Omdia：制造业为何正在借鉴汽车行业的SDV软件定义汽车蓝图

智通财经APP获悉，Omdia发文称，随着汽车行业不断迈向软件定义时代，其快速变化的节奏正在为制造业和机器人等仍处于早期转型阶段的行业提供重要参考。当前，汽车行业在架构选择、运营模式、组织文化以及生态系统建设方面所进行的变革，正是制造企业实现软件定义制造(Software-Defined Manufacturing，SDM)和现代数字化制造升级所需要借鉴的关键要素。如今，一个涵盖多个行业的"软件定义一切(Software-Defined Everything，SDX)"趋势正在形成，不同行业正基于一套共同的底层框架实现融合。

基本事实：SDV成熟度和时机是渐进式的

Omdia 将软件定义汽车SDV的成熟度划分为五个层级：

SDV 0–1级(基础阶段)：车辆具备软件功能或联网能力，但功能基本固定，远程升级(OTA)主要局限于固件和安全补丁

SDV 2级(半SDV)：OTA能够增加新功能，但主要局限于信息娱乐系统(Infotainment)。

SDV 3级(真正的SDV)：车辆可持续升级，软件能够跨多个功能域不断演进。

SDV 4级：实现统一的软件平台，硬件与软件彻底解耦，并具备跨代车型的可移植性。

SDV 5级：引入智能代理(Agentic Orchestrator)，在车内及跨生态系统实现自主AI工作流协同。

Omdia预测，到2026年，新车市场中仍有90%属于非软件定义汽车(SDV 0-2级)，SDV 2级(半SDV将在2028年达到峰值，并在2031年前继续主导市场。对于传统车企而言，这将是一个成本高、复杂度高的过渡阶段。Omdia预计，2032年将是向以SDV为主导市场迈进的分水岭，SDV相关收入将达到2.6万亿美元。到2037年，SDV(3-5级)将占新车市场的81%，而非SDV将降至6%。关键要点很明确：成熟之路是15-20年的过渡，而非一蹴而就。

为什么汽车是软件定义转型的标杆行业

汽车并非首个追求软件定义转型的行业，但它独特地适合作为标杆。电气化通过降低动力总成复杂性降低了行业进入门槛，使没有历史包袱的公司能够进入市场。历史遗留是任何软件定义转型中最难跨越的障碍;不受其束缚的颠覆者如特斯拉和小米汽车不仅今天就在部署SDV，也在快速推动这一概念演进。。这些公司的路径说明，如果企业从一开始就围绕软件优先的价值创造进行设计，会出现怎样的可能性，也为其他行业提供了清晰的参照路径。

相比之下，传统OEM必须拆解数十年来形成的架构、供应商合同和运营模式。它们的应对方式，包括平台整合、新一代电气/电子(E/E)架构、集中化软件组织，以及对OTA和网络安全的大规模投入，都为其他行业提供了现实经验。大型车企软件平台重置和项目延期的案例也说明，这一转型困难但必要，其他行业既可以从成功经验中学习，也可以从挫折中学习。

至关重要的是，与更早开始的行业相比，汽车行业经历了更多、更快的转型。与电信行业相比，该行业在短短几个产品周期内压缩了多波变革：电气化、新的E/E架构、平台化软件和新的商业模式。

最后，SDV融合了安全关键控制、消费级体验以及云规模的数据和AI能力。这使汽车成为制造业、机器人以及工业自动化等物理系统进行运营和数字化现代化的理想参考。

为什么汽车的软件定义蓝图能够迁移到制造业?

软件定义数据中心(SDDC)和软件定义网络(SDN)主要解决的是数字资产和信息流的虚拟化。但软件定义自动化(SDA)和软件定义汽车(SDV)代表了向"软件定义物理(software-defined Physics)"的范式转变，其中代码直接控制动力学运动和机械安全。这两个垂直领域都需要复杂的硬件与控制逻辑解耦，以实现生命周期敏捷性，但它们仍然从根本上受到现实世界网络物理交互的确定性要求的约束。

因此，它们的演进是一种转型，软件必须掌握功能安全和物理环境的严格要求。

SDV推动了现代技术栈的融合：整合计算、高速以太网网络、面向服务的软件以及具有遥测驱动反馈循环的CI/CT/CD。这些相同的要素现在可以编排工业机器人、机器和生产线。实际上，实现3-4级能力的技术栈越来越多地出现在先进工厂中。

三种最值得借鉴的迁移模式：

架构融合：车辆中的中央计算与区域式网络在车间的边缘节点编排、分布和执行容器化工作负载的时间敏感网络中得到映射。

数字孪生和仿真：用于验证SDV功能的先进数字孪生工具链现在被采用，以加速数字制造中的调试和流程优化。

平台运营：除了常见的OTA/远程更新外，SDV开创的概念如软件物料清单(SBOM)、签名和分阶段推出代表了工业运营的逻辑演进。虽然尚未广泛应用，但随着制造商寻求更高的安全性和生命周期稳定性，这些框架有望以定制形式被采用。

从SDV走向SDX：跨行业重复出现的共同规律

SDV之所以能够推广至SDX，是因为不同产业的软件定义转型都依赖相同的核心能力：

现实情况：软件定义自动化(SDA)仍处于早期阶段

当前制造业的发展状态，与汽车行业早期SDV阶段十分相似:

软件定义控制对制造商来说并不新鲜。在流程工业中，54%的制造商正在使用基于PC的DCS。

Omdia的数据还显示出强大的网络融合：超过50%的制造商实现了高度连接和融合的网络。然而，这项投资尚未在应用层充分资本化：

超过20%的制造企业仍处于基本的本地OT-IT系统集成阶段，采用单向下推数据流，另有20%仍在使用孤立的本地软件系统。

尽管虚拟化采用率不断提高，但近40%的制造商仍在运营非虚拟化的单体系统。

对于数字项目实施而言，人员和组织障碍目前超过技术限制。IT/OT合作不足在所有优先级中始终排名靠前：超过60%的数字转型项目由IT主导，而只有20%的报告显示IT-OT平等参与。

制造业的数字化成熟度参差不齐。尽管市场活动是真实的，但整体上仍是分散的。数字化的落地通常始于与专有生态系统绑定的定制化概念验证(PoC)。其核心经验在于：既要避免锁定效应阻碍规模化扩展，也要建立覆盖软件、安全与生产的统一运营模式。

制造业应从SDV借鉴的五条经验

预期漫长的演进路径，而非跳跃：规划过渡阶段，其中虚拟化控制、容器化应用和边缘编排与传统PLC/现场总线系统以及新兴的以太网/TSN网络共存。

主要瓶颈是组织性的，而非技术性的：SDV领导者早期投资应关注运营模式变革：平台产品管理、安全和网络安全治理，以及硬件和软件团队的统一节奏。在扩展试点之前建立联合IT-OT平台组织。

"半"阶段痛苦但必不可少：在汽车行业，半SDV阶段是CI/CT/CD、OTA政策和安全案例工具成熟的时期。在工厂方面，利用半SDA阶段弥合棕地差距：标准化软件来源和工作负载分区，弥合传统可靠性和软件敏捷性之间的差距。

瞄准数据驱动的低垂果实：项目最初优先考虑具有明确投资回报率的联网服务和座舱体验。在智能制造中，从利用SDA提供的数据可用性的预测性维护、质量应用、能源优化开始。

不要等待完美定义才开始：领导者通过交付、测量和改进创造优势。在软件定义制造中，将学习成果编码为可重用的构建块：标准设备API、通用数据模型和可重复的部署模式。

制造企业可参考的分阶段路线图

联网：建立融合的网络骨干和统一的数据语义。专注于资产身份和边缘可观测性。这是任何软件定义汽车的0-1级基础和工厂的平台基础。

增强：在边缘解耦非关键功能和应用，用于监督、分析和管理。引入生命周期运营以及远程更新和补丁。

自适应：扩展虚拟化和容器编排。通过生产线级编排虚拟化实时执行。过渡到虚拟调试和分阶段软件推出。联合数字孪生并实现跨系统优化。

智能体：在明确的策略护栏下向自主闭环优化迈进。将工厂整合到垂直生态系统中，如供应链或智能电网。这是SDV框架中5级在车间的类比。

借鉴SDV的方法管理风险

安全和实时性：将硬实时控制与软实时优化分离;认证必须确定性的内容，在可以的地方迭代。

网络安全贯穿整个生命周期管理：在工业边缘强制执行签名工件、SBOM和持续漏洞管理。

经济学从资本支出转向总拥有成本：为多年的软件演进规划计算、网络和工具，而非一次性购买。

生态系统策略：优先选择开放接口，避免单一供应商控制平面，以保持灵活性和规模。

数据治理：使架构与工业环境中常见的数据主权和保留要求保持一致。

总结

制造业正在沿着汽车行业走过的“软件定义”路径演进。面对相似的物理约束，两者终将趋同于类似的技术架构与运营模式。SDV并不是一套已经完全成熟、可以照搬的方案，但它提供了明确的发展方向：软件价值并非来自一次性部署，而是在平台架构与组织能力不断演进过程中持续积累。SDM和智能制造将遵循同一逻辑。夯实平台基础，按回报排序用例，工业化治理，并保持有意识的迭代。工厂越早理解SDV蓝图，同时承认这是一条渐进长期的路径，就越有机会更快从试点走向规模化优势。