2024泰达论坛谢铭诗：数字化技术激活新质生产力

由中国汽车技术研究中心有限公司、中国汽车工程学会、中国汽车工业协会、中国汽车报社共同主办，天津经济技术开发区管理委员会特别支持，日本汽车工业协会、德国汽车工业协会、中国汽车动力电池产业创新联盟、新能源汽车国家大数据联盟联合协办的第二十届中国汽车产业发展国际论坛(以下简称“泰达汽车论坛”)于2024年8月29日至9月1日在天津滨海新区举办。本届论坛以“风雨同舟二十载 携手并肩向未来”为年度主题，邀请重磅嘉宾展开深入研讨。

在8月30日“生态专场二:加速云计算与数字技术应用，推动新质型产业发展”中，上海汽车集团股份有限公司商用车技术中心副主任谢铭诗发表了题为“数字化技术激活新质生产力”的演讲。

上海汽车集团股份有限公司商用车技术中心副主任谢铭诗

以下为演讲实录:

尊敬的王教授，各位领导、各位嘉宾们，大家早上好！我是来自上汽集团商用车板块旗下上汽大通的谢铭诗。今天我来分享一下数字化技术、云计算等这些最领先的一些技术在车企有哪些实践和挑战。

谈到新质生产力，我们来回顾一下，为什么这几年尤其是去年以来中央各类经济工作会议都在提新质生产力转型发展的要求，尤其是去年年底的中央经济工作会议，更是把加快发展新质生产力作为了2024年政府工作十大任务之首。会议强调了要以科技创新来推动产业创新，特别是以颠覆性技术和前沿技术催生新产业、新模式、新动能，发展新质生产力。

为了做好云计算、数字化技术在车企应用开发的工作，我们应该去分析一下新质生产力有什么特点，它提倡的是什么，有助于各行各业有的放矢，做好落地和实施路径的规划。

对于车企来讲，我们理解新质生产力有两大主要的特点:一是新质生产力以创新起主导作用，二是“三高”特征，高科技、高效能、高质量。为了做好新质生产力在车企的落地，我们也要抓住新质生产力所体现出来的三大要素:技术的革命性突破、生产要素的重新配置、产业深度转型升级。可能这个比较空洞、难以理解，那我就拿现在汽车行业正在经历的智能电动、软件定义汽车这两大最主要的趋势来讲，什么叫做技术的革命性突破。

比如新能源的电池技术，电池能量密度在不断提高，有助于帮助车企实现续航里程的不断提升，科技进步、电池技术的进步，以及整个产业链的共进，帮助实现油电同价。今天能做到油电同价，不代表真正成本上能做到油电同价，但是我相信随着技术进一步的精进，距离这个目的实现不远了。

生产要素的创新配置，研发队伍结构正在发生巨大的变化，我们没有抛弃传统的结构，机械、底盘、车身，还是需要的，但是我们确实是在加大软件类人才，包括大数据方面应用人才的结构化转变。所以，应该说任何一家车企的研发团队占50%的人员是在软件定义汽车领域、智能网联领域工作，以前没有这么高的比例，可能只有10%至20%。

回顾新质生产力，我也想谈谈新质生产力在汽车行业的体现，主要是分享两个个人的感受和观点。一是，它改变了我们做事情的方式和方法，通过新的生产方式、技术和管理手段来贯穿传统链路。从研发、生产制造、营销、售后服务，这条链路没变，但是做完这条链路的方式、方法、手段发生了巨大的变化，给我们带来了红利。二是，新质生产力的倡领下，促进了汽车行业更持续的发展。这是我个人对于新质生产力在汽车行业的两大个人感受。

我来自于车企，我想结合我所在的企业谈谈具体的实践和案例。上汽大通是上汽集团下属的商用车板块的一家整车厂，我们的产品主要涵盖轻客、皮卡、纯电物流、MPV等产品系列，目前已经触达到全世界73个国家和地区，所以我们的出口量已经占到我们公司的50%以上。所以，中国海外并举这条战略是上汽大通这几年一直坚持的一条战略路线之一。

接下来分享一下我们在数字化技术应用在上汽大通企业级的实践和案例。我刚才说改变了我们做事情的方法、手段，在什么领域改变了呢？我想这条链路没有变，还是从研发设计到生产制造以及到营销服务。接下来我会在这三个链路上分别举两个左右案例，给大家分享一下我们的实践。

首当其冲是研发设计。第一个案例给大家带来的是数字化技术正在改变我们智能网联的全面升级，正在提升用户和产品全新的体验。首先举画中画例子，1990年至2000年左右，我们买的大索尼彩电、夏普彩电，电视机里面有画中画功能，它是为了帮助观看这个主频道，但是又不要忘记那个频道播到哪了。现在画中画应用到智能网联领域、智能座舱领域，用来观察二排儿童的状况、睡觉的状况，因为车辆行驶中驾驶员回头观察不安全，我们可以把这路视频接到前舱的大屏内。第二个案例，儿童和老人在二排的时候不会操作这些东西，在前排可以调出画中画帮助他实现这些调整。像这样的软件技术、数字化技术正在帮助智能网联在这些细分体验和场景上改变产品设计，这只是一个小小的缩影和案例。

第二，企业内利用数字化技术打造了工程师研发数字化平台。左边的这张图是大家在上班以后，在电脑或手机端就能看到的一个任务栏，这里面很多语言都是我们汽车工程师的语言，我相信中国车企的工程师都能读得懂。现在多产品并行开发节奏非常的快速，工程师有的时候非常难以记得每一项细分的任务，我们怎么把这些任务做到提醒化、消息化，这是我们的首要任务。第二，通过这个系统我们也可以实时监控到每位工程师手上任务的拖期和完成度，以及整个项目的完成度。这在项目研发中，实实在在给我们提供了非常大的好处。一是项目管理的信息透明化，二是给管理层提供了重要的决策，因为在研发中心，效率高不高是非常难回答的，现在我们利用数字化平台就可以凭借数据依据回答这个问题。

第三是生产制造。商用车有它的特殊性，车身、车长、轴距、轮距非常不一样，不像专做乘用车的车企，生产设备可以做到一种规格基本上涵盖所有的产品。但是，商用车可长、可大、可高、可低，所以没那么容易能够一种生产链满足所有的产品。所以，经常就会出现，客户要的车、配置我们没有，用户要的配件往往也支持不到位，让维修变得异常困难。所以，引入了开源式模型，模型是基于决策数的理念，结合自身业务特点，把两端的需求做进去，利用模型预测准确率确实得到了一些提升。再来看生产制造。排程、排产本身好像很枯燥，因为商用车的车长、车宽极具变化性。利用算法排产的顺畅性得到了提升，虽然没有完美地解决问题，但是得到了提升。

最后，来看营销。现在营销车企面临的最大挑战不是会不会卖车，或者说会不会说车，因为触达用户的手段和角度不一样了。以前买车都是去4S店看看车，试试车。现在看车、试车还是需要的，谁都不会把这么一个大宗商品不看、不试就下购买决定了。但是了解这台车的信息渠道基本上基于网上，所以我们要用短视频触达用户，所以，我们现在营销端最大的一个问题是高效地产生短视频，推到前线去。第二个是智能维修，所以我想把这两个案例给大家讲一下。

看下数据的对比，我们在原流程下靠人工剪辑创造一段视频要4小时，优化以后一天机器就能够产生500条高效的视频。我在每一环节上都给大家列出了一些优化前、优化后带来的一些改善。不像中国十大模型把它集成到我们的AI中台来调用，但是我们解决的是一个问题，就是视频的创作问题，我们不求解决所有的问题，我们也没那么大的计算资源去承载更高难度的事情，我们就用心做好这一件事情。

看一下实际的情况，什么意思呢？最左边的原始视频是厂家的营销人员提供的，他们提供了五个1分钟左右的视频，加起来就是5分钟，讲的全是车，车的特点、内外饰、造型、语言、动力等等。AI会帮我们获取当前社会最流行、时髦的话题热点，我们要让AIGC的混剪能力产生什么效果？我们要把左边这五个视频所提供的150个分镜头和我们在网上帮我们自动搜寻到的热点自动结合，裂变出150个视频。当然还要经过一定人工的检查，有时候拼出来也是有点儿啼笑皆非的，或者是并非非常好的。所以，我们就通过这个方式，大大提升了去赋能营销一线同志们，他们只要在手机上送就行，他们不要亲自说，但是他们要为这个视频代言。这是实际的视频产出，把景、车有效地融合在一起，这不是人工做出来的，是通过混剪AI技术实现的。

最后一个案例是营销的智能维修。以往都是靠人的经验、维修手册，但是现在要招聘到稳定的优秀的维修技术经理、维修技师非常难，这方面的人才匮乏，抢得厉害。利用AI的技术，我们把自己的维修案例、红宝书上的东西、互联网上非结构化的数据收集起来，变成一个自动的问答对话。说起来并不高大上，但是它实实在在给前线的维修人员提供更高速的解答。比如，在小助手上，维修人员发起D90发动机异响问题，就会自动推送库里面已经积累关于发动机异响所有经典案例，包括行业经验，帮助维修。目前这个手段已经覆盖到全国几乎500家门店。

毫无疑问数字化技术、云计算正在改变做事情的方法，在车企效果是非常明显的，改善的结果也是非常显著的，不但帮助创新的加速，也帮助提升智能制造的自动化率，而且也提升局部的产品智能化，这是毫无疑问的。但是也不避讳，还是面临一些困难和挑战的。

一、利用这些技术的研究是有投入的，但是跟它的投入产出之间有时候短时间之内是比较难平衡的，所以就看企业的长期主义坚不坚定。

二、数字化的数据量是越来越大的，但是数据的安全和隐私如何规避和保护。

三、数字化转型的成本还是比较高的，需要有足够的定力、决心和耐心。

四、数字化转型不畅，有时候最大的天敌是组织的不适应，为什么这么说呢？改变了组织边界，业务边界变了。我们有时候发现技术可以取代人了，所以不需要那么多剪辑视频的人员，也不需要外包那么多剪辑视频的人员，只有几个管理者审查一下这个事情就行了，所以取消了相关组织，也打破了组织边界，如果企业在这方面不敢于变革的话，将无形中阻碍了数字化技术对企业的赋能。

这就是我今天的分享，谢谢各位领导、嘉宾的批评指正，也欢迎大家会后的交流，谢谢！

声明：本网转发此文章，旨在为读者提供更多信息资讯，所涉内容不构成投资、消费建议。文章事实如有疑问，请与有关方核实，文章观点非本网观点，仅供读者参考。