后市場服務，全流程紛紛

進行數字化轉型。數字技術的成熟推進智能駕駛時代的到來，Robotaxi成為共享出行的高階形態，不同車企與時俱進、亮點頻出。汽車行業的數字化集中于四維度，實現用戶全生命周期數字化服務汽車行業的數字化主要集中在四個維度，即數字化研發、數字化生產、數字化

管理與數字化營銷。1）數字化研發，是通過融合軟件、硬件開發，實現“軟件

定義汽車”；另外通過研發過程、研發知識、研發工具等數字化，實現企業內外

部的協同研發，速斷新車迭代周期。2）數字化生產，是通過物聯網、AI、VR等技術，優化生產排期、物流管理、能耗管理、安全管理、質量檢測等汽車制

造環節；3）數字化管理，通過構建車企數字化管理平臺對數據進行管理，實現

數據資產的最大化利用，破除碎片化，實現統一、開放、可擴展、閉環集成的

架構；4）數字化營銷，是通過豐富用戶購車路徑中的數字觸點，搭建線上線下

協同的營銷體系，以更低成本更高效獲取用戶。汽車行業的數字化基于用戶體驗，實現用戶全生命周期數字化服務。通過數字

化平臺，提升用戶購車、用車的全過程的服務體系，涵蓋車內數字化生活和后

市場服務。平臺通過數字化，讓服務方與用戶實時連接，并通過線上線下協同

和智能化技術，提升服務體驗。未來，隨著數字化技術（高精地圖及定位、激

光探測、AdvancedHMI等）的成熟，車本身的駕駛體驗將從輔助駕駛向自動

駕駛躍升。當前各車企數字化轉型策略各有差異，但大體殊途同歸，集中于研發、生產、

管理、營銷與服務上。汽車數字化浪潮席卷而來，深度重構汽車價值鏈及運營模式存量市場環境下政策+技術+市場多因素驅動，汽車數字化浪潮席卷而來行業端：中國車市由增量市場轉存量市場，汽車行業挑戰與機遇俱存汽車行業處于成長期向成熟期過渡階段，多方挑戰亟需新技術助推行業數字化轉型。2018

年伴隨購置稅優惠政策完全退出疊加經濟下行周期，汽車作為可選消費

品，銷售受到較大沖擊，且這一沖擊從

2018

年下半年起表現尤為顯著（主要原因

是貿易戰持續沖擊下可選消費下行疊加購置稅退出前的部分透支）。2020

年

3

月開始國內疫情緩解，終端需求有所回升，

2020

年中國汽車產銷分別完成

2522.5

萬

輛和

2531.1

萬輛，同比分別下降

2.0%和

1.9%。長期看行業生命周期，我們認為

國內汽車行業目前仍然處于的是成長期向成熟期過渡階段。汽車行業現有商業模式

面臨成本、質量、交付、法規、產能過剩的挑戰，亟需新技術助推行業數字化轉型。

一方面全球經濟下行導致客戶需求下降，另一方面產能過剩。國家更嚴格的排放標

準要求汽車在改善燃油經濟方面投入大量資金，車企通過投資輕量化材料減輕汽車

整體質量，同時引進新技術，通過數字化降本增效，并通過與用戶產生長期關系變

革商業模式，驅動行業數字化轉型。數字化數據在汽車行業的廣泛應用，為行業創收增加新動能。基于制造工業特性，

汽車行業企業數字化技術應用需求較高，汽車行業數字化轉型中對部分數字化技術

的應用比例遠超過其他行業。根據北大光華數字化研究信息顯示，目前汽車行業較

其他行業數字化技術應用比例更高的是物聯網（20.4%）、機器人（12.0%）和

3D打印技術（4.6%），汽車行業數字化技術應用最多的是物聯網（20.4%）、大數據

（18.5%）、云計算（14.8%）和移動技術（14.8%）。數字化有望徹底變革行業價

值鏈，汽車或將成為數字化技術應用最深的行業之一。據麥肯錫預測，2030

年數

字化為汽車行業創造

10%-30%的行業收入，為行業創收增加新動能。政策端：新基建促使車企加速數字化升級重視“新基建”，重申“數字經濟”與“數字化發展”。根據

2020

年

11

月

4

日人民網發布的《中共中央關于制定國民經濟和社會發展第十四個五年規劃和二〇三五

年遠景目標的建議》，一方面發展數字經濟，推動數字經濟和實體經濟深度融合；

另一方面壯大新一代高端裝備、新能源汽車等產業，推動互聯網、大數據、人工智

能等深度融合，促進平臺經濟、共享經濟健康發展。2020

年

12

月

16

日至

18

日

的中央經濟會議再次強調“大力發展數字經濟，加大新型基礎設施投資力度。”“十

四五”規劃和中央經濟工作會議重視“新基建”，重申“數字經濟”與“數字化發

展”的重要性，通過培育新經濟、新技術和新產業，打造經濟新增長點。新基建成為數字化深入的加速器，5G、人工智能等將促使車企加速向數字化升級。新基建主要包括

5G基站建設、特高壓、城際高速鐵路和城市軌道交通、新能源汽

車充電樁、大數據中心、人工智能、工業互聯網七大領域，涉及到通信、電力、交

通、數字等多個社會民生重點行業。新基建中涉及的

5G、大數據、人工智能等，

一方面將促進汽車向智能網聯、自動駕駛方向發展，進一步加快

5G+車聯網的協

同發展，促使車企加速向數字化升級；另一方面隨著自動駕駛時代的到來，數字化

賦能下車上碎片時間的激活變現，有望帶來行業新風口。技術端：硬核技術催生“數字化升級”，“信息化-數字化-智能化”勢不可擋互聯網迭代升級大環境下，“數字技術”

的需求應運而生。數字技術是一種可以將

圖、文、

聲、

像等各種信息及載體轉化成為計算機可以識別的語言進行加工、

儲

存、分析和傳遞的技術。當前階段，物聯網、大數據、云計算等為代表的硬核技術

構成了數字技術。數字化是利用現有及新興數字化技術，將數字基因全方位融入企

業，從而發掘全新商業與價值機遇，優化并重構價值鏈，同時建立與用戶和生態合

作伙伴的數字化連接，增強企業與用戶間的認知與互動，提高價值創造效率，提升

企業精益化運營與管理水平的全過程。隨著基于場景的業務與數字技術深度融合與

創新，

第三波“數字化升級”

浪潮席卷而來。汽車行業作為復雜度高、人員、技

術、資金密集的制造業，對智能制造需求強烈，是數字化技術應用的重要場景之一。

數字化是信息化的高階階段，是從收集、分析數據到預測數據、經營數據的延伸。

數字化是智能化的基礎，最終是為了實現智能化。5G基站、

大數據中心、

工業互聯網等技術作為“新基建”重點方向，作為數字

化底層基礎設施支撐汽車數字化，加速汽車產業技術創新融合落地。1）5G基站

作為移動通信領域的重大變革點，通過人工智能、云計算、大數據等方法，將加速

車路協同、數字工廠、車聯網、智慧交通、無人駕駛等場景落地。2020

年

5

月，

華為聯合一汽集團、長安汽車、東風集團、上汽集團等首批

18

家車企正式發布成

立“5G汽車生態圈”，旨在加速

5G技術在汽車產業的商用進程，共同打造消費者

感知的

5G汽車。2）隨著以華為云、阿里云、百度云、騰訊云等為代表的互聯網

巨頭的云平臺入局，借助大數據云平臺，車企數字化工廠、數字化營銷、智能網聯

汽車等業務體系將全面貫通，助力企業進行柔性化制造、精細化營銷并推進自動駕

駛進程。3）工業互聯網平臺作為工業智能化發展的核心載體，支撐生產智能決策、

業務模式創新、資源優化配置和產業生態培育。近年來，上汽集團通過構建連接企

業信息系統、智能機器、物料、人等的工業互聯網平臺，貫穿汽車智能制造全產業

鏈、全生命周期，實現工業互聯網數據的全面感知、動態傳輸、實時分析，貫通客

戶、整車與零部件供應商之間的業務數據，促進供應鏈協同創新，優化供應鏈管理

并提升生產效率，為智能制造、個性化定制生產模式創新提供良好支撐和契機。市場端：中國消費者對于數字化服務體驗熱情高漲，積極擁抱車內數字化生活受益于互聯網巨頭的帶動和消費群體的年輕化，消費者對于數字化與互聯網渠道

接受程度越來越高。在服務體驗數字化方面，中國消費者在互聯網作為信息和購買

渠道的使用積極性顯著高于其他受調查國家，無論是在獲取購車信息、直接在線預

訂車輛還是在線下單購車方面均處于全球領先地位。在車內生活數字化方面，根據

羅蘭貝格《汽車行業顛覆性數據探測》，

75%的中國消費者會使用導航

APP來規

劃一段駕駛行程，領先于其他接受調研的國家，高頻率的使用反映了中國消費者熱情擁抱車內體驗數字化的態度。數字化技術深度重構汽車價值鏈及運營模式，驅動車企數字化轉型數字技術正全面融入車企全生命周期運營體系，深度重構汽車價值鏈及運營模式。

縱觀汽車價值鏈，從產品的研發、生產制造到管理、營銷及延伸的后市場服務，以

至于車內數字化生活，在整個價值鏈中的利益關聯者，包括廠商、零部件供貨商、

經銷商等正積極為工業自動化和數字化布局。數字化已逐步滲透各個環節，并對運

營效率、客戶體驗以及商業模式三個主要方面產生積極影響。以客戶體驗為導向的數字化升級，驅動車企從數字化需求與供給兩維度進行數字

化轉型。當前，車企數字化升級正由“以車為中心”到“以用戶為中心”、“銷售導

向”到“體驗導向”、“硬件驅動”到“軟件驅動”，核心是以客戶體驗為導向。為

此，車企從公司組織架構、業務運營體系，到分析平臺和數據庫進行重構和優化。

1）作為數字化需求方的汽車行業，“數字化研發、

數字化生產、

數字化管理以及數字化營銷”

是車企數字化升級的重點方向。2）作為數字化供給方的汽車行業，

基于人的維度的車內生活服務、后市場服務的數字化應用，基于車的維度的車輛架

控、出行服務的數字化應用，成為數字化轉型的重要領域。作為數字化需求方的汽車行業汽車行業作為數字化的需求方，在數字化升級轉型中，正在從內部組織、數字人才管理，到產品的研發、生產制造、管理，再到營銷建立起多維數字生態。數字

技術與車企的有機融合已成大勢所趨，通過數字技術賦能，車企補充數據分析利

用能力，

在提升企業整體運營效率的同時，也進一步優化消費者購買體驗。數字化研發數字孿生加速汽車研發轉型汽車研發面臨的新挑戰：傳統燃油汽車整體向電動化以及自動化轉變并逐步走向無人駕駛已成為確定的趨勢。帶有自動駕駛功能的電動車與傳統的燃油車相比，在相

同的車內安裝空間內增加了

40%的硬件（傳感器、電子、配電系統等），需要千兆

級別的數據量傳輸，新的電子電氣架構，超過

1

億行的軟件代碼，以及更高的電

力需求。所有這些都要求汽車

OEM基于系統工程理念，從系統層面統籌規劃，

實現機、電、軟、控制等多領域跨學科集成和數據的統一管理和傳輸，利用雷達和

攝像技術實現主動安全，通過對智能駕駛場景進行數字化虛擬驗證，通過電子電氣

架構數字化模型進行整車架構平衡分析和優化，采用模型在前期對設計進行虛擬化

仿真驗證，最終實現基于需求、功能、邏輯以及物理的全過程數字孿生，全面提高

設計質量并降低開發時間和成本。數字孿生是現有或將有的物理實體對象的數字模型，通過實測、仿真和數據分析來

實時感知、診斷、預測物理實體對象的狀態，實現“需求定義-功能設計-邏輯設計

-系統仿真-物理設計-設計仿真-實物試驗”全過程閉環管理。數字孿生的關鍵能力

包括：1）數字模型設計，使用系統建模工具及

CAD工具等開發出滿足技術規格

的產品虛擬原型；包含需求模型、功能模型、結構模型、數字化樣機等，精確地記

錄產品的各種物理參數，并以可視化的方式展示出來，通過一系列驗證手段來檢驗

設計的精準程度；2）模擬和仿真，通過一系列可重復、可變參數、可加速的仿真

實驗，來驗證產品在不同外部環境下的性能和表現，在設計階段就可驗證產品的適應性。西門子推出數字化車輛性能開發解決方案，將工程設計流程從傳統的以試驗驗證

為中心的設計方法轉變為閉環系統驅動的正向產品，將更好性能的、更具創新性

的產品，以更快的速度推向市場。1）在概念設計和造型階段，對動力傳動系統、

空氣動力學、電氣系統和控制系統等進行整體建模，通過穩態、瞬態和頻率域分析，

以確定和優化系統的整體方案和架構。此階段可以快速設定整車性能目標；并將設

計目標分解到子系統和零部件上，進一步確定子系統和零部件的規格，保證子系統

和零部件之間的兼容和匹配。2）在工程設計階段，以

CAD模型為基礎，對產品

進行動力學分析、機電液一體化分析、空氣動力學和熱力學分析、零部件的強度分

析、疲勞耐久性分析以及振動噪聲分析等。并在此基礎上，利用多學科優化平臺，

確定子系統和零部件的形狀和尺寸設計方案，確定系統裝配和初步的加工制造方案。

3）在試驗驗證和設計定型階段，一方面利用數字樣機進行“虛擬試驗”，為物理樣

機試驗設計最佳試驗方案，另一方面可以最大程度的減少樣機試驗次數和現場發生

故障的數量。通過試驗與仿真相關性分析、混合仿真、混合路面、硬件在環仿真等

技術，形成閉環的性能驗證，將更好性能的、更具創新性的產品，以更快的速度推

向市場。西門子通過數字化雙胞胎優化

Uniti開發，在全虛擬環境中仿真設計。CAE仿真數字化研發降本增效汽車研發過程中需要對很多結構、系統進行多輪次

CAE仿真分析，傳統

CAE分

析方法存在很多局限。首先，傳統方法存在大量的重復工作，分析周期長，要求工

程師有足夠的力學知識和分析經驗。其次，每當模型做出調整時，都需工程師重新

進行所有的分析步驟，過程繁瑣且容易出錯。另外，分析流程因人而異，沒有統一

的規范，通常不同分析人員得到的分析結果有所差異。通過

CAE仿真工作進行數字化開發，可以大大提高

CAE仿真效率，降低研發成

本，縮短產品研發周期。隨著

AR、VR和

MR技術發展的成熟，三維虛擬仿真

為虛擬現實技術的應用提供了便利環境。CAE仿真數字化開發可以分為

3

個階段：1）CAE仿真工具自動化開發。針對

CAE仿真分析流程中操作繁瑣、耗時耗力的

某個或某幾個點，通過軟件開發或二次開發的方式，實現自動化執行，代替人工操

作。以中國一汽為例，基于

Hyperworks、Oasys等軟件二次開發，建立了

CAE自

動化仿真系統。圍繞整車安全、車身底盤耐久等性能開發仿真自動化工具，完成功

能模塊

113

個，建立

6

大

CAE仿真自動化平臺，整體仿真效率提升

41.9%。以

車身料厚靈敏度

CAE分析建模自動化為例，分析周期由原來的

36

h縮短至

3

min，

極大縮短了分析時間。2）CAE仿真流程自動化開發。在

CAE仿真工具自動化開發基礎上，以軟件開發

或二次開發的方式打通

CAE仿真分析流程各個環節，做到前處理、求解到后處理、

評價報告整個有限元分析流程的全自動化，目前在業內已經有越來越多的開發和應

用案例。上汽集團技術中心開發了一種基于

CATIA的汽車底盤設計分析系統，該

系統主要模塊分為模型和數據處理、分析模型創建、計算、報告生成，通過將企業

經驗轉化為標準分析流程，提高了分析效率，提升了設計水平。3）CAE仿真智能化開發。人工智能（AI）的浪潮正在席卷全球，機器學習（ML）

作為實現人工智能的手段之一，是指通過數據訓練出能完成一定功能的模型，也是

目前最主流的人工智能實現方法。當前，CAE仿真面臨的巨大挑戰有準確性和實

時性。人工智能領域的機器學習和

CAE仿真結合，可以幫助

CAE仿真提高準確

性，徹底解決實時性，從而真正讓

CAE仿真智能化。南京理工大學、東風汽車技

術中心應用徑向基函數神經網絡近似模型和多目標遺傳算法對某型車防護組件進

行優化設計，以同樣的邊界條件對優化設計出的防護組件進行實爆實驗，發現優化

后的防護組件可以在

6

kg當量的

TNT爆炸沖擊下保持完整而不破裂。總體來看，數字孿生/數字化仿真技術不斷演進過程中，表現出跨產品生命周期、從靜態到動態、人工智能驅動、算力需求暴增的特征。目前，數字孿生、數字化

仿真技術已被車企廣泛應用，其使用范圍隨著云計算、物聯網、大數據的普及在

不斷擴大。

以阿里云、華為云為代表的云平臺基于自身優勢，開辟車企數字化研

發新業態。一方面，從按峰值部署高性能計算資源池，到按需租用工業仿真服務，

避免重復建設和資源浪費；另一方面，從僅本地處理，到本地和云端協同作業模式，

提高新車型的開發速度。數字化生產制造智能制造的根本矛盾和數字化核心建設過去幾十年企業

IT發展根本矛盾是企業優化資源配置、解決全局問題的需求，和

數據碎片化供給的矛盾。業界共識是必須在數字化的虛擬環境來做，把產品、工藝、

制造、運營等領域的對象和活動全部數字化、模型化，用數字化的手段來精確描述

現實，模擬一切可能性，及早發現問題、解決問題。智能包括物理世界和虛擬世界，

一個是看得見的自動化、機器人、AGV、立體倉庫；一個是數據的自動化流動，是

基于模型、幾何、

性能、

工藝的流動，而非過去的文檔的流動。兩個都很重要，

虛擬和物理要打通，是自下向上的驅動和閉環反饋。對于智能制造的數字化建設核心主要是：1）數字孿生：用數字化、模型化精確描述現實，并提前模擬一切可能

性；2）數字孿生驅動及閉環反饋：自上而下的數字化驅動的產品實現、制造實現

等，以及閉環的反饋；例如數字化產品設計驅動的工藝開發、數字化工藝驅動的制

造；3）數字化企業協同平臺的建設：破解過去

IT系統碎片化供給的局限，建立

企業級數據管理和協同的平臺，以及數據進一步聚合帶來的額外價值和業務創新。車企通過利用核心技術優化生產過程，實現均衡、柔性、透明、同步生產。要實現智能制造的最終目標，汽車企業應首先夯實數字化制造技術的基礎。數字化

制造框架自下而上由設備層、控制層、操作層、生產層與企業層

5

個部分組成，

通過工業網絡進行橫與縱的連接集成。數字化生產包含生產執行、物料管理、倉儲

管理三大業務范圍，集成了生產計劃、生產控制、數據采集、設備管理、質量管

理、能源管理、廠內外物流、配送管理、出入庫管理、庫存管理功能，使這些功

能之間數據實時共享。這些數據的采集、分析與流轉，本質上是對數據資源類型的

規范及異構數據的梳理與清洗，從而便于實現數據的互聯互通，為其他應用系統提

供生產現場的實時數據。通過信息系統傳遞的實時信息，可支撐生產過程的準確分

析，從而將精益思想融入在數字化制造的各個場景，支撐企業在生產制造過程中實

現精細化生產管理與控制。工業智能生產的廣泛應用助力車企實現均衡、柔性、透明、同步生產。工業智能利

用人工智能

AI、大數據、云計算將專家經驗（工廠老師傅、老專家）抽象成知識，

并將知識規范化、模型化、代碼化，以數字化的方式嵌入到系統與設備當中，被重

復調動，指導或者代替人力進行決策與執行。當前，工業智能已廣泛應用于各種汽

車生產場景中，幫助企業構建智能生產和運營平臺，提升車企生產的均衡化、柔性

化、透明化和同步化的綜合能力。1）均衡化和柔性化生產。AI生產在企業現有的

BOM生產模式下，可以系統歸納總結排產歷史記錄，建立經驗模型，持續沉淀現

場專家知識，得出最優的生產計劃方案；2）生產節拍優化。在汽車焊接車間，有

大量機器人進行一系列重復焊接動作，利用算法分析機器臂的每一個動作，找出動

作之間的等待時間，從而實現節拍優化，提升產能；3）數字化精益物流。AGV通

過人工智能識別障礙并調整形式路線，在無人干擾情況下完成其中組裝廠內的物流

配送。西門子通過

MOM、

AVI和

LES的集成工作實現物流的

JIT、SPS和

JIS的柔性配送，并通過

AVI過站呼叫，實現物流的同步配送和同步生產，最大限度

減少在制品庫存和生產資源的波動；4）生產運營透明化。利用

AI、ML實現動態

調度優化、倉儲優化、智能分單等。此外，生產過程數據被實時采集，如物料的消

耗、產線和設備狀態、生產進度和過程質量信息等，實現生產過程透明化；5）質

量檢測。利用

AI圖像質檢技術做瑕疵檢測，輔助質檢人員快速查找汽車零部件的各種外觀瑕疵。此外，還有能耗管理、安全管理、預測性維護等多應用場景。目前，車企通過深度融合數字技術提升生產端的自動化水平。以西門子為例，西門

子數字化生產技術在大眾、保時捷、北汽新能源、寶馬、奧迪等車企中均有應用，

其中大眾汽車兩條生產線使用西門子技術，包括

TIA博途、Simatic控制器、HMI面板和工控機，使總裝線的自動化水平從

17%提高到

28%，車身車間自動化水平

從

85%提高到

89%。隨著自動導引車(

AGV)

等設備的使用，物流領域也將進一步

無縫集成到整個價值鏈中。數字化管理通過對數據“管理”，實現數據資產的最大化利用汽車產品開發周期從過去的

48

個月到現在的

20

個月左右，除了數字化研發和生

產制造帶來的效率提高，建立有效的車企協同平臺去支持各個專業的協同也至關重

要。一方面，數據端過去關注幾何模型，現在關注機械、電子、軟件、控制、制造

各個學科的數據打通和協同；另一方面，管理端需要對數據進行管理，實現數據資

產的最大化利用，破除碎片化，實現統一、開放、可擴展、閉環集成的架構。數據“管理”從無到有，通過數字化的利用，實現流程自動化。首先要解決數據管

理歸檔問題，在這基礎上實現在線化的協作。很多車企在這之上探索對數字化資產

如何更有效解析、加工、分析。探索更大業務價值，在頂端探索設計自動化，將流

程優化、標準化并固化在

IT系統中。比如西門子的流程自動化設計，可以從

T里面提取需要的模型，可以是

3D模型、仿真模型、制造模型，基于

背景設計出探索空間，由

HEEDS自動探索設計參數的組合，并更新數據模型，返

回

T中。數字化資產的可重復利用在不同車企間早有運用，比如福特和

通用在

90

年代開始使用

Bounding技術，大眾和普惠在

2001

年使用該技術，

CachelessSearch技術

2012

年開始在大眾和通用使用。構建車企數字化管理平臺重構供應鏈，LOT助力車企高效運營管理領先的車企正采用一系列的先進技術實現生產乃至整條供應鏈的數字化，工業互

聯網成為新引擎。除了研發、生產數字孿生技術外，自控系統、端至端的實時規劃

和互聯、對采集數據的大數據分析也越發重要。通過對這些技術的應用和整合，能

夠實現企業內部生產效率的提升，企業能夠批量生產高度定制化的產品；同時實現

與上下游的供應商和客戶自治化的協同，最大化發揮出數字化的潛力。工業互聯網

可以連接產品或是設備資產，通過將產品運行過程和設備運行信息實時傳送到云端，

以進行設備運行優化、可預測性維護與保養。通過設備運行信息對產品設計、工藝

和制造迭代優化，同時創造了新的業務模式，成為企業數字化轉型的新引擎。

新四化趨勢下高效運營管理成關鍵，LOT操作系統解燃眉之急。新四化趨勢下車

企不斷追求生產的高靈活性、零缺陷、零故障、零等待和零庫存，并通過持續改進

來減少工程偏差和浪費，滿足客戶期望。因此，如何高效地管理復雜的生產過程，

縮短交付時間是目前生產運營面對的挑戰。西門子

MindSphere、阿里云、華為云、

百度云等基于云的開放式物聯網

（IoT）操作系統的推出，使世界各地的行業能夠

輕松、快速、經濟地將其機器和物理基礎設施與數字世界聯系起來。利用來自幾乎

任意數量的連接智能設備、企業系統和聯合源的數據，可以分析實時操作數據，提

高生產效率、開發新業務模式并降低運維成本。以西門子

MindSphere為例，可以

提供完整的一體化數字化工廠套件,

產品涵蓋

ISA-95

標準框架的所有層級，通過

全球部署提供關鍵操作和自動化技術，包括

3000

萬個自動化系統、

7500

萬個簽約智能電表以及現場連接產品超過

100

萬個。數字化營銷經銷商困境疊加傳統營銷重重問題，線上線下融合成未來主流趨勢汽車經銷商遭遇盈利瓶頸，傳統

4S店盈利模式問題重重。根據《2019

年度中國

汽車經銷商發展報告》，2019

年在盈利的經銷商中15%的經銷商盈利額不及上年，

僅有

10%的經銷商盈利額度同比上年呈增長態勢，反映了經銷商盈利逐年下降的

困境。傳統

4S店營銷模式正面臨著獲客難、潛客轉化率低、營銷成本高以及營銷

手段創新不足等顯著問題，線上渠道、體驗店等新營銷模式應運而生。互聯網電商平臺的興起及消費者購買行為的變化，將購車方式從單一

4S店轉向線

上線下多元渠道的新局面。以

4S店為代表的線下渠道依舊是汽車銷售的主力，而

3S、2S、1S店等小而精、更加貼近客戶、更加專注體驗的新渠道也在不斷證明其

價值，未來

4S店功能將被弱化，線上與線下相結合將成為未來主流趨勢，汽車營

銷進入品牌服務時代，賣的不僅是“產品”，更是“服務”。當前階段對不同品牌車

型分類別看，相較于傳統經銷商，造車新勢力在零售方便強調線上+線下一體化，

改善傳統經銷商重資產的運營模式，抗風險能力、成本控制能力更強，注重用戶體

驗，根據用戶需求實現柔性生產和柔性物流服務。當前汽車新零售中存在諸多痛點，亟需營銷數字化轉型為應對汽車新零售轉型，車型紛紛發力新零售。發布新零售體系，利用大數據技術

提供全新的線上+線下+服務體系；推出新零售品牌和眾多

APP，打造線上線下一

體化服務；開設品牌體驗中心，利用大數據和人工智能提供多種社交服務等等。今

年“雙

11”車企以官方的身份用補貼、折扣的方式來實現降價促銷，五折的大幅

度折扣除了來源于天貓好車百億補貼資金以外，還有一部分是品牌商在天貓官方旗

艦店發放的補貼。在各大車企發放高額度補貼的情況下，不少車企的銷量也有了明

顯的提高，最先傳來喜報的是長城汽車旗下的歐拉品牌，在

11

月

7

日長城超級直

播夜上，歐拉品牌訂單量高達

10129

單，創造了行業記錄。傳統車企在汽車新零售中存在諸多痛點，亟需營銷數字化轉型。1）數據割裂導致

新零售勁力難往一處使。線上新零售讓消費者觸點增多，平臺數據相互割裂，彼此

不共享數據，導致無法建立統一的客戶關系管理機制，極大影響客戶體驗與運營效

率；2）線上渠道存在感低。汽車交易環節依賴線下場景，線上營銷平臺在后鏈路

中存在感薄弱，難以對完整用戶鏈路做把控和分析；3）缺乏用戶中心的設計思維。

消費者在全渠道接觸過程中，容易因千篇一律的營銷信息、繁雜的線上操作、不連

貫的線下體驗、機械無情感的客戶服務而感到厭煩。針對以上問題，軟件即服務等

先進的數字化管理技術或將為銷售門店運營帶來智能管理體驗與智能化銷售應用，

改善消費者購車體驗的同時提升經營效率。三個“全域”賦能數字化營銷，提升消費者全流程全渠道購車體驗從原理上來看，汽車數字化營銷的本質是更高效的營銷，即通過有效管理渠道邊

界與客戶觸電，實現“人”與“車”的高效連接，滿足用戶的個性化購車體驗。

通過三個“全域”——全域觸點、全域

ID與全域智能，實現人、車、場中所有商

業要素的重構。1）全域觸點，觸點的本質是信息流、物流、資金流的組合。隨著

線上線下觸點的增多，觸點被打散在不同的“場”中，包括淘寶、天貓、微博、線

下體驗店等，觸點的脫節導致“信號”的中斷，因此汽車廠商需要通過云計算、物

流網、數據中臺等數字化手段，實現內外部、線上線下觸點的打通，實現消費者的

無感知觸點切換；2）全域

ID，通過打通所有消費者賬號，構建實時、全景、全維

的“統一身份識別”數據體系，利用數據識別消費者線上線下的每一個行為，包括

瀏覽、搜索、收藏、評論等，進而對消費者進行諸如內容、興趣、購買偏好等的全

景分析，形成千人千面的全息畫像，為企業智能決策和精準投放提供依據；3）全

域智能，通過精細的算法對細分人群深入洞察，轉化為個性化內容，對應到不同觸

點，動態調取與該用戶畫像相關的營銷信息，在各個觸點以高度相關的內容吸引消

費者，提高觸點銷量，形成人-車-廠的高效閉環，實現從選車、買車、售后服務全

域智能支持閉環。汽車經銷商開始著力打造售前、銷售、售后的全渠道數字化營銷，提升消費者全

渠道全流程購車體驗。1）售前：以用戶體驗為核心，消費者既可以線上通過

KOL直播、預約體驗等方式了解汽車，也可以線下體驗駕乘。線下體驗店從投影指引、

LED屏講解等都穿插著數字化體驗為消費者帶來的便利；2）銷售：店內銷售環節，

實體門店可以通過不斷加強線上觸點的布局融合數字化體驗，使線上線下各渠道間

形成閉環，提升用戶體驗以促進銷售；3）售后：數字化的售后服務流程將融合多

項服務內容與技術手段，從移動端預約到提供定制化娛樂的維修等待區，全方位提

升消費者體驗。數字化營銷轉型已經成為近年來車企不斷探索推進的重要部分，中國汽車品牌正在

由內向外建立數字化營銷護城河，確定營銷數字化轉型目標，推動舉措落地，實現

降本增效的同時為企業創收。作為數字化供給方的汽車行業汽車已經成為繼家和公司之后的第三個生活空間，未來，車內的沉浸式體驗遠比駕

駛體驗更為重要。人機交互的性能成為用戶購車用車的關鍵考量，包括語音交互、

準確實時路況信息、豐富的興趣點推薦等。車聯網是車輛通過語音、面部、手勢與

用戶進行交互的最自然方式，實現用戶數據、車輛數據、道路數據的移動互聯，

滿足用戶個性化的需求、作為數字化供給方的汽車行業，一方面，基于人的視角，

通過獲取駕駛者行為數據，利用大數據、機器學習等技術將其轉換為洞察，實現

用戶與個性化服務間的連接，打開車內數字化生活與汽車后市場服務的廣闊空間。

另一方面，基于車的視角，通過收集車的運行數據及道路數據，隨著諸如高精地

圖、激光探測等數字技術的逐步成熟實現智能駕駛，并對出行體驗帶來顛覆性變

化。人的視角：數字化打開車內生活與汽車后市場服務廣闊增量空間數字化服務以網聯化為核心，將創建人、車、生活為一體的智能生態圈

中國消費者對汽車智能互聯網表現出較高接受度，付費意愿高。得益于移動互聯網

的高滲透率，根據《2020

德勤全球汽車消費者調研報告》顯示，75%的中國消費

者贊同車聯網的發展為駕乘帶來更多便利，遠高于德國、日本等國家，我國消費者

在消費習慣上已經為車聯網應用生態做好準備。相對于手機碎片化時間，用戶在車

內時間更完整，90%以上的中國消費者愿意為車聯網支付相關費用，其中

25%-30%

消費者付費意愿超

5000

元，與人有關的車內數字化生活和汽車后市場服務商業價

值挖掘潛力大。通過對車聯網產業鏈的梳理我們發現，互聯網巨頭、領先科技企業的入局，基于

5G、人工智能、邊緣算法等賦能車聯網系統平臺，最終實現應用層用戶在車內數

字化生活和后市場服務的個性化需求。也就是說，數字化以網聯化為核心提供服務。系統平臺是車聯網競爭核心。針對車載操作系統，互聯網巨頭和整車廠是都在

積極布局。目前車載操作系統（包括信息娛樂、HUD、輔助駕駛系統）市場主流

是

QNX、Linux、WindowsCE，阿里、百度、騰訊、華為等互聯網巨頭憑借自身

在

5G、大數據、AI算法、云平臺的優勢嶄露頭角，為車企提供定制功能與服務。應用層服務主要包括車內數字化服務（智能交互、車內娛樂）及后市場服務（加

油、充電、維修、保養）。從用戶端數據的系列應用方式看：1）從用戶的典型出

行特征著手分析用戶偏好，基于用戶身份識別的信息如性別、年齡等，根據用戶歷

史數據判斷出行目的，圍繞用戶關系、出行目的、自動駕駛技術定義核心場景比如

家庭或商務出行，再由核心場景派生出高頻詞和長周期的細分出行場景；2）構建用戶服務體系。企業可與互聯網企業合作或共同投資建設、或自主研發用戶服務體

系，對分散的生態資源進行整合，借助合作伙伴豐富生態資源；3）針對用戶使用

場景深挖用戶潛在需求，對用戶進行持續互動運營。通過分析用戶車內行為找到用

戶潛在需求，提供場景觸發式精準服務，比如結合車輛控制開發遠程熱車或啟動空

調、通過社交和消費偏好推送相似地點或商品等。此外，來自車輛數據、位置數據、

場景數據等信息，可以用戶判斷用戶所處場景，進而主動預測客戶需求，比如經過

便利店推送購物打折券等。我們認為，用戶端的數據供應最終指向服務智能化，而車輛應用服務作為重構人

車關系的基礎，最終將形成人、車、生活連為一體的全新且豐富的生態圈服務。車的視角：數字化技術助力實現智能駕駛，開啟智慧出行新篇章車輛駕控數據應用：數字化技術是實現智能駕駛的必要條件，或將成為車企未來核心競爭力智能網聯作為汽車行業數字化的加速器，是汽車智能數字化升級的核心。汽車新四

化大趨勢下，智能網聯汽車成為智能模塊的數字化集成產品，軟硬件結合和多層架

構協同日趨明顯。智能汽車數字化架構自下而上由網絡架構、硬件、驅動層、應用

層及云端組成，聚合整車、軟件、互聯網等領域的前瞻數字技術。智能網聯汽車作

為汽車、電子、信息通信、道路交通運輸等行業深度融合的新型產業形態，是汽車

智能數字化升級的核心。從汽車智能網聯發展趨勢來看，數字化即使是實現智能駕駛的必要條件。首先是

智能化，讓汽車更聰明，更好服務人類，也就是通過人工智能賦予汽車智能感知、

智能決策、控制執行的智慧和能力。其次是網聯化，是提升智能的手段。如果沒有

很多信息的輸入，車只能執行制動和轉向，誕生車聯網的需求，通過提升智能化，

依托端管云架構對車輛數據進行存儲和計算，保證車輛有效運行。最后是智能駕駛，

基于車輛行駛數據、道路數據，借助

5G、大數據、人工智能、機器學習、高精地

圖、激光雷達等數字化技術，實現智能駕駛。總體來說，汽車智能化、網聯化、自動化大勢下，企業將持續加大數字化新技術的投入，隨著數字技術的逐漸落地，

不斷推進智能駕駛時代的到來。智能駕駛促使生態圈發生革命性改變，數字化技術或將成為車企未來核心競爭力。

除整車廠和傳統零部件供應商外，平臺供應商、軟件供應商、地圖供應商等

IT和

科技企業紛紛入局。1）感知層方面，有地圖開發公司（高德、百度等）、傳感器及

芯片制造商（博世、松下等），由于傳感器生產與高精地圖開發并不是車企擅長的

能力，通過戰略合作或者收購解決。2）決策層方面，有計算芯片制造商（英偉達

等）、自動駕駛算法開發商（Drive.ai、Pony.ai等）、V2X通信服務商（高通、華為

等），目前豪華車企通過自建方式打造領先技術產品，造車新勢力和量產品牌多采

用戰略合作或者收購的方式構建自動駕駛體系，整車廠整合資源打造自身自動駕駛

算法和軟件開發能力形成自身智能駕駛能力核心優勢，未來數字化技術或將成為車

企未來核心競爭力。3）控制層方面，有網絡安全服務商（Argus等），整車廠多與

專業服務商合作共同開發。出行端數據應用：數字化賦能共享出行，Robotaxi成高階形態

共享汽車平臺拉動車輛從所有權向使用權轉移，數字化技術賦能提升平臺運維效

率。共享汽車平臺通過線上化方式，將閑置車輛以分時為主的方式提供給需要用車

的用戶，并且通過盡可能豐富的靠近用戶的網點，讓用戶能就近便捷獲取到車輛。在

5G、區塊鏈、AI等技術發展支撐下，共享汽車平臺能夠更及時、準確的獲取用

戶身份數據、車輛數據、用車行為數據等，更可信多元的數據加速平臺迭代速度與服務效率，推動平臺更精準賦能產業上下游。1）運營層來看，數字化技術的引入，

通過平臺化連接、智能化派單、標準化服務、數字化全程，優化調度挪車、網點管

理等運維流程，提升運維效率。此外，以

GoFun出行為例，借助

AI、區塊鏈技術，

多維構建用車信用系統，減少不規范用車成本，實現共享平臺、車源供給方、用戶

多方共贏。2）技術層來看，智能技術助力升級全流程用車體驗，通過大數據調度

算法助力車輛投放更精準，實現用戶高效找車；手機解鎖、人臉識別結合辨認駕車

者真實信息，無縫上車；T-Box等車聯網技術實時記錄車輛狀態和用戶行為，保障

安全用車；AI技術判別車輛損毀、衛生狀況，以及自動泊車技術，讓用戶高效換

車。目前，華為云可以提供

AI視覺定損能力，通過圖像智能識別，實時實現損失

程度識別、精準定價功能，已與和行約車合作。阿里云

AliOs憑借云計算、大數據、

人工智能的優勢，實現車損識別、車部件識別、車輛智能調度、精準分析駕駛人偏

好等功能，榮威、名爵、大通、寶駿、福特、東風雪鐵龍、觀致、小康汽車在內的

眾多汽車品牌已成功搭載

AliOS。Robotaxi連接共享出行與自動駕駛，成為共享出行的高階形態。數字化技術的進

步推動自動駕駛時代的到來，提升自動駕駛出租車（Robotaxi）的功能，并拓展期

應用場景，從低速行駛到完全自動駕駛，應用場景從白天向復雜不清晰的道路延伸。

根據通用汽車的研究，通過自動駕駛，可將

2019

年

3

美元/英里的共享出行成本大

幅削減至

1

美元/英里，通過規模化運營攤薄成本，2030

年

Robotaxi的出行里程

在汽車總體出行里程中占比將達到

75%。目前三大勢力正在角逐

Robotaxi市場，

包括

1）滴滴、Uber、Lyft等出行平臺；2）Waymo、Aptiv、百度、小馬智行等

RoboTaxi方案廠商；3）主機廠。2020

年

4

月，百度宣布

Robotaxi服務全面開放，

成為中國首個通過手機應用向公眾開放的自動駕駛出租車服務。此外，特斯拉

Robotaxinetwork由具備無人駕駛功能的車輛組成，等同無需自己駕駛的分時租賃

和不配置司機的網約車，第一階段

Robotaxi主要在

Model3

車型中推廣。

Robotaxi收費遠低于現行出租車/拼車服務，或將重塑出行模式，特斯拉

Robotaxi的費用低至每英里

0.18

美元以下，遠低于美國傳統/拼車費用，同時遠低于中國

國內出行費用（以深圳為例，滴滴快車每公里收費

2-2.5

元，折合傳統/拼車每英

里

0.5-0.7

美元）。馬斯克預計每部

Robotaxi每年可帶來超

3

萬美元的利潤，可

連續載客

11

年。車企的數字化轉型，加速汽車產業鏈的