在时间、容量和复杂性方面对汽车行业的基本重组进行预测

电子说

1.2w人已加入

描述

汽车早已从一件技术性的商品转化成社会性商品:可以确保我们的个人出行和社会参与,塑造着我们的城市和地貌,并且构建着我们的时间和空间思维结构。目前汽车行业面临着前所未有的变化,会对行业和用户产生深远的影响。

这是一篇来自普华永道的深度报告。

智能手机问世以来,如果某种技术能提升消费者生活的简易度,则即使其十分复杂,价格高昂,也挡不住客户们的追捧热情。换句话说,用户们很看重方便性和简便性。这些核心价值观使得汽车成为20世纪最具典型性的技术文化项目。现在是时候将这些属性纳入到今天以及明天的技术和社会背景下了。

汽车行业有机会塑造这个基本性的重组过程。当制定策略和商业模式时,企业不应只考虑直接的产品买主,而应涵括运输问题所影响的所有用户和群体。汽车早已从一件技术性的商品转化成社会性商品:可以确保我们的个人出行和社会参与,塑造着我们的城市和地貌,并且构建着我们的时间和空间思维结构。

那么,未来会怎样?

汽车行业将充分实现eascy

未来汽车将是电动的、自动的、共享的、互联的以及逐年更新的,简言之,「eascy」。

因为电动化,所以向环境中排放的废气和噪音将减少。

因为自动,所以可以节省个人时间和空间。

用户不再需要驾照,所以适用范围更广。

因为不再需要直接购买,而是分次购买使用,因此更加便宜。

汽车行业面临着前所未有的变化,会对行业和用户产生深远的影响。因此,本文将在时间、容量和复杂性方面对汽车行业的基本重组进行预测。

机器学习

基于研究结果,本文将分析用户的出行行为会产生何种变化,并带来何种影响。在详细分析前,我们首先要了解电动、自动、共享、互联以及逐年更新的准确含义:

电动:如果没有驱动机制的电气化,那么个人交通的零排放几乎就不可能实现了。首先,有本地组件的问题—汽车现在只会排放含量超低的有害物质、灰尘和噪音。而且,“零排放”似乎将是一个全球性倡议:车辆充电所用的电力资源将来自于可再生能源,以确保碳中和的出行。

自动:人工智能、机器学习和深层神经网络等领域的快速进展,使得最近还似乎是空想乌托邦的事情不再没有可能—即自动车辆的研发,即使在复杂的交通状况下也无需人工干预。这将完全颠覆个人出行平台的应用。就在几年前还是不可想象的应用情境,如今已层出不穷。

共享:几年来,许多大城市均已构建了拼车设施。虽然目前这些通常是作为试点项目或公民计划,但是随着自动车辆的推出,共享概念将逐渐实现经济可行性。我们将不再需要搜索周边地区的共享车辆:而只需通过方便的“随需应变”服务预定车辆,无论自己身处何处。

互联:「eascy」的第四个维度是车辆与外部世界的联网,称为“联网汽车”概念。这个术语实际上涉及两个概念。一方面,它适用于Car2Car和Car2X通信,即车辆与其他车辆或交通基础设施(如交通信号灯)之间的联网。另一方面,该术语也涵盖车内乘客与外部世界的联网。未来,乘客将能够在车辆行驶途中通讯、工作、上网或使用多媒体服务。

逐年更新:电动、自动、互联和共享等发展主题将促进汽车行业创新速度的显著提升。该行业内一直普遍的五至八年的车型周期可能很快就会成为过去。相反,车型的范围将会逐年更新,以整合最新的硬件和软件开发成果。自然而然,由于购买成本高,客户们并不想每年都购买一辆新车,因此缩短的创新周期将主要通过定期更新共享车辆而进入市场。

从用户的角度来看,这五个维度可带来广泛的效益。所有预测均表明,车辆驾驶的简便性、安全性、经济适用性和舒适性均会显著提升。同时,个人出行解决方案的变革将会促使汽车行业进一步实施改造。

机器学习

重点是现有汽车保有量和新车销量。最终,这两个变量决定着汽车生产的价值链,因此对于制造商和供应商的未来业务模式具有同等至关重要的作用。在研究中将集中关注全球三个最大的汽车市场,即欧洲、美国和中国。

这项研究从用户出发,构建未来市场发展模型。可通过三个外部因素、三个建模结果和三种含义描述行业的重新定位状况。

外部因素

我们的出行习惯将会改变:我们的出行行为将得到彻底改变。一旦法律问题得到澄清解决,主要技术障碍得以克服,那么整体道路交通方面的共享和自动比例将会大幅上升。我们预测,到2030年,超过三分之一的行驶里程将已涉及共享概念。同时,用户行为将愈加接近自动出行。在这方面,普华永道Autofacts又根据行驶里程,计算出到2030年,这一比例甚至可能会上升到40%。预计欧洲和美国的发展速度将大致平行。而相比之下,中国的共享和自动出行的渗透速度将超越西方世界。这可能使得中国成为汽车行业转型的领先国家。

更多人的出行里程将延长:由于人口数据的增长以及出行需求的提高,车辆行驶里程将不断增加。同时,考虑到车辆驾驶简便性、安全性和经济适用性的提升,整体出行趋势将朝着个人出行的方向强势发展。此外,个人交通可能会成为过去压根没有出行机会的人群的一个绝佳方案,例如,身有残疾的人群。最后一个因素是由于自动车辆导致车位可能不会坐满,从而造成里程数的增加。因此普华永道Autofacts预测到2030年,欧洲的个人里程估计增长 23%至5.88万亿公里。预测美国将实现24%的增长,而中国达到183% 。

未来汽车的使用强度将显著提升:较之当前的传统车辆使用,未来的自动性,尤其是共享自动性车辆在容量方面将实现重大改进。因此,年里程将大幅上升。由此,汽车置换速度将会显著提升,虽然其有效的生命里程将增加。未来车辆生命里程将增加这一假设与自动和互联驾驶会导致事故降低这一优势密切相关。保养和维修成本将会下降,而事故率的降低也意味着车辆可行驶的里程数会大大提升。

建模结果

某些市场的车辆保有量将大幅下跌:根据车队利用率的上升,未来所需车辆的数量将下降。普华永道Autofacts预测,到2030年,欧洲的汽车保有量将从当前2.8亿辆多一点减至约2亿辆,减幅将超过25%。我们预计美国汽车保有量将减至2.12亿辆,减幅22% 。由于中国的市场情况有所不同,虽然利用率提高,但其保有量可能还会同期增长近50%,达到2.76亿辆。

汽车销量还会持续上升:尽管保有量下降,但汽车销量将明显增加。传统车辆将长时间滞留在保有量中。而相比之下,自动性,尤其是共享自动性车辆将会频繁变革,导致销量的提升。在转型期间,整个欧洲的新车销量将提升34% ,从大约1800万量增至2400多万辆。

普华永道Autofacts预测到2030年,美国的新车销量大概会达到近2200万辆,增长20% 。对于中国而言,预测销量将达到3500万辆,增长超过30%。

自动驾驶和电动化相辅相成:驾驶自动性(即所谓的自动驾驶)最初将主要限于一些范围比较窄的具有地理限制的地区,最有可能是内陆城市和高速公路。这是因为自动性和电动化这两个维度是相辅相成的。例如,自动驾驶车辆明确要求使用电动驾驶,因为“内陆城市”使用案例通常仅针对这一场景。其中一个例子是使用感应式充电的自动充电过程。这两种维度的相互影响可实现积极的整体效果。因此到2030年,欧盟的新车销售中,纯内燃机可能将会出现很少的个位数占比。在这种情境下,届时超过55%的新车将实现完全电动化。40%的新车将仍然采用结合内燃机的混合驱动技术。

启示

研发投资的快速重新分配:已经很显然,汽车行业将开始压缩产品范围投入。在《全球创新1000强研究》的框架中,普华永道思略特计算出,到2020年,该领域的投资就将下降19%。但是,这并不一定是不好的征兆。研究最后得出的总体结论表明,将研发预算投资于软件解方案而非产品范围的企业,较之其他竞争对手,已显现出更强劲的增长。

该图也表明了制造商和供应商需采取的发展方向。除特斯拉外,尚无任何一家汽车行业问鼎全球最具创新性企业前十(不过有五家位列第11至20名之间),虽然研发支出最高的是一家德国的汽车制造商。总体而言,2015和2016年间汽车行业的研发支出下降了4%,这个时期最为显著的特征就是数字创新和转型。

2020 年和 2025 年之间将确定长期发展结构:特别是2020年和2025年之间,制造商和供应商将不得不在应对利润下跌的同时,大力投资以客户为中心的创新。传统汽车制造商将不得不考虑自身准备在出行服务商投资多少资本,以抵消其核心业务的潜在缩减。同时,新车销量的上涨也需要制造商们追加必要“硬件”的产能投资,执行灵活可扩展概念的企业将能够发挥积极的作用,自2025年后引领行业未来的发展。

未来商业模式涵盖汽车销售和运营:未来,仅仅关注汽车产量和销量还将远远不够。制造商和供应商需重新考虑他们的商业模式,以管理「eascy」模型五个维度的变化。出厂交付将不再是汽车价值链的最后一个环节,该价值链将延伸至车辆整个生命周期内的各类使用,直至车辆的最后回收。汽车行业的客户和目标群体将不再仅限于车辆的直接买家,而覆盖到所有产品用户,私有和共享使用模型。品牌体验所支撑的与每位客户之间基于软件的直接交互将在整个客户关系生命周期外进一步扩展收益。

焦点在于用户

不同的出行使用:如果制造商和供应商将他们的业务模式进一步拓展,以涵盖“运营”要素,则该行业的传统目标数据,即汽车销量和汽车保有量的重要性将削弱。即便如此,企业仍然需要了解这两种数据在未来几年会发生怎样的变化,这一点至关重要。因此,普华永道开发的数学模型,对五大「eascy」维度进行量化的首个模型,将从用户(“角色”)开始。通过对 用户行为建模,可以计算个人里程,从而计算特定市场的整个汽车行驶里程。在此基础上预测汽车保有量和汽车销量时将实现更大的确定性。

为对所审查市场内部的使用偏好进行建模,我们确定了三个不同的类别。“角色”主要依据人们对各种出行形式的态度和接受程度以及使用方式进行人口分类。在这一过程中,必须考虑一些主要地区和文化差异。用户群体内的其他特征包括年龄结构及其生活环境—城市或乡村环境。这种类别逻辑使得我们可以考虑每个用户群体人口比例随时间推移而产生的变化。

机器学习

2017至2030年期间的发展趋势:拥有技术头脑的年轻一代将在未来几年推动可持续的便捷出行解决方案的发展方面发挥关键作用,而且还将表现出连续世代的态度和行为。而对比之下,中年人群在看待新出行方案的发展方面,往往带着一定程度的怀疑,至少刚开始会这样。但是,在更具现代取向的角色方面,人口比例将不可避免地发生转变—不仅欧洲和美国是如此,中国也不例外。而且在中国,这一过程可能来得更为迅速,力度更大,在这里,技术变更可以获得最好的文化和政治土壤。到2030年,中国“传统”用户的人口比例将会显著下降。自动驾驶的电动出租车以及广泛电动化的公共交通将在这一转型过程中发挥主要作用。

机器学习

在技术发展方面,中国的城市地区可能会在2030年赶上美国和欧洲,甚至还有可能超越。中国各城市不同程度的空气污染水平,将成为未来几年内城市布局中引入拼车和共乘服务的一个考虑因素,与街道拥堵一道构成两大驱动力。这些服务可能很快会被视为传统出行形式的替代方案。

未来出行是什么状况?谁会出行,如何出行?

出行需求和偏好在不断变化:“角色”的变化意味着未来几年出行需求也会发生变化。各种「eascy」维度均有自身的驱动因素。例如,自动驾驶的主要驱动因素为省时和安全。而共享的首要驱动因素为成本。互联和电动化则可视为汽车行业转型的健康因素。毕竟,电动汽车的市场渗透最初并不是市场经济需求结构所推动的,而主要是一种政治和监管问题。

机器学习

“逐年更新”归功于「eascy」其他维度的高速创新,尤其是在“自动化”和“电动化”领域,这些领域的基础技术正快速改进,因而不能将它们整合到传统的模型周期之中。“模型年”此类门面活动不应增加,汽车行业必须使用最新的技术来推出“年度模型车”。

在某些情况下,这些技术还包括改装早期的年度模型车以推动其更新换代。

使用而非拥有:行为的变化将定义未来的出行方式。出行选择的广度和深度将显著增加。这一点,已在本部分所述的提供商数量增加中得到了论证。新型创业公司正在与现存的汽车、运输和物流公司争夺市场份额。共享出行方式有以下两种不同的表现形式:分时租赁汽车和网约车。

分时租赁汽车vs网约车:分时租赁汽车有两种表现形式,即站点式的和自由停靠式的。这两种形式基本的区别在于车辆的可用性。站点式分时租赁汽车模式意味着车辆只能从预先定义的车站中召集,自由停靠式的可选择的区域反映了提供商的整个业务范围。相比之下,网约车只关乎行程共享。此种概念愈来愈受欢迎,不能再被视为边缘现象。到2017年,全球用户数量预计将增至3.38亿。总的来说,有三种不同的趋势:

在线分时租赁汽车代理商创建驾驶社区

在线平台将充当私家车司机提供旅程服务的经纪商

通过应用程序提供服务的出租车公司

机器学习

用户想要使用自动驾驶汽车:汽车分时租赁在哪些方面与自动化维度,即自动化驾驶相关?为了能够对自动化水平进行标准化分类,德国在国家和国际层面上引入了0到5的阶段模型。

机器学习

自动化水平有不同的分级:这本身就是一个社会公众不断争论的问题。例如,在特定的地理区域(如某一特定城市内),一些汽车制造商将4级自动化水平的共享汽车视为最佳用例。根据此种解释,4级车辆将被允许在该区域自动驾驶,以收集有快车需求的用户信息。除此之外,根据自动化水平,还有其他首选的应用领域。1到3级的车辆主要用于陆路和高速公路,因为从技 术角度来看,这种用例相对容易实现。

技术可用性和法律因素是瓶颈:普华永道Autofacts预计欧洲、美国和中国此类大型市场对自动驾驶车辆的需求不尽相同,但是在这些地区中,客户们往往都对自动驾驶技术本身持有积极的态度。除技术问题之外,由于缺乏法律框架,目前自动驾驶汽车的发展正受到限制。如今,道路上2和3级自动化水平的汽车少之又少。从技术角度来看,将有越来越多的汽车制造商能够生产此类等级的汽车,但是法律框架尚未明朗。目前的假设是,即使技术上提前会有重大突破,4级自动化水平汽车的面市,最早也要到2022—223年。各种汽车制造商已宣布能生产4级和5级车自动化水平的汽车。

自动和共享:如将共享和自动化这两个趋势结合起来,你会得到四种维度的出行方式:

不能共享和不能自动驾驶

已能共享尚未能自动驾驶

未能共享但已能自动驾驶

已能共享且自动驾驶

机器学习

今天最受欢迎的交通工具仍然是自驾式私家车(因此是“不能共享和不自动驾驶”)。然而,自驾式共享车(换句话说,“已能共享但尚未能自动驾驶”)正日益普及。自动驾驶私家车(“未能共享但已能自动驾驶”)尚未面市,但在未来几年内可能会彻底改变。同时,这也将为共享无人驾驶汽车(“能共享且自动驾驶”),以及自动驾驶和共享这两个维度的融合,铺平了道路。

在无人驾驶模式下,分时租赁汽车和网约车在技术上相差无异,因为均无需用户自己开车。然而,两者在商业模式方面仍存在着一些差异。汽车分时租赁用户会为特定车型选择特定的品牌,而网约车用户则对来自特定品牌服务提供商的特定运输服务感兴趣。个体用户肯定会在两种模式之间切换,这意味着两种模式都拥有明显的商业潜力。

城市与乡村:可以预见的是,这两种出行的共享方式的主要应用地域将是城市地区。 Robotaxi(“已能共享且自动驾驶的”)特别适合在城市推广。

预防交通事故,同时减少拥堵,提高道路的通行效率,使其能容纳不断上升的交通流量。私家车的使用,不管是自动的还是无人驾驶的,仍主要集中在乡村地区。在城市中,把这些私家车纳入广泛使用的Robotaxi网络中,将能减少私家车的使用。对于那些仍重视自有车辆的消费者而言,自动私家车则往往更是一种身份的象征。

渐进式车辆分化:尽管乘坐机动交通工具的出行方式发生了变化,但我们仍然认为在尺寸和细分方面,将会出现渐进分化。在高端车和平价车细分都会有共享汽车,但由于主要是城市使用,这些车辆很可能是座位较少的小型车。相比之下,自动驾驶私家车往往是大型车,尤其是高档车。

然而,汽车的未来,将不仅是一个关乎共享和自动化的问题,而且也是一个关乎互联和电动化的问题。由于电力驱动系统的快速发展,可以预测绝大多数4级和5级自动驾驶汽车将是电动汽车。同时,这也预示着更大程度的互联可能性,部分原因是,电动汽车的大幅推广将成为自动驾驶汽车广泛使用的先决条件。此外,互联汽车这个概念还涵盖各种汽车及互联服务。

全球汽车市场将如何变化?

以个人里程这个概念为基础,我们计算了占新车销售总量的电动汽车百分比。我们最初研究了聚合因子,以表示每辆车平均载人率(在本文后面会有关此概念的更详细释)。此因子有助于我们将个人里程转换为车辆里程。反过来,我们也能借助这一因子,以确定电动汽车年行驶里程所需的保有量。通过某一种出行方式的车辆保有量周转率及其变化,我们能够计算欧盟、美国和中国所需的新车销量。自动共享出行方式的普遍化以及相关自动化水平的变化,对电动化时代的到来有着积极的影响。

机器学习

出行时交通工具的选择将会发生改变:用户角色的变化趋势显示,预计到2030年,自动和共享的出行方式将变得更为普遍。这不仅会对驾驶风格,而且会对车主产生影响。

欧洲

目前欧洲所有出行中使用共享服务的占比不到1%。到2030年,随着年复合增长(2017-2030)的提高(预计超过20%),这一比例将大幅上升,到2020年下半年在行驶里程总量中的比例将达到10%以上。2022年左右,自主驾驶车辆将可以上市。这 些第一代全自主驾驶汽车可能主要着眼于共享概念,因为如前所述,这是其首选的使用领域。这将大大推动共享服务,因为靠“人力成本因素”已行不通。2022年到2030年,由自主共享概念衍生的市场份额的年平均增长率可达70%以上,到2030年将占出行方式的25%以上。根据我们的预测,到那时,传统自驾车的里程占所有汽车里程的比例要远远低于50%。与此同时,自主驾驶汽车里程数占所有汽车里程数的比例可达40%以上。

机器学习

美国

在美国,目前只有1%以上的个人车辆行驶里程采用的是共享形式。2021年此比例可能会超过5%,到2030年可能会高达33.5%。那时,无人驾驶共享汽车的使用比例可接近10%,自主共享汽车的可接近24%。并且,到2030年,美国境内的个人里程中,自主车辆的里程将接近36%。

机器学习

中国

在中国,共享汽车的比例可能会进一步上升。目前,部分城市已经限制新车注册,势必对共享汽车概念的推广产生积极影响。我们认为,到2030年,个人里程中使用共享汽车的比例将有可能达45%以上。

在中国,由于接受程度和需求水平较高,自主驾驶汽车将会得到快速推广。到2030年,自主驾驶汽车里程占所有汽车里程比例将会接近一半。

机器学习

保守预测:未来出行方式受各种因素影响,无法准确预测。法律和技术条件一直在不断变化,给适应新兴出行方式方面带来了一定的自由度。消费者对自主共享汽车的态度和接受度取决于其未来的发展。虽然我们能确保向自主化共享化演进的方向清晰明朗,但不可预见的关键事件(如技术故障导致的致命事故)可能会对接受程度和需求水平产生长期影响。

机器学习

因此,普华永道Autofacts决定进行保守预测和乐观预测。在保守估计的情况下,根据国家和地区的不同,使用自主技术车辆的渗透率将为10%到15%。此种情况下,消费者接受技术以及法律的原则和水平将不再赘述。

乐观预测:而开放预测则认为未来自主驾驶汽车将保持极高的采用率。在此种情况下,到2030年,所有自主驾驶汽车里程占个人里程的比例将达60%以上。无论是消费者需求,还是法律技术要求,都不会对此种新兴出行方式的发展造成任何障碍。

机器学习

个人里程和汽车里程均将增加:个人里程和汽车里程是我们模型的一个关键点。如上所述,这两个数字间的关联度取决于车辆的平均载人率。在研究共享和自动化问题时,我们将其称为聚合因子。采用该因子来统计的话,共享车辆(如UberPOOL)的载人率相对较高。

在一个国家内,描述移动性的基本起始数字是个人里程数。根据人们使用交通工具的行为来划分出行方式,里程形成了计算,计算车辆保有量的基础,我们也能借此间接计算新车的销售量。个人里程增加的原因包括人口增长和机动化率上升,以及相对和绝对的出行成本变化。对此类以及其他宏观社会经济因素的预测,决定了个人里程增加趋势的可信度。本研究中,笔者将假设所考察的三个地区的经济进展基本稳定。

通过自动化共享汽车,越来越多的人将参与到机动交通中来。老年人、身体残疾人、低收入人群和没有驾驶执照的人群,特别是儿童和年轻人,可以积极参与,从而有助于个人里程的增加。

机器学习

欧洲

在欧洲,目前客运车辆的行驶里程近3.7万亿公里。每辆车的平均载人率为1.3人,相当于每年近4.8万亿人每年行驶里程数。载人率根据出行方式的不同而有所差异。对共享车辆而言,我们首先假设一个相对较高的聚合因子。

机器学习

美国

目前,美国客运车每年行驶里程近4.7万亿公里。平均每辆车1.3人的载人率,因此每年客运车的总里程达到3.59万亿公里。未来车辆里程可能增至高达六万亿公里。

机器学习

中国

目前,中国的里程总数还远远落后于欧洲和美国水平。个人里程约为3.0万亿公里。未来几年里程将大幅增加,到2030年可能会超过美国。

机器学习

车辆使用的强度将会增加:然而,要计算保有量量和新车销售量,还需要进一步的数据,即车辆的年里程和至报废时整个寿命期间的里程数。通过这两个数字,我们可以得出车辆的置换率。

随着时间的推移,这四种出行方式的行驶里程数都将增加。其原因包括电动化的推进以及传动系统的相关简化。未来车辆的维修需求和事故率会降低。这意味着在计划行驶里程期间,发生故障的几率将会降低。

在研究周转率时,除总里程外,还应考虑年里程这一相关数据。年里程变化很大,这取决于出行的方式。共享汽车的使用率远超过私家车,因此每年的里程数更高。如果将此种效应与自动驾驶技术相结合,将会有更多的人使用共享自动驾驶汽车,从而带动年里程的进一步增加。除了使用自动汽车的理念得到推广外,私家车的行程也将导致里程的显著增加,因为无论是共享自动汽车,还是私人自动汽车,均能按需载客至某一地点。

年里程和实际行驶里程的组合可以用来计算平均车辆预期寿命和由此产生的置换率。对于共享和私家车,情况截然不同。自购车出库时,目前私家车的使用时间远远不止十年。而共享概念中共享汽车的半衰期要短得多。由于消费者对共享汽车服务水平的预期较高,此类汽车必须在技术和视觉上给消费者留下友好的印象。

年里程的增长和车辆总里程的减少,意味着自动驾驶汽车的置换率将远高于私家车。

机器学习

车辆保有量将减少:将个人年里程除以车辆的平均年里程数将得出车辆的保有量数。本文中,所有出行方式都有不同的年度里程。保有量表示保证里程所需的车辆数量。

欧洲

目前欧洲的车辆保有量超过2.8亿辆,几乎全是私人拥有和使用的。向自主共享的出行形式的转型百分比显示,到2030年,保有量可能会降至2亿多辆。与此同时,由于共享自主驾驶的利用率较高,保有量车辆能产生更高的里程,将超过4.2万亿公里。

到2030年,自主驾驶私家车的保有量可能会下降1.1亿至1.7亿辆。到2030年,2700 万辆自主驾驶汽车的里程(占整体保有量的 13 %)可能占全部个人里程的40 %以上。

机器学习

美国

各种出行方式可能导致保有量容量从2017年的2.7亿多辆减少到2030年的2.12亿辆。将有近7%的保有量减少是由于共用车辆的使用形成的。到2030年,将有近10%的车辆可以自主驾驶。

机器学习

中国

目前中国的汽车保有量量约为1.85亿辆。然而,里程强劲的增加趋势意味着,保有量容量将会随后降至低于欧洲和美国的水平。容量峰值可能是3.1亿多个单位,到2030年再下降到2.8亿辆。

机器学习

在汽车行业转型期间,汽车销量将会增长,但随后可能会下降。要计算新车的销量,有必要了解预计保 有量量,年平均里程和总里程。通过后 两个数字,我们可以计算出了车辆须置 换周期。用置换周期除以保有量量可以 得出新车销售量。

所研究的所有国家和地区的新车销量将增加。其中原因不尽相同。

欧洲和美国市场是增长较慢,仅有单位数字的增长率。另一方面,由于人口增长、机动化率提高以及城市化进程加快,中国新车销售仍然保持强劲的增长势头,尽管新车销售受到宏观调控的影响以确保。

城市不会过度拥堵。除政府和经济因素外,出行行为的变化也将对未来新车的销售产生重大影响。如上图所示,自动驾驶共享型汽车形式的更新速度更快,这将对新车销售产生积极的影响。

欧洲

到2030年,轻型汽车的新增销售量可能从如今的1700万,增长至2400多万。最早在2025年,新车销售总量中,可能包括200万辆无人驾驶汽车。到2030年,这一数字将稳步增长,达到近1250万辆。这意味着每两辆新车中就有一辆已经完全自主化,这将完成向「eascy」车辆新常态的过渡。

在所研究时段中,共享服务需求可能创造30%(相当于730多万辆)的新车销量。然而,我们相信,服务差异更有可能导致流行车型的增加而不是减少—但是是在特定条件下。

机器学习

美国

各种出行方式可能导致保有量容量从2017年的2.7亿多辆减少到2030年的2.12亿辆。将有近7%的保有量减少是由于共用车辆的使用形成的。到2030年,将有近10%的车辆可以自主驾驶。

机器学习

中国

目前中国的汽车保有量量约为1.8亿辆。然而,里程强劲的增加趋势意味着,保有量容量将会随后降至低于欧洲和美国的水平。容量峰值可能是3.1亿多辆,到2030年再下降到2.8亿辆。

机器学习

自动化和电动化是相辅相成的。如上所述,「eascy」模型表明,大多数具有4级或5级自动驾驶技术水平的汽车将是电动车辆。不断使用自动驾驶汽车,将扩大电动车辆的应用领域。这将导致需求从政治权宜向以客户为中心转变。作为第一步,自动驾驶汽车将主要用于共享服务。自动驾驶电动汽车满足了人们出行时对低排放便利交通工具的共享需求,因而将成为城市出行的理想使用工具。

欧洲的车辆目前主要分为0级或1级。在2级有一些车辆,例如带有“智能驾驶”系统的梅赛德斯E级车,以及一些带有3级的车,如新的奥迪A8。

机器学习

我们假设先由辅助级(1级)扩展到部分自主化(2级)车辆。另一方面,自主化(3级)将起到相对较小的作用,因为未来几年的重点已经放在全自主车辆(4级)上,以满足共享服务的应用。

PwC Autofacts将监管视为电动化的另一个影响因素。为了量化“电动化”的维度,我们选择了一个现有的模型,该模型把重点放在二氧化碳目标值的制定和遵守上。

机器学习

除了政治和法律规定之外,电动化、自主化和共享概念的融合可以对新电气车的销售和保有量产生积极影响。根据自主驾驶和共享汽车的普及情况,到2030年,欧洲新车销售 中内燃汽车的比例可能会降至5%以下。同时,每2辆新车中就有1辆以上可以提供纯电力驱动。在回顾期内,混合动力车辆的重要性将持续上升,到2030年将占欧洲所有新车销量的40%以上。

对汽车价值链产生什么样的影响?

正如我们预测的那样,汽车行业的全面快速重组将对整个行业及其价值链产生深远的影响。为了应对2030年以后的发展趋势,基础结构和价值观念必须迅速改变。如果想保持成功,制造商和供应商都必须以客户为导向来坚持创新。本报告可以为制造商、供应商、汽车贸易以及保险公司和其他金融服务提供商提供战略和理念启示。我们研究的最初焦点是传统汽车行业。

机器学习

研发预算需快速重新分配:如上所述,只有一家汽车公司——特斯拉,出现在全球十大最具创新性公司之中。公司规模固然重要,但更重要的是投资类型。为了应对汽车行业重组带来的挑战,制造商和供应商需精准快速重新分配预算。研究和研发需关注软件和服务,而且还要关注制造的可行性和车辆的模块化。软件需提高产品的性能,服务则需为客户提供额外的功能,其对用户的友好性要持续改进,这些要求必须能灵活地集成到硬件中。

机器学习

2020年到2025年,公司须作出企业长期生存的战略决定:汽车行业的「eascy」转型将远非易事。传统的制造商和供应商在未来几年将非常脆弱。一方面,他们将不得不面对利润率下滑的趋势,另一方面,他们又需在电动汽车和新兴客户导向型创新方面作出更大的投资。内燃机,尤其是几十年来支撑汽车工业发展的内 燃机将会过时。与此同时,越来越多的新竞争对手将涌入市场,传统厂商的发展将更加困难。预计到2020-2025年,这些竞争趋势将达到白热化的状态,同时这也意味着对于制造商及其供应商而言,2020-2025年将会是关键性的几年。

这不仅关于汽车,而且更关乎出行方式:制造商和供应商若只继续专注于汽车的生产和销售,在汽车行业重组的大背景下,它们的管理将会变得异常困难。在「eascy」时代,商业模式的核心,不再只是产品,而将是出行服务。假如公司想继续致力于满足客户不断变化的期望,这将是唯一的途径。将“硬件”(即车辆)与“软件”(即服务)联系起来是非常重要的。

尤其是对制造商而言,它们将必须做出至关重要的抉择,要么继续做规模车队提供商,要么做服务提供商。对于某些制造商,它们转型的正确途径可能是专注于这两个领域中的一个,而另外一些则有可能在多样化的过程找到其发展的契机。尽管面临着巨大的挑战,但仍有一些令人乐观的趋势:制造商进军出行服务领域,将为其开辟新的收入来 源;但与此同时,汽车生产和销售的核心业务将会面临更大的压力。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分