会议推荐
1
2026首届中国汽车企业项目管理大会
2
3
4
2026第五届中国项目经理大会
5
2026第三届中国医药企业项目管理大会
《汽车工业蓝皮书 —— 宁波汽车工业发展年度报告（2024-2025）》由宁波市汽车零部件产业协会编著，涵盖总报告、乘用车、零部件等多领域，解析 2024、2025 年宁波汽车工业现状、趋势与挑战，配套企业案例及对策建议，是把握当地汽车产业的实用参考。
联畅智能作为本次年度报告的副主编单位，在报告中针对智能制造领域，发表了《汽车零部件行业数字化研发平台研究报告》，在针对数字化研发的政策背景、管理现状、平台架构、应用成效以及改进措施等方面做出自身见解。以下为相关内容分享。
宁波汽车工业发展年度报告
1.数字化研发发展的政策背景
当前，智能制造已成为推动制造业产业模式和企业形态根本性转变的主攻方向。在国家与地方层面密集出台的政策指引下，我国智能制造发展路径清晰，其核心是通过数字化转型实现高端化、智能化、绿色化升级。这一进程对作为数字化转型核心引擎的数字化研发平台提出了前所未有的高标准与严要求。
国家工信部在《制造业数字化转型行动方案》等纲领性文件中明确指出，要“分行业分领域挖掘典型场景”，并“加快核心技术攻关和成果推广应用”。这意味着优秀的数字化研发必须突破行业壁垒，具备高度的灵活性与可配置性，能够深入理解并快速响应不同制造业细分领域的个性化需求，将共性技术与特定场景深度融合。为了加速产品创新、优化研发流程、提高团队协作效率，构建一套高效、集成、可扩展的数字化企业研发平台显得尤为重要，其自身的技术先进性与集成能力已成为决定智能制造落地成效的基础。
特别是在梯度培育体系中，这一要求被具象化和层级化。根据工信部《智能工厂梯度培育要素条件》，从“基础级”到“领航级”的跃迁，是企业数字化、网络化、智能化水平逐级攀升的过程。每一级的评估与认定，都对产品研发设计的数字化协同、仿真验证、数据驱动迭代等能力提出了更精细的指标。数字化研发逐渐成为企业能否入选更高梯度、获取政策支持、提升核心竞争力的关键基础。它需要支撑企业实现研发全流程的研发设计、知识沉淀与复用、以及基于数据的创新决策，以满足“卓越级”乃至“领航级”智能工厂对自主研发创新能力和快速市场响应速度的苛刻要求。
浙江省与宁波市的政策实践则进一步强化了这一趋势。浙江省强调“部省协同”，其“省级数字化车间一智能工厂一未来工厂”梯度与国家标准有效衔接，并特别指出要“推进大模型、先进计算深度赋能”和“高质量提升企业数据管理与应用能力”。这直接要求数字化研发必须融合人工智能、大数据、先进计算等前沿技术，具备强大的数据治理、分析与应用能力，能够为企业提供模拟仿真、算法优化、智能决策等高端研发赋能，从而培育“新质生产力”。
作为制造业高地的宁波市，其政策核心是“鼓励企业迭代实施”。这意味着数字化研发必须具备良好的开放性与演进性，能够伴随企业成长而持续迭代升级，支持企业从市级示范到省级、国家级标杆的持续攀登。数字化研发不仅要满足当前项目的建设需求，更要为未来的技术升级和模式创新预留空间，成为企业智能化转型中可持续投资的数字资产。
在从中央到地方的系统性政策推动下，智能制造的梯度培育体系正引导制造业企业向更高水平发展。这一过程极大地抬高了数字化研发发展的门槛，要求其必须向全行业赋能、全流程协同、全数据驱动、全技术集成的方向演进，最终成为驱动制造业实现根本性转变的核心力量
。
2.数字化研发管理现状
2.1
离散型制造业数字化
研发使用现状
2.1.1存在问题
PLM系统作为数字化研发管理发展现阶段的产物，已成为了制造业数字化转型的核心工具。目前，PLM已经解决了制造业在数字化研发管理中的诸多问题，但在实际应用中仍面临多方面问题，直接影响其使用成效。
1）数据管理与集成效能不足
PLM系统在处理大量产品数据（包括设计文件、材料规范、工艺流程等）时，难以始终保证数据的一致性、准确性和安全性。其与企业其他系统（如ERP、MES、CAD等）的无缝集成存在困难，容易形成数据孤岛。这导致产品数据在各业务部门之间传递时，技术资料的准确性和一致性难以保障，设计与工艺部门之间信息沟通不畅，不利于企业整体技术进步和降低生产成本。
2）变更管理与流程控制效率低下
在产品生命周期中，设计变更、工艺改进、材料替代等变更是常态，但PLM系统对变更管理的支持效率不足。变更流程往往复杂，且缺乏明确的流程和可追溯的变更记录，导致错误和重复工作。变更信息的实时性难以保证，这使得变更管理在表面上存在，但实际上并未得到有效控制，影响了相关部门和人员的工作积极性。此外，版本控制和配置管理功能在面对产品设计和制造过程中的不同版本时，追溯和管理效率不高。
2.1.2产生原因
1）系统架构兼容性与灵活性不足
PLM系统需要与多种企业应用系统集成，但不同系统的技术平台存在差异，数据格式兼容性等问题往往导致集成困难。PLM系统涉及大量的数据来源和数据类型，确保数据的准确性、一致性和完整性本身就是一个技术挑战，需要解决数据集成、数据格式标准化和数据质量管理等复杂问题。此外，PLM系统的可定制化程度和扩展性可能无法完全满足企业的特定需求，尤其是在应对不同行业复杂多变的业务场景时，其架构显得僵化。
2）核心功能模块与行业需求脱节
PLM系统虽然提供了通用的数据管理和流程管理功能，但其核心功能模块（如BOM管理、变更控制、协同平台）与特定行业的深度需求存在脱节。例如，机械制造行业高度依赖BOM管理与变更控制，医药行业则极度关注合规性与数据完整性，软件开发行业需要需求与测试的端到端协同。PLM系统若不能为这些行业提供高度适配和深度定制的功能解决方案，其应用成效自然会打折扣。同时，PLM系统在知识管理和智能决策支持方面的功能也有待加强，以更好地将企业经验转化为可复制的资产。
3）安全性与供应链协同机制欠缺
PLM系统涉及到企业核心的产品设计和技术信息，其对系统安全性和知识产权保护的内部机制设计至关重要，需要确保系统的安全性和防止未经授权的访问和信息泄露。此外，现代制造业越来越依赖供应链协作，但PLM系统在供应链整合方面的内在功能支持可能不足，未能有效地将供应商和外包合作伙伴纳入变更管理等流程，难以确保信息在供应链上的及时传达与执行。
2.2
汽车零部件行业制数字化
研发使用现状
2.2.1存在问题
截止2024年，汽车零部件行业共有智能工厂149家，其中基础级智能工厂127家，先进级智能工厂22家。业拥有智能工厂149家（基础级127家，先进级22家），总量遥遥领先，占全市总数26.9%。
2017-2024智能工厂梯度培育发展期间，汽车零部件行业智能工厂增长数量在2022年实现了最高，数量为33个。在2017年增长最少，数量为6个。
这说明宁波汽车零部件行业整体的底层部署与基础发展已经相当完善，低端汽车零部件行业制造企业已经有 了成熟的发展体系。
但同时，数据也暴露了目前汽车零部件行业的重要痛点——中高端汽车零部件行业发展后劲不足。宁波市汽车零部件行业的智能工厂中，先进级占比仅14.8%，低于全市均值，大而不强问题凸显。需重点推动零部件企业智能化升级，提升电控、智能驾驶等高端环节比重，优化梯队质量。
目前汽车零配件行业中，各企业数字化研发管理的情况都各不相同，企业之间PLM的使用成效有着很大差距，主要分为以下三类情况：
1）未使用企业
未实施PLM系统的企业主要面临产品数据管理碎片化问题。由于缺乏统一的数据管理平台，企业各部门间存在严重的信息孤岛现象，设计、工艺、制造数据无法有效共享和传递。这导致产品开发过程中版本混乱、设计变更响应迟缓，且难以保证技术资料的准确性和一致性。
此类企业通常依靠传统的人工管理和点对点沟通方式，使得产品开发过程缺乏标准化流程和有效追溯机制。随着产品复杂度的提高和客户需求的多样化，这种传统管理方式已难以满足市场对研发效率和产品质量的要求，制约了企业的技术创新和持续发展能力。
2）已使用企业
已实施PLM但效果不理想的企业，通常遭遇系统功能与实际业务需求匹配度不高的问题。PLM系统的标准化流程与企业特有研发管理体系存在差异，导致系统难以全面支撑企业的特殊业务场景和个性化需求。
这些企业在应用过程中常面临数据集成和系统协同的挑战。PLM系统与现有CAD、ERP等系统的集成度不足，数据交换和业务流程衔接存在断层，形成了新的信息壁垒。同时，系统灵活性和可扩展性的限制，使得企业无法随业务发展及时调整和优化PLM应用模式，降低了系统的实用价值和用户体验。
3）使用较好企业
即使PLM应用情况相对较好的企业，仍然面临系统深度应用和持续优化的挑战。现有PLM系统在支持创新研发和复杂产品管理方面存在功能局限性，特别是在支持跨学科协同、多领域集成和复杂系统工程管理方面能力有待提升。
这些企业在向智能制造转型升级过程中，对PLM系统提出了更高要求。现有系统在实时数据协同、供应链全局优化和数字化孪生等高级应用方面支持不足，难以完全满足企业打造全数字化产品生命周期管理的需求。同时，系统在知识挖掘和智能决策支持方面的功能薄弱，限制了企业将研发经验转化为核心竞争优势的能力。
2.2.2产生原因
1）系统集成与数据互通功能不足
PLM系统与企业管理其他系统间的集成度不足是当前最突出的功能缺陷。许多PLM解决方案与企业现有的ERP（企业资源计划）、MES（制造执行系统）等系统缺乏深度集成，导致设计数据无法实时同步到生产系统，形成数据孤岛。这种集成缺陷使得设计部门生成的BOM（物料清单）无法准确传递至生产系统，供应链部门只能依赖过时的数据进行采购，最终导致库存积压或物料短缺问题。
汽车零部件行业企业通常同时使用多种设计工具和管理系统，但由于PLM系统的接口标准化不足，不同系统间的数据转换需要人工处理，不仅增加了工作量，还引入了较高的错误率。数据显示，某些企业因数据转换导致的错误率高达相当比例，严重影响了研发数据的准确性和一致性。这种碎片化的技术架构使得企业难以构建贯穿产品全生命周期的数字主线，限制了数据的连续流动和实时协同。
2）定制化与柔性化支持能力有限
面对汽车市场个性化需求激增的趋势，传统PLM系统呈现出明显的刚性架构特征，难以支持大规模定制化需求。许多PLM系统缺乏有效的模块化设计支持功能，无法将客户需求数据与生产工艺参数自动匹配，导致每个定制化订单都需要人工调整生产流程，大幅延长了交付周期并增加了成本。研究表明，未实现数据贯通的企业，其定制化订单成本比标准化产品高出显著比例。
PLM系统在流程适配性方面也存在功能缺陷。尤其是对于中小型汽车零部件行业企业，传统PLM系统往往过于复杂，包含了大量企业不需要的功能模块，导致系统使用率偏低。相反，这些企业真正需要的轻量化、场景化功能却往往缺失。这种"大而全"但不够精准的功能设计，使得许多企业投资PLM系统后难以获得预期的投资回报，甚至因系统复杂度高而导致员工抵触使用。
3）新技术应用与智能化水平不高
尽管人工智能、大数据等新兴技术迅速发展，但传统PLM系统在集成这些技术方面表现滞后。许多PLM系统的数据治理能力严重不足，无法为AI算法应用提供高质量的结构化数据支持。某消费电子企业尝试将AI算法应用于故障预测时，就因为PLM系统无法提供结构化数据支持，导致模型准确率远低于行业标杆水平。
PLM系统在数字孪生、物联网数据集成等前沿领域的支持能力也明显不足。随着智能网联汽车的发展，汽车零部件行业产生的数据量呈指数级增长，传统PLM系统在存储和处理这些数据方面面临巨大挑战。某风电企业每日产生大量风机运行数据，但其原有PLM系统响应延迟高达数十分钟，严重制约了预测性维护等高级功能的实现。
4）移动端与云端功能支持欠缺
在移动办公日益普及的背景下，许多PLM系统仍然主要支持PC端应用，缺乏完善的移动端功能支持。这导致现场工程师无法及时更新维修数据，增加了返工率。某工程机械企业就因为PLM仅支持PC端，导致现场数据更新延迟，返工率增加了相当比例。这种移动端功能支持的缺失，限制了PLM系统在全场景研发应用中的价值发挥。
虽然云原生PLM系统正在兴起，但许多传统PLM厂商在云端部署方面的功能支持仍然不足。尤其对于安全敏感型汽车零部件行业企业，如何平衡数据云端化的便利性与安全性，仍然是PLM系统未能很好解决的功能挑战。一些PLM系统提供的混合云方案在实际应用中往往存在数据同步延迟、功能受限等问题，无法完全满足企业的实际需求。
总之，尽管PLM系统在汽车零部件行业取得了广泛应用成效，但其在系统集成、定制化支持、新技术应用、移动云端支持等方面的功能缺陷仍然明显，制约了行业向更高水平发展。未来PLM系统需要从这些方面进行功能增强和创新，才能更好地满足汽车零部件行业数字化转型的需求。
3.数字化研发平台框架
综上所述，以PLM为核心的数字化研发平台已取得许多成绩，但在发展过程中也暴露出了许多问题和短板。针对这些现有缺陷，浙江大学谭建荣院士科创中心联合浙江大学研发团队，采用先进技术，在基于原有的发展基础上，开发并推出全新一代数字化研发平台——D.PLAT，以期望通过该平台的强大能力，解决汽车零部件行业在向中高端领域转型升级中诸多难点痛点。
3.1
业务全景
3.1.1核心：研发全流程关键环节
业务中心是研发全流程的关键环节，包括需求管理、项目管理、设计管理、工艺管理等内容。这些环节覆盖了从需求提出，到项目规划、设计开展、工艺制定、样品试制、实验验证，再到问题解决、生产制造协同以及变更优化的完整研发生命周期，确保研发工作的系统性与连贯性。
3.1.2纵向：资本市场与知识市场支撑
1）资本市场（价值与成本维度）
“资本市场”聚焦“研发价值”与“研发成本”。“研发价值” 通过 “价值分析”“产品规划”“产品市场”来挖掘，旨在明确产品的市场价值，做好产品规划以推向市场；“研发成本”依靠“成本分析”“效益分析”以及“预算管理”“决算管理” 进行管控，确保研发投入与产出平衡，为企业在资本市场的表现提供支持。
2）知识市场（知识沉淀维度）
“知识市场”以“知识管理”为核心，涵盖“标准规范”（企业规范、产品规范、过程规范等）。这些规范是研发等业务的知识基础，实现知识的沉淀、共享与复用，助力企业提升研发效率与质量，为研发全流程提供知识支撑，是企业长期发展的知识储备库。
3.1.3横向：供应链与客户协同
1）供应市场与供应链协同
“供应市场”通过“供应商协同管理”，开展“协同设计”“协同供应”“协同计划”等工作。这意味着企业与供应商在设计环节共同参与，供应环节紧密配合，计划环节协同制定，从而整合供应链资源，保障物料、技术等供应的及时性与适配性，让供应商更好地融入企业研发与生产体系。
2）客户市场与客户协同
“客户市场”借助“客户协同管理”，推进“协同产品”“协同设计”“协同服务”。企业与客户在产品层面共同规划，设计层面共同参与，服务层面紧密互动，拉近与客户的距离，使产品更贴合市场需求，提升客户满意度与产品市场竞争力。
3.2
平台结构
1）系统层
为底层支撑，含模型管理、角色管理、功能权限、数据权限，保障平台安全与标准化运行。
2）引擎层
提供核心“动力”，流程引擎驱动业务流转，关系引擎处理容错，逻辑引擎执行复杂业务逻辑，规则引擎统一管理业务规则，界面引擎负责个性化界面配置，决策引擎提供决策职场，提升平台灵活性。
3）功能层
聚焦业务集成与管理，输入集成对接3D CAD、CAE等工具；核心模块涵盖技术、流程、案例、实验、产品管理；输出集成对接ERP、MES等外部系统，实现数据互联互通。
4）行业层
覆盖汽车零部件、船舶、电子等多行业，且各行业细分场景，支持不同领域定制化需求。
5）应用层
串联销售、需求、设计、工艺等全生命周期环节，实现各业务环节协同闭环。
6）分析层
通过BI开展质量、效率、成本分析，为企业决策提供数据支撑。
4.数字化研发应用成效
4.1
研发效率的显著提升
在传统研发模式下，设计师和工程师需要手动完成大量的计算、绘图和模拟工作，这不仅耗时耗力，而且容易出错。然而，随着数字化技术的引入，如计算机辅助设计（CAD）、计算机辅助工程（CAE）和计算机辅助制造（CAM）等工具的广泛应用，研发流程得以自动化和智能化，从而极大地提高了研发效率。具体来说，数字化研发应用通过以下几个方面提升了研发效率：
1）自动化设计
CAD软件能够自动完成复杂的设计任务，如三维建模、装配模拟等，大大缩短了设计周期。
2）精确模拟与分析
CAE软件能够对产品进行精确的模拟和分析，帮助工程师在设计阶段就预测产品的性能和行为，从而减少了物理原型和试验的次数。
3）高效制造
CAM软件能够将设计结果直接转化为制造指令，实现了设计与制造的无缝衔接，提高了制造效率。
此外，数字化研发平台还提供了协同工作的环境，使得不同部门和团队之间的信息流通更加顺畅，进一步提高了研发效率。
4.2
产品质量的改善
通过精确的模拟和分析，工程师能够在产品制造前就发现并解决潜在的质量问题，从而提高了产品的可靠性和稳定性。具体来说，数字化研发应用通过以下几个方面改善了产品质量：
1）精确预测
CAE软件能够对产品的力学性能、热学性能、流体动力学性能等进行精确的预测，帮助工程师在设计阶段就优化产品的性能。
2）优化设计
通过数字化手段进行产品设计，可以更容易地实现设计的优化和迭代，从而找到最佳的设计方案。
3）质量控制
数字化制造技术的应用使得制造过程中的精度和一致性得到了更好的控制，从而减少了制造缺陷和不良品的产生。
4.3
有效实现成本控制
在传统研发模式下，由于需要制造大量的物理原型和进行大量的试验，研发成本往往非常高昂。然而，在数字化研发模式下，通过虚拟原型和模拟试验，可以大大减少物理原型和试验的次数，从而降低了研发成本。此外，数字化研发还通过以下几个方面实现了成本控制：
1）资源优化
数字化研发平台能够优化资源配置，提高研发资源的利用率，从而节约了成本。
2）精益生产
数字化制造技术的应用有助于企业实现精益生产，减少生产过程中的浪费，进一步控制了成本。
3）预测维护
通过数字化手段对设备进行监测和预测维护，可以减少因设备故障导致的停机时间和维修成本。
5.数字化研发改进建议
5.1
制造业数字化研发使用现状
1）制定详细的数据迁移计划
包括数据迁移的时间表、迁移方式、迁移后的数据验证等，以确保数据的完整性和准确性。
2）采用先进的数据处理和分析技术
如大数据、云计算等，提高数据的整合和利用效率。
3）建立统一的数据标准和管理规范
确保不同部门和团队之间的数据格式和接口一致，便于数据的共享和交流。
4）加强与数字化平台提供商的合作
共同解决数据迁移与整合中的技术难题，提高数据管理与集成的效率和效果。
5.2
提升用户培训与接受度
1）制定详细的培训计划
包括培训课程、培训方式和培训时间等，确保用户能够充分掌握数字化研发工具和技术。
2）建立在线学习平台或知识库
方便用户随时随地进行学习和交流，提高用户的学习效率和效果。
3）加强与用户的沟通和交流
了解他们的需求和问题，并积极寻求解决方案，增强用户对数字化研发的信心和认可。
4）建立激励机制或奖励制度
鼓励用户积极参与数字化研发的推广和应用工作，提高用户的积极性和参与度。
5.3
优化业务流程与跨部门协同
1）对现有的业务流程进行全面的分析和评估
找出存在的问题和瓶颈，为业务流程的重新设计与优化提供依据。
2）结合数字化研发的需求和特点
重新设计和优化业务流程，确保业务流程的顺畅和高效。建立跨部门协作机制和团队，明确各部门的职责和任务，加强部门之间的信息共享和交流。
3）采用先进的协同工具和平台
提高协作效率和效果，确保研发工作的顺利进行。
4）定期对业务流程和跨部门协同进行评估和改进：
不断优化和提高业务流程和跨部门协同的效率和效果。
5.4
提高系统定制与配置灵活性
1）与数字化平台提供商进行深入的沟通和合作：
明确企业的特定需求和业务流程，共同制定定制方案和开发计划。
2）在定制过程中加强测试和验证工作：
确保系统的稳定性和可用性，避免因定制不当导致的系统问题。
（联畅智能-院士科创中心）
END
1、如您转载本公众号原创内容必须注明出处。
2、本公众号转载的内容是出于传递更多信息之目的，若有来源标注错误或侵犯了您的合法权益，请作者或发布单位与我们联系，我们将及时进行修改或删除处理。
3、本公众号文中部分图片来源于网络，版权归原作者所有，如果侵犯到您的权益，请联系我们删除。
4、本公众号发布的所有内容，并不意味着本公众号赞同其观点或证实其描述。其原创性以及文中陈述文字和内容未经本公众号证实，对本文全部或者部分内容的真实性、完整性、及时性我们不作任何保证或承诺，请浏览者仅作参考，并请自行核实。
