数据“洪流”之下：汽车业的机遇、险隘与破局之道

汽车是什么？答案正被颠覆。
　　“当前，我国正处在数据驱动产业变革的时代，汽车不再只是传统机械产品，而是集数据采集、处理、应用于一体的智能移动终端；产业发展正从单一技术驱动，转向‘技术＋数据’双轮驱动，进入以数据赋能全链条的新阶段。”国家数据局相关负责人在2025中国汽车产业发展（泰达）国际论坛上这样表示。
　　数据这一科技革命孕育的新引擎，不再满足于扮演辅助角色，而是呼啸而来，全面驱动汽车的研发、生产、服务与管理变革。
　　数据赋能 汽车产业新机遇
　　数据正赋予汽车产业前所未有的时代机遇。国家数据局相关负责人指出，汽车行业数据规模大、场景广、跨界融合性强，是发挥数据价值、释放数据红利的重点领域。
　　在智能化、网联化进程中，汽车产生海量高质量感知控制与交互数据，可以广泛应用于组合驾驶辅助及自动驾驶大模型的训练、高精度地图的测绘、实时路况的感知、交通调度的优化。汽车数据不仅推动行业技术演进，更支撑着智慧城市、智慧交通、能源互联等更广域数字化生态的构建。汽车行业不仅是数据的应用方，更是数据要素价值实现的关键贡献者与战略支撑点。
　　东风奕派科技公司总经理汪俊君表示，中国汽车产业过去5年不仅实现了产销规模的跨越式增长，更在高端化、智能化与绿色化的浪潮中完成了产业升级与价值重塑；而在这一过程中，硬件竞争的边际效应持续递减，以场景需求为核心的海量用户数据成为新的增长引擎。
　　具体来看，车企目前面临“产品、营销、服务”三大环节的痛点：产品趋同难以真正触动用户，标准化服务难以满足个性化期待，营销投入效益递减。而破局关键在于善用数据工具，精准勾勒用户画像，洞察真实需求。可以说，对车企而言，基于大数据实现对用户与场景的洞察，以数据赋能产品、营销与服务已不是“选择题”，而是“必答题”。
　　据了解，一些车企通过“融合、拆分、赋能”三步走的方式展开了探索：融合公域与私域数据，经“清洗”拆分为基础数据单元，再精准赋能至各类场景与业务流程，实现全场景数字化覆盖，最终服务于用户。
　　当前，国家正加速深化数据要素市场化改革，数据作为关键生产要素的共识已经形成。其中，建立共通的“数据空间”，成为推动跨产业链数据流通的关键步骤。自国家数据局成立以来，我国积极推动数据空间发展，推出可信数据空间行动计划，各地陆续出台实施方案。
　　在中国信息通信研究院车联网与智慧交通研究部副主任于润东看来，数据空间是“技术＋规则”并重的基础设施，被视为支撑数据流通与应用的关键载体，其核心能力包括数据可信管控、自愿交互与价值共创。
　　汽车行业在研发、生产、供应、销售与服务的全流程中，均存在数据空间的应用场景。例如，研发阶段可推动组合辅助驾驶等共性数据流通；生产环节可用于供应链碳足迹管理、可持续材料使用与生产线供需管理；服务环节则覆盖金融保险、精准服务与充换电等场景。
　　数智融合 重塑产业全链条
　　从仿真测试到OTA升级，从数字孪生到智能工厂，从用户精准画像到智慧售后服务，数据驱动正深刻改变汽车研发、生产、营销与服务的每一环节。数据已不再是副产品，而是核心资产与创新源泉。
　　中国科学院院士、清华大学教授欧阳明高表示，对于汽车产业的变革来说，电动化是“上半场”，智能化是“中场”，能源低碳化是“下半场”，数据作为生产要素同样驱动着产业的智能化与绿色低碳化进程。
　　在汽车智能化领域，中国汽车技术研究中心有限公司首席专家、中汽智能科技（天津）有限公司副总经理张亚楠强调，数据赋能正逐步驱动研发，尤其是自主研发等核心能力的提升。数据、算力、算法作为AI的“三驾马车”缺一不可。随着大模型的出现，从L2到L4自动驾驶乃至具身智能的发展，均需海量用户数据作为训练基石。
　　在汽车产业价值重构的过程中，数据已成为创新增长的重要方向。我国汽车产业的利润率已从去年的5％降至今年上半年的不足4％，而数据很可能成为提升利润空间的下一个关键点。
　　例如，数据驱动的研发正在成为锂电池技术创新的突破口之一。宁德时代董事长曾毓群表示，利用AI技术聚焦新能源材料、体系和应用方案的研发，将大幅加速全固态电池的开发进程。欣旺达动力科技股份有限公司材料计算部部长余澍介绍称，传统科研面临周期长、成本高的问题，AI可高效解决痛点，建立数据驱动模型，提升科研效率。
　　通过数字化与智能化转型，AI技术正在全面赋能乘用车、商用车、船舶、储能及低空飞行器等多个领域的产品技术升级与迭代，通过涵盖智能仿真系统、智能电芯设计系统、数据管理系统等在内的一体化数字化平台，以标准化、数字化、智能化、网联化的方式，为全球化产品提供智能解决方案。
　　生产制造是数据驱动的高地。余澍表示，欣旺达融合机理分析、大数据、模拟仿真与AI技术，构建贯穿设计、制造、运维的全链条、全生命周期闭环体系；在绿色化方面，企业致力于打造低碳园区，通过数字化与智能化提升生产效率，借助工业互联降低能耗，推广“储能＋光伏”策略，并参与碳汇项目，践行绿色发展；智能化回收利用也成为重要方向，AI应用于先进拆解设备，实现安全拆解与电芯无损检测，推动梯次利用。
　　现实困境 数据“迷雾”待拨开
　　不过在数据赋能的实践中，行业也清醒意识到数据“孤岛”、数据“烟囱”（编者注：指因缺乏协作形成的独立数据存储管理模式，导致数据无法有效交互）等问题，制约着AI的产业化进程。
　　张亚楠表示，数据“烟囱”现象普遍存在于企业内部与企业之间，导致规模化数据难以获取与利用。由于数据流通壁垒显著，从生产到运营，数据“孤岛”遍布制造车间、销售部门及终端运营公司，系统独立且关联复杂，信息流通不畅，导致客户等待时间延长，运营成本攀升，整体效率低下。
　　此外，海量车端数据的价值也未被充分激活。汽车作为具备数据采集能力的智能终端，大量车联网数据仅用于基础监控，未开展驾驶行为优化、预防性维修等二次分析，数据价值难以释放。同时，行业还面临数据标准不统一、接口协议难兼容，及个性化订单需高效响应等挑战。
　　一位不愿透露姓名的业内人士曾向记者痛陈，企业过度追求参数膨胀，却忽视了高质量数据集的重要性。“过去一年来，外界目睹了大模型领域‘军备竞赛’式的参数膨胀，数字越堆越大，技术演示效果越来越流畅。但真相是绝大多数大模型在业务实践中一用就崩，回答提问甚至在一本正经地胡说八道，生成内容则像‘学术八股’。原因何在？因为行业集体忽略了一条‘铁律’——高质量数据集才是决定大模型成败的关键因素，其余的数据反而会形成‘噪音’。”他尖锐地指出。
　　这位业内人士还总结出大模型领域存在的三大痛点：第一，当前数据来源参差不齐；第二，数据标注存在误差；第三，高质量数据越来越“荒漠化”。
　　此外，理想汽车辅助驾驶端到端模型前负责人夏中谱在网络平台上与网友互动时也直言：“数据其实是真正的‘矿藏’，只是现在车企还都卡在‘炼金’设备上。”
　　需要强调的是，汽车数据涵盖高精度地理信息、个人行驶轨迹、生物特征等涉及隐私和安全的敏感内容。数据安全问题是汽车行业数字化发展的生命线。目前，业内就此大致聚焦三类问题和四个场景。三类问题分别是合规收集、合理使用及使用主体是否管理尽责；四个场景，一是数据安全、尤其是大规模数据聚合后可能导致的重要信息泄露，二是数据跨境传输中的安全问题，三是地理信息数据的合法采集，四是关乎每个人的个人隐私安全问题。
　　破局之道 迈向协同与善治
　　面对数据困局，上述业内人士给出几点建议。首先，建立“数据洁癖”文化，要像重视芯片良率一样关注数据质量，将“清洗”规则嵌入CI/CD（持续集成与持续部署）流程，实现训练样本可追溯、可回滚；将标注员视为“领域专家”，在专业性任务中聘用有执业资格的人员，提升标注质量。
　　其次，发展“数据众筹”，利用区块链与隐私计算技术，安全聚合分散数据，贡献方按照其调用量享受分红，变数据“孤岛”为数据“油田”；立法打击“AI数据污染”，治理SEO（搜索引擎优化）垃圾（编者注：SEO工作者为提升搜索引擎排名采取的不正当优化手段，包括堆砌关键词、发布垃圾链接等行为，导致产生大量信息垃圾，既欺骗搜索引擎又损害用户体验），净化互联网数据土壤。
　　他对车企也提出几点具体建议：第一，全面盘点数据资产，不仅涉及自身数据，也应涵盖供应商从车辆中获取的数据；第二，建章立制，实现“技管结合”，明确数据责任主体，认清某些责任无法通过合同完全转移；第三，强化技术能力，落实数据安全设计，遵循最小化采集原则，对个人信息与国家重要数据实施脱敏。
　　在价值层面，张亚楠则呼吁，要合理利用数据，挖掘增量价值。对车企而言，数据若不利用或用不好，反而可能成为负担；对国家而言，部分数据使用后应销毁，无需长期存储。张亚楠强调，如何合理利用数据、挖掘数据价值，是企业未来需要直面的重要挑战。
　　数据安全治理需协同出击，构建从应用层制度到技术工具开发的链式治理体系，在合法、合规、有效、可控的基础上，将业务场景与数据处理结合，映射至汽车产品全生命周期。
　　汪俊君建议，行业应建立数据安全使用标准，保障用户隐私与信息安全；推动制定统一的数据分类分级访问控制标准与治理框架，推广隐私计算、区块链等技术，实现“数据可用不可见”；共建行业新生态，由协会与科研机构牵头，构建汽车数据可信共享平台，推动脱敏数据合规流通；整治“内卷式”竞争，将竞争焦点从“参数攀比”转向用户价值与服务体验，通过数据真正为消费者解决问题。
　　数据“活”起来，汽车才能真正“智”起来。面对汽车产业百年未有之变局，数据既是驱动智能化、绿色化转型的核心“燃料”，也是当前行业突破增长瓶颈、破解服务困境的关键“锁钥”。惟有打破“孤岛”、构建可信生态、强化安全治理，才能在数据“洪流”中行稳致远。汽车行业的未来，将属于善用数据，回归用户价值并以开放协同重塑产业边界的先行者。