汽車企業供應鏈數字化轉型現狀與趨勢研究*

趙 濤，文 祥，牟鳴飛，寇桂岳，劉 琳

（1.中汽數據（天津）有限公司，天津 300300；2.中國汽車技術研究中心，天津 300300；3.山東科技大學機械電子工程學院，山東 青島 266590；4.南昌工程學院機械工程學院，江西 南昌 330029）

0 引言

2021 年1—9 月，汽車銷量1 862.3 萬輛，增幅比上年1—8 月繼續回落5 個百分點，全年可能低于2 700 萬輛的預測值[1]，原因是受疫情沖擊，汽車市場所需零部件供應不足，導致了汽車生產放緩，這反映了傳統供應鏈的生態脆弱性。而新能源汽車因其產品特性，供應鏈數字化水平高于傳統汽車，在2021年9 月銷量35.7 萬輛，同比增長148.4%，1—9 月銷量215.7 萬輛，同比增長185.3%，增幅遠超傳統汽車，供應鏈數字化水平發揮了重要作用[2]。

汽車供應鏈是一個復雜的系統，很多汽車企業因為供應鏈管理不當，造成資源浪費、成本高、客戶滿意度低等一系列問題；而汽車行業規模技術門檻高、配合協同復雜的特性，決定了其供應鏈缺口無法在短時間內填補[3]。因此，要想取得良好的效益和效率，必須實行與之相適應的供應鏈管理。供應鏈數字化轉型建設提供了一種新的供應鏈管理方式，它能幫助企業降低市場風險、提高經濟效益，優化供應鏈結構。近年來，汽車市場競爭日趨激烈，呈現出產銷規模擴大化、車型多樣化等趨勢，企業間的競爭逐步轉化為供應鏈之間的競爭[4]。國家發布的“十四五”規劃中明確提出“分行業做好供應鏈戰略設計和精準施策，形成具有更強創新力、更高附加值、更安全可靠的產業鏈供應鏈”[5]。在企業層面，長安、一汽大眾、東風日產等汽車企業積極進行供應鏈數字化轉型，制定了供應鏈數字轉型的發展戰略，助力企業向數字化供應鏈方向發展。

但是，相較于傳統供應鏈，目前數字化供應鏈的研究還很少，對行業內供應鏈數字化轉型發展水平缺少全面的概括，汽車企業缺少相關的經驗和案例參考。基于此，課題組首先展開對于汽車企業供應鏈數字化轉型的發展現狀與趨勢的研究，指出汽車企業供應鏈數字化轉型的重點，提出符合現階段供應鏈發展的建議，以期促進汽車企業的數字化轉型進程。

1 汽車企業與供應鏈數字化轉型

汽車供應鏈指在三大流（物流、信息流、資金流）的流動下，汽車生產全周期過程中一整套汽車的供應鏈體系，同時利用信息化技術將整個供應鏈系統緊密銜接形成的一個整體[6]。汽車供應鏈涉及的上下游單位和企業多，在傳統供應鏈中，各個單位作為一個相對獨立的個體，彼此之間具有明顯的邊界劃分，也因此引起了供應鏈運作過程中產生各種內在成本[7]。同時，汽車企業傳統供應鏈的運營模式下，供應鏈是一種“鏈式”運作，這種供應鏈模式存在信息標準不統一、信息孤島化等問題，若上游供應商供應不足，下游營銷商就會無法出貨，從而造成汽車市場短缺[8]。

供應鏈數字化轉型則打破了傳統供應鏈的邊界劃分，通過運用數字化技術，將企業供應鏈的運營從“鏈式”變成“網狀”，以汽車制造商作為核心企業，使全部業務流程實現由線到面的有效連接。這種“網狀”模式的數字化供應鏈加強了企業內外部的互聯互通，更進一步提升了各個單位之間的協同關系，解決了原有的信息標準不統一和信息孤島化等問題。同時，客戶的需求變化也可以通過網絡直接反饋到各個部門和企業，實現對市場需求的快速響應，從而提高效率，降低市場風險。

2 汽車企業供應鏈數字化轉型發展的不足

相較于歐美發達國家，我國汽車企業的供應鏈數字化轉型起步較晚，發展落后，目前主要處于概念引入、初期發展階段。如果用汽車產業中的每萬名工人對應的機器人應用臺數來衡量汽車制造的自動化水平，國內汽車產業在200 臺以下，而歐美等先進國家則都在1 000臺以上[9]。

根據全球多個組織對汽車數字化供應鏈進行的研究，超過一半的被調查者認為汽車企業供應鏈進行數字化轉型非常重要，這表明數字化供應鏈的重要性已經得到汽車企業的廣泛認可；同時，超過一半的被調查者表示他們的企業或組織已經啟動了正式的供應鏈數字化轉型工作，表明進行數字化轉型工作已經開始進入廣范圍的啟動階段；但是數字化轉型整體進展緩慢，只有極少部分企業對目前供應鏈數字化轉型取得的進展滿意[10]。

2.1 存在的問題

1）配套物流發展緩慢。國內車企中，由于大批小型第三方物流企業深陷經營困境，難以滿足汽車工業發展的需要，導致物流業務外包的比例非常小，汽車的核心力量得不到保障，進而提高了運輸成本，延緩了供應鏈運營的速度[11]。

2）產業縱向分工不足。目前，汽車頭部企業的零部件供應一般采取保留關鍵零部件的專業化生產、其他零部件交付給海外廠商的方法，但我國零部件供應商中自主的零部件企業少，規模化、專業化生產水平較低，企業自主研發能力也較弱，導致產業分工困難[12]。

3）數據驅動的決策仍存在較大短板。供應鏈上下游單位的數據獲取有助于企業做出合理科學的決策，然而這些數據通常被鎖定在供應鏈中各個生意伙伴的孤立系統中，從而導致企業無法訪問擴展供應鏈中的數據。

4）數據信息安全有待提高。汽車軟件代碼數量以指數級增長，網絡安全風險也與日俱增，這種風險涉及整個車輛供應鏈數字化生態。汽車相關企業必須確保端到端的網絡安全管理，識別車輛的相關網絡安全風險，并有效落實相關風險規避舉措[13]。

2.2 問題原因分析

上述供應鏈存在的問題，主要原因可以分為兩個層面：一個是技術層面，一個是管理層面。

1）技術層面。傳統的供應鏈工具已無法滿足供應鏈快速發展的需求，供應鏈數字化轉型的關鍵技術的重要性成為企業共識，但是尚未廣泛使用[14]。同時，作為供應鏈數字化支撐力量的網絡信息技術不成熟，導致信息交互出現障礙。一方面，單純的系統對接已無法滿足車企需求，為了實現精確生產計劃的制定，需要獲取零部件廠商的生產信息；另一方面，核心車企的信息化程度很高，但零部件廠商數字化基礎薄弱，供應商之間的信息交互十分困難。信息交互障礙嚴重制約著國內汽車供應鏈的發展。

2）管理層面。建立高效運作、科學管理的供應鏈體系，需要供應鏈中各個環節的配合、協作，才能收獲可觀成效[15]。但目前我國汽車行業存在諸多不足，由于汽車供應鏈管理者數字化觀念缺失，許多供應鏈中的各環節管理者只追求眼前利益，只看重供應鏈的可視化管理工具，而忽略其他環節的數字化技術，缺乏整體大局觀[16]。此外，許多處于汽車行業核心地位的汽車制造企業和生產企業只注重自身盈利情況，很少關注全局得失，不考慮上游和下游合作伙伴的利益，使供應鏈上下游單位出現良莠不齊、相互爭利的局面，難以實現互惠互利，協作共贏。

3 數字化供應鏈未來趨勢

3.1 汽車供應鏈數字化轉型發展趨勢

充分結合數字化供應鏈發展的趨勢，才能進一步提出有效解決目前問題的建議，提高供應鏈數字化水平。通過調查和了解汽車供應鏈數字化轉型出現的新趨勢，結合汽車領域供應鏈數字化轉型經典案例，發現汽車領域供應鏈數字化轉型在整體上發展呈現如下趨勢。

料液堿度為0.4 mol/L，萃取相比為VO/VA=31，萃取時間為3 min，考察t-BAMBP+二甲苯體系中萃取劑濃度對銣、鉀萃取效果的影響。萃取劑濃度試驗結果如圖2所示。

1）數字化供應鏈轉型整體成熟度提升。國內汽車企業的供應鏈數字化轉型已經從部分行業頭部企業的“可選項”轉變為更多行業、更多企業的“必選項”[17]。眾多汽車企業在供應鏈數字化轉型的投入力度不斷加大，汽車企業供應鏈數字化轉型的整體成熟度以及在企業內的戰略高度均有提升。

2）疫情加速推動企業供應鏈數字化轉型進程。疫情導致的供應鏈短缺問題倒逼了企業為實現供應鏈的自主可控而進行供應鏈數字化轉型；同時，持續的疫情也檢驗了企業近年來的供應鏈數字化轉型成果。

3）新興企業供應鏈數字化建設更加兼容并蓄。相對于傳統企業，對于造車新勢力而言，供應鏈數字化不是“創新”標簽。新興企業因為數字化技術而興起，對于數字化技術和商業模式的應用更加徹底。

3.2 汽車供應鏈數字化轉型路徑

大量實踐證明，汽車供應鏈正處在數字化轉型發展的關鍵階段，供應鏈各個環節將面臨重大改革。傳統汽車企業需要擺脫既有的產品思維慣性制約，突破性創新，增加現有體系的新優勢，提升供應鏈數字化轉型升級的能力。在技術與數字化管理方面，車企的供應鏈需順應以下趨勢進行轉型。

1）業務部門與技術部門在數字化項目建設和落地中結合更為緊密。數字化轉型需要業務和技術共同驅動，企業人員已經開始向深度融合業務的角色轉變。在企業推進數字化轉型過程中，企業可以通過調整供應鏈結構與流程，建立激勵和保障機制，打造結合業務部門和技術部門的密切協同團隊。

2）汽車企業對數字化人才的需求呈現爆發式增長。其具體表現有企業IT 人員在全公司的占比提升，IT相關團隊薪酬成本總額提升，員工數字化能力培訓支出提升。同時，企業的人才結構發生變化，企業對擁有數字化技術相關背景的復合型人才的需求顯著提升。

3）人工智能和機器學習成為落地應用最多的新技術之一。人工智能和機器學習可應用于優化自動化決策、重塑商業模式和生態系統，革新供應鏈流程，是幫助傳統企業數字化轉型的重要工具。

4）區塊鏈支持構建可信的數字化供應鏈。區塊鏈是一種分布式賬本，其去中心化、不可篡改、透明開放的特性能促進信任、透明的數字化供應鏈形成，減少供應鏈內在的摩擦，從而降低成本，縮短交易結算時間并改善現金流[18]。

5）5G 助力數字化供應鏈。5G 的實時性能夠幫助供應鏈各個階段數據的實時收集和分析，提高物流中出入站的效率，改進和擴展供應鏈的領域，使供應鏈更廣泛、更快速、更具成本效益[19]。

4 供應鏈數字化轉型優化方法

針對供應鏈出現的問題和發展趨勢，未來汽車企業需要以消費者為中心，明確轉型核心目標任務，考慮所有供應鏈運營的要素，加強供應鏈生態合作伙伴戰略合作，提升轉型效率和節奏。在今后發展過程中，汽車企業可以重點圍繞以下四點開展供應鏈數字化轉型優化。

1）充分利用數字化技術工具，聚焦汽車服務領域。汽車服務業是指消費者從購車開始的全生命周期的相關服務，對整個汽車制造業的健康發展起到決定性的支持作用[20]。利用數字化技術工具，整合消費者價值提升點和對應的費用投入，加速產品設計決策[21]。首先，應建立消費者評分與產品配置之間的關聯模型，高關聯度配置向上對標，豐富產品配置，滿足消費者個性化需求；低關聯度配置則減少過配，降低成本，提升利潤。其次，可以將消費者更感興趣的配置模塊化，按量化價值分配產品配置費用，揚長避短，進一步優化產品利潤空間。

2）評估產品復雜度，開展模塊化管理。車企可運用數字化的“復雜度指紋”評估當前模塊化管理優化潛力，并按業務優先級實施優化。“復雜度指紋”聚焦于四個維度（外部產品設計、內部產品設計、流程和管理、內部供應鏈復雜度）的提升空間，360°進行產品組合、供應鏈優化空間、組織和管理流程等方面的掃描。同時，借助大數據分析自動識別和歸類同類產品和零件，測算復雜度優化后的財務收益，并在整合支出的基礎上，整體優化品類、零件、供應商和價格，降本的同時，自動預警異常成本風險，提升供應商管理和成本管控效率。另外，借助系統化的自動線性績效定價分析，可將同類產品不同績效表現和對應價格進行比較，找出降本機會點[22]。

3）利用汽車數據庫和VR 解決方案，提升分析效率。利用包含汽車產品設計和零部件細節的數據庫和VR 解決方案，主機廠商可極大地提升企業對標效率和有效性。VR 數字化解決方案能使設計人員沉浸在虛擬實驗環境中，將精細功能的對比可視化，以3D 視角展示關鍵零部件的材料、尺寸、重量和物料成本等詳細信息，針對功能、零件和子零件進行詳實對標和研究，提升產品設計效率[23]。

4）智能支出分析，全面優化車企。可運用基于人工智能的數據分析能力，更全面地尋找產品成本存在的不足。人工智能技術能從多維度收集和整理供應鏈全流程數據，利用機器學習方法將數據自動化分解成可對比模塊，并通過文本挖掘數據中的潛在價值點。

5 總結

供應鏈是一個龐大的系統，提升產品的競爭力需要優化供應鏈的每一個環節。在我國汽車市場增速放緩、市場競爭日益激烈的現狀下，加快供應鏈數字化轉型步伐，提高供應鏈數字化水平，對提升企業競爭力尤為重要和迫切。汽車行業供應鏈的數字化尚有較長的路要走，到目前為止，還沒有一家企業真正成功建立起完整的供應鏈數字化生態。但技術的逐步成熟與發展以及企業對數字化的積極探索，將加快這一進程，為汽車行業供應鏈數字化轉型提供助力。