德国汽车产业研究:立足本土,迈向世界

640?wx_fmt=jpeg

来源:国泰君安


德国汽车市场目前已进入成熟阶段,成熟阶段的标志是国内销量增速下降,自主品牌份额远高于其他品牌。国内市场趋于饱和,而出口量快速增长,并且在豪华车市场拥有高市场份额。


德国汽车产业链的特点是,以整车OEM为前台,辅以大量的中小型零部件供应商(包括TIER1、TIER2、TIER3)组成庞大的供应商网络,这些中小型企业包括许多在细分领域龙头企业。整车企业在政府的支持下深度绑定供应链上的零部件供应商、当地学校资源及跨界公司。


德国汽车产业投入大量的成本于国内核心工厂进行高端技术研发、整车设计、质量把控等,并在国外寻找劳动力低廉的国家设厂进行简单生产或直接将部分生产外包给国外工厂。


在新能源汽车领域,德国车企虽然起步较晚,但在2017年已有长足进步,销量已达全球第四,大众、宝马、戴姆勒等公司均计划在2025年将新能源汽车占比提升至15-25%。


▌德国国内汽车市场趋于饱和,主要增长来自国外


德国是现代汽车的发祥地,汽车工业已经走过120余年的历史,目前代表品牌有奔驰、宝马、奥迪、保时捷、大众、劳斯莱斯(被宝马收购)、宾利兰博基尼布加迪(三个品牌均被大众收购)、斯柯达等。


640?wx_fmt=png


在德国,行业生产总值最高的是工业制造,而在工业制造中排名第一的正是汽车行业。


国内市场趋于饱和,德系车是绝对主角


德国2017年汽车年销量达344万辆,位居全球第五。德国已经进入汽车行业成熟期,自2010年起至2017年,汽车销量复合增速为2.4%。


640?wx_fmt=png


德国汽车处于行业成熟期的另一个标志是,德国国内销量排名前列的多为自主品牌。


增量主要来自国外,高端车是最强武器


德系车近年来销量增长主要来自于国外市场,2016年在国内销量240万辆,较2008年提升14%,在国外销量达1340万辆,较2008年提升54%。


2017年德国汽车行业共创营收4228亿欧元,同比+4%,其中出口营收达2717亿欧元,同比+6,占比达64%。


德系豪华车品牌奔驰、宝马、奥迪、保时捷17年销量均对16年同比提升,分别达240万辆、208.8万辆、188.2万辆、24.6万辆。


德国车企占据豪华车市场超过70%的市场份额,以豪华车发展迅猛的中国汽车市场为例,奔驰、宝马、奥迪、保时捷占据中国豪华车市场73%的市场份额。


▌从斯图加特看德国汽车产业链融合


德国整车企业的发展和整个产业链上零部件公司的支持息息相关,在2017年《美国汽车新闻》发布的全球汽车零配件供应商百强排行榜中,德国零部件厂商有16家跻身百强。


640?wx_fmt=png


传统整车三强美国、德国、日本同样是汽车零部件传统三强,进入全球零部件百强企业数始终位居前三。


640?wx_fmt=png


斯图加特大量的中小型企业组成庞大的供应商体系


在德国,整车工厂附近都会辐射大量零部件供应商,整车和零部件密度最为密集的正是斯图加特所在的巴登符腾堡州。


斯图加特位于德国巴登-符腾堡州,该地区制造业产出占总产出占比在2015年为35%,为德国国内最高,因此该地区是最能代表德国工业特征的地区之一。


斯图加特地区拥有戴姆勒、保时捷等国际整车巨头和以博世为代表的整车零部件企业,同时还有大量二级供应商、三级供应商(TIER2、TIER3)。


在德国汽车制造整个产业链中,约70%的参与者为作为TIER3的中小型企业。


640?wx_fmt=png


斯图加特当地汽车行业运转模式是以大整车企业的需求和策略为主,辅以大量中小企业协助生产。该种模式下,德国不仅拥有大量大型车企,还拥有许多在各自领域技术领先的中小型企业。


当地的学校及跨界公司与整车产业链互为联盟


德国汽车产业的成功离不开高校的支持,戴姆勒公司所在地斯图加特拥有TU9成员之一斯图加特大学,该大学汽车工程专业位列德国第一;


宝马所在地慕尼黑拥有常年排名德国理工类大学榜首的慕尼黑工业大学;大众所在地沃尔夫斯堡拥有TU9成员之一的布伦瑞克工业大学,该校是谷歌无人驾驶团队和NFF重要成员。


640?wx_fmt=png


在斯图加特,汽车行业雇员拥有比建筑业、制造业等行业更高的受教育、职业认证程度。


640?wx_fmt=png


巴登符腾堡州除了拥有戴姆勒、保时捷、博世等大型汽车企业,还有光学行业的卡尔蔡司、通信行业的SAPSE,大公司之间的跨界合作为德国汽车行业发展车联网、自动驾驶等技术提供巨大便利。


▌知识密集型保留国内,劳动密集型布局全球


高研发创造高产出,德国汽车专利领先世界


德国汽车产业17年研发费用约220亿欧元,占全国研发投入接近40%。


在2017年全球研发费用百强公司中,整车企业占据12席,德国车企占据3席,大众集团连续两年位列全球研发费用百强首位。


从研发占比来看,大众、宝马、戴姆勒均排在全球车企前五。同时,德国汽车零部件企业研发占比在全球前四中占据3席。实际上,德国车企研发占比始终强于美国、日本、中国等汽车大国。


640?wx_fmt=png


不仅基数领先,在 2017 年德国车企的研发费用增速同样领先美国和日本。


大量的研发投入带来产业前沿技术的领先,最直接体现在汽车专利数上, 2016 年全球总计有 2587 项汽车行业的专利,其中 32%授予了德国企业。


在前沿技术领域,德国车企优势更为明显,自 2010 年至 2017 年,全球 有 5839 项自动驾驶相关专利,德国企业拥有其中的 58%。


在拥有专利数前十的企业中,德国企业独占六席,排名榜首的博世拥有近千项自动驾驶专利。


640?wx_fmt=png


全球寻找廉价劳动力以节约成本


德国的汽车工人时薪在全球位居前列,因此德国车企不得不在全球寻找 廉价劳动力以控制员工成本。


近几年德国车海外生产比例大幅提升,2008 年德国车海外生产比例只有 49%,而 2016 年这一比例提升至 64%。


在全球工厂中,来自廉价劳动力国家的中国、印度、巴西、阿根廷、墨 西哥的产量占比达到 52%。


▌新能源起步落后,德车企奋起直追


欧盟有严格要求,德车企暂时落后


欧盟的要求车企在2021年的二氧化碳排放量控制在95g/km,比美国、日本、中国更为严格。


自2000年以来,德国道路交通量保持稳定增长,2016年相比2000年提升20%,而二氧化碳排放量则降低9%。


在2017年德国空气污染程度排名中,两座汽车之城慕尼黑(宝马总部所在地)和斯图加特(戴姆勒和保时捷总部所在地)分列一二位。


德国在推行电动车的初期受到极大阻碍,原计划在2014年达成年销10万辆新能源车的目标,最终仅完成2.4万辆销量。


作为传统汽车强国,德国实际上在新能源技术领域起步很早,但因种种原因,现在德国新能源汽车领域地位未能像传统车领域一样强势。


640?wx_fmt=png


国内市场新能源车份额开始快速提升


2017年德国新能源(纯电动+插电式混合动力)乘用车销量创历史新高,达53562辆,位居世界第四,国内市场份额提升至1.6%。


640?wx_fmt=png


17年德国国内新能源车市场份额达1.6%,仍未达到欧洲平均水平,但相比16年的0.6%已有巨大提升。17年德国车在大部分国家的传统车和新能源车占据市场份额十分接近。


640?wx_fmt=png


龙头企业均已制定完整计划目前的大众、宝马、戴姆勒均已达到欧盟要求的标准,同时几家巨头已经对未来的新能源汽车发展有完整规划。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/493406.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

利用混淆矩阵查看每一类预测结果+miou计算

混淆矩阵的示意图如下: import numpy as np cmnp.array([[4,0,0,0],[0,1,0,0],[0, 0, 2, 0],[0, 1, 3, 0]]) plt.figure() plt.grid(False) plt.imshow(cm, cmapjet) plt.colorbar() plt.show() import matplotlib.pyplot as plt import seaborn as sn import numpy…

Ubantu系统配置固定IP地址和Pycharm连接远程服务器

当需要远程办公时,使用pycharm远程连接服务器是必要的。 PyCharm提供两种远程调试(Remote Debugging)的方式: 配置远程的解释器(remote interpreter)配置Python调试服务器(Python Debug Server) 本篇文章主…

人工智能正在如何改变世界:BBC 总结 AI 的 A 到 Z

来源:AI 科技评论摘要:如今,人工智能已经不是一项虚无缥缈的实验室科技,它已经融入我们生活的方方面面。BBC Future 栏目撰写了一篇轻松愉快的文章,选出了首字母 A 到 Z 的 26 个单词,借助它们介绍机器的思…

灵活运用 SQL SERVER FOR XML PATH

FOR XML PATH 有的人可能知道有的人可能不知道,其实它就是将查询结果集以XML形式展现,有了它我们可以简化我们的查询语句实现一些以前可能需要借助函数活存储过程来完成的工作。那么以一个实例为主. 一.FOR XML PATH 简单介绍 那么还是首先来介绍一下FOR…

近代数字信号处理实验-DFT分析信号的频谱

一、实验目的 (1)掌握利用DFT近似计算不同类型信号频谱的原理和方法。 (2)理解误差产生的原因及减小误差的方法。 (3)培养学生自主学习能力,以及发现问题、分析问题和解决问题的能力。 二、…

人工智能+能源:能源行业变革新趋势

来源:资本实验室随着环保压力的不断加大,以及可再生能源成本持续降低等因素,越来越多的国家都开始大力推动从传统化石能源转向可再生能源,全球很多大型企业也纷纷加入了全球可再生能源计划RE100,以实现可再生能源100%的…

利用numpy生成各种波

一,生成矩形波 矩形波的傅里叶级数 xnp.linspace(-np.pi,np.pi,201) knp.arange(1,99) k2*k-1 ynp.zeros_like(x) for i in range(len(x)):y[i](4/np.pi)*np.sum(np.sin(k*x[i])/k) # print(t) # print(f) plt.plot(x,y) plt.show() 二,生成锯齿波和三角…

解决TeamViewer访问超时限制的问题

一、卸载TeamViewer:找到安装路径,点击uninstall卸载 二、修改MAC地址 1、查看现有的mac地址:打开cmd界面,输入ipconfig/all 按回车,红框标记为无线局域网mac地址。 2、修改现有无线局域网mac地址 (1)按住…

Linux系统中的load average

1. load average 定义 linux系统中的Load对当前CPU工作量的度量。简单的说是进程队列的长度。 Load Average 就是一段时间 (1 分钟、5分钟、15分钟) 内平均 Load 。 通过系统命令"w"查看当前load average情况 上边0.31,0.30,0.31表示 第一位0.…

工业机器人原来可以这么酷,马斯克和中国美的都对它青睐有加

来源:机器人大讲堂摘要:工业机器人或许是大家认为最枯燥的机器人之一了吧?每次机器人展会上,工业机器人的展位总会备受冷落,硬邦邦的机械臂相比呆萌可爱的服务机器人总是少了那么几分吸引力。但是,我们也不…

100年前没人信他,但他仅1项研究便远程摧毁万架飞机……

来源:世界科技创新论坛摘要:他是爱迪生最强大的对手,也是一个一生独立开发并取得专利700种,合作开发达1000种以上的科学狂人。科学界有一个普遍共识,人类历史上曾经存在过两个公认的旷世天才:达芬奇和尼古拉…

服务器安装opencv报错--libSM.so.6: cannot open shared ...+tensorflow 报错libcusolver.so.8.0: can not...

1.安装opencv出现以下错误: pip install opencv-contrib-python apt-get install -y python-qt4 apt-get install tk-dev python-tk 例如linux.zip.001, linux.zip.002, linux.zip.003... 首先 cat linux.zip* > linux.zip #合并为一个zip包 然后 unzip linu…

AlphaGo之后,DeepMind重磅推出AlphaFold:基因序列预测蛋白质结构

来源:机器之心摘要:Alphabet(谷歌)旗下公司 DeepMind 的人工智能 AlphaGo 曾在国际象棋、围棋等项目中取得了超越人类的表现,其研究不仅震惊世界,也两次登上 Nature。如今,该公司已将人工智能技…

李开复看2019投资趋势:最坏的时代将酝酿最伟大的公司

来源:网易智能摘要:12月3日下午,创新工场在北京举办了2019投资趋势分享会。创新工场创始人、董事长兼CEO李开复,创新工场联合创始人、管理合伙人汪华与创新工场合伙人张鹰对目前中国经济形势和投资趋势做了分析。01最坏的时代将酝…

高斯混合模型做聚类

概述 聚类算法大多数采用相似度来判断,而相似度又大多数采用欧式距离长短来衡量,而GMM采用了新的判断依据—–概率,即通过属于某一类的概率大小来判断最终的归属类别 。 GMM的基本思想就是:任意形状的概率分布都可以用多个高斯分…

基于深度学习的NLP 32页最新进展综述,190篇参考文献

来源:专知摘要:深度学习使用多层学习层次的数据表示,并在许多领域得到了最优的结果。最近,各种各样的模型设计和方法在自然语言处理(NLP)蓬勃发展。在本文中,我们回顾了被广泛应用于各种NLP任务的深度学习相关模型和算法以及它们的发展演变过程。我们还总…

.net framework摘抄与理解

1."源码"编译成"托管模块": 2.将"托管模块"合并成"托管程序集" 3.clr中的"JIT"执行"托管程序集" 第二次执行已被JIT编译成机器码的Console.WriteLine("") 转载于:https://www.cnblogs.com/doujiaomifan…

“新一代人工智能前沿与挑战”国际研讨会专家观点分享

来源:西电人工智能学院摘要:2018年11月25日-26日举办的“新一代人工智能前沿与挑战”中青年论坛暨第二十一届学术周在西安电子科技大学圆满落幕,研讨会上包括长江学者、IEEE Fellow、领域顶尖中青年学者、新锐企业领导者等在内的国内外权威专…

决策树算法及可视化

经典决策树算法包括ID3算法、C4.5算法以及GBDT的基分类器CART算法 ,ID3算法选择特征的依据是信息增益、C4.5是信息增益比,而CART则是Gini指数。 例子: 所谓信息增益就是数据在得到特征X的信息时使得类Y的信息不确定性减少的程度。假设数据集D的信息熵为H(D)&#x…

python多进程并发+pool多线程+共享变量

一.多进程 当计算机运行程序时,就会创建包含代码和状态的进程。这些进程会通过计算机的一个或多个CPU执行。不过,同一时刻每个CPU只会执行一个进程,然后不同进程间快速切换,给我们一种错觉,感觉好像多个程…