科创中国

    目  录

一、中国汽车行业发展概述………………………………1

二、中国汽车行业智能制造发展情况……………………2

1.中国汽车行业智能制造概述………………………………………………2

2.国内汽车企业智能工厂优化仿真概览……………………………………3

3.数据科学与人工智能技术的初步应用与探索……………………………3

4.国内汽车制造企业信息系统集成情况……………………………………3

5.汽车企业生产自适应调度与智能排产进展………………………………3

三、与国际汽车行业智能制造水平比较…………………3

1.对智能制造认知差异………………………………………………………3

2.智能制造技术创新与应用差异……………………………………………4

3.智能制造装备供应商差异…………………………………………………4

4.智能制造复合人才差异……………………………………………………5

四、新形势对汽车行业智能制造发展的迫切要求………5

1.降低智能制造实施成本……………………………………………………5

2.减少对国外硬件、软件的依赖……………………………………………6

3.提升汽车行业智能制造自主创新能力……………………………………6

五、汽车行业智能制造发展重点方向……………………7

1.加快推进数据科学与人工智能技术的应用………………………………7

2.打造自主汽车产业智能制造供应商体系…………………………………8

六、政策建议………………………………………………9

1.建立汽车行业智能制造自主创新平台……………………………………9

2.建设汽车行业智能制造技术与装备创新工程验证平台…………………9

3.依托汽车行业设立智能制造关键技术专项………………………………10

中国汽车行业智能制造发展及研究报告

一、中国汽车行业发展概述

以绿色、智能为特征的新一轮技术创新和新兴产业正快速发展，为世界汽车行业形态和格局带来深刻变化，中国汽车行业的体制变革、机制创新也因此迎来新机遇。中国汽车行业正处在全面深化改革的升级转型期，是由大到强的关键时期。

根据世界各国汽车销量统计数据，中国和美国是仅有的汽车销量在千万辆级别的国家，而中国以每年2000万辆以上的销量雄踞榜首。在中国近年每年的汽车销售总量中，中国自主品牌汽车销量占比在40%左右，形成了比较稳定的市场规模。

汽车大国不等于汽车强国。近年来，合资品牌纷纷加大国内布局，价格下沉直接冲击自主品牌生存领域。一些技术落后的自主品牌车企由于利润下滑导致自我造血能力正在逐渐丧失。

中国汽车行业由大变强，只有通过研发和技术创新，逐步掌握、突破汽车行业的核心技术，包括制造技术（制造工艺和制造装备），才能培育出本土的跨国企业集团，从而站在世界汽车行业发展的先进行列。

中国汽车行业由大变强的关键是提升产品质量和技术，汽车产品质量的提升离不开先进制造能力的保障。智能制造是先进制造的发展方向，给制造业带来实实在在的深刻改变。智能制造是《中国制造2025》的主攻方向，也是中国由汽车制造大国向制造强国转变的路径之一。

二、中国汽车行业智能制造发展情况

1.中国汽车行业智能制造概述

汽车整车制造发展到今天，自动化、数字化、信息化水平非常高。相比其他产品制造和汽车零部件制造，整车制造的智能化程度处于领先水平。目前，在国内的多家合资品牌汽车企业和中国自主品牌汽车企业中，一条生产线可实现多车型柔性生产。新能源汽车的整车制造工艺与传统汽车的整车制造工艺没有太大差异，仍旧依次经过冲压、焊接、涂装和总装四大工序及相关检测工序。

在汽车生产车间，应用的智能制造技术包括：工厂和生产线规划仿真技术、自动识别技术、智能控制技术、智能物料配送、自适应生产调度及智能排产技术等。

基于汽车制造发展趋势及智能制造实践，汽车行业智能制造建设等级模型见表1。

表1 汽车行业智能制造建设模型

目前，国内较好的自主品牌企业智能制造总体水平正在从Level 3 级向Level 4级迈进，有个别单项已经达到Level 4 级或向Level 5 级迈进。智能制造水平较差的企业总体水平处在Level 2级，正在进行Level 3 建设。

2.国内汽车企业智能工厂优化仿真概览

在整车开发项目中，约有40%-60%的时间都消耗到生产准备阶段，主要的工作是生产工艺过程的设计规划。而用数字化的手段验证产品的制造工艺可行性，可显著缩短工厂建设、生产准备和设备调试时间，降低成本。国内整车企业已将优化仿真技术广泛用于产品设计、工艺规划、物流规划和虚拟调试与装备过程中。

3.数据科学与人工智能技术的初步应用与探索

在大数据技术方面，国内的数据分析供应商已经与汽车企业开展合作。例如上海数策软件有限公司与上汽大通合作，在汽车业界首次实现C2B大规模智能定制生产模式，实现了从用户到供应商端到端的数字化价值链。在上汽大通的实践中，不仅实现了从订单、计划、生产、发运、交付到用车的横向业务链数据打通，还实现了从用户、经销商、整车厂到供应商的纵向产业链数据打通，极大提升生产效率和服务透明度。

4.国内汽车制造企业信息系统集成情况

国内汽车制造企业正逐步从信息系统集中建设阶段转变到集成或数据管理阶段。各信息化领先的单位分别利用企业门户、数据中心、企业服务总线等实现了企业内数据的横向融合，纵向贯通，为企业精益生产、协同研发、敏捷管理提供了管理抓手。

在汽车制造企业的生产运行管理中，通常以BOM（产品物料清单）的形式表达产品的设计信息、制造信息和各种管理信息。BOM系统集成运营后，打通了设计BOM到生产BOM的转换，实现了BOM系统与PLM、ERP、MES、DMS的集成。此外，BOM系统与DMS销售订单管理系统的集成完成了经销商申报周计划实时传输至生产部，并实时计算产品价格，达到了生产部最快时间维护订单BOM，经销商最快时间得知产品价格。

5.汽车企业生产自适应调度与智能排产进展

在汽车企业完成柔性生产系统建设、信息化系统集成之后，可以结合以上两方面的技术实现车间自适应调度与排产的初始化；在此基础上，应用仿真优化及大数据技术，可以使汽车生产车间的自适应调度与智能排产技术往更深层次发展。

例如长安汽车鱼嘴冲压智能制造系统，将智能“物联网”系统与工厂MES管理系统的生产计划与制造信息同步共享，建成以整车生产需求为拉动的智能化冲压生产系统，最终达到材料库存准确率平均99%，材料安全库存从1天减少为0天，实现板料4小时供货。最终实现车间设备互联互通，生产数据实时采集，以焊接需求实时拉动冲压生产，系统智能指导生产。

国内自主品牌在新工厂建设和旧工厂改造也基本采用了世界级的制造工艺和装备，和国外工厂几无差异，有的甚至还超过国外旧工厂的水平。但在智能制造软科学、技术创新与应用、产业体系和人才储备上，国内企业和跨国企业还有差距。

三、与国际汽车行业智能制造水平比较

1.对智能制造认知差异

在云计算技术被成功应用于工业设备运行状态的数据挖掘以来，运用数据科学和人工智能技术对工业产品及其生产过程进行迭代优化已经成为现实。美国企业正试图用这一方法卡住德国和日本高端装备制造企业的脖子。美国企业通过工业互联网技术对在线互联生产装备进行数据挖掘，不仅能掌握现有装备的优点与缺陷，为下一代装备的研发提出改进建议，进而占领装备制造的研发与设计等头部位置，而且可为装备加入智能系统，逼迫德国和日本装备制造企业屈服。当这一策略被用于对现有生产线进行分析，也将对现有生产线优化和变革提出建议，并为生产线加入智能大脑，进而对足够灵活的产线进行封装，用各类工业软件指挥产线智能大脑实现不同产品的定制生产。一个技术解决方案在制造业的两方面策略运用，将使美国重回高端机床装备和制造业强国龙头位置。

在美国的竞争态势之下，德国一方面应用美国的策略，即应用数据科学与人工智能技术加强本国装备制造企业在研发和设计上的竞争力，一方面积极向国外市场推出数字化制造解决方案，推动制造业企业应用三维图形和三维仿真软件技术打通产品研发和生产，应用运营管理软件打通经营管理与生产，以此为帮助当地企业实现大规模定制化生产的阶段性目标。

国内汽车制造企业对应用数字化制造解决方案帮助企业重塑生产方式，实现大规模定制化生产这一更加表象化的理念接受度较高，对如何运用数据科学与人工智能技术优化、革新生产装备、生产工艺过程及其背后的战略认识不足。

对于汽车制造过程，德国大众汽车公司认为，生产过程的每一步都将受益于数据挖掘的持续使用：记录出现的缺陷和缺陷类型的数据，清晰地将这些数据分配给制造参数，导出影响变量和目标之间的相关性，通过持续优化制造装备和生产工艺以提高产品质量或减少缺陷的发生率。

中国汽车行业对新一代智能制造需要重新认识，在这一理论的指导下如何在汽车制造中进行落地实践尚需不断探索，也希望国家在新的政策中对新一代智能制造进行应用和推广，加快中国汽车行业对新一代智能制造的理解和认知。

2.智能制造技术创新与应用差异

通过电装公司“领先工厂”项目，如图1所示，可见日本汽车制造企业将精益生产与智能制造相结合，一方面形成“产品-工艺-装备”良性循环，另一方面，实现小批量、多品种、供货急的市场要求。

图1 电装公司“领先工厂”改造案例

国内汽车关键零部件制造的问题是，制造工艺开发能力滞后，技术创新研发投入不足，依赖国外引进的工艺方案与制造标准，导致生产线规划设计、加工装备选型受制于人，盲目追求单台套机床精度和可靠性，无法形成“产品-工艺-装备”的良性循环，自主装备批量应用困难。在整车智能制造方面，国内企业目前的措施方案也是多模仿外资或合资企业的成熟案例，没有自己的智能制造创新思路与创新体系。

此外，国外汽车制造企业对3D打印技术的研究和应用已经非常深入和广泛。在德国，宝马汽车公司2019年牵头成立IDAM联盟，致力于将金属3D打印转移到汽车行业的工业化和高度自动化系列工艺中，为德国在下一次工业革命中的制造强国地位奠定重要基石。

3.智能制造装备供应商差异

中国自主品牌汽车制造企业能够综合利用各国的技术和软、硬件产品实现系统集成，完成智能制造阶段性目标；但支撑汽车企业智能制造系统的供应商仍然以国外供应商为主。以整车焊接生产线机器人为例，多使用日本、德国和瑞士的装备。国内整车制造基本是发那科、ABB、库卡、安川四家机器人企业主导。在工厂自动化硬件产品方面，国内整车制造产线的PLC产品主要来自西门子、罗克韦尔、三菱电机等国外公司。

三维仿真软件是构建数字化工厂的工具，ERP系统、MES系统和生产装备控制系统集成是企业实现信息化的基础。就整个智能制造系统来说，在管理层，国内还无法满足汽车制造企业对ERP的需求，用于产品研发设计、制造、测试的高端三维仿真软件全部被国外企业垄断。

4.智能制造复合人才差异

2019年，中国人才研究会汽车人才专业委员会发布调查报告称，有58%的调研企业认为智能制造对技能人才带来三大挑战。一是对技能人才队伍的要求升级，具体包括技术要求升级、专业方向转变、复合型人才匮乏。

复合知识技能人才短缺是国内汽车智能制造面临的第一大短板。在大众汽车、宝马汽车等德国的汽车企业中，有许多数据科学人才服务于生产制造车间，他们既了解汽车生产工艺和制造装备，又掌握数据挖掘和人工智能的相关知识，能够运用算法软件将最前沿数据分析技术应用于生产实践，完成了制造装备智能管控、智慧能源管控、预测性维护、制造缺陷分析和开发基于人工智能技术的产品检测系统等工作。

国内汽车制造企业缺少数据科学和人工智能专家，而很多从事数据科学和人工智能业务的公司不熟悉汽车智能工艺和制造装备，又不能为汽车企业提供服务。

四、新形势对汽车行业智能制造发展的迫切要求

1．降低智能制造实施成本

企业智能制造的基础是首先要向数字化制造转型，但对企业来说，实施数字化转型需要高额的投资是个不争的事实。数字化必须涉及整个价值创造链，投入成本之大，经济效益之不确定，使得大多数中小企业压力巨大。

在当前形势下，企业需要实施智能制造提高产品制造质量，优化生产工艺，但由于市场困境企业又无充足资金，因此，降低企业实施智能制造的成本，是当前形势下智能制造发展的新要求之一。

从德国的情况看，政府提供奖励资金，鼓励企业与创新平台合作，如德国弗劳恩霍夫研究所，创新平台帮助企业完成自动化工艺构建、数字化建模、数据采集与分析、工艺改进等工作，企业完成数字化转型，创新平台获得技术解决方案，可以为更多中小企业提供技术服务支撑，成本降低很多。

另外，从曾前往德国考察“工业4.0”的中国企业了解，德国中小企业实施“工业4.0”比较注重数据科学的应用，他们在机器中加入了很多传感器和芯片用以采集数据，通过分析数据减少制造缺陷，优化工艺，提升产品制造质量和改善能源管理，而不是把制造装备的自动化水平大幅提高和上马数字化、信息化系统。

2．减少对国外硬件、软件的依赖

2020年以来，美国加大了对中国高科技公司和科研单位的制裁力度，力图阻止中国高科技发展，打断中国智能制造进程。

汽车是大众消费品，国内企业制造过程中可应用的智能制造技术可由多个国家的供应商提供，不会被以美国为首的西方国家进行技术封锁，但从产业安全的角度考虑，国内汽车制造业实施智能制造不能完全依赖进口设备与软件，面对当前的国际发展形式，更应减少对国外硬、软件的依赖。

智能制造向更深层次发展，需要数据支撑训练机器学习的模型，国内汽车制造企业面临的一个难题就是无法从国外的生产设备上提取生产过程有效数据，后期的各种人工智能生产应用也就无从谈起。从长远来看，只有拥有自己的技术，使用自己的设备和软件，才能完全摆脱别人的限制。

3．提升汽车行业智能制造自主创新能力

如图2所示，2016年，阿里巴巴用7年时间完成阿里云计算服务平台开发应用，才使得中国智能制造具有了真正的意义。此前，云计算底层构架平台基本被美国企业垄断，亚马逊、微软、IBM、Google等公司垄断了云计算底层构架平台。

图2 智能制造关键技术

智能制造关键技术涉及到云计算平台的底层架构设计软件、设备互联的工业传感器、通信连接与接口硬件和软件、芯片等，国内短板不少。在大数据分析和机器学习工具方面，美国已经禁止向中国出售人工智能算法软件。这些智能制造关键技术的缺失都将影响中国汽车行业智能制造的应用与发展。

国内自主品牌汽车企业也应为国产工业软件提供助力，帮助改善国产工业软件生态，达己先达人，才能全面提升国内汽车行业智能制造自主创新能力。

五、汽车行业智能制造发展重点方向

1．加快推进数据科学与人工智能技术的应用

数据科学和人工智能正在将汽车行业的竞争带入新纪元，汽车制造企业之间的竞争优势转变为算法和数据资产，建立学习网络和数据生产，通过人工智能不断学习新生的知识，同时在数据驱动下，进行即时自动决策。

汽车行业正在利用数据科学和人工智能最新技术将高效，创新和安全的自动驾驶车辆产品推向市场。同样，汽车行业也在将数据科学和人工智能用于生产制造过程，持续减少制造缺陷，提高产品质量，降低制造成本。在制造过程中，数据科学和人工智能已成为简化业务，优化工艺流程并提高供应链效率的关键。

汽车制造自动化设备在原有的控制功能基础上，通过大数据和人工智能对生产制造过程进行实时运算控制，拓展新功能，就可以实现产品生命周期管理、安全性、可追溯性与节能减排等智能化要求；为生产设备添加的新功能通过为生产线配置众多传感器，让设备具有感知能力，将所感知的数据通过无线网络传送到数据中心，通过大数据分析决策进一步使得自动化设备具有自主管理、自主学习和自我优化的智能功能，就可以实现生产设备和生产过程的智能化。

鉴于此，无论是完成了数字化、信息化建设之后的整车制造企业，还是刚刚完成自动化改造的汽车零部件企业，都应加快推进数据科学与人工智能技术的应用。

中国汽车行业作为各种制造技术、制造装备、工业软件综合应用的集成化平台，在应用数据科学和人工智能技术实现企业自己生产制造改善的同时，还肩负着两个非常重要的任务。

第一，“徐匡迪之问”指出了中国人工智能行业面临的巨大问题，缺少底层算法。同工业软件一样，底层算法既包含了数学和计算机科学知识，又是对工业知识的理解和积累。从底层算法做起，那么整个数学模型、整个算法设计、整个模拟训练‘一脉相承’，不仅可以协同优化，而且可以根据需求随时修改，从而真正解决实际问题。因此，汽车制造行业在应用数据科学和人工智能时，不能仅仅关注应用算法，还要研究基础算法，从单一的解决方案向通用技术平台发展，进而实现向数据资产化跨越，研发出自己的汽车制造人工智能平台，才能实现汽车行业真正的智能制造自主创新发展。

第二，通过数据科学与人工智能的应用帮助国内智能制造软硬件行业实现跨越发展。欧美汽车工业历经百年发展，工业软件、制造装备有充足时间进行试错，总结了大量经验，不断改进，臻于完善。国内企业只能在短时间内研发出产品，尽快完善性能满足汽车制造需求，需要国内汽车制造企业用户的支持。

国内汽车先进制造专家指出，汽车制造不仅要保障多工序制造精度和质量一致性，而且要求8-10年、>300天/年、24小时/天的连续、高效、高强度稳定制造，装备可靠性要求远远超出航空航天、船舶、发电等小批量单件制造，没有长期技术积累与反复验证改进是难以企及的。我国高端智能制造技术与装备很多难以实现产业规模化应用，其重要原因就是缺乏原型样机的反复试错和技术成熟度提升的工程验证过程。

针对这一问题，汽车企业必须与供应商合作，充分应用数据科学和人工智能技术提高产业基础能力，缩短试错时间，才能尽快实现制造装备、工具软件的改善和迭代。

2．打造自主汽车产业智能制造供应商体系

在未来相当长的一段时期内，培养自主汽车产业智能制造供应商仍然是汽车行业智能制造发展的重点之一。一是提高国内原有智能制造解决方案供应商的技术水平和智能化程度，二是补足短板，加快培养智能制造短板技术供应商。

培养自主汽车产业智能制造供应商不能忽视汽车制造企业的主体地位，他们是汽车智能制造的发起者，也是实践者。所有的智能制造技术应用是基于市场需求，用户需求。另外，很多创新技术来源于高校及科研院所，很多智能制造技术也不是供应商单方面可以解决，因此，需要建立汽车制造企业主导，高校研发，国家或产业基金投入，供应商产品化、产业化的汽车智能制造产业一体化发展模式。

建立安全可控的中国汽车智能制造技术体系，任何技术环节、装备、系统集成都要经历“不可用－可用－好用”三个阶段。因此，强调汽车制造企业主导、应用主体、市场化引导，用市场带动国产技术在实际使用中得到发展，使这些开始“不好用”的技术、装备、系统在应用中不断改进，替代进口，进而建立和完善中国自主的汽车智能制造生态系统。

六、政策建议

1．建立汽车行业智能制造自主创新平台

汽车既是工业产品，又是民用产品，既要符合严格的工业产品标准，又要满足充分的市场竞争需求，其质量、产品安全性、技术先进性没有上限，而制造成本却要求越低越好。汽车行业既是规模化大生产的工业行业，又是种类繁多的大众消费品行业。汽车行业智能制造是各类数字化技术、网络化技术和人工智能技术集成应用的综合性平台，技术门槛高，应用范围广泛，但对投入成本要求严格。我国汽车行业智能制造是国家智能制造的一个缩影，自主品牌汽车企业智能制造面临的问题也是国家智能制造面临的共性问题。

要解决国家智能制造面临的共性问题需要凝聚各方力量，做大量的基础学科研究工作，搞清楚工程领域各种复杂情况内在的联系，进行合理的简化，使结果能贴近工程实际，反复进行实践积累。而汽车行业由于其特殊的多重属性，恰恰可以作为国家智能制造的一个突破口，通过汽车行业智能制造的改造和提升，补足国家智能制造的技术短板，解决智能制造大部分难题，实现国家智能制造水平的全面提升。

因此，建议在原有智能制造供应商联盟基础上，引进汽车制造企业资源和高校、科研院所资源，建立自主创新工作平台和专家团队，促进智能制造产业创新资源集聚，深化政府、产业和研究机构之间的联系和融合，加强总体设计，聚焦影响智能制造发展的关键共性技术研发，做好核心关键领域的基础创新研究和发展规划，逐步攻克关键技术，并借助在国内汽车行业大量实践智能制造的机会，通过建立精确定位、相互呼应的方式，在提升我国汽车行业智能制造水平的同时，扩大中国自主智能制造供应商的生态体系。

2．建设汽车行业智能制造技术与装备创新工程验证平台

智能制造关键技术经过研发形成样机和初始化产品以后，是否可用，不能立刻通过产线实际应用来验证，一是如果产品有缺陷，造成产线停产，生产企业损失巨大；二是严重打击智能制造技术与装备自主创新的信心，因此，对智能制造技术与装备创新进行工程验证是必不可少的环节。而国内汽车行业尚没有汽车智能制造技术与装备创新工程验证平台。

2016年，在国家部委和上海市智能制造创新功能型转化平台支持下，上海交通大学与上汽集团等汽车骨干企业及制造装备商携手合作，在上海临港建设“动力总成高端加工装备国产化与智能制造验证示范基地”，开展国产装备工程验证（精度保持性、环境稳定性、联线匹配性、工艺适应性）、工艺研究与持续提升。

随着汽车电动化、智能化发展，汽车生产制造方式发生改变，动力总成生产线越来越少。因此，针对整车智能制造技术与装备创新工程验证平台的建立就显得非常紧迫。动力总成验证平台重点构筑汽车与机床工业的对接桥梁、开展国产装备与智能制造系统集成的工程验证与产业孵化。整车智能制造技术装备创新工程验证平台需要针对传统制造技术、数字化制造技术和智能制造技术各项短板，为国产制造装备、工控系统、工业软件和智能制造系统与关键技术装备创新的工程化验证与应用推广提供全面、可靠的支撑。

3．依托汽车行业设立智能制造关键技术专项

智能制造技术只有在实际应用中才能得到改善，在关键技术和装备完成工程化之后，要解决“好用”，即产业化，必须在国内汽车制造企业生产线上进行使用。我国自主品牌汽车制造企业面临市场高度竞争压力，应用自主创新智能制造装备不仅技术风险高，且受到国外在低主机价格、高零部件成本上的垄断性制约，需加大政策扶持力度、为自主创新智能制造技术和装备研发、销售和汽车制造企业采购创造更有利局面。因此，建议依托汽车行业设立智能制造关键技术专项，鼓励国内自主品牌汽车制造企业与高校、科研院所和国内智能制造供应商合作，应用自主创新技术与装备，提供应用数据支撑，通过数据科学和人工智能技术快速完善智能制造技术与装备的缺陷，缩短“可用－好用”的积累时间。

依托汽车行业设立智能制造关键技术专项也是建立汽车行业智能制造“产学研用”长效合作机制的一种有效方式。通过专项扶持的落地项目才能真正凝聚各方的力量，做好新技术研发测试，实现技术与装备应用、产线集成与标准制订，完成人才培养，解决智能制造硬、软件技术和系统基础技术自主创新，并有效进行产业孵化。

总之，我国汽车行业智能制造离不开智能制造技术与装备的自主创新与应用，需要从国家层面系统性解决产业研发机制、制造标准、配套体系、客户联动、市场培育等环节，以政府持续投入、产学研用融合、行业开放共享的方式构建自主品牌汽车制造企业与高校、科研院所、国内智能制造技术与装备供应商的合作对接桥梁，为智能制造系统与关键技术装备创新与应用推广提供全面、可靠的支撑。