本文由CIO发展中心根据华夏出行李晓龙在《“数驭研发”新能源及高科技制造行业专题线上研讨会》上的演讲整理

数字新技术的深化应用，可以良性缩短研发周期，因此企业纷纷运用大数据、虚拟仿真、MR&5G、知识图谱、移动互联等先进技术，加码研发效率和创新，打造以数据为驱动、以用户为中心，利用全球资源的数字化研发协同、虚拟验证、全过程数据管理的研发能力。

汽车行业的研发，因为产品的特性而衍生了研发信息化的特殊要求。那么，汽车研发信息化的“前世今生”是怎样的，在未来如何依靠数据驱动研发？这是一个很值得探究的话题。日前，在CIO发展中心汽车数智化联盟举办的《“数驭研发”新能源及高科技制造行业》专题线上研讨会，华夏出行李晓龙发表了《数据驱动 汽车研发数字化的思考和展望》专题讲解。

嘉宾介绍：李晓龙，现任职于华夏出行，历任北汽集团研究总院副院长、北汽集团信息战略与系统运营部部长、北汽蓝谷信息总经理等职。从2000年-2020年，分别历经商用车信息化、乘用车信息化，专注汽车行业信息化领20多年，基本经历了中国汽车行业信息化的全生命周期里程，期间主导实施了上百个项目，领域涉及整车全价值链。

-01-国内汽车研发数字化历程

回顾行业发展史，中国的汽车行业是从八十年代初期，即改革开放后开始发展的。纵观发展历程，在汽车行业的价值链里面，研发体系存在一个大问题：只注重技术开发和工程开发，忽略前端基础研究和全过程的知识管理。到目前为止这个问题依然存在，尤其凸显在追求快速崛起的新势力造车企业，更加“吝啬”于安排时间和成本做基础技术研发。

追溯我国汽车行业历史可以发现，中国汽车行业起步并不算晚，不过与其他国家的研发业务发展相比，走上了完全不同的发展道路。产品创新基本分为复制性模仿和创造性模仿，顾名思义，这是两者之间的差别，在于主观能动性的发挥。源于中国市场早期的巨大需求，导致国内车企历来对市场和销售很重视，而复制性模仿不连续，创造性模仿基本没开展。但是从长远来看，车企要想存活，就需要靠产品创新来驱动致胜，所以自主可控的整车研发是汽车行业发展必不可少的阶段。

关于整车研发数字化历程，可以分为以下阶段：

单点应用阶段：时间在1995年，手工绘图到计算机绘图（CAD）：国内汽车研发数字化历程始于九十年代的“两甩”工程，基本上是基于工具层面的变革，提高了效率和准确性；

集成应用阶段：时间在2000年，研发流程管理（PDM）：2000年后，西门子等国外软件的引入，对研发流程的管理引起广泛重视，项目管理方法也随之应用起来，工具软件逐步与流程管理结合起来，为整车研发全生命周期管理奠定了基础；

精益研发阶段：时间在2010年，工具、流程、知识（PLM/CAE）：2010年，整车企业信息化工作基本第一阶段结束，以ERP为核心的信息化主体框架基本完成，研发管理也逐步与制造、采购、销售在流程和数据等方面打通，PLM系统也开始在各企业实施，BOM系统成为整车数据流主要管理平台（该系统类似车企数据总线）；

数据驱动阶段：时间在2020年，全面协同的研发（SAAS/AI）：随着新能源车的崛起，造车新势力的涌入，整车研发信息化总体规划发生了裂变。云计算技术、大数据技术、AI技术等新技术带动了研发信息化升级换代，对企业外部和内部协同研发提出了更高需求，以数据为核心的，下一代相关整车研发技术应运而生。

-02-数据驱动汽车研发新时代

谈及研发业务的数字化转型，首先，现有的IT架构一定要转变。

汽车行业经过20年的发展，虽然IT架构从CS到BS、甚至提出云原生的概念，但是汽车行业的整体架构还是相对传统的，依旧是垂直式部署居多、烟囱林立，导致整个系统要想转变思维、重新搭建，十分困难。

要支撑未来市场需求变化、消费者更加注重产品体验的变化，从我个人的工作经验出发，设想研发数字化转型蓝图，应该分为以下5个层次：

第一层次：数字化信息化所面向的对象。主要包含客户、员工和合作伙伴，目前这三个对象是最重要的，企业需要关注他们的需求。另外，车企一定是基于云原生的生态架构，或者必须是一个横向展开，而不是垂直展开的架构。个人认为，我国汽车工业的发展，需要集中行业内的优势力量来一起研发共性关键技术。从本质上而言，我国的技术创新落后于欧美国家，甚至落后于日韩，所以我们应该在共性关键技术上做总投入，而不是在各个车企形成各自的壁垒，这也是国家层面体应该重视的趋势，所以构建包含在线体验、开发者社区、众筹众包、在线商城等的生态环境是十分必要的。

第二个层次：面向客户的主业务流程设计，创新和产品开发平台。需要思考客户究竟需要怎样的产品，质量是第一要素，因此创新和产品开发平台尤为重要。

第三个层次：设计工具、设计流程、知识管理。在研发设计IT架构的过程中，最重要的6个字就是：工具、流程、知识。国内车企之前第二代、第三代的架构设计，主要还是围绕流程，但是几乎忽略了最重要的基础技术研发和全过程的知识管理。而设计工具是必须要利用和集成到平台中，因为汽车行业的研发体系十分复杂且人数众多，是一个需要面对面、又不可能每件事情都面对面的过程。但是关于设计工具，车企是否能真正用起来，在这里还是持保留态度。

第四个层次：数据层次。以前的规划中，只是把工具、流程、知识等几大系统相互打通，这并不是真正的数据驱动。因为搭建的架构还是基于传统架构思维，这依旧会形成烟囱式的架构，所以数据驱动是十分重要的。

第五个层次：IT平台。基础服务都基于IT平台，重点在于研发数据价值运营方法：首先是数据治理，大部分企业一直都在做，也是基础。其次是进行汇聚连接，不仅仅是数据驱动研发，更是数据驱动全价值链，要进行跨领域汇聚，在形成企业自己的数据底座之后，在前面所述的第三个层次上面就能将数据沉淀下来，未来提供强劲的驱动力，最终的数据价值体现在更深层次的数据应用上。

回头来看，企业数据底座的设计是IT架构设计的重中之重，这部分的承接点就是数据中台，所以中台战略应该成为车企的长期发展战略之一。车企在未来架构上对中台的理解力一定要到位，只有改变了架构，才能做出云原生生态和各路横向纵向闭环。

-03-研发数字化面临的主要问题及挑战

1、主要问题：

（1）数字化转型组织与当前工作不匹配。组织设立和成员角色不满足转型工作需要，数据治理工作没有常设机构负责，缺少数据Owner，没有企业级数据综合治理体系。个人认为这是我们目前最大的问题。数据工作是一项需要长期去做的工作，并且企业需要常设数据Owner来管理好数据，否则无法去做数据驱动。

（2）IT架构设计过时。没有统一标准和统一设计，数据源头繁杂，数据语义定义缺失、数据全域管理体系没有形成。中国汽车工业发展到了一个转折点，IT技术人员都需要主动去面对架构设计的挑战，必须做云原生态，必须做中台，这些都是不容逃避的，如果不做势必是要被淘汰的。

（3）数据管理人才不足。熟悉数据处理技术、建模型能力、洞悉业务场景人才基本处于短缺状态，过分依赖供应商能力，无法形成自有数据开发能力。 2、面临的挑战：

（1）数据中台构建的方法路径与企业发展的匹配性间差距：首先考虑到中台的成本，企业目前的发展阶段是否匹配中台设计，中台更多的是起到连接和赋能的作用，并不是要完全作废之前搭建的系统。

（2）元数据治理和数据资产目录建立与企业未来产品定义间差距：如果未来国家可以推动共性关键技术，那么企业之间是可以产生数据交易的，并且能提升各自的能力，但具体怎么做也是需要全行业去思考的问题。

（3）数据质量综合管理能力与数据安全合规可控力：这两个能力是相互统一的，如果这两点做不好的话，前期所有的技术实施都是形同虚设。 

-04-研发数字化未来展望

1、数据资产交易：目前，汽车行业的研发领域过于封闭，但是在未来达到某种发展程度时，相信研发数据和关键技术是可以交易的，外资车企在研发领域占有很大的优势，如果不推动共性关键技术，我们在一定时间内很难和这些外资企业进行比拼。

2、数字孪生：充分利用物理模型、传感器更新和运行历史等数据，集成多学科的仿真过程，虚拟空间映射研发的全生命周期过程，这是近几年国家一直在强调和关注的。

3、数据感知：基于企业数据量和数据判断，如利用爬虫技术对各大论坛数据进行摘取然后做分析，对设计进行指导，这也是知识管理的一部分，只不过是外部用户信息和知识来管理内部的需求和设计。

4、数据主权：是国家层面对数据进行管理和利用的独立自主性，某著名网约车平台的数据外泄事件所造成的影响令人印象深刻，值得所有行业内的企业反思。

5、数据道德：这是掌握数据所有人和操作者所必须具备的基本素质，也是维护市场秩序的要求。

6、机器认知世界：车企最终在很多方面都是自动化的流程，软件定义汽车也会成为可能。

篇幅有限，以上是在工作中的一些感想感悟，期望和行业同仁展开更多的交流互动，感谢。