软件与服务行业：从Demo到生产力，AI进入汽车研发深水区.pdf

研究背景与目的

本报告由长江证券研究所发布，聚焦AI技术在汽车研发领域的应用演进，分析AI如何从辅助工具进入核心研发流程，并探讨其对汽车研发产业价值链和第三方研发公司商业模式的重构作用。

核心内容

汽车研发传统流程分为产品定义、造型与工程、性能开发与软件、试制验证四个阶段，周期长达36-48个月，存在专家经验依赖、跨部门协同损耗、设计验证闭环缓慢、工具链割裂等六大痛点。当前多模态模型、Agent框架和3D生成模型的技术突破，使AI具备处理工程数据、执行多步骤任务和生成可嵌入CAD流程的三维资产的能力，推理成本下降也使大规模部署经济可行。AI原生研发体系可将周期压缩至12-18个月，在产品定义、造型设计、CAD检索生成、多目标优化和试验验证等环节实现提效。

市场与商业模式

2025年中国汽车销量达3440万辆，新能源渗透率47.9%，自主品牌份额69.5%，SKU扩张与车型迭代加速为研发服务市场提供需求基础。测算汽车研发市场规模约2362.96-2620.59亿元，中性情形下AI汽车研发市场空间约1181.48-1310.30亿元。AI推动第三方研发公司商业模式从项目制交付向SaaS/授权模式转型，服务边界从外委车型扩展至全部研发项目，类似Adobe、Autodesk从永久授权向订阅迁移的路径。

竞争格局与壁垒

AI汽车研发落地核心壁垒为数据壁垒（跨项目完整工程数据集）、工程师壁垒（多工种隐性知识沉淀）和产品化壁垒（研发能力产品化动力）。第三方研发公司因跨车型、跨客户、跨阶段经验，比主机厂和工业软件公司更具综合优势。阿尔特作为布局较完整的代表企业，已开发六类AI工具并与英伟达、百度伐谋等建立合作。

演进路径

AI化分三阶段：单点工具AI解决局部效率并沉淀数据；智能体AI打通跨环节流程协同；物理AI实现虚实融合与闭环迭代，终局形态为覆盖全链路的整车研发垂直平台。

风险提示

AI技术落地不及预期、人才与技术迭代风险、数据合规与知识产权风险、汽车行业需求波动风险。