近年來汽車銷售持續承壓，消費者話語權提升，對個性化、智能化服務需求不斷提升，汽車行業“以產定銷”時代已成過去，“用戶驅動制造”模式成為車企轉型的“必選項”。

汽車行業正在以協同柔性、智能制造為目標，推動生產數字化進程，實現訂單、設計、制造與“云數智一體化”集成。在這個過程中，如何打通數字通路，實現生產全流程的數據透明化，以及生產、決策的敏捷化響應，成為了行業面臨的共同課題。

自2018年以來，汽車產業進入了激烈的存量競爭時代，生產端降本增效的需求更加突出。各大車企紛紛通過生產線智能化改造，來提升生產效率、規避風險。但目前，自動化設備的使用、制造經驗的提升和精益制造的理念已將汽車行業的生產效率大大提升，邊際效應愈加明顯。

除了精益化生產難以再進一步，更加棘手的問題在于，大批量制造的同質化汽車產品已經難以滿足用戶對汽車的個性化需求；同時傳統的“以產定銷”依據既有經驗和市場調研來制定排產計劃的方式，在多變的市場形勢和多樣的用戶需求面前變得越來越落伍，庫存積壓、生產資源不匹配、生產計劃執行率低等問題越來越突出。

以上種種弊端，正在倒逼車企徹底改變既有的生產流程，一種名為C2M (Consumer to Manufacturer用戶連接制造商)的模式被汽車產業所采納應用，幫助車企建設配套的信息化和柔性能力，為用戶提供小規模的個性化購車方案。

過去數年間，汽車行業在數字化生產方面已經進行了諸多實踐。在沖壓、焊裝、涂裝、總裝、檢測等核心生產環節，行業自動化率一直在不斷提升。特斯拉上海超級工廠、奇瑞常熟工廠、吉利余姚工廠等均宣布在一個或者多個環節實現了100％自動化。但在提升自動化率的同時，各個環節的數據長期處于孤島狀態，行業并未做到充分挖掘生產過程中沉淀的數據資產價值。

而在滿足用戶的個性化需求方面，同樣有車企開始嘗試小批量的定制化產品。例如，上汽大通推出蜘蛛智選系統，讓用戶自主選擇車輛外觀、顏色、內飾、配置等。嵐圖也宣布，未來要在工業互聯網的加持之下，實現千人一車到千人千車的轉變。

盡管行業已經進行了很多有益的探索，但目前客戶對車輛的定制依然停留在簡單的選擇階段，缺少更深層次的參與途徑。同時，小批量生產帶來的排產難度加大、生產成本提升、工藝流程不確定性增加、供應鏈協同響應難度加大等都是車企生產數字化過程中面臨的新難題。

此前，由騰訊發布的《汽車產業數字化轉型》白皮書中，將車企推動生產數字化轉型主要挑戰歸結為兩點。首先，如何將多渠道客戶訂單快速轉化為工廠的生產排期，在最短的時間向用戶交付產品；其次，大規模C2M生產如何通過對沖焊涂總車間中流程過程的監控和干預，確保每個環節產品的質量，以及最終線下產品的質量。

同時《白皮書》也提出，基于云平臺的海量數據處理能力，打通貫穿設計研發以及各個生產環節的數字化通路，充分發揮數據價值以應對用戶驅動模式帶來的潛在風險，將生產流程、工藝中的不確定性降至最低，是車企應對生產數字化挑戰的重要手段。

具體來講，利用數字工廠將傳統汽車生產制造方式轉變為柔性化生產方式，以便快速地響應消費者個性化需求，以及降低為了滿足消費者需求而產生的一切不確定性和風險，是生產數字化的核心目標，而實現這兩點必須要做到數據的透明化和決策的敏捷化。

就數據透明化而言，通過將庫存、制造、物流、質檢等各個生產環節產生的數據進行有效串聯，進行分析和使用，可以改變原有粗放的生產方式，解決車企生產環節長久以來的遺留問題或未被發現的問題，從而實現精準管控生產效率，并且預防潛在的風險。

而決策的敏捷化，可以支撐車企真正實現用戶來驅動產品設計、制造的全流程，支持C2M柔性化的生產，將物料、庫存、排產、物流等環節以數字化的形式呈現并隨時更新，將有效解決在制定生產計劃時需求波動、物料約束、庫存約束、產能約束的問題。

例如，今年八月騰訊和吉利旗下的廣域銘島共同研發了大規模柔性定制C2M套件，助力制造企業從訂單到交付、研發到生產的全價值鏈重構。通過市場用戶、生產企業和供應鏈資源的高度協作，推動制造企業實現“以產品為中心”向“以用戶體驗為中心”轉變，從而在未來產品和服務需求日益個性化的趨勢下搶占先機。

騰訊汽車直連用戶的生產一體化解決方案示意圖

從具體的產品架構來看，騰訊的C2M解決方案，是基于領先的云計算、大數據、AI等能力，以“1+N”模式為汽車等制造企業提供服務。其中“1”代表云服務架構，可橫向支撐車企上下游整體供應鏈協同，并針對C端用戶大規模定制需求，縱向聯動智能、柔性的工廠生產資源，打通生產各環節，與供應鏈端實現全閉環集成。而“N”則代表著通過N種不同的產品服務組合支撐N種業務場景，針對不同客戶、不同發展階段和不同業務需求，以“樂高式”產品模塊自由組合服務。

總而言之，在新的競爭形勢下，快速響應消費者個性化需求，落實并交付用戶創意，優化用戶的體驗，同時實現精益化生產和降本增效，是汽車行業生產數字化要解決的新課題。而只有不斷深入挖掘數據價值，才能更好的實現“以用戶定義產品”，讓每一個訂單都如期而“制”。