2026年7月28日，由中国通信标准化协会主办，中国信息通信研究院（以下简称“中国信通院”）承办的2026可信云大会暨首届Token云服务大会在北京成功召开。会上，由中国信息通信研究院云计算与数字化研究所副所长（主持工作）栗蔚、吉利汽车集团 CDO 刘昊，共同发布了《汽车行业数智化转型研究报告》。
当前，全球汽车产业正经历百年未有之大变局。2025年，中国新能源汽车产销分别达到1662.6万辆和1649万辆，渗透率首次突破50%；具备组合驾驶辅助功能（L2级及以上）的乘用车新车渗透率超过60%，智能座舱在新能源乘用车市场的渗透率接近90%。这一系列标志性数据表明，中国汽车产业已从"电动化追赶"正式转入"智能化引领"的崭新阶段。
然而，大量企业的转型实践仍停留在"单点试验"阶段，面临战略与执行脱节、技术投入回报模糊、创新试点难以规模化等深层困境。如何系统性地构建数智化转型的战略体系，实现从"技术驱动"到"价值驱动"的范式跃迁，已成为摆在每一家汽车企业面前的核心命题。
在此背景下，由中国信息通信研究院云计算与数字化研究所与吉利汽车联合编制的《汽车行业数智化转型研究报告（2026）》正式发布。报告提出"业数智融合"战略框架，系统性地回答了汽车企业"为何转、怎么转、转到哪"的根本性问题。本报告汇集了产业界与学术界的智慧与经验，为政府主管部门制定产业政策提供决策参考，为汽车企业规划数智化转型路径提供行动指引。
（一）核心公式："价值 = 关系 × 要素"
报告结合系统工程理论，提出核心公式：价值/功能 = 关系 × 要素。"关系"即标准化的架构与流程，"要素"即能力、组织与投入。二者是乘数效应——任何一方的短板都将严重稀释整体价值产出。许多企业投入AI却收效甚微，根源在于"只堆要素，不建关系"，所以企业必须同步推进"关系构建"与"要素夯实"。
（二）"三化"演进：从业务数字化到智能服务化
报告构建了"三化"协同进化模型，清晰勾勒出数智化转型的价值演进路径：
第一是"业务数字化"——夯实底座，实现全链路可视与可控。
核心任务是将物理世界的业务活动精准映射至数字空间，包含三个维度：
指标数字化（效因）：构建因果关系指标体系，支撑量化回溯与归因分析
作业数字化（效率）：以"业务对齐（自上而下）+ 产品融合（自下而上）"双向驱动，实现流程标准化与高效协同
价值数字化（效益）：从"整车销售"单一价值点，向"全生命周期服务 + 大出行生态"多元化价值网跃迁
第二是"数字智能化"——重构人机协同，驱动AI原生进化。
报告提出"185"智能商业体系框架，围绕"新物种、新基因、新环境"三大命题展开：
1个新角色（新物种）：将AI视为具备人格化身份的智能员工，通过"选用育留备退"全生命周期管理，以"三力九度"（经营力、业务力、专业力）评估交付成果
8个步骤（新基因）：明确AI目标→识别AI场景→重塑AI流程→调配AI人员→改造AI系统→治理AI数据→适配AI模型→迭代AI运营
5个保障（新环境）：AI中台、架构、流程、组织、投入，构建支撑生态
第三是"智能服务化"——升维价值体系，构建钻石服务模型。
作为转型的闭环回归，以"价值"为核心，沿价值、成本、交付、安全、体验五大维度，打造稳固的"钻石模型"，推动数字化从"成本中心"跨越为"价值中心"，完成"从业务中来，到业务中去"的商业闭环。
对话车企CDO：AI原生软件工程的"进阶之路"
在可信云大会主论坛现场，中国信通院云计算与数字化研究所围绕"软工匠心——AI原生软件工程"主题，对吉利汽车集团CDO刘昊总进行了深度专访。作为《汽车行业数智化转型研究报告（2026）》的核心编写人之一，刘昊总就企业在AI原生软件工程领域的战略布局、实践经验和未来展望进行了系统性分享，核心要点如下：
建设现状：在"软件定义汽车"趋势下，吉利AI2B重点布局三大方向。一是研发效能智能化，AI辅助编码工具已覆盖需求、架构、编码、测试全流程，推动研发吞吐量质变提升；二是质量保障智能化，构建基于AI的自动化测试体系与代码审查机制，在安全关键领域建立AI辅助质量门禁，实现"更快、更稳"的双重目标；三是数据智能底座，打通研发、制造、供应链、营销全链路数据，为上层AI能力提供高质量燃料。
安全与质量：面对AI提效带来的"代码洪水"与伴生质量风险，吉利建立了"分级管控 + 质量门禁 + 持续验证"三层体系。分级策略上，非安全关键模块可提高AI自主生成比例，而智能驾驶、动力与制动等安全关键模块的AI代码，必须经功能安全认证人员逐行审核。质量门禁嵌入CI/CD流水线，去年拦截了约15%的潜在风险代码。同时秉持"验证即信任"理念——AI生成代码须通过比人工代码更严格的验证方可合入，以更严苛的标准为AI代码"背书"。
数据底座：数据底座是AI原生软件工程的基石。吉利的实践体会是"80%靠数据、20%靠模型"，遵循"先统后智"的建设路径：先用近两年时间打通数据孤岛、建立统一数据标准与治理体系，再在底座之上构建AI平台与模型服务层。最大挑战来自三个方面——数据质量参差不齐、核心知识产权与敏感数据的安全保障、跨部门组织协同，吉利分别以数据质量标准化、分级分类与隐私计算、以及"数据BP"机制加以破解。
展望未来：面向未来3-5年，刘昊总指出三大方向值得行业关注。一是AI原生的汽车软件架构——现有AUTOSAR、SOA等架构需向更适应AI原生开发模式的方向演进，彻底重构"软件开发范式"；二是虚拟验证与数字孪生的深度融合——AI驱动的仿真验证将大幅降低验证成本、缩短研发周期，让"数字先跑、物理后行"成为常态；三是多智能体协作的研发范式——未来的汽车软件开发将由需求、架构、编码、测试、安全审查等多个专业化智能体协同完成全生命周期管理，实现从"人管工具"到"AI管AI"的跨越。
报告下载二维码
联系人：
邢鑫雨 18618348179 xingxinyu@caiat.ac.cn
马龙飞 15313383102 malongfei@caict.ac.cn
