軟件與服務行業：從Demo到生產力，AI進入汽車研發深水區.pdf

研究背景與目的

本報告由長江證券研究所發布，聚焦AI技術在汽車研發領域的應用演進，分析AI如何從輔助工具進入核心研發流程，并探討其對汽車研發產業價值鏈和第三方研發公司商業模式的重構作用。

核心內容

汽車研發傳統流程分為產品定義、造型與工程、性能開發與軟件、試制驗證四個階段，周期長達36-48個月，存在專家經驗依賴、跨部門協同損耗、設計驗證閉環緩慢、工具鏈割裂等六大痛點。當前多模態模型、Agent框架和3D生成模型的技術突破，使AI具備處理工程數據、執行多步驟任務和生成可嵌入CAD流程的三維資產的能力，推理成本下降也使大規模部署經濟可行。AI原生研發體系可將周期壓縮至12-18個月，在產品定義、造型設計、CAD檢索生成、多目標優化和試驗驗證等環節實現提效。

市場與商業模式

2025年中國汽車銷量達3440萬輛，新能源滲透率47.9%，自主品牌份額69.5%，SKU擴張與車型迭代加速為研發服務市場提供需求基礎。測算汽車研發市場規模約2362.96-2620.59億元，中性情形下AI汽車研發市場空間約1181.48-1310.30億元。AI推動第三方研發公司商業模式從項目制交付向SaaS/授權模式轉型，服務邊界從外委車型擴展至全部研發項目，類似Adobe、Autodesk從永久授權向訂閱遷移的路徑。

競爭格局與壁壘

AI汽車研發落地核心壁壘為數據壁壘（跨項目完整工程數據集）、工程師壁壘（多工種隱性知識沉淀）和產品化壁壘（研發能力產品化動力）。第三方研發公司因跨車型、跨客戶、跨階段經驗，比主機廠和工業軟件公司更具綜合優勢。阿爾特作為布局較完整的代表企業，已開發六類AI工具并與英偉達、百度伐謀等建立合作。

演進路徑

AI化分三階段：單點工具AI解決局部效率并沉淀數據；智能體AI打通跨環節流程協同；物理AI實現虛實融合與閉環迭代，終局形態為覆蓋全鏈路的整車研發垂直平臺。

風險提示

AI技術落地不及預期、人才與技術迭代風險、數據合規與知識產權風險、汽車行業需求波動風險。