2020年8月13日-15日，“2020中國汽車論壇”在上海隆重召開。該論壇是由中國汽車工業協會（CAAM）主辦，世界汽車組織（OICA）、世界經濟論壇（WEF）唯一支持的行業頂級論壇。本屆論壇以“新變局 新挑戰 新思路——引領中國汽車新征程”為主題，緊扣時代脈搏, 求索突破之道，緊密圍繞“十四五”規劃，把控宏觀產業形勢，解析全球汽車產業發展動態。其中，在8月15日上午舉辦的“推進新能源汽車市場化”分論壇上，中國汽車工程研究院股份有限公司總經理萬鑫銘發表了主題演講，以下為演講實錄：
中國汽車工程研究院股份有限公司總經理萬鑫銘
萬鑫銘：各位領導、各位同仁，大家上午好。
首先非常感謝中國汽車工業協會邀請我來參加中國汽車論壇，并作報告。來這里非常榮幸，因為有很多老朋友，也認識一些新朋友，接下來的時間我匯報的題目為“數據驅動新能源汽車產業高質量發展”的報告。
三部分：
1.大數據時代來臨；
2.新能源汽車大數據應用的探索實踐；
3.數據賦能產業高質量發展的思考。
首先說一下數字經濟的情況，現在大家在一個數字的時代，現在用的詞比較多的是IT到了DT，說的更加長一點的話，從機械的驅動到電力驅動到計算機驅動，到現在的數據驅動，工業4.0四個主要的階段，過程中誕生了非常多的生產力和推動經濟的進步。
這里有幾個數字給大家做一個報告，2019年中國經濟總量接近99萬億，接近100萬億人民幣。數字經濟總量占了35.9%，GDP占了36.2%，這是一個比較。
第二，看一下左邊的柱狀圖，從2002年到2020年，從1.2萬億到了35萬億，漲了接近30倍。數字經濟究竟包含什么？這些數字怎么統計出來的？像我們今天遇到的新基建、電子通信、互聯網都在里面，這是一個非常龐大的經濟體系。
國家層面有經濟的推動力，國家由地方組成，地方的經濟在數字經濟體量上面是突飛猛進的發展，有幾個數字看一下。
第一個格子里面，現在大于5千億的，在去年的GDP里面大于5千億總量有不少的地區，特別值得提出的就是像北京、上海等，GDP總量比例超過了50%。這個比例比較大的，實際上都是以東南沿海為主，發現一個特點，越是經濟發達的地方，是越是開放型經濟的地方，數字經濟占比和數字經濟的重要度越來越高。同樣看到，在貴州和重慶兩個地區，雖然在中部或者西部，增速比較快，相對基礎低一點。重慶和貴州的領導非常重視數字經濟，這也是當前在中國大的發展趨勢下面，政府在推動數字轉型。
這張圖片的信息量比較大，花點時間分享一下。首先，大數據現在作為市場一個重要的要素，前段時間在4月份國家發布了一個《關于更加完善市場資源配置》的指導意見，其中提了五大要素，包括傳統所說的勞動、技術、資本、土地，特別加了數據，現在把數據當做一個要素、資源，也有一個說法，數據就是石油。
在這個意義上來講，“四個化”里面，一個是數據價值化，體現了它已經成為一種生產要素；同時，數字產業化，我們現在把數字直接變成數字經濟的，剛才說的電子、通信、軟件、互聯網，這些都是數字產業化，其實也包括傳統企業也在不斷的數據進行數據產品和產業化的過程。另一方面也要產業數字化，可以看到從農業一產農業、二產工業，三產服務業，都在不斷的貢獻更多的邊際效應，都是在貢獻產業數字化，進一步賦能。
更為重要的是，國家在推動國家層面現代治理能力的提升，企業、城市層面也在推動，生產關系上面也在提升數字化治理，強調更多主體的參與和集團的結合，特別是數字化的公共服務。總體來講，數據成為重要的生產要素和四化的推動。
今天的主題是中國汽車論壇，在座的各位是汽車相關的從業者，跟汽車什么關系？這張圖的信息比較多，從汽車傳統的產業鏈，研、產、供、銷、服，相對來說在當前附加值里面，我們定義相對低附加值，在數據結合之后，可以把這個曲線提升，為什么？數據可以產生一系列的作用，在里面進行設計的交互、溯源跟蹤等等，可以進行柔性的數據開發，這都是大數據帶來的效果。這是在傳統的產業鏈上面。
在產業鏈的后端，特別是現在面對汽車的“四化”，汽車電動、智能、網聯，在這個領域里面不僅僅是催生，更多是完全賦能這個板塊的發展，接下來要講到的也是重要的靠數據驅動大量的發展，這里面涉及到“人、車、路”等各方面的數據，來保障“四化”有效實現。這是跟汽車行業大量的結合，跟汽車行業是一個宏觀的。
接下來用中國汽研所開展的探索和案例講講，跟新能源汽車這塊有什么可以結合的。
上半場的專家里面講了很多，兩個很重要的因素是消費者很關心，一個是蓄勢里程，一個是安全。從產業的角度，還有產業鏈價值能否傳遞，換句話說產業鏈上下游能否賺錢，其實今天馬處第一個演講里面特別講到了，產業鏈上面總體來說還是有較大的挑戰，從這個意義上來講，要說到安全這個挑戰點。從這幾年陸續發現一些情況，新能源的安全涉及到一系列，包括傳統的安全，包括火災的安全引起了消費者的高度重視。
中國汽研針對安全的挑戰，我們依托“一個平臺和一個系統”，這個平臺是“新能源汽車大數據聯盟西南分中心”，另外一個系統是“新能源汽車缺陷調查監測與分析系統”。依靠這個平臺和系統建立車輛安全的預警模型，突破安全預警相應的一些相關問題。
這里面主要的問題要提出來，現在在新能源安全預警上面的問題，一個是逆向的解析難；第二個是缺陷的識別和定位難；第三個是風險預警評估精度高比較難。經過我們的探索，這些方面取得了積極的進展。
首先說一下新能源的大數據平臺，在部委的指導下所開展的，西南分中心作為其中一個分中心，我們這邊實現了對數據的實時監控、統計和預警應急救援，里面包含的內容是在重慶板塊里面做比較好的試點和推動。
這是一個系統，這個系統是市場監控總局從“召回”的角度來推動的缺陷調查監測和分析的系統，這個系統當前也是接入了相當量的車型，也包括已經出了狀況的一些同批次車型的事故車型數據，也包括現在在運行的相應的車輛的數據，目的是為了保證同批次車型，如果有車輛有狀況，同批次車型有可能也會成為一個高危車輛，接入了不少車輛，通過不斷的運行總結相應的數據。
在這個系統里面制定了完善事故車數據分析流程和高危車預警流程，建成了安全、完善、智能的大數據基礎數據處理體系，可以對事故車之間的共性特征以及高危車輛進行快速識別和預警提示。
整體來說，我們可以做到對事故車之間的共性特征以及高危車輛進行快速識別和預警提示。
應用會給車企提供一個預警的提示，包括對相關的服務單位提供需求反饋。右邊是示意圖。
一個平臺和一個系統過程中，我們通過前期的工作總結了一套方法，命名為“循證實踐方法”，簡單來說就是基于事實（案例），特別是事故的案例最佳實踐和持續更新的研究方法。
上半部分是通過事故的調查和分析，這個過程中我們會到事故的現場采集所有的相應物證和證據，包括數據的證據。
在實驗室里面對相應的一些結構或者一些機理進行進一步深入分析，分析完了以后，這里面會得出相應的預警模型和提出安全預警的服務。因為這種模型要放在系統上面，進一步對其他車輛提供服務。這是一個建模型的過程。
同時，在建立評估體系在運行的過程中全面準確、及時，進行不斷的循環和替代，然后完善算法和完善模型。
具體講講“循證實踐方法”幾個步驟的相關內容。首先是事故調查，剛才是一個總的內容，事故調查怎么做？首先會通過事故的現場勘查，也會進行深度的調查分析和缺陷的風險評估，重點要分析事故的原因，一般來講分析事故原因會找到最大的相應參數的閾值判斷，一般會超過實際的正常范圍，這是一個判定。
第二，會找到影響相應參數前面的輸入參數，同時根據輸入參數和響應的閾值之間的關系，通過機器學習的方法找到關聯的關系。這也是分析原因，同時也是建立模型的一個過程；同時也要還原事故的場景，建立動力電池安全評價體系。
現在主流的車輛，特別在起火相關的事故里面主要有這些內容，剛才比亞迪這邊特別講到了七個方面，五個維度，還有四個層級。在五個維度里面包括了，像這邊的電池一致性，特別在事故方面有過充、過放的過程引起熱失效；2.在進水的方面我們經常發現有這樣的事故導致起火，我們也會設置相應的測試評價。下面這一行是測試評價，會采用IPX9防水測試方法。
3.同時車輛會在充電過程中自燃，包括靜止的過程中也會存在自燃，因為它的不足已經累積。
4.機械的故障，特別在碰撞，包括托底等等工況下面，我們設計一種是球擊測試，一種是刮擦測試。引起不同火災事故的工況，我們會在實驗室的體系下完善，復現測試事故的環境，然后找到評價機理。這是前期的事故調查分析。
分析了相關的機理之后，最主要的還是要建立相應的預警模型。實際上通過這種多的數據來源之后會建很多的數據模型，這里舉了三種模型。
1.動態的閾值模型，電壓超過正常的比例之后肯定要進行預警的過程。
2.一致性分析模型，現在很多新能源汽車電池并沒有出現嚴重的跳躍，長時間維度的時候，一致性出現了變化。這也是我們要進行的一種模型分析。
3.風險累計模型。這是在單個層面或者小時間范圍內不會有，通過長時間累計或者更長時間的分析之后，可以得出一個風險預警。
當然還包括其他的模型，在運行過程中同時校驗，找到車的安全風險。
我們在做的過程中，一般做完線上的預警，可以理解為“遠程預警”，這是通過數據方法預警，發現情況以后，我們還會做線下檢測（實車檢測），找到高風險車以后，做線下設備檢測，提升預警模型的準確性。
我們在運行的過程中，流程是“AI+專家”安全服務體系，我們用多個模型進行分析、判斷和給出預警，這是一個環節。這里有初審和審核的過程，判定完以后有高危車輛，通過標簽貼標的方法，貼的比較準。進入高危車輛以后會進入“專家確診”的過程，最后鎖定這個車有沒有問題，從而解決和排除這些風險，這是我們在實際運用過程中的工作流程。
通過以上的步驟，分析事故得到數據的機理，建立模型、建立數據平臺，不斷的進行迭代和完善和運行這個方法。
我們用這套解決方案也做了很多相關工作，舉兩個例子。
首先，這是一個我們在過程中所發現的情況。左邊的車，在一個電池組里面，這是事故車里面的情況，在前10天已經發現了明顯的突變，下面明顯沒有。之前如果能夠發現這樣的事故車，或者在10天前可以監測的話，這是很OK的。
右邊這個，還可以放得更長一點，往往有時候一個車輛在前面段時間里面，它還不一定能夠發現情況。放得更長里面也可以找到問題的原因。
左邊這個車是當時的一個車型，后面是同一個企業把同批次車拿給我們，右下角是同批次的車，我們找到高危車輛，11號和84號電芯與其他電芯相比風險累積值明顯偏高，這個車確實存在非常高的風險，后面也是處置完畢，找到了同批次，后面解決了同批次相關車輛的高危風險排除。
左邊看一下這幾個圖，一般來講，最上面橙色的線是正常電壓的范圍，藍色的線最靠右這點點在最后的時刻里面發生了跳水，在當天的范圍內已經發生跳水，這是第一個圖。
第二個圖，如果跳水以后不僅僅跟電壓有關，也跟絕緣電阻有關系，右邊綠色的這條線是絕緣電阻的比例關系。可以通過多個輸出參數判定車輛的風險。
這是在出現事故的情況，把時間維度拉的更長看一下，這個車在前面若干天之前，藍色部分出現問題的單體已經出現異樣，但是這個異樣閾值是判斷不出來的，因為它還沒有超出嚴重的范圍，3.5V在左右一點點變化，所以往往叫風險累計這塊，它比希望動態閾值判定更準。所以多個模型要互相校驗，一個模型很容易失真或者容易判斷錯。這是左邊部分。
右邊部分又有一個非常明顯的例子，還有一種就是前面任何查不到風險，因為我們每次查的時候會有一定的提取頻率的?？匆幌掠疫叺膱D，在出事故的過程中，前期不去復看它的電流電壓的過程，我們以為“突然死亡”，什么都正常，突然起火了，實際找完以后，復現所有過程，在前面若干天甚至上月的時間，出現一次到兩次有一點突然抖動的過程，這就是對接下來采樣這塊，包括數據處理提出了很高的要求。這也是我們這個模型需要多維度判斷的過程。這是兩個具體的案例。
在過程中，我們也做了這套系統，現在給車企，包括相關的運營公司進行了結合和服務，供這些服務之后，我們給相關的車企舉了一些例子，也有安全預警。我們提出有預警的類型之后，企業反饋的結果，查完之后確有此事，而且確切的排除了風險，消除了隱患。這就是用前面的方法做到的安全預警的成果。
前面用的是一個平臺和一個系統，總的來講就是用大數據的方法做了安全的預警，做了大量案例和實踐，這就是大數據在安全上面做的實踐和探索。
大數據這個概念非常大，新能源這個產業很大，放到這個維度上來看的時候，接下來有四個方面的建議。
第一方面，大數據可以賦能在產業管理和行業政策的制定上面，特別是對相關的部委有借鑒意義，在汽車全生命周期管理過程中，不管從車輛的運行、上牌、市場銷售涉及到不同部委的關系，包括在運行過程中，不管交通事故、年檢、營運車輛涉及到多維度的部委管理，在這一塊可以把數據進行一些結合和整理，把它聯通起來。
第二，大數據在汽車技術的研究和技術創新上面進一步賦能。舉一個例子，拿安全為例子說一下。剛才上面第二部分講了新能源汽車安全預警，也是其中一個例子。傳統來講，安全包含交通安全，到今天這個時候，安全往前走智能安全，ADAS安全，往后有事故的預警和救援，包括國家相關部委在推動，包括事故的應急救援這塊。
從車輛售完車到運行到使用，實際上整個過程智能安全、主動安全、被動安全、新能源安全，都會產生大量的數據。我們在此過程中一方面把數據進行連接，可以連接起來互相做判定，這是第一方面在技術研究上的作用。
第二個作用，剛才已經講到了，一個方面是電池安全這塊，我們傳統的電池安全可能靠的是實驗室的測試設備，靠的是經驗。實際上，當多了一維數據手段的時候，多了一維空間來保障電池的安全，像剛才說的新能源的安全控制一樣的。所以在這個意義上來講，它是接下來在具體某一個系統安全里面，多一維空間研究它、保障它，逐步讓它穩定。這是在推動數據安全方面，在汽車安全方面的大數據的作用。
第三，汽車在全生命周期上面的大數據賦能。車從銷售完了以后，到最后使用，鏈條非常長。中國的汽車前端市場已經到了一定比較飽和或者相對穩定的狀態，后市場這塊的空間非常大，這里面大數據可以挖掘出大量的價值。特別想說一下，用車出行這塊，我們非常了解的是滴滴打車，現在滴滴打車說一個概念，滴滴現在做的非常精深了，一天服務幾千萬甚至幾百萬的司機每天在執行服務，一天服務幾千萬的客戶，一天是幾個PB的數據量。過程中做了幾個重要的點：
1.轎車的過程中要進行大量的分析，哪些客源在哪里?？驮吹姆植?、位置、時間都是它去了解的，還有客源的喜好，究竟喜歡什么車，這是要判定的，這是找客需求過程中的大數據應用。
2.上了車以后也有大數據應用，現在上了滴滴以后視頻也有、錄音也有，對駕駛員的行為也在監控。這個過程中的監控，客觀來講把大數據應用到對成員和駕駛員的安全保護上來。
3.下了車以后基本上不用考慮要不要馬上付費，可以直接扣費，但是扣費又有風險問題，現在區塊鏈和大數據安全結合起來，和客戶評價也結合起來。
在滴滴上面可以看到大數據創造了大量的價值，在體驗、買車、換車維度上面，我們相信價值創造更多，鏈條拉得更長，鏈節做的更粗。
第四，在相關產業上面進行賦能?，F在的汽車客觀來講，如果在昨天的時間，在昨天這個時候汽車理解為以機電業為主的產品，在今天已經不一樣了，汽車變成了一個數據終端、能源終端、娛樂終端，這時候更多考慮的是“人、車、路、網、云”整個大生態。
這里想舉一個例子，國家正在推動的，今天之后在做的是“新基建”，包括5G大規模示范應用和智能網聯的先導示范區，把多個產業的領域攏在一起。
新能源汽車只是解決新能源部分，我們把新能源汽車和智能網聯汽車的載體結合起來，其中很重要的連接手段，或者保障手段就是大數據的應用。所以，我們相信以數據為紐帶能夠把能源網、交通網、服務網、車聯網打的更完善，賦予更多能量。
以上是四方面對大層面的創造價值，最后想用一句話說說，在講這句話之前，馬云同志講了一句話我覺得挺好，在面臨新技術、面臨互聯網的時候，他說：很多人因為看不見；第二是看不起；第三是看不懂；第四所謂是跟不上，往往跟時代有所脫節。
我們希望汽車從業者和相關的同志能夠看見、看起、跟上，也能夠完全的創造更多的價值，所以我們必須高度重視大數據在新能源汽車產業發展中的戰略價值，加快推動大數據在汽車產業中的應用，共同構建以大數據為聯結的新型產業生態體系，驅動新能源汽車高質量發展！”
