万鑫铭：数据驱动新能源汽车产业高质量发展

 

2020年8月13日-15日，"2020中国汽车论坛"在上海隆重召开。该论坛是由中国汽车工业协会（CAAM）主办，世界汽车组织（OICA）、世界经济论坛（WEF）唯一支持的行业顶级论坛。本届论坛以"新变局 新挑战 新思路--引领中国汽车新征程"为主题，紧扣时代脉搏, 求索突破之道，紧密围绕"十四五"规划，把控宏观产业形势，解析全球汽车产业发展动态。其中，在8月15日上午举办的"推进新能源汽车市场化"分论坛上，中国汽车工程研究院股份有限公司总经理万鑫铭发表了主题演讲，以下为演讲实录： 

 

中国汽车工程研究院股份有限公司总经理万鑫铭

    万鑫铭：各位领导、各位同仁，大家上午好。

    首先非常感谢中国汽车工业协会邀请我来参加中国汽车论坛，并作报告。来这里非常荣幸，因为有很多老朋友，也认识一些新朋友，接下来的时间我汇报的题目为"数据驱动新能源汽车产业高质量发展"的报告。

    三部分：

    1.大数据时代来临；

    2.新能源汽车大数据应用的探索实践；

    3.数据赋能产业高质量发展的思考。

    首先说一下数字经济的情况，现在大家在一个数字的时代，现在用的词比较多的是IT到了DT，说的更加长一点的话，从机械的驱动到电力驱动到计算机驱动，到现在的数据驱动，工业4.0四个主要的阶段，过程中诞生了非常多的生产力和推动经济的进步。

    这里有几个数字给大家做一个报告，2019年中国经济总量接近99万亿，接近100万亿人民币。数字经济总量占了35.9%，GDP占了36.2%，这是一个比较。

    第二，看一下左边的柱状图，从2002年到2020年，从1.2万亿到了35万亿，涨了接近30倍。数字经济究竟包含什么？这些数字怎么统计出来的？像我们今天遇到的新基建、电子通信、互联网都在里面，这是一个非常庞大的经济体系。

    国家层面有经济的推动力，国家由地方组成，地方的经济在数字经济体量上面是突飞猛进的发展，有几个数字看一下。

    第一个格子里面，现在大于5千亿的，在去年的GDP里面大于5千亿总量有不少的地区，特别值得提出的就是像北京、上海等，GDP总量比例超过了50%。这个比例比较大的，实际上都是以东南沿海为主，发现一个特点，越是经济发达的地方，是越是开放型经济的地方，数字经济占比和数字经济的重要度越来越高。同样看到，在贵州和重庆两个地区，虽然在中部或者西部，增速比较快，相对基础低一点。重庆和贵州的领导非常重视数字经济，这也是当前在中国大的发展趋势下面，政府在推动数字转型。

    这张图片的信息量比较大，花点时间分享一下。首先，大数据现在作为市场一个重要的要素，前段时间在4月份国家发布了一个《关于更加完善市场资源配置》的指导意见，其中提了五大要素，包括传统所说的劳动、技术、资本、土地，特别加了数据，现在把数据当做一个要素、资源，也有一个说法，数据就是石油。

    在这个意义上来讲，"四个化"里面，一个是数据价值化，体现了它已经成为一种生产要素；同时，数字产业化，我们现在把数字直接变成数字经济的，刚才说的电子、通信、软件、互联网，这些都是数字产业化，其实也包括传统企业也在不断的数据进行数据产品和产业化的过程。另一方面也要产业数字化，可以看到从农业一产农业、二产工业，三产服务业，都在不断的贡献更多的边际效应，都是在贡献产业数字化，进一步赋能。

    更为重要的是，国家在推动国家层面现代治理能力的提升，企业、城市层面也在推动，生产关系上面也在提升数字化治理，强调更多主体的参与和集团的结合，特别是数字化的公共服务。总体来讲，数据成为重要的生产要素和四化的推动。

    今天的主题是中国汽车论坛，在座的各位是汽车相关的从业者，跟汽车什么关系？这张图的信息比较多，从汽车传统的产业链，研、产、供、销、服，相对来说在当前附加值里面，我们定义相对低附加值，在数据结合之后，可以把这个曲线提升，为什么？数据可以产生一系列的作用，在里面进行设计的交互、溯源跟踪等等，可以进行柔性的数据开发，这都是大数据带来的效果。这是在传统的产业链上面。

    在产业链的后端，特别是现在面对汽车的"四化"，汽车电动、智能、网联，在这个领域里面不仅仅是催生，更多是完全赋能这个板块的发展，接下来要讲到的也是重要的靠数据驱动大量的发展，这里面涉及到"人、车、路"等各方面的数据，来保障"四化"有效实现。这是跟汽车行业大量的结合，跟汽车行业是一个宏观的。

    接下来用中国汽研所开展的探索和案例讲讲，跟新能源汽车这块有什么可以结合的。

    上半场的专家里面讲了很多，两个很重要的因素是消费者很关心，一个是蓄势里程，一个是安全。从产业的角度，还有产业链价值能否传递，换句话说产业链上下游能否赚钱，其实今天马处第一个演讲里面特别讲到了，产业链上面总体来说还是有较大的挑战，从这个意义上来讲，要说到安全这个挑战点。从这几年陆续发现一些情况，新能源的安全涉及到一系列，包括传统的安全，包括火灾的安全引起了消费者的高度重视。

    中国汽研针对安全的挑战，我们依托"一个平台和一个系统"，这个平台是"新能源汽车大数据联盟西南分中心"，另外一个系统是"新能源汽车缺陷调查监测与分析系统"。依靠这个平台和系统建立车辆安全的预警模型，突破安全预警相应的一些相关问题。

    这里面主要的问题要提出来，现在在新能源安全预警上面的问题，一个是逆向的解析难；第二个是缺陷的识别和定位难；第三个是风险预警评估精度高比较难。经过我们的探索，这些方面取得了积极的进展。

   首先说一下新能源的大数据平台，在部委的指导下所开展的，西南分中心作为其中一个分中心，我们这边实现了对数据的实时监控、统计和预警应急救援，里面包含的内容是在重庆板块里面做比较好的试点和推动。    

    这是一个系统，这个系统是市场监控总局从"召回"的角度来推动的缺陷调查监测和分析的系统，这个系统当前也是接入了相当量的车型，也包括已经出了状况的一些同批次车型的事故车型数据，也包括现在在运行的相应的车辆的数据，目的是为了保证同批次车型，如果有车辆有状况，同批次车型有可能也会成为一个高危车辆，接入了不少车辆，通过不断的运行总结相应的数据。

    在这个系统里面制定了完善事故车数据分析流程和高危车预警流程，建成了安全、完善、智能的大数据基础数据处理体系，可以对事故车之间的共性特征以及高危车辆进行快速识别和预警提示。

    整体来说，我们可以做到对事故车之间的共性特征以及高危车辆进行快速识别和预警提示。

    应用会给车企提供一个预警的提示，包括对相关的服务单位提供需求反馈。右边是示意图。

    一个平台和一个系统过程中，我们通过前期的工作总结了一套方法，命名为"循证实践方法"，简单来说就是基于事实（案例），特别是事故的案例最佳实践和持续更新的研究方法。

    上半部分是通过事故的调查和分析，这个过程中我们会到事故的现场采集所有的相应物证和证据，包括数据的证据。

    在实验室里面对相应的一些结构或者一些机理进行进一步深入分析，分析完了以后，这里面会得出相应的预警模型和提出安全预警的服务。因为这种模型要放在系统上面，进一步对其他车辆提供服务。这是一个建模型的过程。

    同时，在建立评估体系在运行的过程中全面准确、及时，进行不断的循环和替代，然后完善算法和完善模型。

    具体讲讲"循证实践方法"几个步骤的相关内容。首先是事故调查，刚才是一个总的内容，事故调查怎么做？首先会通过事故的现场勘查，也会进行深度的调查分析和缺陷的风险评估，重点要分析事故的原因，一般来讲分析事故原因会找到最大的相应参数的阈值判断，一般会超过实际的正常范围，这是一个判定。

    第二，会找到影响相应参数前面的输入参数，同时根据输入参数和响应的阈值之间的关系，通过机器学习的方法找到关联的关系。这也是分析原因，同时也是建立模型的一个过程；同时也要还原事故的场景，建立动力电池安全评价体系。

    现在主流的车辆，特别在起火相关的事故里面主要有这些内容，刚才比亚迪这边特别讲到了七个方面，五个维度，还有四个层级。在五个维度里面包括了，像这边的电池一致性，特别在事故方面有过充、过放的过程引起热失效；2.在进水的方面我们经常发现有这样的事故导致起火，我们也会设置相应的测试评价。下面这一行是测试评价，会采用IPX9防水测试方法。

    3.同时车辆会在充电过程中自燃，包括静止的过程中也会存在自燃，因为它的不足已经累积。

    4.机械的故障，特别在碰撞，包括托底等等工况下面，我们设计一种是球击测试，一种是刮擦测试。引起不同火灾事故的工况，我们会在实验室的体系下完善，复现测试事故的环境，然后找到评价机理。这是前期的事故调查分析。

    分析了相关的机理之后，最主要的还是要建立相应的预警模型。实际上通过这种多的数据来源之后会建很多的数据模型，这里举了三种模型。

    1.动态的阈值模型，电压超过正常的比例之后肯定要进行预警的过程。

    2.一致性分析模型，现在很多新能源汽车电池并没有出现严重的跳跃，长时间维度的时候，一致性出现了变化。这也是我们要进行的一种模型分析。

    3.风险累计模型。这是在单个层面或者小时间范围内不会有，通过长时间累计或者更长时间的分析之后，可以得出一个风险预警。

    当然还包括其他的模型，在运行过程中同时校验，找到车的安全风险。

    我们在做的过程中，一般做完线上的预警，可以理解为"远程预警"，这是通过数据方法预警，发现情况以后，我们还会做线下检测（实车检测），找到高风险车以后，做线下设备检测，提升预警模型的准确性。

    我们在运行的过程中，流程是"AI+专家"安全服务体系，我们用多个模型进行分析、判断和给出预警，这是一个环节。这里有初审和审核的过程，判定完以后有高危车辆，通过标签贴标的方法，贴的比较准。进入高危车辆以后会进入"专家确诊"的过程，最后锁定这个车有没有问题，从而解决和排除这些风险，这是我们在实际运用过程中的工作流程。

    通过以上的步骤，分析事故得到数据的机理，建立模型、建立数据平台，不断的进行迭代和完善和运行这个方法。

    我们用这套解决方案也做了很多相关工作，举两个例子。

    首先，这是一个我们在过程中所发现的情况。左边的车，在一个电池组里面，这是事故车里面的情况，在前10天已经发现了明显的突变，下面明显没有。之前如果能够发现这样的事故车，或者在10天前可以监测的话，这是很OK的。

    右边这个，还可以放得更长一点，往往有时候一个车辆在前面段时间里面，它还不一定能够发现情况。放得更长里面也可以找到问题的原因。

    左边这个车是当时的一个车型，后面是同一个企业把同批次车拿给我们，右下角是同批次的车，我们找到高危车辆，11号和84号电芯与其他电芯相比风险累积值明显偏高，这个车确实存在非常高的风险，后面也是处置完毕，找到了同批次，后面解决了同批次相关车辆的高危风险排除。

    左边看一下这几个图，一般来讲，最上面橙色的线是正常电压的范围，蓝色的线最靠右这点点在最后的时刻里面发生了跳水，在当天的范围内已经发生跳水，这是第一个图。

    第二个图，如果跳水以后不仅仅跟电压有关，也跟绝缘电阻有关系，右边绿色的这条线是绝缘电阻的比例关系。可以通过多个输出参数判定车辆的风险。

    这是在出现事故的情况，把时间维度拉的更长看一下，这个车在前面若干天之前，蓝色部分出现问题的单体已经出现异样，但是这个异样阈值是判断不出来的，因为它还没有超出严重的范围，3.5V在左右一点点变化，所以往往叫风险累计这块，它比希望动态阈值判定更准。所以多个模型要互相校验，一个模型很容易失真或者容易判断错。这是左边部分。

    右边部分又有一个非常明显的例子，还有一种就是前面任何查不到风险，因为我们每次查的时候会有一定的提取频率的。看一下右边的图，在出事故的过程中，前期不去复看它的电流电压的过程，我们以为"突然死亡"，什么都正常，突然起火了，实际找完以后，复现所有过程，在前面若干天甚至上月的时间，出现一次到两次有一点突然抖动的过程，这就是对接下来采样这块，包括数据处理提出了很高的要求。这也是我们这个模型需要多维度判断的过程。这是两个具体的案例。

    在过程中，我们也做了这套系统，现在给车企，包括相关的运营公司进行了结合和服务，供这些服务之后，我们给相关的车企举了一些例子，也有安全预警。我们提出有预警的类型之后，企业反馈的结果，查完之后确有此事，而且确切的排除了风险，消除了隐患。这就是用前面的方法做到的安全预警的成果。

    前面用的是一个平台和一个系统，总的来讲就是用大数据的方法做了安全的预警，做了大量案例和实践，这就是大数据在安全上面做的实践和探索。

    大数据这个概念非常大，新能源这个产业很大，放到这个维度上来看的时候，接下来有四个方面的建议。

    第一方面，大数据可以赋能在产业管理和行业政策的制定上面，特别是对相关的部委有借鉴意义，在汽车全生命周期管理过程中，不管从车辆的运行、上牌、市场销售涉及到不同部委的关系，包括在运行过程中，不管交通事故、年检、营运车辆涉及到多维度的部委管理，在这一块可以把数据进行一些结合和整理，把它联通起来。

    第二，大数据在汽车技术的研究和技术创新上面进一步赋能。举一个例子，拿安全为例子说一下。刚才上面第二部分讲了新能源汽车安全预警，也是其中一个例子。传统来讲，安全包含交通安全，到今天这个时候，安全往前走智能安全，ADAS安全，往后有事故的预警和救援，包括国家相关部委在推动，包括事故的应急救援这块。

    从车辆售完车到运行到使用，实际上整个过程智能安全、主动安全、被动安全、新能源安全，都会产生大量的数据。我们在此过程中一方面把数据进行连接，可以连接起来互相做判定，这是第一方面在技术研究上的作用。

    第二个作用，刚才已经讲到了，一个方面是电池安全这块，我们传统的电池安全可能靠的是实验室的测试设备，靠的是经验。实际上，当多了一维数据手段的时候，多了一维空间来保障电池的安全，像刚才说的新能源的安全控制一样的。所以在这个意义上来讲，它是接下来在具体某一个系统安全里面，多一维空间研究它、保障它，逐步让它稳定。这是在推动数据安全方面，在汽车安全方面的大数据的作用。

    第三，汽车在全生命周期上面的大数据赋能。车从销售完了以后，到最后使用，链条非常长。中国的汽车前端市场已经到了一定比较饱和或者相对稳定的状态，后市场这块的空间非常大，这里面大数据可以挖掘出大量的价值。特别想说一下，用车出行这块，我们非常了解的是滴滴打车，现在滴滴打车说一个概念，滴滴现在做的非常精深了，一天服务几千万甚至几百万的司机每天在执行服务，一天服务几千万的客户，一天是几个PB的数据量。过程中做了几个重要的点：

    1.轿车的过程中要进行大量的分析，哪些客源在哪里。客源的分布、位置、时间都是它去了解的，还有客源的喜好，究竟喜欢什么车，这是要判定的，这是找客需求过程中的大数据应用。

    2.上了车以后也有大数据应用，现在上了滴滴以后视频也有、录音也有，对驾驶员的行为也在监控。这个过程中的监控，客观来讲把大数据应用到对成员和驾驶员的安全保护上来。

    3.下了车以后基本上不用考虑要不要马上付费，可以直接扣费，但是扣费又有风险问题，现在区块链和大数据安全结合起来，和客户评价也结合起来。

    在滴滴上面可以看到大数据创造了大量的价值，在体验、买车、换车维度上面，我们相信价值创造更多，链条拉得更长，链节做的更粗。

    第四，在相关产业上面进行赋能。现在的汽车客观来讲，如果在昨天的时间，在昨天这个时候汽车理解为以机电业为主的产品，在今天已经不一样了，汽车变成了一个数据终端、能源终端、娱乐终端，这时候更多考虑的是"人、车、路、网、云"整个大生态。

    这里想举一个例子，国家正在推动的，今天之后在做的是"新基建"，包括5G大规模示范应用和智能网联的先导示范区，把多个产业的领域拢在一起。

    新能源汽车只是解决新能源部分，我们把新能源汽车和智能网联汽车的载体结合起来，其中很重要的连接手段，或者保障手段就是大数据的应用。所以，我们相信以数据为纽带能够把能源网、交通网、服务网、车联网打的更完善，赋予更多能量。

    以上是四方面对大层面的创造价值，最后想用一句话说说，在讲这句话之前，马云同志讲了一句话我觉得挺好，在面临新技术、面临互联网的时候，他说：很多人因为看不见；第二是看不起；第三是看不懂；第四所谓是跟不上，往往跟时代有所脱节。

    我们希望汽车从业者和相关的同志能够看见、看起、跟上，也能够完全的创造更多的价值，所以我们必须高度重视大数据在新能源汽车产业发展中的战略价值，加快推动大数据在汽车产业中的应用，共同构建以大数据为联结的新型产业生态体系，驱动新能源汽车高质量发展！"

谢谢大家！   

 

（注：本文根据现场速记整理，未经演讲嘉宾审阅）