近日，Mendix邀请到两位坐客在线研讨会，通过汽车行业的全球经验，探讨低代码携手人工智能（包括ChatGPT）赋能汽车制造行业用户进行数字化转型、破局价格战困境、实现智能制造等话题。本文总结整理了在线研讨会的重点内容，分享给大家。（文末附研讨会视频回放）

专家简介

杨敏

目前担任上汽乘用车数据及信息系统部总监，兼任数字化转型战略委员会秘书长，在上汽乘用车和上汽通用有多年工作经验。

程杰

目前担任高科数聚董事长，汽车行业数字化和智能制造委员会委员，福特高奖励“亨利 · 福特奖”获得者、美国Stevie产品创新大奖获得者、美国2005年的运筹和决策科学Edelman年度大奖、“影响中国大数据产业进程100人”之一，美国密歇根大学人工智能博士，曾在美国福特，JD Power，Acxiom等公司担任副总裁、首席数据官等职务。

Heidi Rong

目前担任西门子低代码大客户团队负责人、服务团队负责人，拥有15+年咨询和数据分析经验，曾担任埃森哲顾问、JD Power汽车金融咨询负责人、Genpact数据分析团队亚太负责人等职位，汽车行业经验丰富。

话题一：如何破局汽车价格战

中国汽车市场的价格战是目前热门的话题之一。从今年年初开始，整个汽车市场的降价潮就在持续的发酵，无论是新能源车还是燃油车无一避免，但是从刚刚过去的市场表现来看，效果并不尽人意。刚刚发布的乘联会数据，3月份，乘用车市场零售量环比增速达到了本世纪以来弱水平。

中国并不是价格战的唯一国家，其他国家也曾有过类似的情况。美国汽车市场也一直面临着周期性的震荡。以大约 10 年为周期，每一次周期开始时市场需求比较猛，产能开始往上调。然而到了终一个阶段，产销和需求之间发生严重脱节情况，就会产生巨大的产销危机，触发价格战。在2002及其后多年，美国汽车行业就有过严重的价格战，整个行业在广告宣传方面年度花费近160亿美元，而在促销方面年度花费近600亿美元，包括现金回送、利息补贴和残值的提升等。美国如何破局？对中国又有何借鉴？

美国历史：福特和通用的不同观点，智能排产系统

在美国，汽车行业早年，福特提出“You can have any color car you want as long as it's black."规模化生产黑色汽车，以提高生产效率和经济效益，而通用则提出“Offer a car for every purse and purpose.”为每个消费者的需求和钱包造一款车，以满足个性化需求。这两个极端的观点表明了汽车制造业中高效率、规模化和个性化之间的矛盾。

在解决这种矛盾的过程中，主机厂需要找到平衡点。这个平衡点需要在两个方面得到体现：首先，汽车的定义必须有适当的个性化，以便消费者能够买到自己中意的车，而且性价比是相对好的；其次，主机厂需要在满足个性化的同时，保持规模化生产的经济效益和生产效率，以能够快速交付并提高竞争力。

到了20世纪90年代，高效率的、规模化的个性化汽车成为一定共识，福特汽车又遇到新问题。当时福特汽车一家工厂要求每个班次（8小时）产出400+辆车，工厂的生产线必须以每分钟一辆的速度出产车辆，但车本身越来越复杂，由于车的配置和颜色的多样性，需要将每辆车的组装零部件进行优化排序，以达到高的生产效率。然而，即使经过了优化排序，仍然有可能出现生产中的异常情况，例如过程中的部分返工，零部件未能及时到达生产线，导致车辆无法按时完成组装，只能暂时停放在停车场等待零部件到位，再次进行组装，这样的停产时间会带来相当大的生产损失。特别是对于福特的 F150 皮卡等卖得非常成功的车型，由于其配置的组合方式多达 100 多万种，因此异常情况发生的概率也相应增大，生产损失也更为严重。为了应对这样的生产异常情况，原有的运筹学算法无法满足要求，福特引入了汽车整车制造排序进化计算算法，并将其应用于生产智能排产系统中。这种“进化计算算法“是一种人工智能的多点并行优化算法。通过这种方式，福特能够应对复杂多样的配置选择，并及时处理各种生产异常情况，这套算法在福特美国的汽车制造工厂已经广泛应用。

中国做法：上汽乘用车定位快速交付，实现个性化需求中的共性问题

对上汽乘用车而言，下单后的快速交付是车主的共性需求，是基础，需要提前夯实。上汽乘用车的柔性制造车间，通过产销供协同系统，把智己汽车的平均交付时间从43天降低到14天，让客户的等待时间大大减少。从43天到14天，上汽乘用车是如何做到的呢？实际上，上汽将整个供应链中物流环节的相关数据进行了积累，并在市场有需求时以快速度推出产品。这其中有很多的因素要考虑，比如物流供应商的交付时间、合格率、库存周转以及交通运输时间等等。在考虑这些因素的同时，上汽还能利用物流运营塔及时监视生产计划，发现细节方面的差异并让相关人员及时解决，以达到更快更好的效果。通过这样的方式，上汽乘用车的产销供协同系统成功实现了短时间内快速交付产品的目标。

时间就是价值，上汽乘用车也利用西门子低代码Mendix，在缺芯缺件的背景下，仅用了两周时间就快速搭建起缺件车管理系统，快速响应市场变化，同时也得到了主管制造的副总经理吉总的充分肯定。

上汽乘用车同样面对着需求多样性的挑战，并且比90年代福特的挑战更加严重，这些挑战包含：

多品牌、多车型、多配置：上汽乘用车有四***荣威、名爵，智己、飞凡，需要在一条产线上进行混合制造，生产很复杂。

市场定位不同：不同品牌的市场定位不同，有些品牌是强势，有些品牌是需方市场，供需不平衡，交付难度更大。

生产质量控制：不同配置的汽车有不同的要求，如油漆种类、气泡、太阳窗等，对生产质量控制提出了更高要求。

生产线灵活性：柔性生产需要生产线具有灵活性，能够迅速适应不同品牌、车型、配置的生产需求，这需要更高的技术和管理水平。

以前，上汽乘用车经常开产销协同会，但是由于协同经常会出现问题，为什么呢？因为制造和营销的性格不同，制造是稳态的，营销是敏态的，难以调和。但理性来看，营销的敏态是合理的，因为市场的波动是合理的，要敏捷响应客户需求；制造的稳态也是合理的，它体现在质量、单车制造成本等，这些东西不能不稳。这就要求我们有一个柔性制造体系，保证制造的稳态的情况下，把它的一些能够敏态的东西，能够大限度的去满足。现在上汽乘用车，通过数字化的建设，正在朝这个方向努力。

在这个数字化过程中，西门子低代码Mendix 给予了很大帮助。

覆盖四个基地的工厂人力精益管理的项目，其目的是降低单车人工成本，需要更精细化地管理人力，不单单是月末才了解每月工作天数，而是可以每天了解每个工人工作了多少小时。上汽乘用车可以将工作细化为每个工位的步骤来了解需要多少人，以及哪些人的工作可以提高效率。快速响应机制和低代码工具可以帮助快速实现需求，让业务快速尝试和创新，并且能够让管理理念不断推陈出新，提高响应速度和敏感度。

QMS质量管理系统：上汽乘用车继承了通用和大众的质量管理理念和经验，利用Mendix在短短3个月内开发了具有自己业务Know-how和特色的端到端的QMS系统，并在1个基地试验成功后快速推广到其他3个基地。这样复杂度QMS核心系统，以往经验，从开发到落地业务接受，时间得需要1-1.5年，这次个基地开发落地仅仅花了3个月，后续到其余3个基地的推广也非常快。

话题二：智能制造的内涵是什么？

智能制造是指通过智能化技术和信息化手段提高制造业生产效率和质量的一种制造模式。它是一个扩展面更宽的概念，它涵盖了整个生产制造链条的需求、研发设计、制造、物流、创出管理、销售和服务。在智能制造中，制造始终是一个重要的角色，但只关注制造是不行的，它的各个环节是环环相扣的。

智能制造的内涵包括三个方面：

个方面是“Build to Order”，即根据消费者的需求来定制产品，设计个性化订单。这个订单需要达到恰到好处的程度，以满足消费者的个性化需求。

第二个方面是销售预测，需要有一个较好的确定性，以便预测未来的需求和生产。

第三个方面是以基本不变的管理逻辑来应对各种变化，包括生产环境、市场需求、技术创新等，实现持续改进和优化生产效率。

智能制造对软件、编程语言有很高的要求。它需要软件系统能够保证灵活性、智能性、可靠性和安全性。软件开发语言可以促进项目，也可以限制项目，所以开发选择合适的开发语言或工具很重要。低代码技术是智能制造的一种重要支撑技术，能够快速搭建应用系统，提高开发效率，降低开发成本，实现敏捷开发和快速迭代。

话题三：上汽乘用车领飞SaaS平台为汽车产业全链路赋能

上汽乘用车领飞I-Link Future SaaS平台是经信委要求的，面向汽车生态系统的赋能平台：

平台的层概念是通过建立稳定的合作关系，为协同公司提供体系化输出，从而实现成本和质量的稳态管理。在这个平台上，上汽乘用车免费提供质量管理和物流管理等管理工具，这些工具的使用可以帮助协同公司提升管理水平、降低成本。这种稳态的管理能力可以确保计划的按时生产和高质量的产品。

平台的第二层概念是协同平台，通过信息互通和快速响应，协同公司可以更快速地解决问题和处理异常事件。该平台还提供定制工具和其他工具，以便协同公司能够更好地适应自己的需求。

过去几年，领飞平台已经取得了很好的成绩。未来，该平台还可以：

为客户提供更多个性化的定制服务。

将技术与流程相结合，实现在 PDCA的Do 和 Check 过程中将解决问题所需的知识点融合在一起的目标。这样一来，任何技术问题都可以在早期得到解决，从而避免潜在的生产问题。

西门子低代码Mendix也是领飞平台的底层工具，上汽乘用车愿意和西门子一起向上汽上台上下游以及所有汽车大生态合作方提供更多更好的赋能和服务。

话题四：ChatGPT 时代，低代码如何协作共生

人工智能的定义在不断地发生变化，每10年就会发生全新的定义， ChatGPT与传统的人工智能技术不同之处在于它有智力。以前，我们更多关注如何解决一个问题；有了ChatGPT，更关注如何表达一个问题，让ChatGPT 去解决问题。

尽管ChatGPT已经掌握了大量的通用人类基础知识，但人相对于ChatGPT的能力有很多优势，主要在三个方面：

从通用到专用的能力。因为专用的数据量很少，甚至没有相关数据。

融合和创新的能力。ChatGPT能把全世界的通用知识都学会，但不能创造没有过的东西。

方便、速度和安全的平衡。人们在享受ChatGPT的便利时，又担心访问的便捷性、数据的安全性。比如，万一互联网断了怎么办？万一我的数据被泄露怎么办？这需要一个很好的平衡。

ChatGPT可以利用大数据为人类提供通用的基础知识，但前沿的东西则是专用的，这就像人们在读小学、中学、大学的过程一样。创新的、前沿的东西，都是专用的，仍需要人工来完成。在软件开发行业，很多真正的数字化创新都是专用的，这些工作都需要人工完成。而以Mendix 为代表的低代码产品可以帮助这个创造过程，完成快速的开发、上线和验证。

作为的低代码平台，西门子低代码Mendix在Gartner和Forrest等评测中一直是全球。近年来，西门子低代码Mendix也逐渐调整定位，专注于更加化更加复杂的应用场景。虽然像 ChatGPT 这样的技术在某些简单通用的场景中可能胜任，但是在复杂的高逻辑、个性化诉求和系统之间的打通方面，仍然需要低代码平台的支持。同时，西门子低代码Mendix在人工智能方面也做了很多融合，比如：

在西门子天津高速列车工厂的APS排程系统中，团队使用Mendix连接AWS云端智能AI算法实现排程。

Mendix AI Assistant是一个应用于低代码开发平台的人工智能辅助工具。该工具可以通过自然语言处理技术和机器学习算法，实现智能提示、代码自动完成、错误检测等功能。

此外，Mendix在企业IT的安全性和规范性方面也提供了很大的价值。通过使用低代码平台，企业可以降低系统整个生命周期的总成本，同时实现快速、标准化和灵活性的平衡。

总的来说，ChatGPT和低代码技术都有各自擅长的领域，企业要解决的问题既有通用的，也有专用的。因此，在实际应用中，企业需要结合自身的需求和场景，选择合适的技术方案来实现业务和IT的融合。无论是低代码平台还是 ChatGPT 技术，都是企业数字化转型的重要组成部分，可以帮助企业更加高效地管理和运营业务。