新能源汽车迎来史上最大“内卷潮”，能否靠AI大模型突围？

编辑按：本文转载至微信公众号“首席商业评论”，飞鲸投研经授发布 。

前言

越来越多的信息都在说明：造车新势力正在进入生死局。根据乘联会发布的数据显示，截至2023年3月第四周，中国乘用车总销量同比下滑15%，燃油车下滑25%。压力更大的当属燃油车，燃油车市场接连多年每年缩量100万辆以上，2022年达到200万辆以上。

不仅仅面临市场萎缩的窘境，汽车库存也来到了一个高位，车卖不动了。中国汽车流通协会数据显示，2023年3月中国汽车经销商库存预警指数为62.4%，同比微降1.2个百分点，环比上升4.3个百分点，创今年新高，也是过去11个月里第二峰值，这也意味着当前汽车经销商面临较大的库存压力。

现阶段，多数新能源车企仍然处于大幅亏损的状态，今年春季开打的车市价格战，更是宣告了行业淘汰赛的加速。

俗话说车到山前必有路，市场不景气大家会更加内卷，也会想更多办法另辟蹊径。于是不少企业盯上了最近的大热点大模型GPT，“2023 年将是智能驾驶冲刺之年、大考之年。”毫末智行董事长张凯判断，“2023 年智驾产品进入全线爆发期，大模型开启在车端的落地应用”。

有业内人士指出，“通用大模型带来了人工智能范式的变化，通过人和机器模型之间的交互，我们能以极低的成本，高效的方式不断解决各个领域新出现的任务，使得研发效率大幅提升。”

如果说毫末还处在刚刚起跑的阶段，那么商汤已经借入大模型概念开始了商业化之路。在智能汽车领域，商汤在2022年上半年新增量产的定点数量已经超过300万台，位列智能车舱市场份额第一。

那么AI能否真正促进新能源汽车行业智能化再迈上一个台阶，是否有利于新能源行业寻找新的增长点？为此我们请到了新能源工业软件领军人物，依柯力信息科技董事长兼CEO尹可杰先生，拥有超过25年汽车数字工厂的行业经验，对汽车制造运营系统以及供应链有深刻认识和了解。首席独家对话依柯力董事长尹可杰先生，将就上述热点问题给出一些独家见解。

依柯力信息科技董事长兼CEO尹可杰

以下是对话实录：

首席：近日，中国电子信息产业发展研究院表示，中国工业软件发展迎来政策窗口期。工业软件是提升工业发展质量和效益的必备工具，是支撑现代工业体系发展和创新的关键，同时也是中国软件产业链的突出短板。你们作为新能源行业领先企业，认为目前行业还有多少增量空间，还有哪些是行业较为明显的短板？

尹可杰：我从96年的时候就进入汽车行业，有超过25年的积累，对这个行业还是有相当深入的了解。我们完整经历了2014年以来新势力的爆发，以及近几年新能源行业的百花齐放。

所以经过我的思考研判，我大概有几个观点。以传统车企为代表的全球汽车行业在2018年是一个全球产销量的顶，其实也是中国汽车行业产销量顶部（2018：2808万；2019：2571万；2020：2514万；2021：2617万；2022：2686万）。实际上2018年之后到今天传统车企大部分都是在走下坡路的，传统车企如果没有及时向新能源转型的话，传统零部件企业如果你还是只为传统车企提供传统汽车的零部件的话，2018年之后这些主机厂和零部件企业的日子都很难受。

所以其实我的结论是什么？结论就在于说对于传统车企而言，如果今天你不转型做新能源，我觉得好日子基本上都到头了，那么新能源它的机会在哪？

从2023年到2026年左右，我预计新能源的渗透率应该在70%甚至到80%左右，按照这样一个比例的话，实际上我们未来还有4年时间，还有2,000万辆的新能源车会被生产出来。

那么这2,000万辆车生产出来以后，对应的扩张产能大概在2700~3000万辆。按照15万辆一家生产厂的这种年产的规模的话，我测算过未来的4年大概会新增二百多个整车的工厂，一百多个三电工厂。

那么这个里面预估30%是全新的建设工厂，还有70%是需要改造的，现在混动还需要发动机变速箱，也就是说还会保留一部分的动力总成工厂。所以实际上来讲包括非核心供应商，智能底盘、预控制器、数字座舱，这些市场全部加起来，对我们来说是400亿的数字化市场容量，大概一年在差不多100亿的规模，其实这个是不小的规模，但有些人会说尹总你讲得好像不太对。那么可能这些人并不是太专业，他们不知道的是：工厂可能的确不需要重建，但工厂里面的设备及系统是必须要重新更换。

比如说以整车为例，原来我们的工艺是冲焊涂总，现在如果做新能源，要加个PACK，同时焊装车间要做压铸一体，这就需要完全不同的工艺设备。所以新能源驱动了全新的工艺革命，新的工艺又驱动了新的设备和系统的以旧换新。

某新能源汽车工厂MOM系统项目

所以总体来讲我们的数字化这块业务，大概一年100个亿，对我们是非常大的市场，支撑依柯力业务快速增长到IPO上市还是很容易的。

前面提到的是工厂制造的一块市场，还有一块更大的市场是供应链域的市场。汽车的供应链的长度是所有制造行业中最长的，但大家基本都没有做好的一块市场。我举个例子，中国去年年底数据大约10多万家零部件公司，今天主机厂能够直接完全可控的零部件企业10%都不到，换句话说超过9万多家零部件企业的数据和主机厂是没有打通的。

比亚迪为什么现在这么厉害，去年产销186万辆，产能200万辆？因为比亚迪的零部件供应基本是完全自给自足的闭环模式，比亚迪除了玻璃、轮胎和钢板他自己不做以外，比亚迪的车所有的从芯片、到电池、电机电控，到座椅、仪表盘、内外饰件等等都是比亚迪自己做的。所以比亚迪的一个生产基地，它就基本能够把一台车完整地生产出来而不依赖于外部供应链，对比一下丰田中国的工厂也有二百万辆的产能，但是它的零部件是分散在世界各地的，某个零部件可能是欧洲的某个小工厂的供应瓶颈都会影响丰田中国所有工厂的正常生产。

近几年大家都知道汽车缺芯，但比亚迪从来不不缺，因为芯片他们自己做的，所以供应链的机会是汽车工业未来最大的一个机会，如果说把供应链的上下游完全打通我们测算过，10万家零部件供应商，如果每家供应商未来每年支付10万块钱订阅费，那么这个市场是100个亿的订阅费。他们为什么支付订阅费？

因为这样的话，主机厂就能跟他把质量管理和物料的供应全部透明可控，我们讲就是每年100亿的订阅费的市场规模，如果依柯力一年拿到100亿的订阅费，我们一定会是千亿市值的公司。

安徽某乘用车工厂物流供应链项目

首席：未来新能源还会带来什么样的机会？

尹可杰：第一，带来了主机厂零部件工厂的数字化转型的机会。第二，就是供应链端的机会，那么供应链端的机会为什么现在会很大？大家知道现在汽车拼命的在降价，但是生产制造端的成本要降已经很难了，但供应链端的降本增效空间还很大。

大家可以看到传统的车企通用、福特、日产，包括丰田、本田原来卖得很好的企业，但这两年有的产销减半有的下滑严重，这是我们看到的传统车企的一个实际情况，新能源汽车实际上是把汽车行业重做一遍，

所以我认为新能源实际上是给所有公司的增长机会，包括像依柯力做数字化的，包括做汽车零部件的，做设备的，未来新能源汽车是我们汽车行业唯一的最大的增长机会。

我们要知道去年新能源市场的渗透率是25.6%，你知道这个数据最早专家给出来是2025年才有可能实现的目标，但去年就已经达到了。

现在又有争论说2026年渗透率是不是能达到70%或 80%，很多专家说根本不可能50%都已经太高了，原因包括如果大家都新能源车了以后，我们的充电基础设施还不支持等等。我觉得这些专家思维逻辑都是有缺陷的，首先最重要的一点是绝大部分传统燃油车车企，今年已经不会再继续投资传统燃油车相关的领域，没有了后续资本的投入，后续燃油车的迭代更新基本上就会停滞。此外你要明白我们在做新能源车的同时，我们的新能源基础设施也在疯狂的同步发展。市场火爆之后大家都在疯狂进这个市场，过去的历史证明基础设施建设这个事情对中国而言从来不是问题。

所以我们的新能源车还能保持一个很高的景气度，实际上我认为基础设施中国人完全可以解决，没有任何问题。所以我比较乐观的估计是到2026年左右，新能源车未来占比到80%，我认为这不是一个梦，这是我个人的一个判断。

某新能源科技企业上海氢能源电池工厂云MES项目

首席：ChatGPT概念大热之后，市场普遍认为汽车智能化也会因此受益，这对以新能源工业软件见长的依柯力有什么启示，将如何加速工业软件智能化？

尹可杰：我想稍微泼泼冷水，你看现在大家都把ChatGPT奉为神，包括微软的老大比尔盖茨也说，这是继个人电脑革命和互联网革命以后的又一次革命性的技术进步。

在一些文科类的东西，它确实是很好用的，其实你可以理解它是一个超级搜索引擎，就比原来的搜索引擎更智能更牛逼，但是它的前提是什么？前提它是他有大数据模型，所以就说白了，简单一句话，你有多少A100卡，这个就决定你的大数据模型有多牛逼，所以为什么英伟达现在那么厉害，现在他用A100卡，他就可以把你的算力提高好几倍。

有个文章写的很好：说ChatGPT出来以后会发生什么问题，耗电很厉害，就是你的A100卡插进去以后，你会发现能耗非常高。所以说它也是有消耗的并不是无成本。我认为它是我们的科技发展到今天，是一个必然要出来的产品，那么我们为什么没有搞出来，简单一句话，你的算力不够，你的硬件的芯片，你的硬件的基础设施，你的软件的能力没有足够支撑。

大家要自研训练自己的算法或者是什么硬件投入肯定必不可少。但是这个我觉得成本非常高，最后可能也就几家大的公司玩得起。小公司千万不要去搞企业的ChatGPT概念，你根本玩不了，这是大公司做的。

第二个就是在工业领域ChatGPT很难成事，这个跟工业机器人的情况是差不多的，工业端一定要稳定可靠，你不能说你今天搜一下给我来个a指令，明天再搜给我一个b指令。

ChatGPT在c端为什么会出现？因为这些数据都在互联网上，可以不断的去爬取去各种的数据，但工业数据是没法爬的。人家都是在他的小圈子里面，都是在私有云里面，都是在他的本地部署里面，所以首先你就没有学习的可能性，因为这些数据你就拿不到。

在2017年的时候，全中国的汽车厂商都在搞大数据，工业大数据火的一塌糊涂，你只要不讲工业大数据，人家觉得你low，所以每次去有些领导问我，你给我讲讲工业大数据。搞得我也没办法，后来我就自己学习找很多合作伙伴，也花了好多钱最后没有任何用，工业大数据今天很少有人提了。

为什么会做不成呢？我举个例子，当时在工厂最典型的场景是关键设备的预警维护，等于是说我装几个传感器在设备里面，然后把这个数据拿过来以后，我去预测这个设备什么时候会关停机，并提醒应该更换什么样的零部件。这个东西听起来其实也没那么难，但后来基本上，在汽车行业所有这样的项目全部都失败了。

那么为啥会失败呢？关键设备需要装传感器可能要装很多个，传感器的数据上来以后，它是24×7小时工作的，它不像PLC的机器人的数据，我就是1个结果，或者中间就算有过程可能就10个点了，传感器那个数据可是持续不断的上传，就会出现一些问题。

你就会发现原来那个服务器过了3~6个月数据库满了怎么办？你跟领导去说数据硬盘满了，我要再去买硬盘。领导只会问你前面都花了小几千万且花了这么久时间，到底什么时候才能出结果，什么时候能看到RIO，因为算法这个东西迭代的前提是需要海量数据的采集，否则再好的算法都没戏。

如果我明确告诉你这种事情见到效果你要干三年，每次数据采集6~8个月做一次算法的迭代，大概至少2~3个周期以后，你才能形成一个相对完整的数学模型。假设你原来你的预算比如说花了1,000万，现在三年下来可能不止3,000万了，市场也不知道会变成什么样了，没有几家制造型企业允许这样投入。

所以我们首先不要去讲AI，我们先讲平台，首先企业先把平台打通，把数据把业务都打通。我相信今天即使有了AI的一些好的工具，但是真正要产生业务价值，我认为还有很长的时间。当然了这个一定是一个大方向，但这个方向的话对依柯力来讲的话，就是启发我们服务好那些标杆客户。比如说我们在某些主机厂客户能够做好，将来我就可以到其他的客户去做一些迭代，所以我们所有的产业一定需要这样的概念出来，如果没ChatGPT这个概念我跟你讲，首先你就没有投资，没有投资我跟你讲这事就没有任何机会。

依柯力的客户分布

所以我觉得就跟特斯拉当年进上海一样，让大家知道新能源车是这样的样子然后起到鲶鱼效应。我觉得我们现在第一步就是先做平台化，然后把数据先打通，去做一些真正的产品的业务场景落地，在这个基础上我觉得再去做AI的一些适配，不然直接去做AI会死得很惨。

我跟朋友讲过一个最经典的案例，比如图像识别，很多人说这个不难，但是我告诉你很难做好，在我们工业领域我们是要求6Sigma：99.99966%，仅仅是3个9准确率是满足不了业务要求的，如果我一天生产1000台车，结果就一台车识别不出来，客户会接受吗？

所以这就是工业跟非工业的问题，说到工业可靠稳定性一定要达到极致，你一年出几次问题带来的不仅仅是直接的生产损失，还有很多其他方面的间接损失。

重庆某汽车集团电机控制器MES系统项目

所以我觉得它有一个非常好的价值点，就是他把整个AI领域全部都带活了，把市场带活了，把资金带活了。我认为对于创新公司来讲是非常好的，但是只用炒作概念的公司永远是长不大的。

所以说对于我们依柯力来讲，我们首先要去观察这些技术到底给我们带来什么样的价值，是什么样的挑战，一定要时时刻刻的去深入观察。