報告人：中國汽車工程學會秘書長助理、國汽戰(zhàn)略院副院長 鄭亞莉

時 間：2025年5月15日 1520

鄭亞莉隸屬于中國汽車工程學會，并負責該學會的戰(zhàn)略研究工作。在本次學術研討會上，鄭亞莉分享的報告內容在宏觀和中觀層面展開。中國汽車工程學會進行戰(zhàn)略研究的主要方式是依托行業(yè)合作。學會的日常工作涵蓋了電池相關研究，正如肖成偉主任所提及的日常戰(zhàn)略研究以及支撐部委汽車方向的專項研發(fā)項目，這些均得到了相關行業(yè)的支持。特別值得一提的是，肖成偉主任和黃學杰主任一直是我國汽車動力電池領域的領軍人物。

報告主要探討兩個核心議題：

1)全球汽車產業(yè)變革趨勢的展望。在汽車產業(yè)中，我們觀察到三大主要趨勢：低碳化、電動化和智能化。低碳化作為引領和約束汽車產業(yè)發(fā)展的關鍵方向，當前在碳中和的背景下，汽車產業(yè)正加速向低碳化轉型。與電池行業(yè)緊密相關的碳足跡問題，我們一直倡導中國相關政府部門應加強動力電池碳足跡管理的能力建設，包括數據庫的構建等。然而，在管理層面，我們建議國家應適度放緩步伐，因為這可能成為其他國家限制我國發(fā)展的策略。將此管理措施擴展至整車行業(yè)，從必要性和可行性角度考慮，我們認為并不現實。因此，我們已向相關部委提出建議。

能源整體電動化的趨勢已成為全球共識，并且已進入不可逆轉的發(fā)展快車道。從發(fā)展趨勢來看，全球電動汽車的銷量從2012年的10萬輛增長至2017年的500萬輛，再到2022年的1000萬輛，呈現出指數級的增長。在中國市場，電動汽車的銷量在2015年突破1%，2020年突破5%，預計下一年度將突破10%，去年的市場滲透率已超過40%，加速進入全面市場化的階段。近年來，電動化趨勢中PHEV的市場滲透率顯著提升，增長速度迅猛。2020年，純電動汽車與PHEV的銷量比為2:8，而目前這一比例已轉變?yōu)?:6。我們預計到2030年前后，PHEV將達到市場增長的峰值，但未來純電動車型仍將作為市場主體。

在智能化領域，各國均將其視為戰(zhàn)略制高點予以高度重視。從發(fā)展趨勢分析，“網聯(lián)協(xié)同”賦能“車端智能”提升自動駕駛安全性和交通系統(tǒng)運行效率成為全球共識。就發(fā)展階段而言，目前正處于輔助駕駛技術規(guī)?；瘧煤途W絡協(xié)同賦能加速探索的階段。數據表明，我國L2級乘用車的市場滲透率從2020年的16.2%增長至接近60%，當前市場主要以L2級輔助自動駕駛技術為主。在網絡化方面，主要體現在數字化道路車輛的普及，以及濾波導航等技術的應用。

人工智能技術作為當前發(fā)展的重要趨勢，其在全鏈條賦能方面發(fā)揮著關鍵作用，從汽車、產品到生產等各個鏈條均得到顯著提升。該技術已成為汽車產業(yè)中一項具有顛覆性的賦能技術。

以上采取了宏觀視角進行評估，而本研究則致力于更細致的分析，專注于《節(jié)能與新能源汽車的發(fā)展路線圖》。該路線圖計劃于本年度下半年發(fā)布，內容涵蓋“1+5+X”研究框架。在動力電池這一專題領域，由肖主任和黃主任擔任專題組長，負責指導整個專題研究工作。本研究對動力電池領域未來15年的發(fā)展趨勢和技術路徑進行了深入研究和精確預測。

2）針對汽車行業(yè)未來3至5年的重要前沿技術趨勢，學會組織行業(yè)專家開展“汽車科技預見”研究工作，每年對行業(yè)進行深入分析，關注的范圍涵蓋未來3-5年，乃至更長遠的5-10年的預測。除了對技術清單和技術趨勢進行深入研究與探討外，重點分享的結論均基于此兩項研究。內容布局遵循低碳化、電動化、智能化三大發(fā)展維度：

1、低碳化：零碳內燃機與混合動力是重要的創(chuàng)新攻關方向

低碳化已成為當前至關重要的發(fā)展趨勢。在實現碳中和目標的過程中，燃料體系多元化以及零碳燃料的應用成為當前布局的關鍵方向。未來，零碳燃料與混合技術的高效耦合將是重要的研究領域。從技術發(fā)展趨勢分析，零碳燃料內燃機、純電驅動以及燃料電池技術預計將并存發(fā)展。在技術路徑上，氫內燃機、氫基合成燃料以及插電式混合動力的耦合集成將成為主要發(fā)展方向。技術創(chuàng)新視角下，零碳內燃機面臨系統(tǒng)可靠性、動力安全性等關鍵問題，亟需進行深入研究與技術突破。

2、電動化：新能源汽車技術創(chuàng)新持續(xù)支持NEV市場化進程

如黃學杰老師所言“一代電池一代車”，形象地揭示了新能源汽車發(fā)展與動力電池技術進步之間的密切關系。動力電池技術的現有水平基本能夠支撐新能源汽車的發(fā)展需求。然而，當前動力電池在低溫和高溫環(huán)境下性能的不穩(wěn)定性構成了顯著的技術風險，亟需深入研究與技術突破。研究的主要方向應聚焦于提升電池的比能量、增強安全性以及降低制造成本，這些因素是推動動力電池，特別是應用于汽車領域的動力電池技術進步的關鍵需求和發(fā)展趨勢。

全固態(tài)電池作為當前技術發(fā)展的熱點，其在能量密度、安全性以及環(huán)境適應性方面相較于現行的液態(tài)電池具有顯著優(yōu)勢。根據行業(yè)調研，全固態(tài)電池的研發(fā)進程表明，預計在2027年左右可實現試制并搭載于原型車輛，2030年前后將可能實現全固態(tài)電池小規(guī)模量產并裝車使用。因此，當前階段，液態(tài)電池的持續(xù)進步以及固液混合電池的研發(fā)和產業(yè)化是我們工作的重點。同時，全固態(tài)電池作為未來技術布局的關鍵方向，仍需在基礎科學和工程化方面解決一系列挑戰(zhàn)。

我們持續(xù)關注智能電池發(fā)展趨勢。去年，我們邀請了肖主任和黃老師主持了科技評論，集中探討了智能電池的核心議題。我們認為智能電池的發(fā)展主要依賴于智能修復材料、先進傳感技術、數字孿生以及人工智能等前沿技術的融合應用。通過這些前沿技術的綜合運用，旨在構建數據驅動的智能診斷和安全管理策略，實現對潛在風險的早期預警和排除，以滿足動力電池在電化學性能提升、安全可靠性改善、環(huán)境適應性增強以及功能多樣性拓展等方面的發(fā)展需求。該技術不僅前沿，而且對于推動新能源汽車產業(yè)的發(fā)展具有重要意義。盡管如此，其產業(yè)化進程仍面臨一定挑戰(zhàn)。

在當前新能源汽車發(fā)展的背景下，電驅動技術的電動化趨勢日益顯著。目前，功率密度已達到6.0-7.0kW/kg，基本滿足了新能源汽車的發(fā)展需求。未來，材料創(chuàng)新與構型創(chuàng)新成為推動技術進步的兩個關鍵方向。在材料創(chuàng)新領域，研究重點集中在高強度、低損耗的電工鋼和新型軟磁材料，以及耐高溫的少重稀土/無重稀土/非稀土永磁體等新型材料上，這些材料的創(chuàng)新將為下一代驅動電機的發(fā)展提供重要支撐。此外，分布式驅動技術的發(fā)展前景中，輪邊電機和輪轂電機被視為長期共存的兩條技術路徑。輪邊電機已實現搭載應用，而輪轂電機作為未來智能底盤和高級別自動駕駛的理想動力總成構型，目前正處于研發(fā)攻關階段，亟需解決高效率、強密封性和高安全性等技術難題。

3、智能化：AI為高級別自動駕駛帶來“躍進式”發(fā)展機遇

在當前階段，數據驅動的人工智能技術已成為突破高級別自動駕駛難題的關鍵。AI重點從兩個方面賦能：更智能的決策力；更類人的學習力。此外，計算芯片、智能底盤和測試驗證技術亦是實現高級別自動駕駛不可或缺的關鍵技術。

3.1 算法模型：支持更智能的決策，兼具快速決斷和謹慎預測

目前，多模態(tài)融合感知信息處理技術及復雜場景信息提取能力的進一步突破仍需加強，以進一步提升當前一代模塊化大模型技術的性能。在智能駕駛領域，下一代大模型技術的發(fā)展將特別關注視覺語言模型（VLM）、視覺語言動作模型（VLA）與世界模型的整合。預期通過這種整合，將能夠實現快速與謹慎決策的結合，從而達到一種兼具快速反應與深思熟慮的智能決策能力，提升智能化水平。

3.2 數據訓練：更類人的學習能力，可自監(jiān)督持續(xù)進化迭代

在數據訓練方面，基于生成式世界模型的數據高效合成方法將是解決數據匱乏問題的主要抓手。從訓練方法的角度分析，將采用“自監(jiān)督學習+強化學習”相結合的訓練模式，該模式有助于支持模型開發(fā)，并推動從“規(guī)則+數據”向知識驅動的轉變。通過這種方式，我們期望自動駕駛的AI系統(tǒng)能夠通過學習更多的案例，逐步深化對自動駕駛本質的理解，最終實現無人駕駛。

3.3 計算芯片：提供算力支持，更加強調極致性能、靈活適配

高級別自動駕駛所需要的芯片性能涵蓋了感知性能、通信性能、計算性能以及存儲性能等多個方面。芯片創(chuàng)新趨勢的核心要求在于高算力、可配制、強集成和易擴展。RISC-V架構、存算一體化技術以及多維封裝技術是推動芯片性能提升的關鍵技術。

3.4 智能底盤：結構集成化、部件線控化、控制智能化是重點發(fā)展方向

智能底盤作為電動智能汽車不可或缺的核心組件，構成了其基礎架構。其創(chuàng)新路徑正從傳統(tǒng)底盤向電動底盤和智能底盤轉型。在結構集成化領域，未來研發(fā)的重點將集中在動力電池、驅動系統(tǒng)與懸架和底盤的一體化集成的新型底盤系統(tǒng)上；在部件線控化方面，將主要推進線控制動、線控轉向、主動懸架等技術，以實現機械結構的解耦合和安全冗余設計；在控制智能化方面，AI的賦能有望將端到端的“感知-決策一體化”概念從智能駕駛領域拓展至底盤運動控制，促進智能底盤與智能駕駛的跨域融合，提升智能底盤的主動控制能力，以及自適應和自學習功能。

3.5 測試驗證：AI深度賦能的高級別自動駕駛需通過系統(tǒng)完備的安全評估

在當前輔助駕駛領域，安全性問題層出不窮，其中最為關鍵的問題在于測試驗證的不充分性。在業(yè)界普遍認同的測試驗證方法中，仿真測試+場景測試+真實道路測試構成了三支柱法的測試驗證體系。隨著仿真測試和場景測試條件的持續(xù)完善以及數據的日益豐富，預計未來將主要依賴仿真測試+場地測試相結合的體系。為了實現這一轉變，必須構建一個全面的標準體系和提升測試驗證能力。