作者 ｜ 颐圣
编辑 ｜ 志豪
在全球化竞争加剧与行业快速迭代的背景下，IBM如何出招？
车东西4月28日消息，日前，IBM中国于北京召开了2025汽车行业媒体沟通会，重点讨论了人工智能（AI）技术如何为汽车企业创造新的增长机会。
会上，IBM发布了“IBM咨询+技术”的深度协同赋能方案，旨在帮助行业把握AI驱动的数字化转型窗口期。
IBM咨询中国区汽车行业总经理唐俊表示，当前汽车产业的竞争已从单一产品向生态协同转变，产品的焦点也从车辆转向终端。IBM通过“全局规划+场景拆解”的咨询方法，协助汽车企业在AI驱动的新周期内构建可持续的端到端跨工作流能力。
IBM中国科技事业部汽车行业和跨国公司总经理王胜航强调，IBM专为汽车行业开发的AI解决方案融合了生成式AI、物联网和混合云技术，帮助主要客户在研发效率、供应链韧性和成本控制等方面取得重要突破。他指出，这种“咨询蓝图牵引，技术敏捷落地”的闭环是IBM区别于纯技术厂商的独特优势。
一、降本增效之下 IBM的新洞察
在当前的市场环境中，中国汽车行业面临着产品创新速度加快与效益压缩的双重挑战。
根据全国乘用车市场信息联席会的数据，2024年汽车行业的利润率仅为4.3%，明显低于全国工业企业的平均水平。唐俊认为，汽车行业正在经历从“规模扩张”到“价值创造”的转型。当技术升级周期缩短与成本压力叠加时，原有的发展模式将触及临界点，这正是行业通过数据驱动深化转型的战略窗口期。
▲中国汽车行业正面临变革与挑战
同时，中国汽车企业在海外市场拓展中也面临政策不明确的挑战，需应对技术适配、文化差异、数据合规及品牌认知等多重问题。唐俊表示，产业升级过程充满技术和组织挑战，而IBM团队能够在这些方面提供支持。
根据IBM的《2024年全球车企CEO调研》，覆盖了30多个国家和地区的151位CEO，显示他们在未来三年的投资重点将逐步转向AI应用，以提升用户体验，业务模式创新则是他们面临的最大挑战。王胜航指出，AI的成功不仅取决于技术本身，还依赖于其在汽车行业全链条的深度渗透，以及与企业数据和业务特性的结合，这需要CEO的领导和业务部门的全程参与。
IBM专注于企业级AI，并在IDC的2024 AI服务评选中被评为领导者。IBM通过“战略洞察—技术穿透—价值提供”的方式，帮助汽车企业实现可持续发展，涵盖从战略咨询到系统集成的全链条能力建设。
▲人工智能新时代的主要特征
IBM咨询致力于高效、专注地服务客户，专注于满足具体需求，提供细致的解决方案。其在数据架构、技术路线、研发体系等转型相关领域的专长，使其能够为汽车企业提供全面的企业级服务。目前，IBM咨询在生成式AI领域拥有200家活跃客户和65,000名专业顾问，业务额超过50亿美元。
IBM科技则以开放、安全、可扩展的混合云架构和AI能力为核心，提供从底层算力到智能应用的完整技术栈，帮助车企实现数智化升级。在研发创新方面，IBM帮助某车企实现智能代码助手的开发，显著提升了代码编写和测试的效率。
展望未来，IBM将继续与中国汽车行业的客户携手合作，推动行业的数字化转型与可持续发展。
二、对话IBM高管 专注汽车业务提升客户价值
1、我注意到IBM目前正在专注于专有AI的开发。回想云计算刚刚兴起时，关于私有云与公有云的讨论非常频繁。如今，AI的算力成本相对较高，汽车企业面临降本增效的需求，同时也有许多企业在使用专用的大模型。您如何看待通用AI大模型与专有AI大模型之间的关系？IBM对此有何看法
王胜航：任何技术的发展都经历一个过程。以云计算为例，最初是私有云先行发展。公有云的发展需要满足一些基本条件，例如网络带宽的提升以及计算力成本的降低，这些都需要时间来实现。AWS在初期也面临盈利挑战，因为云计算和数据中心的建设属于重资产投资，回收周期较长。幸运的是，技术的进步往往超出我们的预期，能够实现飞跃式的发展。因此，当技术达到一定水平后，许多功能便可以迁移至公有云上，包括数据安全。
▲IBM中国科技事业部汽车行业和跨国公司总经理王胜航
回到您提到的模型问题，选择适合的模型至关重要。如果是面向消费者的商业应用，大模型是非常重要的，因为它需要处理大量来自社会的数据，而消费者的提问和关注点也源自社会。因此，需要一个规模较大的模型。然而，对于企业内部的模型而言，主要应用于优化内部事务，小模型反而更为合适。这就是为什么DeepSeek相较于通用大模型，能提供更大的颠覆力。它的算力需求远低于通用模型，仅需百分之一或十分之一的成本即可实现。
IBM的watsonx平台可以支持两种模型，而我们的Granite模型则更具行业聚焦性。同时，我们的AI平台也能够接入社会上的通用大模型，包括DeepSeek。企业可以根据自身需求进行选择，这取决于他们的投入程度。无论是智能驾驶、智能舱，还是对企业内部研产供销数据的优化与数字营销，企业都可以根据不同的需求选择合适的模型。
2、您与多位汽车企业高层进行了交流，他们的诉求各不相同。您认为在这些高层中，哪些人的AI思考显得成熟，只是借助当前资源进行拼图？又有哪些人对AI的理解较为深刻？
唐俊：AI是一个热门且相对新颖的话题。若要用“成熟”来形容对AI的使用，我认为互联网车企的领导层相对较为成熟，毕竟他们大多具有科技背景，对新技术的理解较为深刻。这是我个人的观察。
在我们的讨论中，许多领导者尝试将AI视为工具，因为他们能够迅速意识到AI作为降本增效工具的潜力，进而为企业带来快速的效果。让我感到惊讶的是，这种现象在外资车企中尤为明显。在对话中，我们发现外资车企往往尝试在特定用例和场景中将AI与业务进行匹配，以寻找创新点。
▲IBM咨询中国区汽车行业总经理 唐俊
与之相比，国内的车企，无论是互联网企业还是国有和民营企业，在新技术的应用和开放程度上表现得更加大胆。他们积极与我们探讨如何在这一领域进行合作，因为他们意识到AI是一个新兴且充满潜力的领域，愿意尝试将新技术与自身业务相结合。这是我们的第二个观察，外资企业与国内企业在这一点上确实存在差异，这让我感到欣慰，因为国内企业，包括国有企业和央企的领导者也积极拥抱新技术与创新。
至于成熟度，我认为目前大家的思考与尝试仍未达到成熟阶段。即便是一些互联网车企及其CEO在公开场合中提出要将企业转型为AI公司，他们的AI战略仍然分为两个部分。将AI应用于汽车领域的想法较为直观，因为无论是软件定义汽车还是自动驾驶，AI都是不可或缺的。
另一个我们探讨较多的方面是AI在研发流程和生产制造层面所带来的突破。许多互联网车企和新兴势力目前关注的重点是从单一产品线向多产品线扩展，甚至是从单一品牌向多品牌的转变。在这一过程中，他们在管理和流程上遇到越来越多的痛点，期望通过AI的能力解决部分问题，特别是在汽车研发方面。
熟悉汽车研发的人都知道，刚才提到的MBSE（基于模型的系统工程）是IBM的一种方法论，因为汽车本质上是一个工程产品。当前汽车研发中涉及需求到验证的过程是非常严谨的，必须形成闭环。通过AI的功能，我们可以在如此复杂的环境中，处理众多离散制造供应商的质量问题。互联网造车势力对此非常关注，能够在这方面进行深入探讨让我感到欣慰。
3、关于自动驾驶问题，您提到机器视觉。现在有一些车企采取较为激进的策略，选择一段式的自动驾驶方案。而不采用一段式的车企则担心在初期数据提取中出现错误，导致车辆学习错误的场景。他们认为必须有规则和干预。请问IBM能否帮助这些车企规避此类问题，确保其视觉场景的准确性？
此外，关于纯视觉自动驾驶的问题，随着小米SU7（参数丨图片）事件的影响，许多车企开始配备激光雷达。您认为纯视觉技术真的不如激光雷达吗？在小米事件后，我们看到特斯拉通过纯视觉技术成功识别并通过了一段复杂路段，这引发了人们对纯视觉技术的思考。
王胜航：首先要说明的是，我们的服务对象是汽车制造商，而非直接服务于汽车本身。
对于您提到的第二个问题，我并不代表任何厂商的观点，而是根据舆情观察到一些情况。例如，有人拍摄了一段视频，比较了使用激光雷达和视觉技术的两款车在五种不同场景下的表现。第一种场景是正常情况下前方有障碍物，两辆车均能成功刹车。第二种场景是旁边有小孩踢球，双方也都能及时刹车。第三种是在雾天的情况下，一辆车刹住了，另一辆车则发生了碰撞。第四种是在黑夜中，第五种是前方有玻璃障碍物。通过这些测试，可以明显看出激光雷达与视觉系统在黑暗和玻璃场景下的表现差异。
至于智能驾驶的研究，IBM更多关注的是如何将现有的智能驾驶技术与城市大脑的信息结合，这对社会的贡献更为显著。我们希望通过AI提升智能驾驶系统的道路信息反馈的精准性和及时性。此外，将车辆信息反馈到城市大脑中，有助于城市交通的优化，这也是我们的研究方向之一。至于车辆本身的驾驶，许多汽车企业正在积极探索，这并不是我们当前的主要工作方向。
4、您在展示车企CEO调查时提到，目前大家关注的核心是效率和成本的降低，即降本增效。如果将车企分为传统车企与造车新势力，他们在降本增效方面的痛点或业务需求是否存在显著差异？根据IBM的观察，我们可以为他们提供哪些帮助？
唐俊：谢谢您的提问，确实存在显著差异。虽然我不太喜欢“传统车企”这一称谓，更倾向于称之为“主流车企”。使用“主流”一词的原因在于这些企业在中国汽车行业已有二十年的品牌营销历程，形成了自己的战略和惯性。它们的管理经验一方面源于与国外合资品牌的学习，另一方面则是多年积累的经验。中国六大主流车厂，包括三大和三小品牌，基本涵盖了所有合资品牌。
在当前市场环境中，当这些主流车企面临新兴挑战者时，我们观察到，新势力通常以单一品类为突破口，其创始人对这一品类有着强烈的感知能力。他们往往会选择一个单品类的产品进行市场测试，速度较快，且整个管理流程从研发到量产的效率也相对较高。新势力的核心在于能够将许多事务外包，同时保留核心价值。
对于主流车企而言，降本增效的诉求主要体现在两个方面：首先是平台化运营。过去，车厂通常采用模块化生产或灵活生产，但随着整体体量的扩大，合资品牌的独立运营、经营和核算现象愈加明显，导致研发和供应链的自主权增强，而整体业绩表现却不尽如人意。
因此，主流车企在降本增效方面的核心诉求是从集团层面出发，整合营销、供应链和研发。这一过程十分艰难，可能导致多个品牌的供应链团队被精简，研发团队的规模也可能从400人缩减至150人。更大的挑战在于，许多国内车企尚未为模块化生产做好准备，没有建立起模块化基础。在没有模块化基础的情况下，整合过程会受到供应链的较大冲击，尤其是Tier 1供应商也会共同承担成本，这成为一个重要的挑战。
在过去一年中，我们接到了大量关于供应链集成的咨询需求。例如，IBM与长城汽车达成长期合作协议，通过集成供应链的方式帮助其构建全新的价值管理体系。这一成功案例不仅限于长城汽车，我们还为其他国内和国际品牌的头部车企提供了类似的咨询服务。
另一方面，新兴企业的诉求则集中在标准化管理方面，特别是希望打破部门间的壁垒，统一员工的工作方式、术语和KPI。许多新兴企业，尤其是随着疫情后软件定义汽车和电动车快速发展的企业，急需通过我们的经验进行整合。此外，一些企业可能有强烈的出海需求，包括市场选择、进入策略及企业文化的调整，这些都是我观察到的现象。
结语：IBM持续赋能汽车客户
IBM 将继续通过深厚的行业经验和创新技术，持续赋能汽车客户，助力他们在快速变化的市场环境中实现数字化转型与可持续发展。
不难看出，通过结合战略咨询与先进的 AI 解决方案，IBM 致力于帮助汽车企业提升竞争力，优化业务流程，最终实现更高的用户体验和商业价值。
