2023年11月3日，2023中国汽车软件大会在上海嘉定举办。本届大会以“聚软件之力，创数智未来”为主题，由中国汽车工业协会主办，中国汽车工业协会下属单位中德智能网联汽车推广应用中心、上海智能汽车软件园共同承办，中国汽车工业协会软件分会、智能网联汽车分会和中国汽车工程学会汽车基础软件分会协办。紧扣新时代汽车产业高质量发展和汽车软件发展要求，本次会议设置了“1场大会论坛+4个主题论坛”，旨在打造汽车软件领域开放、高端、权威的交流与沟通平台。其中，在下午举办的“智能重塑生态，软件赋能转型”主题论坛上，德勤中国管理咨询总监周全发表精彩演讲。以下内容为现场演讲实录：

　　我今天的演讲题目是《生态新价值展望》，华为有一个视频广告做得非常震撼，其中厂家要自己做是很难短时间形成的，核心还是要通过生态。中国自主品牌发展非常非常快，慕尼黑车展上中国汽车品牌占有率达到41%，从德勤的角度来看，未来中国汽车软件的价值渗透率也会非常非常高，中国智能车的软件推广已经达到了300多亿，消费者为什么要买中国品牌，最核心的是围绕更好的智驾体验。
　　德勤在分析整车厂向软件为主导的研发道路上转变时总结了8个挑战。
　　1、传统的分布式架构开发周期非常冗长，要进行快速迭代是非常慢的，同时信息孤岛式的研发，无法适应高速发展的市场需求。
　　2、价值链上有非常多的供应商，在做整车项目时会发现不同的供应商之间的定义不到位，信息透明度不够，不能够切得非常清晰。最后会造成开发质量藏有非常大风险。
　　3、商业模式是非常传统的，把产品和硬件配套地卖给经销商就结束了。在原来的车上加了一块屏，以这样的概念做软件的东西，只是硬件的延伸而已。同时很多厂家知道数据非常重要，但是数据怎么变现，这么多年过去了，到现在在数据变现等新商业模式上还是处在早期探索阶段。主要仍关注在数据规范，数据治理，或者是新兴的生成式AI，实际上如何真的带来新的利润池，没有深刻的探讨。
　　4、初期投资非常高，尤其是当要做OTA(DLCM)或者是AI的时候投资额非常庞大，大家都在摸索究竟需要投入多少资金，但这是必须要做的事情，之前市场上说最烧钱的是无人驾驶公司，其实往后很多新技术开发的烧钱程度不亚于无人驾驶公司。
　　5、现在中国汽车产品出海这个话题非常热，中国的车卖到海外比以前海外的车卖到中国来，面临更加复杂的挑战。以前成熟市场的产品到中国市场，是来教育这个市场的; 如今海外市场有非常多的监管要求，数据安全标准，且是动态变化的，中国的车即便短时间能进入海外市场去，但是长期生存的不确定性依旧存在。
　　6、以及是否考虑了海外消费者的感受，中国汽车产品是在中国制造，并不一定充分考虑海外消费者的感受。必须要做一些定制化来做适应海外市场。
　　7、合作伙伴，以前是整车厂和供应商的模式。如今因不确定性的增加，包括技术和财务问题，需要软件公司参与，但软件公司的商业模式跟整车厂不一样，软件公司一般不愿与整车厂共同承担过多风险，合作中也因文化差异存在龃龉。如果整车厂的方向还是要加强自研，那整车厂应建立生态体系的概念, 将生态体系纳入进来。我认为目前中国生态企业和整车厂的模式已经比过去更加健康，因为经过六七年的合作之后,大家想清楚了要什么。
　　8、最后一个是怎么实现规模化。整车厂开发一个车型，会有一个很完整的规划，当然规划中有很多假设的，其中一点是车型推出后会达到某一个程度以上的销售量。但软件本身就全部是研发费，而要在这么高的价值中占这么高的比例，必须要考虑怎么实现规模化，实现单车价值分担。还有一个挑战是软件迭代越来越快，以往整车厂会想好上市一款新车型可以用5年或者是更长，但加入软件后该怎么做，更新改版是该3年一改还是年年改，所以这是一系列的问题。
　　一般来说整车厂要往软件转型，一般是这几大类工作要去落实。
　　1、重构组织体系，如按照传统的组织设计是没有办法做软件的敏捷迭代，组织的流程也会非常冗长，同时越来越多整车厂想跳脱交钥匙的概念，取而代之的是有非常强的过程管理，月报、周报、日报，已经细到这样的程度。
　　2、加强软件运营，一个是技术管理，怎么把软件分层解耦，现在强调既要软硬一体，但是软件也要能够实现分层解耦，难度非常大，做过嵌入式就知道它的难度，同时研发要避免有很多的研发孤岛，要关注市场动向，生怕错过什么，但是又怕这个东西做不好，所以软件运营是很大的话题。大家都在说DOCM，这是非常大的话题，有很多功能要做OTA。
　　3、优化用户体验。跟用户之间的互动是一直存在的，且很有越来越多实时互动的场景，OTA做起来没有那么简单，市场上常说的千人千面，车子做到千车千面难度非常大，但这仍是大家要坚持的方向。
　　4、重视用户数据。现在很多整车厂说数据，其实数据是各个部门都有，甚至部门中各个小团队都有自己的数据，部门或小团队做自己闭环的数据运营，另外一概念是数据埋点，很多整车厂对座舱没有埋点策略，简单就是全埋点，那又导致成本升高。整车厂每年花几千万做了数据上云，这是沉没成本，不得不做，但如何把它用活起来才是关键? 云端数据质量也需要掌控，须有团队运营，训练个业务部门如何运用，不然到最后大家不熟悉数据生态，不愿意分享数据，最后还是形成数据孤岛。如今又有AI，大语言模型技术，整车厂应如何结合数据与AI持续性的创造价值，给自己，给用户，给生态创造价值，是一个非常值得深究的课题。
　　5、改善能源系统。在动力总成方面，整车厂必须规划涵盖各种关键技术的有效策略。范围从电动传动系统到新的基于云的通信和基于 AI 的电池健康预测模型，到潜在的能源和充电基础设施网络。后者对于使车辆的预期寿命与电动汽车电池的寿命同步至关重要。虽然车辆的平均寿命正在上升，目前超过 12 年，但目前电动汽车电池的移动应用估计寿命为 10 年。由于电解质和电极之间的强烈反应性，电池的容量损失是不可避免的。为了帮助抵消这种可能性，预测性电池健康有助于延长电动汽车电池的使用寿命。
　　6、推进自动驾驶。传统的ADAS在城市环境中已经达到了极限，几乎不可能针对每个潜在的用例对这些系统进行编程。自学系统 (L4、L5)对解释不同的复杂场景并模仿人类决策过程起到了关键作用，在这一点上，人工智能是一项关键的使能技术，但它可能需要大型数据集（例如，原始传感器数据）、适当的训练、测试、移动大量数据的路径和深度学习算法。,整车厂可以使用数据中心或云解决方案并适应到新的监管格局中。然而，预计全自动驾驶车将在 2030 年后开始大规模上路。为了从这个增长机会中获利，整车厂或利益相关者可以寻求 AI 联盟进行分享开发成本和加快上市速度。
　　软件生态联盟有哪些新价值?
　　一是新思维。在挑选生态联盟的时候不能只关注大厂，因为大厂里也很复杂，有各个部门，有各个团体，是不是每个人都能把心思放在单一整车厂或其供应链上是打问号的，反之有很多新进的小公司，他们可以带来很多新思维，更加灵活地接触到一些新技术，并且把新技术很快地实现落地方案。
　　二是新数据。万物互联虽然目前仍很多难点，如信息打通存在难点，数据标准存在难点，但靠生态圈中大家努力与推进，相信这个事情一定可以解决的。
　　三是新技术。有AI和大语言新技术。
　　四是新标准。以出海来说，有很多当地合规要求，如海外的合作伙伴能协助快速地了解海外的标准，对整车厂的业务有很多帮助的。
　　五是新文化。不同文化背景的公司大家怎么磨合出一起合作的方式。
　　六是新网络。站在服务市场角度可以想得更加宽一些，并不是传统汽车产业上的，在软件层面生态基础范围是会更加大的。
　　尽管所有整车厂都已经勾勒出了他们在2030年之前在汽车软件领域的期望位置，但当前的经济状况已经影响了大部分行动计划。无论变革的范围或速度如何，成为软件定义汽车领域的重要参与者都被认为是实现竞争成功的前提。在我们与整车厂、一级供应商和科技公司的交流中，我们看到了四个优先事项，为大规模推动软件定义汽车做好准备。
　　第一是软件为主导的产品开发思维。汽车行业内的现有企业所面临的复杂性是需同时实现软件或技术初创企业的敏捷与适应性，结合全球整车厂的机会和影响力，并提供强大的软件功能给到用户。虽然实现这些目标没有单一路径，但德勤已经确定了一组适用于整车厂、一级供应商和技术公司的共同成功因素：
　　• 实施一个业务模式，使软件成为成本和价值的主要来源；转变传统的基于硬件的方法；重新定义销售策略、经销商互动和直接面向消费者的定价。
　　• 以功能为基准，从产品设计出发，协调管理软件和硬件，以增强整体汽车体验，而不是通过车型偏好来融资投资。
　　• 采用软件的全生命周期成本核算，将系统复杂性从单片应用转移到微服务，丰富汽车体验，并在车辆上市前预埋比运行软件所需的最低硬件容量更多的容量。
　　• 将开发和发布过程集中在与可靠的OTA更新活动密切相关的功能上，以最小化需要现场维修的需求，并确保功能定义的产品主导权和治理。
　　• 开发高效部署软件的能力，无论是在生产线末端、充电站或服务部门，还是主要通过OTA更新，确保在不同品牌和产品变种之间的可扩展性。
　　第二个是简化平台和软件改革。硬件和软件之间的主要区别在于，硬件通常需要最少的维护，而软件通常需要持续的更新和修复。因此，升级后的车辆电气和电子架构将是支持软件定义汽车的基础，可以实现功能的可升级性，减少硬件组件数量。建立可扩展汽车软件平台和操作系统的必要前提包括以下内容：
　　• 为整个车辆系列建立统一的软件架构，使车辆软件的管理和维护更具可扩展性（可以模块化、更新/可维护性和硬件解耦）。
　　• 推广一个不依赖价值链的多公司系统芯片（SoC）策略，使整车厂能够设计、编码和使用计算基础设施（例如，产品发布后的重大更新）。
　　• 实施渐进且连续的软件开发工作流程。
　　• 优化升级车辆电气和电子（E/E）架构，以便软件团队更好地利用高性能硬件，具备适当的接口和兼容性，可以在多代硬件上保持一致的性能。
　　• 优化ADAS/AD开发活动，重点放在重点和不同的关注领域和用例上，与科技公司合作，评估最新的SoC，与生态系统合作以分享开发成本并加速进展。
　　• 建立稳定的软件架构，包括核心软件、运行时环境、驱动程序等，确保在硬件代际之间保持向下兼容性，同时保持性能。
　　第三个是以质量为导向的转型。整车厂或一级供应商的背景下，客户对功能和服务的可用性、可预测性和可靠性有很高的期望。由于必须维护安全关键性的规定，质量管理和软件缺陷修复变得更加关键。利用虚拟环境进行验证和验证，以及特定阶段的软件关键绩效指标，有助于预防召回，增强代码覆盖率，并减小爆炸半径。其他与质量相关的成功因素包括以下几点：
　　• 设计和部署强调容错性和弹性的先进硬件和软件系统; 实施质量管理以适应新的软件平台和传统硬件。
　　• 利用高质量的组件，在需要时引入冗余，并应用严格的测试和验证流程，以确保在不同条件下实现一致的性能。
　　• 在质量活动中涵盖整个产品生命周期，从概念和开发到产品增强，客户满意度监控，外部标准和法规制定，供应商质量评估，嵌入式质量和上市稳定。
　　• 利用新的低延迟输入渠道作为客户声音的代理，包括投诉、车辆数据和用户数据监控。
　　• 建立高效的系统工程管理，以全面处理硬件和软件的集成，从需求到发布，从汽车到云端，支持综合的项目管理工具（数字线程、过程/数据模型等）。
　　• 利用预测分析、机器学习和实时数据，主动识别潜在问题在出现之前，识别可能导致系统故障的模式和趋势。
　　• 利用计算能力，为车辆提供自测、自我预测和自我修复的能力。
　　第四个是使用云环境连接生态系统。软件定义汽车加速了汽车产品开发工作流程的转型，以整合云原生的效率优势，从车载系统到离车和云端。这涉及建立一个一致的平台，用于车辆内部操作系统（OS）、容器、DevOps和微服务，以促进“一次构建，随处部署”的方法。然而，这并不是轻而易举的，因为需要符合汽规级标准的工程平台（例如，APICE、需求和系统工程、产品生命周期管理、安全代码、测试）。无论是车载还是离车，云中心方法包括以下一些关键内容:
　　• 利用云平台提高构建系统的速度，缩短开发周期，包括与供应商以不同方式合作，提高开发人员的生产力。
　　• 利用云中的通用硬件作为首个模块样本的代理，因为云硬件的能力能够更好地模拟车辆计算。
　　• 在云中过渡到完全虚拟的开发环境，开发人员可以在多个操作系统上随处部署（QNX、Android、Wind River、汽车级Linux、RedHat等），并自动构建工具链。
　　• 通过在产品开发和制造生命周期中跟踪谱系数据，提供按需的车辆配置和更改历史的可见性。确保车辆与云版本之间不匹配时，使车辆成为内部安装内容的主控点。
　　• 由于软件版本更改频繁，消除了在构建或后期构建阶段的停机时间，最小化了诊断和解决软件/硬件问题所需的工作量。
　　• 增加OTA升级活动的频率和范围，随着时间的推移提高效率并强调稳定性。
　　碍于时间关系，我讲的东西比较精简，最后给行业里的相关利益者7个建议。
　　第一需要评估自身软件转型成熟度。自己的软件成本有几斤几两，在什么层次，要有清醒的认识，不要承诺做不到的，这个包括人员素质，包括团队的架构，包括文化，包括能够支持其他的涉外的资源。
　　第二是建立核心架构。做软件的做软件，做平台的做平台，技术架构要想好，不可能什么都做，资源也是有限的。如果只做简单的AI加速期没有特别好的应用场景有点闭门造车，这种就比较危险。
　　第三是明确执行指导方针。在建立核心架构蓝图的基础上，设计一项全面的变革管理计划，以在整个组织中协调跨职能的转型。同时，还应设立高绩效团队，专注于将资源投入到创新未来课题中。
　　第四是寻找合适的合作伙伴。建立互惠战略联盟和合作伙伴关系将至关重要，可以利用态系统各参与方的互补优势和资源，加速SDV的发展。强大的联盟还可以产生广泛的用户基础以实现规模化。
　　第五是拥抱软件驱动的组织变革。要在SDV市场取得成功，关键是过渡成为一个以软件为主导的组织，强调基于数据驱动的决策，在一个以跨职能协作和知识共享为基础的环境中。公司可以通过投资于软件工程人才、培训和工具来调整组织的重心，转向软件开发。
　　第六是提高效果。打破传统的“泰勒制度”结构将导致更简单、更快速的开发周期，降低复杂性，同时增加可重复利用性的潜力。新的核心架构、人工智能、敏捷转型、合作伙伴关系和流程重组的实施还将有助于实现显着的效率提升。
　　第七是实现新的盈利模式。随着车辆和车队连接性的增加，大量数据生成， SDV启用的收入来源正在涌现。这些包括娱乐或个性化服务、安全、移动服务以及智能基础设施解决方案的一次性购买或定期订阅。
　　在活下来的前提下,到后面几年更加创新，整个业态更加成熟的时候我们再去想新的盈利模式对大家才是公平的认知。
　　谢谢大家！
　　（注：本文根据现场速记整理，未经演讲嘉宾审阅）