_AI赋能汽车行业数字化转型顶层规划设计方案（53页 PPT）

微信扫码，打开到小程序

AI 赋能汽车行业数字化转型方案 AI 大模型 + 对汽车行业的影响 加入星球获取更多更全的数智化解决方案 • 科技创新加速世界经济数字化 21 世纪以来，全球科技创新进入密集活跃期， 自动化加速走向数字化、网络化、智能化。 新 技术、新产业、新模式、新产品大规模涌 现， 深刻影响着全球的科技创新版图、产业 生态格 局和经济发展走向。 3 • 数字化战略助推疫后经济复苏 许多国家的政府选择数字化战略作为疫情后重 振经济战略。 • 政府规划提出数字化 转型 “ ” 十四五 规划纲要 提出，加快建设数字经济、 数字社会、数字政 府，以数字化转型整体驱动 生产方式、生活方 式和治理方式变革。 • 多个政府报告发起数字化转型行动 国家发展改革委、工信部等 17 部门在 2020 年 5 “ ” 月联合发起了 数字化转型伙伴行动 ， 加快 各行业各领域数字化转型。 • 高新技术智能城市助力车企转型 车联网技术发展和应用的普及， 5G 智能城 市 发展，跨界的参与，促使汽车行业的数字 智 能化得到了快速的发展。 • 数字化车企为用户提供更高价值 汽车行业数字化转型需要车企更关注 “ 以用 ” 户为中心 ，挖掘用户全生命周期的价值， 通过不同的触点触及用户，提供其真正所需 的产品及服务。 全球选择数字化战略 中国推动企业数字化 汽车行业数字化转型 22.6% 28.6% 17.4% 23.3% 8.1 % 11.7 % 16.0% 21.6% 36.4% 14.2 % 汽车电商行业用户年龄画像 5. 2 12. 7 31. 1 40. 1 2016 年 2017 年 2018 年 2019 年 中国智能汽车新车型渗透率 83.3% 66.7% 66.7% 50.0% 25.0% 年轻消费者汽车造型元素偏好 年 轻 化 个 性 化 A I + 智 能 化 4 产业驱动 中国车市已由增量市场转存量市 场， 中国车企面临“高端失守，低端 ” 混 战 ， 市场占有率回落、整车出 口乏 力、 企业利润降低，车企亟需加 快向 价 值链中高端跃升。 第四次工业革命在汽车产业结构 的转 变方向，已然明晰可见汽车产业 正向 新能源电动、自动驾驶等高端智 能、 服务化转移 技术驱动 数字技术正全面融入车企全生命 周期 运营体系，深度重构汽车价值链 及运 营模式。 市场驱动 车企的销售压力倍增，新客户获 取越 来越难，倒逼车企转向精细化运营。 汽车行业竞争不断加剧，变化结 构加 快、强弱差距在拉大、智能化程 度不 断提高，持续践行数字化转型， 企业 才能保持竞争力。 5 数字化研发体系 数字化生产 数字化供应链 数字化营销 数字化服务 研发 6 生产 供应链 销售 服务 AI 赋能汽车数字化转型 研发、制造 生产、物流 营销、服务 工业云 车联网 大数据 智能化 具有自适应能力的产品 及其创造过程 电动化 趋向于使用清洁的能源 电商化 有效利用 AI 大模型线 上资 源 共享化 关于新的出行方式的 创新 AI 大模型 + 对创新发展起到了指数爆炸式的影响， 目前在汽车行业涌现了四大趋势， 即智能化，电动化， 电 商化和共享化。 AI 大模型 + 与汽车融合领域潜力很大。 – 9 – AI 赋能汽车数字化转型 AI 大模型 + 作为一股颠覆性的力量正在全面渗透汽车行业，传统价值链将被升级改造甚至重 塑。 移动互联网 研发制造 二手车电商 新能源汽车 传统厂商 AI 大模型企业 汽车电子 智能化 人车对话 可移动设备 自动驾驶 实时服务 营销 AI 大 模型化 渠道 AI 大 模型化 经销商 设计研发 原料采购 生产制造 物流配送 批发 零售 二手转卖 后服 务 运营 AI 大模型 化 互 联 网 + 汽 车 格式 改了 零件供应商 整车厂 分销中心 区域代理 经销商 上游 原料 供应商 整车厂 企业 设计院 高校 产品 AI 大模型 化 大数据 传 统 产 业 链 云计算 车联网 AI AI 大模型改变传统产业链 AI 大模 型汽 车 生态圈 销售流通 售后服务 新车电商 汽车金融 人工智能 用车服务 – 11 – AI 赋能汽车数字化转型 物联网 网络层 ( 数据采集 ) 感知层 ( 数据来源 ) 汽车金融 汽车 o2o 未来的汽车大数据体系整体架构至少包括数据的整合、分析、应用三个层面。 平台层 ( 数据管 理 ) 数 据 整 合 数 据 分 析 数 据 应 用 应用层 ( 数据消 费 ) 用户行为 智能终端 数据处理 数据管理 数据分析 数据存储 传感器网络 精准营销 智慧交通 汽车保险 智能生产 生产系统 舆情监控 手机 APP 电子商务 摄像头 通信网 车联网 AI 大 模型 AI 大 模型 RFID 资料来源： SAE J3016- 2018 级别 名称 定义 驾驶操作 环境感知 支援 系统作用域 0 无自动化 • 由驾驶者完全操控汽车 驾驶者 驾驶者 驾驶者 无 1 驾驶支援 • 系统有时能够辅助驾驶者完成方向盘和加减速 等驾驶操作 驾驶者与 系统 部分 行驶任务 2 部分自动化 • 系统能够完成某项驾驶任务 • 驾驶者需要监控驾驶环境 • 其余驾驶操作由驾驶者完成 驾驶者与 系统 3 条件自动化 • 系统负责某些情况下环境感知 • 驾驶员需要时刻准备取回驾驶控制权 系统 系统 4 高度自动化 • 系统能够进行环境感知 • 驾驶员不需重新取得驾驶控制权 • 系统只能在特定环境条件下运行 系统 全部 行驶任务 5 完全自动化 • 系统能够完成所有环境条件下的所有驾驶任务 自动驾驶是过去 10 年最火热的赛道 ，但直到 2022 年才有部分企业推出具备 L3 级功能的车型。究其原因， 除法 规发展落后于产业发展外 ，很重要的一点在于自动驾驶系统积累的数据量还不够 ，存在安全隐患。 SAE 对自动驾驶的分级标准 自动驾驶近年来一直未能进入 L3 时代 汽车企业的 AI 转型呈现三层赋能架构 底层依托办公全面 AI 化构建智能基座，通过全员普及 AI 会议、智能 文 档处理等工具，将工程师从事务性工作中释放，为技术创新提供效率保障。 中层聚焦服务型部门 AI 化实现运营质变，在财务、采购、人力等支持体 系内植入 AI 引擎，显著提升供应链响应速度与合规敏捷性。 顶层直指专业部门 AI 化重塑核心价值链——这正是本报告的核心视角： 我们聚焦研发设计→ 生产制造→用户运营等汽车专业价值链的 AI 重构，深入 剖析 AI 如何深度改造汽车研发、制造、营销等专业领域，例如用生成式 AI 替 代 80% 实车路试、通过量子化需求洞察精准定义爆款车型、构建预测性维护 系统等。 三个层级形成有机整体：办公 AI 化为专业创新节省时间资源，服务型 AI 化解锁运营瓶颈，最终使 AI 驱动的专业突破反哺全价值链升级，共同推动汽 车产业从“机械制造”向“移动智能体”的范式革命。 汽车行业智能化转型技术路线 以统一 MaaS 平台与 Agent 平台为底座，整合知识图谱、大 模型训练、 数据湖治理能力，形成闭环赋能体系。这一体系就如同 汽车产业智能化转型的 坚实地基，知识图谱像是其中的智慧地图， 指引着企业在知识的海洋中精准航 行；大模型训练则是强大的动力 引擎，为各个业务方向注入源源不断的智能活 力；数据湖治理则是 精细的过滤器，确保数据的纯净和可用，为企业的决策提 供可靠依据。 例如， 在研发设计中，知识图谱可以提供丰富的设计知识和经验， 大 模型能够根据这些知识和海量数据进行创新设计，数据湖中的测试数 据则用 于验证设计的可行性，三者相互协作，共同推动汽车产业的智 能化升级。 汽车行业各应用领域的 AI 渗透率情况 目前，研发设计、用户运营和座舱体验等领域的 AI 渗 透率在不断提高。 随着 AI 技术的不断发展和应用，预计未来这些领域的 AI 渗透率将进一步提升。 在研发设计领域，越来越多的 车企开始采用 AI 技术进行造型设计、工程仿真 等工 作。在用户运营领域，智能营销、智能客服等应用逐渐 普及。在座舱体验 领域，智能语音助手、场景服务等 功能越来越成为汽车的标配。未来，随着 AI 技术的不 断进步和成本的降低， AI 在这些领域的渗透率将继续 提高，成为汽车行业的主流技术。 AI+ 数字研发改善人车结合效率 * 数据来源：《中国大型汽车制造企业数字化转型路径研究》，李斌 技 术 开 发 产 品 研 发 生 产 组 装 供 应 链 品 牌 与 营 销 售 后 服 务 产业价值链 高 低 业务工序 下游 上游 生产供应 附加价值 产业价值链 生命周期理论与利润、销售曲线图示 1 5 销售收入 时间 销售收入 利润 开发 引进 成长 成熟 衰退 • 在产业价值链中，研发附加价值高处于业务工序上游，但在研发阶段无法为企业提供直接的销售和利润； • 对于汽车研发环节的数字化转型，主要以提高研发效率和降低研发成本为主要目的，从而降低整车成本，缩短研发周 期，以更低的售价和更贴合客户需求的产品投放市场。 • 研发环节众多，环环相扣，且各部门越来越专业化，不同部门之间的协同壁垒越来越高。 发起 扩产 1. 启动 • 确定战略、定价和销量目 标 • 完成对创新和趋势的筛选 2. 框定项目范围 • 明确技术、财务和销售目 标 • 框定项目成本 3. 项目可行性 • 批准可行性 • 界定动力总成概念 • 确定生产基地 研发流程及各环节重点工作 概念生成 量产准备 4. 概念批准 • 完成规格书，确定总持有成 本 • 确定基础设计和安置方案 • 确定主供应商 5. 设计冻结 • 确定内外表面设计 • 确认可制造性，启动工装作 业 • 推出设计 - 原型 6. 采购发布 • 启动系列工装生产 • 发布数字化整车 • 指定全体供应商 7. 投放确认 • 批准安全概念 • 批准生产概念 • 消除供应商和车间的分歧 8. 系列生产 • 在互联系统中生产系列零件 • 劳动力合格 • 启动 JIS 流程 • 批准完整车辆 9. 开始生产 • 生产完成营销用车 • 获得环保认证 10. 车型投放 • 批准安全概念提供新车用于 客户展示 • 实现满负荷生产 • 完成备件目录 • 启动需求产能管理 * 数据来源：《数字赋能提升汽车研发效率》，思略 特 数字化技术 代表性用例 效率影响力 对时间的提升 对成本的提升 发起 产品开发流程中的使用 概念生成 量产准 备 扩产 AI 大模型 + 人工智能 1. 预测性销量分析 中 2. 碰撞试验模拟 高 高 3. 电子控制单元参数配置 高 中 虚拟现实 1.CAVE 下的设计概念 中 高 2. 虚拟车辆测试 高 高 3. 零件设计评估 中 区块链 1. 软件合规认证 2. 备件追踪 中 3. 召回追踪 高 产品生命周期管理 1. 数字孪生 高 2. 先进的反馈实施 中 3. 云化产品生命周期管理 中 增材制造 1. 生产工具制造 中 中 2. 快速原型制造 高 高 3. 功能集成 高 * 数据来源：《数字赋能提升汽车研发效率》，思略 特 • 一汽集团建立业内首个数字化车间 – 天翼云（ HPC ）集群，对数字化设计平台、数字化制造平台、数字化服务平台进 行 数字化改造，实现全流程、数字化装配协同模式； • 研发设计过程中，通过专网与市场、终端用户进行连接，研发设计更贴近客户个性需求和消费体验。 * 数据来源：《中国大型汽车制造企业数字化转型路径研究》，李斌 用户需求 订单 产品设计 原料采购 个性化制 造 物流配送 客户服务 业务流程驱动转变为数据驱动 12 • 理顺业务流程 38,059 个 • 修正管理数据 498,339 个 • 业内首个数字化车间 - 天翼云 （ HPC ）集群 • 运营成本下降了 23% • 生产效率提升至 46.4% • 研发周期缩短至 42.5% 第一阶段： 基础建设与单项信息化覆盖 第二阶段： 综合信息化应用平台建设 第三阶段： 数字化工场改造建设 在线数字设计： 专网对接终端用户，用户 可 直接参与研发、设计及数 字 化产品 在线数字化营销： 数字化方式拓展营销渠道 + 数字化订单系统 数字化工业产品与服务： 打造智能化核心产品，包 括 智能交互、智能网联、 AI 智 能（自动）驾驶 业务流程变革 技术能力革新 商业模式转变 * 数据来源：《上汽大通 ( 灯塔工厂 C2B 分 享 ) 》 产品需求 车辆选配意向 接受车辆 数字化研发制造体系 我行大数据平台 用户 “ 通过 我行用户运 营”， 洞悉用户产品需 求及产 品使用数据，推 动新产 品开发及产品迭 代 “ 通过 蜘蛛智选” ，打穿 营 销体系和研发制造体系 数据链，实现用户个性化 产品和服务需求 数字化 用户运营 用户参与 产品开发 产品 研发 供应 链系 统 制造 系统 质量 系统 运输 系统 正式下单 订单确认 交期反馈 智能推荐 智能评价 交期评估 制造信息反馈 质量信息反馈 运输信息反馈 产品试用数据 新车型开发 车型迭代 交付计划 数字化营销体 系 – 蜘蛛智选 制造信息 质量信息 运输计划 实时运输信息 运输调度 质量监控 智能制造 JIT/JIS 物料评估 APS 智能排产 物料实时拉动 • 上汽大通 C2B 模式 – 用户驱动企业，实现全价值链数字化直联。通过我行用户全生命周期交互平台，将整个开发过程 全 部开放给客户，从产品定义、开发、认证，到定价、选配、改进等环节都在线上和线下与客户高频互动； • “ ” 通过 蜘蛛智选 营销体系，打通营销和研发制造数据链，实现用户个性化产品和服务需求。 上汽大通 MAXUS C2B 业务整体架构 车主 服务 驾驶发生后，通过建立车载采 集装置记录的驾驶行为指标与 百公里能耗之间的分析模型， 可以精准分析不同特征的重要 程度。 事后能耗分析模型 出发前给到所设路径的路况和 能耗信息，行驶中记录和反馈 驾驶关键指标，行程结束时从 多个维度给此次行程评分并给 予驾驶建议。 整车智能 App 车联网（ CAN 线数据、蓝牙 模 块）的解析、发送、接收、 处 理和供给模型训练。 车联网能力中台 驾驶前的能耗预测更具应用价 值。根据用户出发点至目的地的 路况信息以及历史驾驶记录预测 当次驾驶行为，再套用事后能耗 分析模型得到能耗预测值； 事前能耗预测模型 • 上汽荣威 IES 系统采用主流机器学习模型，基于车联网收集的车辆、驾驶行为、道路环境、天气等数据进行数据建模， 并不断优化迭代，最终通过整车智能 APP 将分析预测结果反馈给用户，提升续航准确率，缓解里程焦虑。 机器学习模型优化迭代 续航旅程预测与实际误差一般小于 10% 中短途出行情况下，绝对电量误差在 1% 个 SOC 左右 车联网数据收集 AI+ 数字化重塑汽车生产过程 • 目前汽车整车生产流程主要分为如下五道工艺。 • 生产出各种车身冲压 零部件 • 将各种车身冲压部件 焊接完成的车身 • 防止车身生锈，外表 上色 • 发现生产过程中潜在 的质量问题 检测工艺 冲压工艺 焊接工艺 涂装工艺 总装工艺 • 将车身底盘内饰等各 个部分组装到一起 • 生产的数字化转型是物联网、大数据、云计算、人工智能等多种数字技术的集群式创新突破及其深度融合，对整车生产 车程进行全流程、全链条、全要素的改造，充分发挥数据要素的价值创造作用。 • 目前主流的生产数字化转型用例如下： • 生产过程实时可视化 • 生产设备的动态预测模型 • 全生命周期质量管理 数字工厂 AI+ 精益制造升级 生产质量管理 • 基于分布式数控系统和生产过程管理软件，搭建数字化工厂，生产可视化消除车间信息黑箱。 • 数字功能包含生产流程的数字化管控以及系统设备运营数据监测，使系统间协作能力大为提高，提高生产效率。 • 生产车间实时监控大屏从整体到局部实现工厂的 24 小时动态监控，移动看板随时了解各地工厂生产运营情况。 * 数据来源：《装备制造企业数字化转型战略与实 施》 生产过程管理软件 透明化现场管理体系 实时监控生产进度 规范工厂业务流程 生产过程管理软件 系统 支持 数控程序网络化传输管理 数控设备的在线监测 数控设备联网管理 分布式数控系统 过程 管控 关键物料 物料批次 异常情况 生产产品 销售订单 生产计划 车间排产 制造执行 物流管理 质量追溯 计划变更 数字 看板 生产车间实时监控大屏 生产移动看板 • 通过采集生产设备数据，对不同种类和运行工况的设备信息进行聚类分析，对比单一生产设备与集群差异，判断设备异 常程度。 • 系统可定期向工程师提供每一台设备的健康风险状态和风险部位，避免不必要的检查和维护工作，实现从预防式维护到 预测式维护，做到智能制造。 采集生产设备数据 聚类分析，建立模型 预测设备健康情况 质量业务集中展示 问题上升与风险控制 • 通过系统软件及看板实时追踪产品生产质量问题，建立全生命周期的生产质量管理机制。 PQRR 状态实时监控管理 热点问题在线上升，实时推动 相关业务人员 在线跟踪 EIR 、 PRTS 、 SIL 、 DFMEA 等相关质量业务 实时的 BPD 指标计 算 多维度 监控图表显示项目质量 状态，发现项目潜在的风险并 及时处理 实时的超期问题预警直接推送 给相应的责任人 在线跟踪看板，质量风险一目 了然 工作计划在线填写及跟踪 生产质量管理机制 在线质量业务预警 问题追溯到个人 • 上汽大众工业 4.0 智能制造通过充分运用互联网、大数据、人工智能等信息技术，打通上下游关键数据，推动汽车产业 研发设计、生产制造、营销服务的创新变革，让全产业链真正实现规模化、敏