- L2智能化现阶段高度依赖外资供应商的技术支持；而在L3以上的无人驾驶领域，中国企业与业界顶尖的谷歌无人驾驶，或GM Cruise等还存在极大差距。以美国加州的无人驾驶测试结果为例，谷歌Waymo平均每18000公里左右人工干预一次；GM Cruise为8400公里；而中国企业的领先者也仅仅是 330公里。

- 共享出行的盈利前景仍不清晰，即便是滴滴这样市占率占绝对优势的企业，盈利前景仍然不明朗，其他小规模企业的亏损、甚至倒闭 的新闻，更是时有耳闻。

毋庸置疑，进一步的新四化转型要求各界玩家必须加大创新投入。据麦肯锡估算，一家主机厂若想在“新四化”各个方面取得明显成就，大约需要在10年内投入约5000亿元人民币，其中仅电动汽车领域的投入就将近3000亿元。在我国自主品牌领军企业中，前五家车企 2018年的研发投入总计约340亿元人民币，仅为德国大众集团研发投入的 1/3 左右。投入强度的悬殊差距，无疑制约了我国企业在新四化领域建立可持续优势的能力。

近几年，国内汽车行业的利润率水平持续下滑，从2016年的8.3%，一路下跌至2019年上半年的6.4%。与此同时，新四化转型将进一步对车企的盈利能力施压。“十四五”规划的帷幕徐徐拉开，不夸张的说，新四化战略规划的质量决定了车企“十四五”整体规划的质量，基于多年服务于全球领先车企的丰富经验，麦肯锡建议广大车企以下面三个方向作 为“十四五”规划重点需要思考的核心点：

创新聚焦，优先排序

麦肯锡观察到，中国头部车企近几年在“新四化”和新业务方面的投入与发展均衡有余、聚焦不足。纵观全球市场，没有一家主机厂能够保 证新业务与未来创新这两条战线齐头并进，即使是资本雄厚的大众、丰田等企业，也都在权衡新业务与投资的优先级，并相应优化资源分配、加大重点投资的力度，力求把每一笔投入转化为实际的技术优势 和市场份额。我们建议各大车企也要在“新四化”发展中有所取舍，聚焦资源投入，即使是对于新能源和智能网联等优势方向，也要厘清优先级排序，抓住关键点。麦肯锡针对新四化归纳了技术栈的战略框架（见下图），车企需要在整体的技术栈做出战略抉择。

- 电动化技术栈中，应该如何平衡对于电池系统的掌控以及对电机、充电设施的投入。

- 网联化技术栈中到底是花重金增强对软件平台和应用商店的掌控，还是持续投入硬件建设。

- 智能化技术栈中在传感器、计算平台、障碍物预测等关键技术中掌握先机是否能够打造技术的护城河。

开放合作，强强联合

行业的演变已经让“单打独斗”的主机厂感到越发吃力。我们观察到，全球范围内的车企都出现了“抱团取暖”的趋势。

- 传统主机厂的合作：为了寻求规模优势，分担研发投入，节约新业务成本，我们看到全球范围内的车企合作，包括福特和大众合作研发纯电动车平台架构以及无人驾驶技术；奔驰和宝马在共享出行、电动化和智能化领域展开的紧密合作；

- 主机厂和高科技企业的合作：雷诺日产联盟和谷歌就网联化解决方案（Google Automotive Service）的合作，业界传闻大众与 Waymo合作研发无人驾驶技术。

值得注意的是，这些合作并非仅仅为了寻求技术上的互补，更多的是出于成本与未来盈利的考量。目前，在国内市场依然处于群雄纷争的状态，我们建议各大车企应当抓住宝贵的时间窗口，拓宽思路，积极布局未来合作战略，包括积极收购优良资产和新四化技术，与主机厂以外的合作伙伴共筑业务“护城河”。

组织转型，降本增效

来3~5年，随着产业发展重心的迁移，主机厂势必需要引入软件开发、大数据分析等多种新能力。因此，除了持续引进相关人才之外，车企更要积极推动组织转型，打造全新的敏捷文化，以实现从硬件主导转 向软件主导，从技术为核心转向客户为核心，从纯制造业转向制造与服务高度融合的突破。这就需要集团领导层在企业文化、组织转型等方面持续投入，以业务重大变化为契机，重塑企业架构。与此同时，考虑到未来的成本架构以及持续投入的需求，车企有必要重新审视全产业链的运营效率，以数字化转型手段全面提升研发、供应链、生产、渠道、营销和企业运营的效率（增效），同时尽量降低各个环节与最终产品的成本（降本），为新四化积累现金流投入储备。

我们认为，在中国汽车行业经历巨变之际，如何把握新四化的机遇，加快转型，从而进一步为打造世界级领先车企奠定更坚实的基础，将是“十四五”规划最重要的一部分。对于中国汽车市场上所有玩家而言，在新四化战略上的选择，则是“十四五”规划中绕不过去的坎。

软件和整车电子架构正重新定义汽车行业

随着智能互联、自动驾驶、电动汽车及共享出行的发展，软件、计算能力和先进传感器正逐渐取代发动机的传统统治地位。与此同时，这些电子系统的复杂性也在提高。以当今汽车包含的软件代码行数 （SLOC）为例，2010年，主流车型的 SLOC约为1000万行；到2016年达到1.5亿行左右。复杂性正如滚雪球般越来越高，不可避免地导致了与软件相关的若干严重质量问题：这在近期若干起大规模车辆召回事件中屡有耳闻。

解决迫在眉睫的行业隐忧

当前，软件在D级车（或大型乘用车）的整车价值中占10%左右，预计将以每年11%的速度增长，到2030年将占整车价值的30%。数字化汽车价值链上的所有企业均在尝试从软件和电子技术带来的创新中获利（见图1）。软件公司和其他数字技术企业正从目前的二、三级供应商逐步成为整车企业的一级供应商。他们超越了功能和应用程序（APP）的范围，进一步涉足操作系统，加深在汽车“技术栈”中的参与度。同时，传统的汽车电子系统一级供应商正在大胆进入IT巨头所在的功能与应用程序领域。豪华品牌车企则正进入操作系统、硬件简化、信号处理等更底层的技术领域，以期从根本上确保其技术优势和独特性。

这些战略举措的结果之一是车辆架构将变为以通用运算平台为基础的，面向服务的架构（SOA）。开发者将得以添加新的智能互联解决方案、APP、人工智能元素、高级分析工具和操作系统等。差异化（或独 特性）将不再仅仅停留于传统的车辆硬件方面，而更多地通过由软件和先进电子技术赋能的用户交互界面和体验层面来体现。

未来的汽车将成为搭载全新差异化元素的平台（见图2）。这些差异化元素可能包括最新的车载娱乐系统、自动驾驶和智能安全等以“高容错 性”为根本的功能。软件将通过智能传感器与硬件整合，进一步深入数 字堆栈。堆栈之间将完成水平整合，并添加新层，从而将整体结构转 化为SOA。

最终，全新的软件和电子架构将催生多个改变游戏规则的趋势，提升复杂性和相互依赖程度。例如，新的智能传感器和应用将驱动车辆数据“爆发式增长”；相关产业链上下游企业若想维持竞争力，就必须高效处理和分析这些数据。模块化的SOA和OTA更新对大型复杂软件的维护至关重要，并催生可满足车主最新需求的商业模式。由于第三方APP 开发者将越来越多，车载娱乐系统将越来越应用程序化，甚至高级驾驶辅助系统（ADAS）也会在一定程度上APP化。对数据安全的关注将逐渐从纯粹的权限控制策略转变为综合性安全概念，以达到预测、避免、检测和防御网络攻击的目的。

汽车电子电气架构未来走向的十大假设

通向未来技术和商业模式之路远未明晰。我们就此提出了十大假设。

趋势1：电控单元（ ECU）的整合程度将提升

汽车行业将转为整合的ECU架构，这在高级辅助驾驶系统（ ADAS）和 高度自动驾驶（HAD）功能上尤为必要，而其他车辆功能则仍可能保持较高程度的去中心化。

随着自动驾驶的发展，软件功能虚拟化和硬件简化的重要意义将进一步提升，而这可能以几种形式成为现实。一是将硬件整合到针对不同时延性和可靠性要求的堆栈中；二是一个冗余的“超级计算机”将取代ECU的地位；三是彻底放弃控制单元的概念，转而采用智能节点计算网络。

趋势2：特定硬件使用堆栈数量将受到限制

下列四个堆栈会成为今后五到十年内新一代汽车的基础：

- 时间驱动栈。控制器直接与传感器或执行器相连，而系统则需要支持严格的实时要求和低延迟时间；资源调度将基于时间。该堆栈包括达到最高汽车安全完整性等级的系统，例如经典的汽车开放系统架构（ AUTOSAR）。

- 事件-时间驱动堆栈。这一混合堆栈能将诸多高性能安全应用结合在一起，例如 ADAS及HAD。操作系统将应用程序和外设分隔；应用程序则根据时间进行调用。在应用程序内部，资源调度可以根据时间或优先等级决定。运行环境将确保关键的安全应用与车内其他应用程序分隔并独立运行。目前这一概念的示例是自适应 AUTOSAR。

- 事件驱动堆栈。该堆栈以对安全等级要求较低的资讯娱乐系统为中心。这些应用程序与外设清晰地分隔开来，资源调度将遵循最优化原则或基于事件。该堆栈包含允许用户与车辆交互的常用可视功能，如安卓、车规级Linux、GENIVI和QNX。

- 云堆栈。该堆栈协调车辆外界对车辆数据及功能的访问，并负责通信、安全、以及应用程序认证。该堆栈还须建立一个预定义的车辆界面，包括远程诊断。

趋势3：扩展的中间层将使应用程序从硬件中抽象化

随着车辆逐渐演变成移动运算平台，中间件（middleware）将实现车辆重新配置，以及相关软件的安装和升级。当前ECU内部的中间件只是负责跨ECU间的通信。新一代车辆则与此不同，中间件将是域控制器与功能访问之间的连接。中间层在ECU硬件之上运作，并推动抽象化和虚拟化、SOA以及分布式运算。

趋势4：车载传感器数量将飞速增加

在今后两到三代汽车产品上，整车企业将安装多个具备相似功能的传感器，来确保车辆具有充足的安全冗余。长期看来，行业将开发更完善的传感器解决方案来减少传感器数量和成本（见图3）。

长远来看，对于车辆传感器数量，可能会出现不同的发展情景——增加、稳定不变或是下降。哪个情景最终会发生将取决于监管政策、技术成熟度以及在不同用途下使用多个传感器的能力。举例来说，监管部门可能要求更加密切地监控司机身体状况，从而增加传感器的应用。然而，一味增加，或者数量维持不变，都不利于成本控制。所以减少传感器数量的动力将会较为充足。未来的高级算法与机器学习可增强传感器性能和可靠程度，再辅之更加强大的传感器技术，传感器冗余将有望减少。

趋势5：传感器将更加智能

集成化的智能传感器将被用来管理HAD所需的大量数据。传感器融合和3D定位等高级功能将在中心化运算平台上进行；预处理、筛选和快速反应则很可能直接在传感器内完成。据估算，一辆自动驾驶汽车每小时产生的数据量将达4TB，因此，传感器将需要完成部分传统由ECU完成的工作。为确保正确运转，新一代传感器清洁系统，例如除冰除尘等，将尤为必要。

趋势6：全电力和数据网络冗余将变得至关重要

对可靠性要求较高的安全类关键应用，将利用整个冗余圈来完成所有对安全行驶至关重要的工作，如数据传输和电力供应等。电动汽车、中央计算机和高耗能分散式计算网络都会需要具备冗余性的新型能源管理网络。线控转向和其他HAD功能所需的高容错性同样需要冗余系统设计。这一切尚难以在目前的故障保护监控应用架构上完成，仍有待进一步突破。

趋势7：“汽车以太网”势不可当将成为整车支柱

数据量的提升、HAD的冗余要求、互联环境下的安全保障，以及跨行业标准协议的需求很有可能催生汽车以太网，并使其成为冗余中央数据总线的关键助推因素。以太网解决方案可以实现跨域通信，并通过添加以太网扩展，例如音-视频桥接（AVB）和时间敏感网络（ TSN）等，来满足实时性要求。

本地互联网络、控制器区域网络等传统网络将继续在车辆上运用，但仅用于封闭式的低级网络，如传感器和执行器等。FlexRay和MOST等技术有可能被汽车以太网及其扩展（如 AVB、TSN等）取代。

趋势8：整车企业会严控与功能安全及HAD相关的数据互连，但将为第三方访问数据开放接口

发送与接收安全关键数据的中央互联网关将始终直接且仅连接到整车企业的后台，第三方会被允许进行数据访问（被监管法规排除的场景除外）。然而，在车辆APP化的推动下，资讯娱乐系统的新兴开放接口将允许内容和应用程序供应商加载内容，而整车企业将尽可能严格地保持各自的标准。

目前的车载诊断端口将被互联通讯方案取代。通过接入整车物理端口来读取车辆数据不再必要，登陆车企后台即可。车企将在其后台开放若干数据接口，以满足若干特定场景的需求，如失窃车辆轨迹追踪或针对性保险等。

趋势9：汽车将在云端结合车内及车外信息

虽然非车企以外的企业参与程度仍取决于监管法规，非敏感数据（即非 隐私或安全相关数据）仍然有望更多地在云端进行处理。随着数据量的增长，大数据分析将被越来越多地应用于数据处理，并将基于数据处理结果制定相应的行动方案。基于数据的自动驾驶的应用及其他各项数字化创新将依赖于不同企业之间的数据共享。当然现在仍然不清楚不 同企业间的数据共享将如何实现、由谁实现，但主要的传统供应商和技术企业已经开始建立有能力处理此种海量数据的集成化平台。

趋势10：汽车将应用双向通信的可更新部件

通过车载测试系统，汽车可以实现自动检查功能和集成更新，从而推动生命周期管理，以及增强或解锁产品的售后功能。所有ECU都会与 传感器和执行器交换数据，并检索数据包来支持创新性用例，如基于车辆参数的路线计算。

OTA更新是HAD的前提条件，它还将有助于开发新功能、确保网络安全，并使车企得以更快部署功能与软件。事实上，正是OTA推动了本文提及的多项整车架构上的重大变革。

为实现类似智能手机那样的升级性，汽车行业须克服限制性的经销合同、监管要求和安全与隐私问题等诸多挑战。整车企业将与该领域的技术供应商密切合作，在 OTA平台上实现车队标准化。

车辆将在全寿命周期内获取功能性及安全性升级。监管部门可能强制要求软件维护，来确保车辆设计的安全完整性。更新和维护软件的责任将在车辆维护与运行领域催生新业务模式。

评估汽车软件和电子架构的未来影响

软件和电子架构在未来面临的颠覆性趋势不可小觑。诸多战略性举措可能就此催生：车企可以组建行业联盟来实现车辆架构标准化，IT巨头可以引入车载云平台，出行方案供应商可以开发开源车辆堆栈和软件功能，车企则会开发更加先进的互联车辆和自动驾驶车辆。

对于传统整车企业而言，从以硬件为中心转为以软件为导向、以服务为主导的挑战更为艰巨。我们在此提出五条战略性建议：

将车辆与车辆功能的开发周期分离。整车厂和一级供应商须从技术和组织的角度，明确如何在车辆开发周期之外，进行整车功能的开发、供应及部署。考虑到目前的车辆开发周期，整车企业须找到管理软件创新的方式，还应思考如何为现有车辆制定加装和升级方案（例如计算 单元）。

为软件和电子技术开发制定附加值目标。整车企业必须找到自身能建立控制点的差异化功能，因为清晰定义软件和电子技术开发的附加值目标意义重大。同样重要的是，明确哪些领域可能被“同质化”，或者有 哪些课题只能由合作伙伴提供。

为软件贴上清晰的价格标签。软件与硬件的分离意味着整车企业需要重新思考单独购买软件的内部流程和机制。除了传统方法外，还须分析如何将软件开发中的敏捷方法在采购流程中得到充分利用。在这个问题上，供应商（一级、二级和三级）也扮演了关键角色。

围绕新电子架构设计具体的组织结构（包括相关后台）。在改变内部流程来交付和销售高级电子技术和软件之余，企业还应思考如何为与车辆相关的电子技术课题建立相应的组织结构。分层式的新架构需要打破现有的垂直化体系，引入全新的水平化组织单元。另外，企业还须培养内部软件和电子开发团队的专有能力和技能。

将汽车功能商品化并以此为基础设计商业方案。企业必须分析哪些功 能可以为未来架构带来真实收益，从而实现经济收益，由此可以为软 件和电子系统的销售开发新的业务模式，无论其是产品、服务或某种 全新概念。

中国将成为汽车软件及电子产业发展的新高地

中国的整车行业在过去几年取得了有目共睹的巨大发展。国产汽车行业的进展不仅体现在传统能源汽车的研发及制造上，也同时体现在了诸如汽车电动化、共享化、互联网化、无人驾驶化等所谓“新四化”上。国产汽车软件及电子的发展，也会借此东风，不断取得新发展。

在上文述及的十大趋势中，我们看到在一些中国领先汽车企业身上也有所体现。

- 趋势1（ECU整合）：比亚迪近期宣布在最新的e平台上实现仪表、空 调、音响、智能钥匙等控制模块 10合1，使整车控制模块线束大幅减少，降低模块故障率以及提升生产装配效率。

- 趋势7（汽车以太网）：上汽集团最近推出了基于全新电子电气架构的电动车平台——Double E架构，核心亮点之一是采用了支持海量 数据极速传输的以太网技术。

- 趋势8（整车厂商开放数据接口）：比亚迪于近期上线了汽车智慧开放平台，并通过该平台将车内信号封装为数百个API。开放的 API内容涵盖车身、行驶数据、车速、全景、空调、雷达、充电设备等18类 数据。

- 趋势9（云端数据处理）：阿里巴巴推出的 AliOS智联网汽车解决方 案，其一大亮点是充分发挥了阿里云在云计算、大数据和人工智能 的优势，借助阿里巴巴的生态能力，赋能合作伙伴更好探索“数据x 智能”驱动的新型业务模式。

- 趋势10（OTA）：上汽与阿里巴巴合作的斑马智行在2017年底/2018年初完成对近40万台荣威/MG品牌乘用车的OTA升级，受到了业内极大关注，堪称是智能汽车在华发展的标志性事件之一。

汽车软件和电子系统的新时代已经开启。此前业内奉为圭臬的业务模式、客户需求和竞争格局都将发生剧变。我们对即将产生的产值和利润持乐观态度。但若想从变革中获益，汽车行业的所有参与者均应根据全新的环境，重新思考和谨慎定位（或再定位）自身的价值主张。

以用户体验为中心，制定汽车智能网联战略

对于汽车制造商和汽车行业价值链企业而言，智能网联日渐成为差异化与价值创造的重要源泉。尽管行业普遍认同智能网联的重要性，相关企业高管仍受困于一些核心问题：

- 应该为用户提供哪些智能网联解决方案，哪些方案应该优先推出？

- 公司是否具备必要的技术、基础设施、能力和资源，确保解决方案可行？

- 推出的解决方案如何实现差异化，让用户眼前一亮？

- 市场对智能网联创造收入和利润有较高期待，尤其是数据变现方面，但可行性有多高，利润规模有多大，何时能够落地？

基于3年多各类行业圆桌会议、汽车用户和行业高管访谈、客户项目经 验积累，麦肯锡构建了以用户体验为中心的汽车智能网联系统性分析 框架，有望解决上述核心问题（见图 1）。

技术栈

支持汽车智能网联的技术基础（技术栈）远未确定，价值链利益相关方和生态体系合作伙伴仍在持续探索行业技术发展方向。但是，智能网联技术栈的总体架构已开始成形（见图 2）。

术栈总体架构看似清晰，但汽车行业高管针对其核心组成部分及各子模块进行“自制/外购/合作开发”决策时，仍面临较大挑战。对于公司提供优质智能网联解决方案的能力，以及开发创新业务的潜力，这些决策会产生深远影响。

以操作系统为例来说明这种决策的难度。整车厂可选择从零开始开发自有的操作系统，或在开放系统基础上进行不同程度的定制。拥有“封闭系统”的整车厂可以更好地控制用户体验水平及一贯性，但这个选择可能导致第三方应用开发机构参与不足，使得智能网联解决方案不够丰富。这些战略决策没有“正确答案”，高管需要考虑企业自身实际情况，包括但不限于公司规模和市场影响力、目标用户和竞争策略、生态体系资源可用性、对合作方的控制和影响能力等。

用例

目前市面上常见的汽车智能网联用例大多仍属于“传统”解决方案，如导航、广播/音乐等，这也是部分业内人士质疑智能网联潜力的重要理由。要根本改变这一现象，需要具备两大条件：1，推出创新的汽车智能网联用例，并向更多受众推广；2，用例须提供足够高的用户体验水平和满意度，创造真实价值（麦肯锡汽车智能网联用户体验水平定义见图4）。

要想识别、打造并成功推出真正有创新性的智能网联用例，企业需要具备足够的数据、分析工具（包括机器学习和人工智能等）和生态体 系合作方协同作为基础：

- 数字化和数据可用性。车载或集成在出行基础设施中的传感器日益增多，这意味着几乎所有的车辆使用情况、车辆运行及故障情况、行驶路线信息等均可被数字化和收集。数据透明度还可进一步提升，但目前核心挑战已转移到如何对持续增多的数据进行整理、理解和利用。

- 数据分析和洞见。部分用例仅使用惟一或少数数据集，但仍需要一定时间来建立模型/算法并验证其效能。以UBI车险为例，其基础逻辑非常直观，但需要通过大量的模型测试和调整来找到“最佳平衡”，因此该产品也只能逐步被市场接受，而不能一夜之间取代传统保险产品的市场地位。其他用例则需要整合不同来源的多个数据集，复杂性呈指数级上升。例如，基于出行分析在车内推送定制内容/服务，尤其是涉及第三方提供商、牵涉多个模型/算法时，不仅每个模型/算法需要被证明有效，不同模型之间还要实现“通话和同 步”。

- 利益相关方协同。智能网联用例的交付需要完美执行，存在多个利益相关方的情况下尤具挑战性。即便初衷良好，如果IT基础设施出现缺口（如数据未能实时同步）或运营脱节，用例的实际交付也会变成“噩梦”。

尽管存在多重挑战，我们仍观察到不少创新用例进入市场，以及现有用例渗透率/普及率不断提升（见图3）。值得注意的一个现象是，进入市 场的企业呈现出多元化趋势。

另一个有趣的趋势是，不同背景的企业开始“抱团”，探索新的智能网联用例机会。对汽车行业高管而言，如果尚未涉足智能网联，现在是时候思考如何为顾客提供新体验和更佳解决方案了，无论是独家推出还是与各类企业进行合作。

用户体验

如上所述，有效定义不同汽车智能网联用例的用户体验水平十分重要。如果缺乏统一标准，企业很难评估目前解决方案水平、明确未来提升方向及分析提升潜力。为此，麦肯锡提出一个评估框架，称为Connected Car Customer Experience Framework（智能网联车辆用户 体验框架），简称 C3X（见图4）。C3X框架把网联汽车从初级到高级分为5个等级即L1~L5，其中前 2个等级的汽车网联系统侧重于被动响应 驾驶者或其他车内乘员指令；到L4及L5阶段，由于人工智能的介入，车辆本身可以主动预测乘员的显性或隐性需求并满足需求。

图5以车内温度控制为例，更形象地说明麦肯锡C3X框架的5个用户体验等级：

从长远看，网联汽车体验差异化的核心在于人工智能。目前国内绝大部分车联网系统都停留在L1阶段；少数系统，如斑马系统，由于与车主的支付宝账户打通，可归类为L2；另外有极少数系统，如雄狮智云，车内传感器能识别乘员身份，可归为 L2.5。根据我们的预测，到2030年，L4及以上的网联汽车全球渗透率有望达到25%~30%。

创造L4及以上用户体验的技术障碍，无疑是相关软硬件及算法的落地。但在技术障碍之外，更主要的挑战是隐私保护，以及数据的获取与打通。

隐私保护方面，用户并不希望自己在车内的谈话被监听及记录下来。中国消费者在这方面的宽容度相对高，但这份宽容不应被滥用。记录这些对话的技术难度及成本较低，潜在利益很诱人。因此，用户隐私保护不仅需要业内企业自律，也需要监管和立法与技术发展同步甚至适度超前。

数据的获取与打通方面，主机厂很难获取各类网联生态服务的一手记录，因此需要与相关企业进行深度合作。但在合作过程中，主次角色如何分配、相关权利与义务边界如何划定、收益如何分配等敏感问题，都需要妥善解决，才能达成1+1>2的效果。

数据变现

随着数据量增长和对数据有效管理和利用能力的大幅提升，整车厂和价值链相关企业不仅可以推出多种创新的汽车智能网联用例，为用户和企业自身带来价值，还可利用这些用例产生的数据挖掘潜在的新利润（价值池）。这个价值池包含超过30种车辆数据赋能的新功能和服务用例，预计2030年在全球范围将有4500亿~7500亿美元规模，其背后有三大价值创造模式：

- 创造收入。通过向用户出售产品/服务、定制广告推送和向第三方出售数据获得收入。

- 降低成本。利用车辆数据降低成本，包括提升研发效率、减少修理需求等。

- 提升安全性。利用车辆数据加快安全反应速度，保护车主，避免或减轻人身伤害，防止财物或个人信息被窃，提升安全水平。

与此同时，汽车行业的其他发展趋势，如自动驾驶技术的进步，也可能改变上述数据变现机会的价值潜力：1，部分变现机会的价值进一步提升，如网联停车服务；2，部分变现机会受影响不大，如软件空中升级（OTA）；3，部分变现机会可能彻底消失，如追踪/防盗服务。

对于整车厂和价值链相关企业，汽车智能网联提供了构建竞争优势和开拓利润来源的巨大机会。但要实现这些目标，企业需要针对技术基础和合作伙伴进行审慎权衡和快速决策。归根结底，企业需要提供最佳的用户体验，让用例创造真实价值，才能获得竞争优势和利润池，制胜汽车智能网联。

自动驾驶在中国：发展动能与未来前景

自动驾驶可能令中国汽车行业驶入发展“超车道”。从“机器人出租车 Robotaxi”到自动驾驶卡车，自动驾驶车辆将改变道路驾驶的性质，并 在此过程中引发汽车和出行行业的彻底变革。我们认为，尽管机遇与 不确定性并存，从零部件供应商到出行服务提供商，自动驾驶行业参 与者有望在中国市场获得上万亿美元的收入。

出行生态系统彻底改变

麦肯锡的研究表明，在未来某个时间点，自动驾驶有可能占据中国汽车市场的大部分份额。例如，参与我们调查的业内人士认为，用于出行服务的车辆（如“ Robotaxi”）的自动驾驶采用率将高达62%，其次是高档私家车（51%）和普通私家车（38%）。由于自动驾驶的车辆利用率上升（接近全天候运营）且人工成本较低（无司机），出行服务将获益。出于同样的原因，城市公交车和商用车的自动驾驶采用率将分别达到69%和67%。

自动驾驶车辆可能导致出行市场的很大一部分价值从产品（购买车辆）转向服务（按里程支付交通费用）。这种“出行即服务”（“Mobility as a service”，MaaS）转型意味着未来的汽车销量、商业模式、企业能力都将发生巨大变化。我们认为，高级自动驾驶车辆（SAE定义L4及以 上）10年内将在中国得到大规模部署。

随着软件和数据成为制造和操控汽车的基本差异化因素，上述变化将改写整个出行领域的游戏规则。因此，出行领域将成为汽车、交通、软件、硬件和数据服务等行业融合的基础。

当前，车企专注于销售新车，交通运输公司专注于提供服务，技术公司专注于向车企提供硬件和软件。未来，新的商业模式可能会兴起。技术公司可能向车企购买车辆，从而直接向消费者提供服务。或者，车企可能进军出行服务和软件开发（正如领先的参与者已经在做的那 样）。这些领域的参与者必须调和他们在产品生命周期（汽车为三到四年，软件为几周到几个月）和商业模式（包括产品或服务）方面的差异，以便进行竞争和有效合作。

许多公司显然已经围绕自动驾驶车辆积极制定战略，既有百度和 Waymo等技术公司，也有上汽集团、通用汽车等车企，更有滴滴、Uber这样的出行服务公司。不过，由于该行业充满活力且在迅速发展，参与者需要不断更新战略。

中国市场的发展前景

中国有成为全球最大自动驾驶车辆市场的潜力。根据我们的预测，到2040年自动驾驶车辆将占到乘客总里程的66%（见图1），自动驾驶出行服务收入将达1.1万亿美元，自动驾驶汽车销售收入将达 9000亿美 元。从比例看，自动驾驶车辆将占新车销量的40%以上，占车辆装配总数的12%。

自动驾驶可以解决重大基础设施问题

2009年，中国超过美国跃居全球最大及最重要的汽车市场，2018年的轻型车销量接近3000万辆，比美国多出近70%。这种爆炸式增长给中国的汽车相关基础设施带来过重负担，导致交通拥堵和污染加剧。

北京人每天平均通勤时间为1.3小时，是美国人的三倍多。自动驾驶将为此类基础设施挑战提供了可选的解决方案。在共享出行领域，自动驾驶车辆可以减少车流量。让用户无须自己驾车，可以在途中工作或休息。如果自动驾驶汽车由电力或氢能源驱动，还可以减少当地的尾气排放。

复杂环境可能限制自动驾驶的初期应用

短期来看，由于中国的交通环境十分复杂，自动驾驶必须适应各种路况和鲁莽的驾驶行为，而这可能会推迟其应用。不过，对全球交通问题的评估显示，中国的交通问题只是程度问题，而不是性质问题。从纽约市中心到罗马，西方城市同样人口密度大、交通状况错综复杂。

因此，中国自动驾驶技术解决方案与其他国家不会有太大差别。现有计算平台具有足够的“缓冲”能力，来完成分析中国路况所要求的更复杂的计算任务。当前传感器设置能够覆盖不同的驾驶用例，因此应该基本适用于所有地区。

中国交通环境的一大不同之处在于交通信号灯和路标未完全标准化，给识别带来很大难度。同样，司机未能严格遵守道路规则或者“野蛮驾 驶”，也给自动驾驶车辆的编程和训练增加了一个重大不确定性因素。因此，在中国优化自动驾驶决策算法可能需要更多的时间精力和技术成熟与美国相比可能会延后2~3年。我们可能在 2020年看到自动驾驶车辆在受限环境中的首次应用，但大规模应用可能将在2023年之后，因为需要技术来应对城市和郊区驾驶包含的大部分用例（见图2）。

虽然在全球范围自动驾驶的核心算法大致相同，但在中国运营需要新的数据和测试。例如，开发人员需要收集和输入本地交通数据，以解决道路标识复杂而不统一的问题。他们还必须通过道路测试来优化路径规划，令算法能够处理一“具有中国特色”的路况工程。

长期前景光明

长期来看，中国有望成为全球最大的自动驾驶市场。事实上，中国汽车市场已在快速采用“出行即服务”。例如，用于出行服务的车辆目前占中国汽车销售总额的10%左右，而且在过去几年，中国出行服务市场以两位数的速度增长（见图 3）。长期来看，这种趋势应会转化为对自动驾驶出行的强烈需求。

自动驾驶应用进入高速发展期

我们的市场规模估算模型可以用来预测中国的自动驾驶市场。该模型以用例为基础，分析特定类别自动驾驶汽车（如Robotaxi或自动驾驶卡车）在市场上取得成功的条件。我们对自动驾驶生态系统中的40多名行业专家开展了调查，并得到外部顾问委员会的反馈和建议，其中包括车企、一级供应商、技术公司和出行服务提供商的自动驾驶专家和高管。我们了解到的专家观点是，自动驾驶的阻碍因素更可能是技术而非监管。我们选择快速采用和缓慢突破这两种商业化速度进行分析，结果显示，2025-2030年将是自动驾驶采用的拐点，具体时间取决于应用模型和城市层面的经济驱动因素。

图4显示了用于出行服务的纯电动Robotaxi的成本分析。主要的成本因素包括车辆折旧、司机成本、维护、保险和电力（燃料），但不包括出行服务车队的运营或管理费用。出于安全和监管考量，自动驾驶取代人类司机将是一个渐进过程。

2023年后，随着技术成熟，预计整个自动驾驶系统（包括传感器、计算平台和软件）的成本会迅速下降，到2025年降至约8000美元。一旦达到图中的交叉点，其应用将加速。

基于自动驾驶技术的功能稳健性和成本曲线，交叉点即是自动驾驶与人力驾驶的效益平衡点，即自动驾驶的单位成本将与司机驾驶传统汽车的成本大致持平。在此拐点之后，市场对自动驾驶的需求将稳步上升，具体取决于市场的发展方式。在这种情况下，新的市场参与者掌控汽车价值链的可能性也会增大。

行业利润流向服务和软件

与目前相比，自动驾驶的兴起将使中国自动驾驶出行业务的利润池扩大至少600亿美元。汽车销售仍将占到整个价值链利润池的很大一部分，即 500亿~600亿美元。不过，出行服务利润在总利润池（包括车 辆、零部件、出行服务和车队管理）中的占比将上升至25%~30%，并有可能超过汽车销售，特别是如果“出行即服务”市场的竞争不太激烈的话（例如政府与出行公司合作）。另一方面，自动驾驶技术和系统集 成将产生150亿~200亿美元的利润，约占汽车零部件利润池的50%至60%。

利润池的规模将取决于中国市场竞争环境。一种情况是，Robotaxi将由政府与社会资本合作运营。在此情况下，“出行即服务”的利润规模可能为500亿~550亿美元，占 1950亿美元利润池的1/4以上。另一种情况是，如果Robotaxi在竞争激烈的自由市场环境下运营，则“出行即服务” 的利润规模将大幅缩减至150亿至200亿美元。无论是哪种情况，更重要的一点是，自动驾驶可以为行业创造巨大价值，进而对利润池产生重大影响。

中国自动驾驶变革

中国自动驾驶市场将为愿意承担风险的参与者提供巨大的机遇，包括中国本土车企、跨国公司、科技巨头和出行企业等。为把握这些机遇，参与者可以建立与终端用户的差异化服务连接，或者控制自动驾驶技术的关键部分。通过确定哪些技术元素具有长期战略价值，并分析其演变路径，参与者可找到自动驾驶车辆的高价值“灵魂”。

技术架构将为价值链提供良好补充

新兴的自动驾驶生态系统与传统汽车生态系统不同，它聚焦于技术架构（technology stack）——这是一个在高科技和计算机行业中使用的概念（见图5）。

技术架构的核心元素包括传感器、计算平台、软件（包括对象检测和分析及路径规划）、系统集成和验证、地图以及位置服务，它是自动驾驶系统的核心。这使之成为车企、供应商、技术公司和其他公司在自动驾驶技术竞争中的“必争之地”。技术架构的重要元素会随时间推移发生变化，因此业内公司需要密切关注和持续评估技术创新可能造成的颠覆性影响。

每个技术架构层都有不同的关键成功因素。例如，传感器层需要可靠性和安全性，以及强大的批量生产和生产管理能力，以实现必要的规模经济。算法层和软件层需要敏捷开发技能和快速迭代能力，使公司能够通过训练数据来统一改善性能。系统集成和验证需要卓越的可靠性和安全性，以及强大的批量生产能力。

建立具有“中国特色”的技术架构

业内人士的关注重点是，中国市场的技术架构与世界其他地区有多大差异。这一技术架构的最终状态仍然极其不确定，因为它取决于不同参与者的竞争力和监管环境。不过，早期指标表明，全球和本地开发的解决方案都将在技术架构的各个层面涌现。

这主要是由经济效益决定的。硬件组件最有可能从全球解决方案的规模经济中获益。在中国，传感器、照相机、激光雷达和计算平台需要具备与世界其他地区相同的能力，因此大大受益于全球解决方案的规模影响；地图、位置服务和数据云解决方案则可能需要高度本地化。

目前，自动驾驶技术架构的一些元素（如位置服务和数据云）面临监管限制，例如对外资公司的限制。我们的研究表明，只有中国本土公司才能获得大多数位置服务，这令外国公司和合资企业处于不利地位。在数据云方面，情况似乎也如此。目前，仅技术架构的另外5个部分（出 行服务接口、运动规划算法、连接功能、中央处理和图形处理单元、传感器）对外国公司开放。

对汽车、出行和技术行业专家的调查和访谈显示，在自动驾驶技术架构所需的关键能力方面，中国公司较跨国公司至少落后2~3年（见图 6）；在某些方面，如计算平台和自动驾驶系统集成，中国车企则落后超过十年。

中国政府大力支持本土自动驾驶技术的发展，在上海嘉定和雄安新区等地建立多个自动驾驶试点区。这种支持最初是有益的，有助于本土公司发展能力。但随着时间推移，日益增强的本地化趋势可能会限制行业内的竞争，例如限制外来者在本地运营或获取本地技术的能力。

风险投资界和主要互联网公司正在中国大举投资，以缩小本地与国际领先水平的差距。过去5年，自动驾驶汽车和科技公司获得了70亿美元的资金。

大量资本投入和政府积极参与，将合力塑造中国自动驾驶的竞争格局。与此同时，若想取得成功，中国的自动驾驶行业必须与全球生态系统深度融合。

这种融合对于中国各类自动驾驶公司必不可少，因为高级别的自动驾驶技术要求在本质上是相似的，因此可以在不同市场和地区之间转移。此外，由于其全球布局和专业能力，跨国公司通常在自动驾驶技术架构的某些方面具有相当大的优势。与任何一项新技术一样，对尽可能多的自动驾驶技术元素进行标准化，有可能在未来带来巨大回报，对于资源不足的中国本土公司尤其如此。

合作共赢

想要在自动驾驶竞争中取胜，汽车行业传统巨头需要走出“舒适区”，与整个价值链和技术架构各层面的参与者充分合作。科技巨头和其他“搅局者”也必须采用新的战略，确保其技术产品成为自动驾驶标准化解决方案的核心组成部分。此外，参与者可能需要进入价值链的新细分市场，例如车企进入出行行业。因此，本土公司与跨国公司必须在整个价值链上充分合作，才能获得成功。

在自动驾驶技术架构各层面之间（见图 7），以及跨国公司与本土公司之间（见图 8），存在多种联盟模式。

为未来的自动驾驶现实做好准备

在中国市场，有些车企、高科技公司及出行服务提供商似乎以为自动驾驶是一二十年之后的事，但不及时进行战略定位和规划可能使公司损失行业影响力和战略上的“腾挪空间”。

若想赢得这场竞争，公司需要慎重评估其进入战略，并对全球最大的自动驾驶市场高风险与机遇进行权衡。在中国及全球范围内，由于技术的不确定性和缺乏成熟商业模式，自动驾驶和“出行即服务”给投资决策带来巨大挑战。至少在未来5年内，传统驾驶技术仍将占据大部分市场销量，大规模押注传统驾驶技术的公司需要平衡对新旧技术的投资。

我们为正在制定自动驾驶战略的企业提出以下初步建议：

- 明确参与领域。从实现差异化优势出发，明确自动驾驶技术架构的哪些部分对公司最有价值，并且确保公司的商业模式是围绕这个差 异化优势打造的。

- 制定利用技术架构的路线图。明确差异化优势与技术路线图之间的联系，评估公司的能力差距和所需投资，以决定是否内部开发或向外部购买或并购。

- 选择合适的联盟和生态系统战略。几乎没有一个参与者能够提供自动驾驶技术架构中的所有必需技术。同时注意，自动驾驶价值链与传统价值链有所不同。单打独斗不可取，要准备好根据自身需要来建立新的合作伙伴关系或加入联盟。

- 培养组织敏捷性。培养战略和组织敏捷性，动态更新战略战术，预判市场变化，并对竞争对手或合作伙伴的行动做出快速反应。

除这4项建议外，跨国公司还应考虑为中国市场特别制定战略，将其全球模式灵活应用于中国。这意味着发展相关能力以了解、应对、影响和塑造中国市场趋势，并开发相应的技术架构解决方案。如今，跨国公司对中国市场机遇，以及竞争动态和本地化要求的不确定性有着独特的认识。尽管如此，构建“全球+本地”战略和执行引擎绝非易事。

同样，本土企业需要评估其应该拥有或自研自动驾驶技术架构的哪些部分，以及通过与跨国公司的合作来获得哪些部分（以放弃部分收入和控制权为代价）。目前，不少本土车企主要依赖跨国公司提供的技术架构，对核心技术和集成能力的投资有限。这种战略或许适合“快速跟随者”，但若想实现颠覆性创新，或者增加供应链安全，本土企业需要加强对技术架构的控制。

开始行动

汽车可以自动行驶，但在中国推进自动驾驶战略需要企业领导者亲力亲为。除梳理传统的“参与领域”和“参与方式”等问题，领导者还必须对相关风险进行直截了当的评估；无论是打算“领导趋势”还是“后发制 人”。任何类似决定都极具挑战性，但这次押注关乎在中国这个全球最大、最具活力的汽车市场的数万亿美元回报。在这场体量如此巨大的竞争中，参与者光靠运气肯定无法赢得胜利。返回搜狐，查看更多