KPMG全球技术报告2026汽车

状 前言 全球汽车产业正站在十字路口。智能时代已不再是遥远的概念；它正实时重塑着产品、价值链和竞争优势。人工智能、先进的软件架构以及下一代计算范式正在改变着汽车的构思、设计和体验方式。与此同时，地缘政治不确定性以及供应链波动正在加剧战略和运营压力。在这样的环境下，区分信号与噪音至关重要。 术领域面临的挑战。 种猜测，提供了基于证据的行业真实状况分析。 零部件供应商和移动解决方案提供商。 很少有人达到那个水平。要实现这一雄心，将需要适应性的策略、自律的执行，以及在技术发展的同时培养人才。 术”维度的更深层次视角——探讨企业如何将战略意图转化为执行。 博士 KPMG国际公司全球汽车行业主管 我们欢迎与您讨论这些发现及其意义。，并以运营的现实主义追求大胆的技术雄心。 关键发现 技术格局——理解当今行业现状 第一部分 求扩大的困境中挣扎。领导者视技术为竞争力的核心，但也承认运营壁垒正延缓执行进程。 +21%63%83%83%卡车一级新技术 各细分市场的技术成熟度发展不均衡，每个领域都在扩展与其运营模式最匹配的 。 第二部分 投资策略聚焦于人工智能、网络安全、现代交付和数字孪生等高价值领域。尽管组织持续从技术中实现价值，但频繁的权衡取舍揭示了持续存在的执行挑战 37%43%59%60%73%卡车 提供 关键发现 技术治理在很大程度上仍然保持集中化，以强制执行架构一致性并控制风险，而选择 性去中心化则能实现速度和贴近业务。组织越来越依赖结构化实验来管理突破性技术带来的不确定性。 第三部分 各行业对人工智能的采用正在急剧加速，同时伴随着向数字化和自动化劳动力能 42%54%84%73%93%卡车 进展。 可操作的见解 从试点转向平台规模执行 将治理视为绩效加速器，而非制约因素 构建一个随智慧而非人头规模增长的劳动力模式 优先考虑具有可扩展投资回报率的技术 和数据用例中创造价值，但规模化仍受制于遗留系统、所有权碎片化以及不一致的数据合同（例如，AI、数据和网络安全领域存在较高的“瓶颈”率）。领导者必须标准化架构，强制执行“黄金路径”，并将机器学习运营（MLOps）和数据治理工业化，以使AI成为一种可重复的能力，而不是一系列孤立的胜利。 在所有领域都十分明显。高管必须围绕混合数字-人力能力重新设计运营模式，提升团队在AI监督、编排和模型驱动运营方面的技能，以确保人才成为倍增器，而非瓶颈。动解决方案提供商凭借标准化的数字能力与数据密集型架构，获取了最高的回报。与此同时，传统包袱沉重的参与者则落后了。领导者应优先考虑能够实现可扩展经济性的技术——人工智能、模拟、数字孪生和现代交付方式——并将转型部署在最能提升资本效率的领域。 ，它可能成为瓶颈和单点故障。高管必须重新平衡治理，既要确保控制，也要提升速度，在安全的前提下实现去中心化创新，同时加强网络安全、负责任的AI和软件更新严谨性。 技术格局——理解当今行业现状 望、加速的创新周期以及日益激烈的竞争压力正产生着关键影响。同时，技术变革也在其中——从电动化、软件定义的车辆架构到新的动力系统、数字平台以及日益智能化的自动化能力。 各细分领域中的组织如何就关键技术转型声明进行自我定位 力。数字能力的进步、软件定义的架构以及日益数据驱动的商业模式——这些都在强化他们的信心，预示着该行业正准备进行创新和扩张。然而，数据也揭示了该行业正陷入势头与传统之间的困境。 值。 现代化目标与传统结构之间的张力定义了当前格局，既塑造了汽车公司必须应对的创新机遇，也带来了运营挑战。 业普遍认为，如今投资于新兴能力并非可选项，而是未来竞争力的基础。这种共同的信念也延伸至这样一种观点：强大的技术合作以及稳健的数据驱动决策框架对于应对短期业绩压力与长期创新议程之间的张力至关重要。 时代的准备就绪方面仍存在一些不确定区域，同时也对跟上加速的投资周期表示担忧。这些混杂的信号表明，虽然战略意图是一致的，但对运营执行层的信心却有所不同——这揭示了风险认知和准备程度在不同领域分布不均的情况。旁边的图表说明了这些动态如何在各个细分领域中展现出来。 在所有五个部分中，数据显示各方都认同先进技术长期重要性的共同战略信念（参见图1），但约束的性质因价值链中的位置而根本不同。 图3：组织将自己定位为普遍具有韧性和适应性大多数受访者在韧性和适应能力量表的高分段聚集，很少有自我认定的处于极端两端。 他们坚信下一代技术，而OEM厂商同时又在暗示传统复杂性的拖累。他们的约束与其说是方向问题，不如说是架构负担问题，这减缓了创新的吸收。 这反映了运营和监管压力使得快速自动化和负责任的AI应用本质上更具脆弱性。 们认为技术引领的速度和灵活性对于应对OEM策略的快速变化以及日益区域化的价值链至关重要。在许多情况下，他们比OEM客户更加敏捷，也更有能力采取行动，但他们的势头却被OEM的投资时机所限制。其结果是，准备引领变革者与仍然决定变革何时发生的结构之间的差距正在扩大。 间重新定义竞争优势的快速创新变革。凭借其准备就绪的概况脱颖而出，该概况正是移动服务提供商所 邻近的结果展示了这种不均衡的格局如何转化为价值链上不同层面的 汽车公司普遍认为自己具有结构性的韧性和战略上的前瞻性。大多数公司认为自己适应性和创新准备度处于顶尖水平，这表明它们相信自己能够吸收冲击、快速转型并抓住新兴机遇。在创新驱动型投资策略和预测分析应用方面的高分表明，韧性正越来越多地与数据驱动型决策相关联，而不仅仅是传统的运营稳健性。与此同时，不同细分市场的韧性存在差异。在市场、技术和监管变化方面的暴露度得分较低但仍具意义，这表明一家公司的韧性体验取决于风险暴露程度、治理深度和运营节奏。 始终在各个类别中展现出最强移动解决方案提供商的信心：大胆的冒险精神、高度依赖数据分析、高度变革准备以及最高水平的外部合作越来越多的企业将创新视为一级供应商竞争优势的来源，而不仅仅是韧性。它们正在追求以分析驱动和技术引领的战略，以在多个原始设备制造商（OEM）关系中获得速度、一致性和杠杆效应。尽管面临监管和技术变革的风险依然真实，但一级供应商正积极利用其跨OEM的业务布局来吸收波动性、标准化能力并将复杂性转化为优势。展现出高度适应性、新技术的供应商具有强烈的创新导向，并愿意承担高于平均水平的冒险风险。 。他们的韧性更多地源于速度、迭代和数字成熟度，而非运营冗余。 和变革准备方面得分较高，这反映了大型现有企业典型的治理纪律和深厚的运营缓冲能力。他们在风险影响和安全僵化方面的得分适中，表明了创新与控制之间的平衡，这与他们稳定多层产品及软件架构的需求相符。 ，再在更严格的治理和财务控制下，解锁精准增长。 产密集型的背景：产品周期长，可靠性至关重要，创新必须与合规性强的运营共存。 尽管组织构建韧性的内部动力存在共性，但行业同样受到源自企业外部压力的影响。地缘政治动荡、不断变化的监管框架以及不可预测的市场中断，都在加剧对战略清晰度和技术稳健性的需求。在此背景下，企业正完善其技术议程，以应对外部冲击日益决定转型节奏和方向的环境。 行业迷思与数据真相 神话一：战略是瓶颈——该行业缺乏对下一代技术的信心。 国内能力锚定以及对外部风险的可控敞口。 的投资。真正的制约因素是执行能力：资本密集度、人才和整合复杂性——而非战略协同。 流的可靠性，并在陆地上留住关键人才，同时通过在合作伙伴生态系统中进行更深层次的自主权检查来提供支持。 该行业远比人们感知的更具活力。韧性和适应性始终表现优异，但其体现方式不同：OEM和卡车制造商采取以治理为主导的纪律性适应，而出行服务提供商和技术新进入者则依靠速度、迭代和风险容忍度运营。这种差异并非源于快与慢——而是源于以 控制为主导和以速度为主导的运营模式。 商。多元化正越来越多地通过区域化来实现——将生产、技术和客户敞口分散到不同区域，以降低集中度风险、保护盈利能力，并创造更具韧性、本地优化的利润池。 波动并未减缓转型——它正在加速转型。企业并非暂停投资，而是加大数字和软件基础的投入，强化数据能力，并提升战略独立性。不确定性正充当着技术脱险的催化剂，而非退缩。 图4：对地缘政治与宏观经济不确定性的技术应对计划中的行动将聚焦于数据韧性、人才本土化和技术与供应链的审慎去风险。 移动解决方案提供商50% 将 KPMG全球科技报告2026：汽车 | 11削减对被本国政府视为敌对国家的技术投37%将雇佣更多岸上技40%计划增加卓越创新中心（COE） 下一步迈向成功 OEMsOEMs已通过多个活跃的AI用例产生早期商业价值，但需要在工程、运营和客户领域进行系统性扩展。他们 卡车制造商卡车在运营相关能力（数字孪生/模拟）方面的进步最快，而人工智能、数据和网络安全则因安全关键型 面临的最大障碍并非意愿或资金——而是传统资产组合的协调性、所有权碎片化以及薄弱的数据合同。集中式治理虽能维护架构完整性，却也放大了预算削减对创新速度的影响。为推动进展，下一步应： 工作流程和监管压力而发展较慢。在未来12个月内，该领域预计将协调推出超越试点项目并开始产生可衡量影响。为取得进展，下一步是： • 建立适用于车队/售后市场的标准数据模型，并执行质量和血缘关系管理，以减少规模化扩展的阻力 。将“设计时安全”理念嵌入软件定义车辆（SDV）堆栈中（包括软件物料清单（SBOM）、供应商证明、零 • 将人工智能从项目推向产品（通过机器学习运维（MLOps）管道、模型注册中心、漂移监控、负责任的人工智能控制），并采用统一的KPI。信任），以确保人工智能/软件安全扩展。 • 利用飞行员到工厂的实践手册（运营技术/信息技术集成、培训、变革管理）实现超越概念验证的 • 制定预算冲击应急方案（高价值密度组合、削减抗性发布列车），以保护关键规模项目。 • 建立一个ESG执行项目管理办公室（PMO）（衡量链、供应商合规），以缓解预算限制加剧的ESG延迟风险。 • 将协作模板（知识产权保护措施、集成蓝图）工业化，以克服协作发现中凸显的治理和集成障 下一步迈向成功 前沿创新速度快，但在数据管道、MLOps和服务GTM方面尚不成熟，导 一级公司是人工智能、数据、网络和模拟领域的专业技术规模领导者 移动服务提供商进展最为迅速，展现出强大的AI/数据成熟度、去中心 ，资本效率最高（回报率集中在125%至175%区间）。其战略挑战并非能力不足，而是方向问题——减少对原始设备制造商路线图的依赖，同时将技术规模转向多元化增长。 化创新以及不成比例的高投资回报率。主要风险在于网络安全、劳动力转型以及传统重生态系统中合作伙伴的互操作性。下一步以取得进展：致规模化滞后。投资回报率波动较大。成功取决于与OEM/一级架构的集成。合作常受激励错位和清晰的合作策略缺乏所限制。为取得进展，下一步是： • 推动互操作性（开放API、数据合约、边缘AI操作），以与O 遥测和客户服务成本，以便服务能够在非汽车和相关终端市场中有利可图地扩展——而不仅仅局限于OEM项目。 血缘），并强化MLOps，以实现从原型到可靠规模的过渡。证明）。 • 建立负责任的 AI 边界机制（评估、监控、事件应急预案），以匹配扩展速度。EM合作伙伴集成。 全保证包）。• 明确服务——通过 GTM（包装、计量、合作伙伴激励）来稳定投资回报率并加速采用。 而在轻型汽车销量增长放缓或停滞时，实现每项计划的收入增长。 执行与数字劳动力增长相一致的劳动力转型计划（包括技能提升、职位重塑、现代KPI）。 • 通过与后量子技术和网络准备进行区分，以便在早期通过严格的供应商筛选。 • 实现规模经济（多租户遥测、服务成本控制、站点可靠性工程（SRE）指标），以支持持续扩张。 制造商（OEM）的速度进行有机建设。• 专为区域化及中国OEM拓展而设计，标准化模块化架构、集成套件，并 • 利用价值证明级联（从试点投资回报到系列集成里程碑）来降低