我國汽車企業與新一代信息技術融合發展現狀與趨勢研究

雷曉斌，柴 雯*，馬冬妍，王 丹，李毅明

（1.國家工業信息安全發展研究中心，北京 100040；2.北京新每經文化傳播有限公司，北京 100094）

0 引言

兩化融合是我國長期堅持的發展戰略，十九大以來互聯網、大數據、人工智能和實體經濟深度融合，為新時代兩化融合發展賦予了新使命、新目標、新要求，并推動制造業步入高端發展的新時代。黨中央、國務院深入實施制造強國戰略，推進兩化深度融合、制造業與互聯網融合，促進制造行業數字化、網絡化、服務化、平臺化發展，提升行業整體兩化融合水平[1，2]。在新時代兩化融合新目標、新內容、新要求的指引下，汽車產業發展內生動力與活力將實現根本性變化[3～5]。我國汽車產業是國民經濟的主導產業之一，其發展成績顯著，但汽車產業大而不強問題仍然突出，與汽車工業發達的國家相比，我國汽車企業在核心技術突破和智能化發展方面仍有很大提升空間[6～8]。面對能源短缺和環境污染日趨嚴重，借助新一代信息技術加快轉型升級，實現產業變革和跨越式發展是汽車產業的必然選擇。

目前，針對汽車行業與新一代信息技術融合發展的研究得到了學術界的廣泛關注，成果主要集中在汽車企業與信息技術協同發展的理論研究、案例分析等質性研究層面[9～11]，相關領域的量化分析還相對缺乏。本文基于我國大量汽車企業數據，圍繞軟硬件資源上云、大數據融合應用、人工智能技術應用、生產模式與產品服務創新等重點領域，對我國汽車企業融合發展現狀展開深入量化分析。在此基礎上，本文聚焦產業集成與協同發展、工業APP應用、數據價值提取挖掘和CPS系統構建等方面，對汽車企業在融合創新過程中面臨的主要挑戰進行探討。最后，本文結合服務化轉型、智能供應鏈和智能網聯汽車等熱點領域，對汽車企業的融合發展趨進行展望與探索，為汽車企業在新時期實現全面創新轉型發展提供借鑒。

1 融合發展的內涵與模式

新一代信息技術是國務院確定的七個戰略性新興產業之一，分為下一代物聯網、三網融合、新型平板顯示、高性能集成電路、以云計算為代表的高端軟件和通信網絡六部分，涵蓋技術多、應用范圍廣，與傳統行業相結合發展的空間巨大。汽車企業與新一代信息技術融合發展是指通過有效運用人工智能、大數據等新興技術，與傳統汽車產業在產品形態、技術體系、制造方式等方面深度融合，并帶動新能源、交通運輸等一系列實體產業創新發展，逐步實現汽車企業價值體系和產業格局的深刻變革。在信息技術驅動下，汽車企業進行融合發展普遍從開展軟硬件資源云化、工業大數據開發利用、人工智能技術應用等方面入手，逐步向產業鏈協同發展、數據價值開發利用等方面邁進，融合發展新模式與路徑日漸清晰。物聯網和自動駕駛等革命性技術的涌現，為交通、物流等產業帶來顛覆性創新，讓汽車企業與新一代信息技術融合發展成為趨勢[12]。大數據、云計算等新一代信息技術促進汽車行業生產系統網狀化發展，打破傳統生產模式，使研發、生產、供應鏈、銷售、維護等多個環節能夠實現信息的互動交流。隨著融合發展的推進，我國汽車行業在智能制造、車聯網等領域的發展也不斷邁向深入。

2 研究框架與數據來源

2.1 研究框架

本文以兩化融合新使命下的汽車產業內生動力蝶變為研究背景，依托兩化融合評估診斷平臺，以兩化融合平臺參評企業數據為研究樣本，對汽車行業與新一代信息技術融合發展進行深刻剖析。按照對融合發展現狀分析、融合發展面臨的挑戰進行深究、融合發展趨勢展望的研究思路展開。研究內容主要有三部分構成，第一，從汽車行業在重點領域的發展現狀入手，對汽車行業在硬制造資源融云、軟制造資源融云、大數據融合應用、生產模式與產品服務創新、AI技術應用等領發展情況進行量化分析；第二，進一步揭示汽車行業目前在各層級互聯互通、工業APP、數據價值、產業智能化四個方面面臨的挑戰；第三，結合國內外發展情況與以上分析結果，對汽車行業的服務化轉型、智能網聯汽車、數字技術、智慧供應鏈方面未來趨勢做以展望。

圖1 研究思路與技術路線

2.2 樣本數據來源

2.2.1 兩化融合評估診斷工作

新常態下，兩化融合是企業提升自身創新能力和整體可持續競爭力的重要途徑，企業通過開展兩化融合自評估、自診斷發現問題，找準目前企業所面臨的兩化融合發展困境與發展方向，明確信息環境下的有效實施路徑，對企業核心競爭力做進一步提升。依據《工業企業信息化和工業化融合評估規范》（GB/T 23020-2013），企業兩化融合評估包括水平與能力評估、效能與效益評估兩個部分，隨著企業兩化融合發展水平與能力、效能與效益的不斷提升，企業兩化融合發展逐步實現由起步建設、向單項覆蓋、集成提升到創新突破等四個階段的躍升。截至2019年11月，兩化融合服務平臺（http：//www.cspiii.com/）中兩化融合的參評企業數量已超過16萬家，覆蓋國民經濟三次產業100余個細分行業，涉及全國30余個省市，300多個城市，160000余家企業。

圖2 2009年-2019年參與評估診斷和對標引導企業數量

2.2.2 汽車企業樣本情況

本文數據來源為兩化融合服務平臺，所涉及汽車行業參評企業覆蓋不同區域、不同規模的零部件制造廠商和整車制造企業，共計數量4200余家，能夠有效表征我國汽車企業與新一代信息技術融合發展的整體情況。從規模分布來看，規模為5000人以上的汽車企業占2%左右，規模為300～1000與1000～5000人的企業占比分別占27.2%和11.9%。從區域分布來看，華東地區的企業占比最多，達到48%，華中、華北地區分別占13.6%、13.2%，西南、華南、東北、西北地區占比企業占比均不足10%，其中西北地區企業占比最小，僅為1.3%。從行業分布來看，汽車整車制造企業約占10.6%，企業零部件及配件制造約占89.4%，如圖3所示。

圖3 汽車企業樣本分布情況

3 重點領域發展現狀

3.1 硬制造資源融云

硬制造資源融云情況能夠反應汽車行業在IT硬件資源云化和生產設備設施互聯共享水平。2019年，我國汽車行業生產設備數字化率為47.0%，數字化生產設備聯網率為42.7。在離散制造業中，汽車行業的底層設備數字化、聯網化水平已處于領先位置，但距離全面普及還有很大提升空間，實現設備設施的云端管理的基礎還比較薄弱，云端數據采集和分析受到制約。2019年，實現工業設備運行數據自動記錄并上傳至云平臺的汽車企業比例不足四分之一，在已經實現設備云端管理的汽車企業當中，除設備狀態監測的應用比例達到30%左右以外，其余均處于較低水平。其中，通過云平臺進行設備遠程運用控制和故障排除的企業比例為10.3%，基于數據分析與反饋的設備預測性維護與事故風險預警的企業比例為9.7%，基于數據分析與反饋的設備運行優化的企業比例為7.4%，如圖4所示。

圖4 汽車企業數字化率、聯網率及云平臺設備管理及和應用情況

3.2 軟制造資源融云

軟制造資源融云情況，能夠反映汽車行業借助云計算、移動互聯網等新興技術對信息系統、應用軟件等進行輕量化、移動化、互聯網化改造或應用的情況。2019年，汽車企業在公有云服務應用方面，企業將自身的信息系統部署在云端的比例達到45.2%，有近20%的企業通過SAAS服務訂閱模式使用應用軟件，企業通過公有云平臺實現軟件的定制比例為18.7%。從我國汽車企業信息系統在云端部署的情況來看，運用于辦公管理系統的企業比例達到九成以上，運用于人力資源管理和財務管理系統也相對比較普遍，企業比例分別為72.6%和71.2%，有半數以上企業運用于采購管理和生產管理系統，運用設備管理系統的企業比例最低，僅占32.0%。以上數據表明，汽車企業云服務應用開始從重視數據存儲和計算，逐步向軟件云端訂閱和定制、信息系統云端遷移發展，汽車企業在云服務應用方向發展的勢態良好。汽車上云企業當前以運營管理人、財、物環節為主，在研發設計、設備管理、物流管理等環節的發展水平相對滯后。通過打通信息孤島，使系統之間能夠互聯互通，將數據及其他資源進行集成共享，汽車上云企業可以更好地實現自身內部業務的協同管理和運營優化。

圖5 汽車企業公有云應用與實現信息系統云端部署情況

3.3 工業大數據融合應用

2019年我國整車制造大中型汽車企業在大數據融合應用方面，有50.1%的企業實現了數據統一集中管理，71.6%的企業初步具備下一步開展相關大數據應用的基礎條件并通過信息化手段展開綜合決策。工業大數據應用過程中涉獵較多的業務領域，從整車制造企業整體來看，包括生產流程優化、產品設計與開發、故障診斷與預測等，其中產品設計與開發占比最高，為28.6%，銷售預測與需求管理企業比例約25.2%，生產流程優化與故障診斷與預測的企業比例均達到了五分之一左右，工業污染與環保監測、預警比例不足10%。在大數據融合應用方面我國的大中型汽車企業已經具備了一定基礎，其中整車制造企業主要在生產優化、產品設計與開發、故障診斷等工業大數據應用方面進行積極探索，具體如圖6所示。

圖6 大中型汽車企業數據融合應用基礎與整車制造企業大數據應用領域情況

3.4 人工智能技術應用

2019年，汽車企業在生產經營應用多種人工智能技術，其中增強學習、機器視覺、運動控制等技術應用相對廣泛，應用企業比例分別為12.6%、9.5%、21.2%，此外深度學習、知識圖譜、生物特征識別等技術也有一定程度上的應用。在不同業務場景當中使用人工智能技術的企業占比也不盡相同，汽車企業在工業機器人場景下應用人工智能技術的企業占比為24.7%，應用于生產監控、數據分析、質量管理業務場景、工控安全場景的企業集中在10%到15%之間。在應用人工智能技術時，投入成本高為企業普遍存在的難題，關鍵領域人才嚴重缺乏的企業占23.0%，面臨行業標準缺乏挑戰的企業占12.0%，面臨信息安全風險挑戰和網絡、數據等基礎條件不具備的企業占比均為占10%左右，具體如圖7所示。

圖7 汽車企業應用人工智能技術的情況

3.5 生產模式與服務創新

2019年汽車企業實現網絡化協同的比例為37.9%，比全國離散制造企業整體水平（35.3%）高出2.6個百分點，實現個性化定制的企業比例為7.9%，水平同全國離散制造企業整體情況（8.1%）接近，在網絡化協同和智能制造等方面的探索已經取得了一定成效。2019年全國智能制造就緒率為7.7%，汽車企業較全國水平高出2.7%。與此同時，汽車企業在數字化產品方面不斷探索，目前產品數量已經超過了主營產品數量的60%，且越來越重視生產模式轉型與產品服務創新的發展，如圖8所示。

圖8 汽車企業開展生產模式轉型與產品服務創新情況

4 面臨的挑戰

4.1 綜合集成困境尚未跨越、產業鏈協同有待深化

2019年，汽車行業實現同一層級內部之間互聯互通的企業比例不到一半，實現企業級生產管理層與車間級制造執行層之間互聯互通的企業占比小于30%，僅有1/5的企業在生產管理層與制造執行層之間實現數據雙向聯通，制約著多層級之間數據雙向聯通。業務集成與協同方面，汽車企業中13.7%實現了內部業務的集成，11.8%的企業可以與相關方業務通過統一信息平臺進行在線協同，如圖9所示。以上數據表明，汽車企業數字化生產設備聯網率不足，內部業務全面集成管控的水平需要進一步提升，內外部業務全面在線協同的難度大、發展水平也較低，要推進汽車企業數字化轉型需要盡快突破終端全面連接的瓶頸。

圖9 汽車企業不同層級之間互聯互通情況

4.2 車企工業APP應用與發展基礎薄弱

2019年我國汽車企業的工業APP應用率為26.5%，雖然較全國平均值（19.1%）高出7.4個百分點，但整體應用情況仍然處于較低水平。工業APP能夠高效率的輔助大型制造系統的運行，目前已有較多行業領軍企業展開了工業APP的整體布局。由于自行開發難度較高，現階段我國汽車企業主要依靠合作開發及外包采購的形式展開工業APP應用，有超過50%的企業通過外包購買形式進行應用，僅有23.2%的工業APP來源于自行開發。汽車企業工業APP應用方面，有50.1%的企業應用于生產制造環節，其次應用于經營和運營管理場景，研發設計環節是汽車企業工業APP應用場景中的主要短板，企業比例僅為38.3%，應用普及水平和供給能力均不足，具體如圖10所示。

圖10 汽車企業工業APP應用情況

4.3 車企數據價值提取廣度與深度不足

我國汽車企業中，絕大多數已經具備了運用信息化手段在某一領域進行綜合決策的能力，但在不同業務內容中進行應用的企業占比并不均衡。借助數據技術實現在合同、收入、成本、利潤方面決策支持的企業數量較多，產品盈利和市場趨勢、研發生產與經營管理的集成運營決策占比均接近半數。從汽車企業在不同業務范圍進行信息自動采集并綜合分析的情況來看，企業基于數據開展決策優化的覆蓋范圍還不夠全面，業務覆蓋庫存、財務的企業比例分別為65.8%、68.2%，超過50%的企業注重在采購、生產、成本和銷售環節的應用，市場趨勢、績效、競爭情報等環節的應用比例較低，具體如圖11所示。汽車企業重視大數據開發利用與傳統優勢的結合，但現階段在應用深度和廣度上還存在諸多不足。

圖11 汽車企業運用數據價值實現的決策支持內容與綜合分析業務范圍情況

4.4 CPS系統支撐車企數字化轉型、產業智能化發展

CPS（信息物理系統）是支撐汽車企業全面數字化轉型、汽車產業智能化發展的綜合技術體系。汽車企業在應用服務、生產制造等方面面臨著諸多不確定性和復雜性問題，一度成為制約其實現資源優化、提高資源配置的因素，基于數據流在物理空間和信息空間之間建立一套閉環賦能體系，可實現對現有狀態感知、實時動態分析、高效精準決策，達到資源優化、提高資源配置效率的目的。目前，大量數據在汽車產業CPS里的以涵蓋產品研發、設計、生產銷售等環節的“物理層”、與“物理層”相互映射的“數字層”、功能性整合的形成“平臺層”之間進行實時傳輸，極易發生延遲、丟包等現象，且物理層一旦受到攻擊被控制將嚴重影響安全性和實時性。由于CPS中所包含的計算系統、傳感器、控制器等異構網絡節點較多，如何將其安全可靠的應用于汽車行業仍然面臨著方方面面的挑戰。

5 趨勢展望

5.1 從消費產品到消費“產品＋服務”演變

新一代信息技術的飛速發展為傳統工業帶來了越來越多的智能化元素，消費者們的消費對象開始從單純的功能性智能產品延伸至具有全套解決方案的“產品+服務”領域。汽車行業也將拓展服務邊界，健全產品全生命周期服務、個人數字化服務等基于產品效能提升的增值服務，優化基于產品整合的增值服務，打造工業設計、個性化定制等基于產品設計的增值等服務，積極應對信息技術背景下的各類新型消費模式[13]。同時，數位化原生企業（DNE）主導的未來商務將成為商業模式的主流，數字化產品、數字化服務、數字化運營、數字化生態將推動各行業持續創新轉型，商業模式將從電子商務、數字商務向未來商務演變。

5.2 智慧供應鏈推動制造業迭代與重構

供應鏈已經進入了與物聯網深度融合的智能供應鏈新階段，能夠從根本上改變汽車企業的運作方式，推動整個汽車產業發生重構。汽車行業智慧供應鏈應具備系統性的規劃，第一步是建構；第二步是運營；第三步是大數據化[14]。汽車行業智慧供應鏈將要求各個環節的邏輯性更強[15]，不再單純以生產為中心，而更多的是以服務為中心、以個性化的私人訂制為中心。智慧供應鏈幫助數據進行同頻率交互共享，因此必須保證它的協調性，以達到有效增值。面對汽車企業的各種訂單，智慧供應鏈將事先進行系統的模擬演練，最大限度減低突發事件帶來的危害，增加各環節的協調性。汽車行業還要加強自身的智能化程度，提升自動化與智能化水平。隨著智慧供應鏈應用的深化，為實現汽車企業的全流程數字化，可將從原材料到產品交付的所有物流流程全部智能化發展，進行實時監控，利用網絡化手段確保物流資源的無縫鏈接。

5.3 數字技術帶來新的利潤增長點

伴隨著新一代信息技術的崛起，人工智能、自動駕駛、區塊鏈等數字技術飛速進入汽車產業，打破了傳統汽車企業面臨的品牌價值弱化等發展困境，為汽車行業帶來了十分可觀的利潤增長。圍繞人、車、城市生成的娛樂數據、車機數據、駕駛行為數據、電商數據以及場景化數據將成為汽車企業寶貴的資產。通過對以上數據的獲取，進一步利用技術手段向目標用戶實施精準推送，刺激二次消費，以娛樂服務訂閱、數據交易等方式可以進一步增加營收。通過大數據、人工智能等技術對人群進行深入洞察和畫像分析，圍繞個性化內容開展服務，如智能導購、預測性維護、個性化保單等，打造線上線下營銷閉環，利用數字技術來達到數據變現的目的，將成為汽車企業營收的新渠道。

5.4 智能網聯汽車技術更加智能可靠

智能化網聯化汽車能夠提供更為安全和環保的出行方案，是未來出行的最佳載體。發展智能網聯汽車順應我國汽車行業轉型發展的趨勢，是我國汽車行業從速度增長到質量增長的重要突破[16]。以“深度學習”方法為代表的人工智能技術在智能網聯汽車上正在得到快速應用，其在環境感知領域，深度學習方法已凸顯出巨大的優勢，正在以驚人的速度替代傳統機器學習方法。激光雷達具有分辨率高、識別效果好等優點，逐漸成為了主流的自動駕駛車用傳感器，目前正在向著低成本、小型化的固態掃描或機械固態混合掃描形式發展[17]。網聯式系統能從時間和空間維度突破自主式系統對于車輛周邊環境的感知能力，網聯式智能技術與自主式智能技術相輔相成，互為補充，加速融合發展。

6 結語

本文以兩化融合服務平臺4200余家汽車企業基礎數據為分析樣本，通過對我國汽車企業在運用云計算、人工智能、大數據等新一代信息技術實現產品自主創新、生產制造水平提升時的重點領域發展現狀進行量化分析，進一步明確了汽車行業當前的兩化融合發展需求，主要包括全面提高底層設備數字化、聯網化水平，提升云端數據采集和分析能力，企業內部業務協同管理和運營優化，加強數據集成共享等。圍繞以上需求，本文指出，大中型汽車企業和整車制造企業在大數據融合應用方面已經具備一定基礎，但集成困境尚未跨越，產業鏈協同有待深化、工業APP基礎薄弱、數據價值提取廣度與深度不足等因素成為目前發展階段的巨大挑戰。結合汽車行業發展現狀與新一代信息技術發展方向，對汽車行業與信息技術融合發展趨勢進行預測。數字化生態的構建將推動汽車行業不斷創新轉型，商業模式將從電子商務、數字商務向未來商務演變，更多的數字技術將為汽車產業持續帶來新的利潤增長點，智能網聯汽車技術將更加智能可靠并實現快速滲透，不斷形成汽車行業與新一代信息技術緊密結合的嶄新局面。