【原创】陈勇院士圆桌会议：下一代新能源动力总成的发展方向预研

陈勇（主持）：这次论坛的圆桌会议根据大家的意见，我们的主题是：下一代新能源动力总成的发展方向预研。大家可以看到我国新能源汽车在近年的发展势头非常好，从纯电动汽车到插电式混合动力到增程式的混合动力，我们从9月份开始已经达到50%以上，所以发展的势头还是非常好的。

同时出现了一批既有老的OEM汽车企业，又有新兴的新势力汽车企业不断加入，我们这方面得到了很好的发展。特别是我们今天有幸请到了中国工程院和英国皇家工程院的院士陈清泉教授来到我们这个圆桌。

刚才我和陈院士商量了下，在我们几位老总发言前想请陈院士在这方面简单谈下他的想法。先把麦克风交给陈院士。

陈清泉：这个题目叫下一代新能源动力总成，新能源总成是下一代的没有说是汽车，所以新能源动力总成我认为广义来说可以用在汽车也可以用在轮船、飞机、高铁。

我最近跟西南交大也成立了一个研究中心，就是搞纯电驱动。特别最近低空经济发展的很快，听说发改委最近专门成立一个市是搞低空经济的，这是一个新的市场，我认为新能源动力总成也可以用在低空经济、低空飞行。

那方向是什么？电动化、智能化、网联化，不管你是哪个都是这个方向，要电动化、智能化、网联化，智能化很重要，所以今天早上我特别讲了人工智能，因为今天包括我们读书一定要用人工智能ChatGPT，以前的教育是传统的老式教育，现在除了书本教育、老师教育，人工智能教育。

所以我们怎么充分利用人工智能使我们的动力总成更加智能化，通过智能化满足可持续发展的要求，不但要高效率对环保也要好，你要检测你的碳足迹，第一要做到智能化，一是效率，二是成本、重量，但不要忘记环保、可持续发展。现在欧盟也越来越严格要求考核你的碳足迹。

我就讲到这里，谢谢大家！

陈勇（主持）：谢谢陈院士为我们做了一个精辟的发言，谈到智能化和大数据化，同时还要符合国际上各种法规的要求。

下面首先有请东风汽车研发总院的余秋石总围绕这个话题谈些你的感想。

余秋石：刚才陈院士已经把这个主题拉的高度非常高了，当前已经把动力总成将来发展的方向说的非常清楚了，我这里接着陈院士再引申到几个简单的方面。

今天下午演讲过程中也说了，接下来虽然几个大方向比如高效化、小型化等等它是未来的发展方向，但确实这个东西受当前成本的影响因素很大，所以是不是一定要把所有的精力大部分精力集中在这个区域，大家可以把眼界放的更开一些。

包括陈院士一直说的通过人工智能、网联化后能够让你从控制策略上计算、获取数据，这比当前单纯提升某个零部件的效率收益更大，除了动力总成它使用过程中的智能化外，我觉得它的生产过程也需要智能化。

举个例子，NVH大家都非常头疼，特别现在新能源没有发动机的背景噪声后对声音更加敏感，这个大家解决起来是个很头疼的事，这个事例我在其他地方也分享过。今天在座的除了零部件、主机厂很多同事外我相信还有很多做设备的，抛一个我个人的想法供大家参考。

NVH是个很难控制的指标，一个NVH可能有20项、30项参数都跟这个NVH相关，如果单纯靠人分析得大量做测试、积累数据，而且很多企业比方说现在某些头部企业在生产过程中投入了下线的半消音式做产品中下线NVH的测试。

但如果你想正向的管控，不妨想下，如果我们有套系统，因为你有二三十个尺寸跟它相关，所以不是非黑即白的，哪个尺寸超了并不代表这里面不合格不能用，其实它是跟贡献度相关的，但这个贡献度每个尺寸不一样了后其他尺寸的贡献度也会受这个影响。

所以我觉得可以充分的把人工智能用在生产的过程中，通过大数据的积累分析把它不同影响因素的贡献度不断刷新、更新，同时跟你加工端齿轮、壳体等等数据互动、分析，能快速的定位、精准的定位哪些批次的影响是核心，这样的话可以在这个基础上做到更快的识别问题，可以通过这个问题更快的组合你不同的批次，大量节省生产制造的成本，提升整个加工生产制造的节拍，体现高效化。

刚才跟陈院士说的一样，动力总成智能化不光体现在使用过程中，包括它的生产、原材料，我们有很多可拓展、可想象的空间。

庄朝晖：谢谢余总，余总的归纳就是要运用现在发展最快的AI的人工智能和大数据，通过快速的迭代找到问题的核心点来解决这个问题，谢谢余总的精彩发言。

下面请宁德时代智能科技电驱动的副总裁庄朝晖总给我们说下这方面的体验或者说他的想法，刚才听了庄总的报告他已经讲的非常好，把智能底盘和动力总成两个结合起来做了非常精彩的报告。

我们有些困惑，我们现在已经做到这种程度，下一代也就是两年三年后我们新能源动力总成我们的发展方向在什么地方，这是大家也是各个OEM公司有一定困惑的，想请庄总谈谈您的感想或者您的一些预测。

庄朝晖：陈教授给了一个很难的题目，我想先从自己在做的智能滑板底盘里的电驱系统过程里一些体会来讲。

刚才陈院士在说大数据、人工智能的应用，说实话这个应用过程依赖于数据，我下午分享的材料里实际上在一直反复强调一点，我们这几年的体会，不管从电机的本体设计、NVH的控制、效率的提升等等这些我们一直在反复实践的方法论就是比较传统的，实际上我们叫基于模型的系统工程MBSE。

这个过程我们的体会，基于模型通过仿真，所以你所有问题的解决要从机理上理解它，把详细使用的模型建立起来，要通过各种标定手段优化你的模型。有了模型后可以把复杂的系统机理理解的更深入。

比如我刚才分享的我们弄了一个低电压应力绕组的解决方案来解决800V碳化硅下高速碳化硅模块的开关，对绝缘系统非常严重的影响。我们通过所谓的把逆变器和绕组联合仿真，找到绕组内部详细、具体的电场分布。

有了这个手段我们有机会优化这个绕组的结构，最后使我们找到低电压应力的绕组，这种方式基于模型的开发方式，当然这种方式我们用在很多地方，刚才介绍过用在NVH上，我们试着找到这些行业里之前很快提的这件事，我们经常提的是所谓翘翘板，小扭矩修行好了大扭矩就不好了，大扭矩搞好了小扭矩又不好了。

我们通过大量的仿真数据，基于神经元和遗传算法的算法，很多年前都存在的东西现在都叫AI了，我们用了这些方式方法去寻找到一些敏感参数的分析后，我们找到了一些具体的参数优化方式，当然这个方式是通过大模型训练做出来的，我们一定程度上解决了所谓翘翘板的问题，可以通过修行，这些参数的寻优来解决小扭矩和大扭矩，把它的NVH和升压做了8个DB到10个DB的降低，这是能做到的，也是利用工具做的。

这是我们已有的在做的系统，因为800V碳化硅已经变成一个标准的应用，特别在高性能的应用场合，相比于之前400V系统，它实际上存在的时间并不长，也就这两三年，我们整个供应链比起400V系统来讲不成熟，还有很多问题。

比如刚才说的绕组绝缘问题还有高频开关带来的轴电流问题，这些东西我们整个行业里还没有经历大批量的、比较长时间的检测。我认为在下面几年内还会存在很多问题，这些东西基本的机理和比较细致的探讨，首先是我们要做好，这是一件事情。

如果这个做不好，后面我们很快会看到更大批量、上千万辆级别的新能源车的应用，而且800伏的市场占有率越来越高，会存在很多质量问题，这是我们第一个要做的。但做这件事因为有了很多的仿真模型工具，又有很好所谓的基于大数据的神经元训练的方式方法，有了很强的算力。

首先，我认为AI的东西，如果能基于模型系统化的方法结合起来，第一步能把我们已有的800伏的电驱系统首先做稳定、做可怕，这是非常重要的一件事情，这也是我们现在花最大力气在做的。

当然，我想这还需要我们再做几年。

刚才陈教授提到，我们想看到所谓下一代的这些东西，其实看到的从智能底盘来看，在往线控底盘的角度去走，我们认为线控底盘有大量AI应用的机会。我们现在做线控底盘跟传统，特别是国外的博世等等去比，比如说ESC、智动、线控转向等等，实际上传统开发方法大量依据于经验的。我们都知道，那里面的软件可能各种case都是成千上万条，这是通过大量的工程实践才积累起来。我们在这方面应该是比较缺乏，我们有没有机会早一点、快一点提升我们的开发能力，实际上大数据和AI、仿真模型可以很好帮助我们做这个事情。

我们可以建立车辆的详细模型，道路的模型，甚至开一点脑洞讲，我们可以在不知道那么多很极端的case的情况下，通过车辆的稳定性一些具体的判据，来通过AI的算法做这个所谓的线控的控制策略。现在这种方式方法在自驾上，比如说特斯拉的FSD其实就是这么做的，大量场景训练以后，来做到了自动驾驶的一些指令分配。

我们线控当然比这个更复杂，比自动驾驶应用会要求更高。因为带宽也好，响应也好更高。也许看到一个可能性，我们这些线控的VMC也好，或者叫运动控制的整体协调也好，线控也好，有机会用这种方式去做解决的。我们国内做硬件，不管是现代已经做EMB了，做线控转向等等具体的硬件，我们国内的供应链能力是足够好，远远超出国外。但是，我们做软件可能很差，不够好。做不出来的原因，因为我们没有那么长时间的工程积累，车辆的这些数据的积累，这是我们真正的薄弱点。

但是，看上去AI得帮我们，这个可能有点开脑洞，我们也在想往这个方向去做事。包括我们自己建了四轴整个车辆的测控机平台，我们做滑板底盘的时候，希望通过这个平台路况、驾驶工况、车辆内部所有ECU控制，能够通过这样一个测试平台，去搜集这些数据，优化、改善我们的控制策略，这是我们在做的。特别是再往下面一步做，我们在做分布式驱动系统，我们搞了功率密度、扭矩密度不可能那么高，但是我们把一个轴向自动做到了18000转。这样的话，我们解决了轴向布置问题，成本上也会有很大优势，通过速度解决功率问题，而不是通过电流和磁刚解决，还是有优势。

分布式驱动在底盘上，更是要用线控来做。然后，有了分布式驱动，特别四轮分布驱动以后，以前比较习惯的车辆动力学控制，基本上把四轮减化成两轮，分布式驱动完全基于每个轮子的扭矩矢量分配来做的。那这么复杂的控制策略，我相信AI在这里也会帮我们很多忙，这也是我们自己在想着去做，但还没有真正开始。

我们现在看到控制器，里面已经集成了PPU，可以用一些神经元计算，你的模型如果通过神经元训练，可以直接放进去，大大简化建模的时间。我们自己做了一些工作，电机转子热模型，需要大量的标定，最后模型建起来，大量的估算精度5-10度，已经很好，响应没有很快。

而且，为什么精度不高，因为我们非线性的模型做了大量的简化，否则的话算不过来。简化以后精度不高，我们发现如果有很多测试数据，用神经元训练以后，再用这种基于神经元的计算单元，算力没有问题，而且精度会非常高，响应也很好。所以，这是我们正在做的工作，因为这里大数据也好，AI也好，我们的体会确实是个生产力，会提高我们开发的效率和速度，这是我们的一些体会吧。

谢谢。

陈清泉：从你的发言我看到你有丰富的经验，所以我就提两个问题。

一、模型跟数据的关系。我们传统的先建模，但是有了大数据以后，对模型的要求，模型跟数据的关系，这是第一个问题。

二、现在软件越来越重要，你都有体会。软件决定一切，这正是我们国家的弱点。你说得很对，我们国家产业链生态链很强，但都是硬件。我们国家怎么加强软件，软件决定一切。

第一个问题，模型跟数据的关系，我注意现在硅谷有一些初创企业小公司，不用大模型，用小模型。为什么？大模型太贵、太慢，就充分在AI的情况下怎么利用好小模型，我就提这个问题。

庄朝晖：我们也是刚刚开始实践，说实话，建模型完全基于物理的理解去建一个模型，还是很复杂的一件事情。

非常复杂的模型一个是标定，把这些参数标定准，这可以借助于一些传统方法我们再DOE，可以用模型结合标定数据的大量的训练来替代一部分的标定工作，倒是可以用起来了。

我们不是一个通用模型，我们是原理物理的principle约束下的模型，所以很重要的一点还是要从物理机理上，完全基于物理架构的模型，而不是太抽象的、完全理论化的模型，其实那个是不够用的。我刚刚讲转子热模型，我们实际上做了大量细化的工作，把网格分得很细，里面热度怎么去做，里面的界面材料怎么去弄。实际上这些工作还是省不掉的，否则的话你建的模型都理解不了，里面到底是什么。我们做工程的这些可能跟ChatGPT这类语言级的后面有很多模糊理解都可以收敛的。但是作为我们这种工程的、零件开发的，很重要的还是要把背后肌理弄透。现在我们因为有很好的算力可以在初期把肌理弄透。

我下午在讲轴电流的事，这其实很简单，环流和EDM就这两个东西，这两个东西的肌理到底怎么产生的，我们要从绕组、临序变压、绕组结构上，从模型上讲，产生量化级要有进步。我们自己要造一个样机，具体的把轴电流、轴电压测出来去跟模型对比，模型一定要足够细致。这个基础上，我们有机会做大量的仿真，利用AI的模型训练，帮我们寻找一个合适的设计参数，可能脱离不开基础工作，否则有的大模型会骗我们。

第二个问题更难回答。

陈勇（主持）：可以先不讲，陈院士提的一些问题还需要深度思考。刚才庄总把800V电驱动和智能底盘相结合的开发做了一个阐述，后面又对整体下一代做的大模型方面工作做了很好的阐述。我自己有一个体会，有两个例子。

第一，德国有一个IAV公司，它主要为大众汽车做控制系统软件服务，十年前他进入到了硬件系统。我在吉利的时候和他们有过多次的交流，他们最近有一个发表，在动力总成上他们做出方案，因为有4000多位工程师，科技咨询是他的主要工作，他在发表时讲动力总成的方案一共做了1.1亿个，最后归纳成几百个，根据你的需要提供给客户，也是用大数据的集成。

第二，我最近到香港几所大学做了交流和访问，我去了香港中文大学，他们不是做车辆，很大的特点是他们做3D打印的。做3D打印的教授原来是天大的，后来到了新加坡国立，最后到了香港中文大学，他跟我讲，他现在做的主要工作是利用数字数学的方式，不是直接把答案做出来进行3D打印。包括刚才庄总说的线控转向、线控制动、动力分布式的结合都是重要的发展方向，同时跨领域的结合。最近公布的关于大学排名，香港四所大学都进入了世界前50名。从另外一个角度看，从产学研用，中国很多方面已经处于前面没有师傅的阶段了，需要自己发展。最近在汽车工程学会的时候，有一个林老师，他是北理工的，原来是吉林工大汽车学院的院长，他认为汽车动力学作为一个汽车怎么深刻理解的基础上进一步发展同样是非常重要的。

下面我们请蔚来汽车的总监任专家谈。我对蔚来汽车在三年多前到过他们的合肥工厂，我们认为是一个在汽车文化、制造、设计、开发很全面的工厂，我们还试乘了，百公里加速3.6秒。所以未来汽车也是我们新势力造车代表性的企业。

任传委：谢谢陈老师，下次邀请陈老师去合肥参观最新的产业园，相比于之前的F1有翻天覆地的变化。刚才陈院士说了很多方面我是非常认同的。基于我个人的理解再稍微补充两点。

第一，对于我们电驱动来说，我们纵向抛开是可以分层的，从最底层的芯片、材料到机械零部件到相互之间的连接到小组件，再到上一层的辅助系统，再到底层软件开发、应用软件开发、总成，再到整车的应用、设计，再到用户需求。对于从材料级、芯片、零部件以及AI智能也好或者各个电机新技术也好，都是可以使我们的产品在效率、体积、重量有不同的技术路线去发展研究。

我们应该在电驱动的时候更关注目标，这种精准目标的匹配。从汽车产品发明出来到现在100多年了，到现在来看也没有看到说某一个品牌或者某一款车能够适配60亿的全球人口。所以说，我们一直都在自我的去说电驱动很卷，都希望把自己电驱动的产品、技术各个方面做到极致，这是很难在一段时间内达到的，总会有人在另外的维度超过你。还有一个有趣的现象是，做新能源最近的七八年，我们可以看到很多新想法、新需求、新集成架构、新布置很多都站在OM的主机厂发布的。为什么？因为他们更懂得需求，更懂得这个品牌的车，这个车型定位是什么样，目标群体是什么样的，群体的需求是什么样的，迫切的要求是什么样的，是成本、效率、更大的空间还是更大的动力性等等。

电驱动产品从零部件级到总成级的技术有各州路线去迭代，使这个产品的性能更好，但是我们更应该精准的和目标的用户群体我们车型的定位开发，站在体验的角度，站在整车顶层架构设计的角度制定更为精准的目标，现在一个电驱动很难打很多产品的市场，不可能说一个电驱动打十几万的市场也能去打二十几万的市场，都是效率、成本、重量、性能，就是这些指标，但很难说用这些指标做成一个完美的能去覆盖所有的，它一定各有取舍。

在后面的电驱动设计中，精准的目标匹配会越来越重要，有可能这个车需要十二合一，有可能这个车在后续就非常注重我的后排空间，我不需要十二合一。在这个层面上我个人理解在精准目标顶层定义上会越来越得到重视，或者说针对目标市场的精准匹配，这样有利于电驱动产品良性、健康的开发和竞争。

第二点，我们从最开始每家车企迭代都非常快，但现在新能源市场占比越来越高，我们非常关注成本，第二点谈下成本这块的想法。

我们关注的成本大部分是拿到电驱动跑到整车那我DMC的价格或者出厂价是什么样的，我去拿这块的竞争，但随着我们量占比越来越大，我们在市场上的表现各家都能直观的显现出来。小到零部件的设计要求出厂的合格率，到一次性下线合格率，到整车0公里的PPM，到市场端售后故障率以及设计产品每个部件的可更换性、维修性，维修的成本是怎样的。

所以我们在电驱动产品设计的时候我们很卷成本，但我更希望我们以后能看到整个产品全生命周期的成本，这点是非常重要的，我们不可能干一票就走人了，这个产品是要流通到市场上的，要大规模制造，在市场上接受5年、10年，甚至一些二手车市场更长时间的检验，以及用户的感知。

我们做一款产品更应该把整个时间的维度放大而不是说现在开发一款产品很快想到下一代产品把这代产品就淘汰了，你淘汰了他，他也会在市场上停留很多年，整个使用产品的成本随着量、成本起来后会越来越受重视，也应该受重视。

陈勇（主持）：谢谢任总总结了两个点，第一是我们的OEM，车辆本身的定义怎么去符合市场，符合用户。第二点讲到成本，未来和客户密切的联系，所以也重点谈了我们成本要符合需要。

下面的嘉宾可以提出一个问题，可以指定人来回答。

提问：各位嘉宾大家好，我问一个问题三位分别回答下吧，因为今天大家都说卷电驱效率，大家能不能实话实说一下CLTC效率到底是多少？不是说宣传的92、93，是三合一还是二合一还是电机本身？

余秋石：这个问题我先说下我的看法，回答不了，因为CLTC它跟整车的匹配有很大的关系，小马拉大车肯定是节省能源的，所以这里面有太多定义和太多的匹配方式，我觉得不能简单的去说到底现在电驱动的CLTC工况效率是多少，我是这么理解的。

庄朝晖：我同意余总讲的这个问题不能回答，你的问题没有边界无法回答，我下午也讲我们做电驱是个平衡，效率、成本、性能是个平衡的问题，单独拉效率可以做的很高，没有成本限制很好做，这个问题本身不可答，条件不足。

任传委：我试着回答下，这和两位说的一样有很多条件，上午我展示我们电驱动时说到它是92.3，我也专门强调了我们是在750V电压下测的，当然还有很多条件像冷却的水温，外界的环境温度以及像刚才余总说的CLTC是个工况，不是个标准的工况跟你匹配的车型有关。

你车型的车重轮胎的大小导致了整个CLTC应用于电驱动上落点不一样，所以电驱动CLTC实际的效率严谨一点，最起码把测的电压应用的车型或者具体边界的条件放上去，这个效率确实也是个实际值，实际值就在那，仿真实际也是我们的目标值，不是说多少就是多少。

我觉得这个值肯定可以回答，我们把所有的条件去定义好，现在各家只说一个值大家也有很多困惑没有带后面的条件，其实以后宣传的时候可以稍微明确一点或者让大家更清晰一点，最起码在多少V的电压下测的，在什么样的环境下或者说在什么样的车型上测的。这样的话整个业内懂的和不懂的，知道的和不知道的，看到这样的数据就能做一个良性的对比。

陈勇（主持）：谢谢任总比较详细的回答，谈到效率包括现在看到市场上中国OEM不断宣传发动机的燃烧效率，现在最高的接近47%，50%可以做出来，但核心首先测试的标准，行业标准、团体标准在什么条件下进行测试和它实际在市场上所实现的。我们看到在国际上销售车辆最多的OEM，发动机的燃烧效率还是比较有限的，这点各有各的手法。

由于时间限制，最后每位专家每人1分钟时间可以做一个概括的总结。

庄朝晖：首先我认为我们800V碳化硅这套电驱系统全油冷多合一高度集成等等，我个人感觉我们整个产业链跟400V去比成熟度差很远，因为大家卷速度、卷成本还是有很多可以深挖的地方。

任传委：第一块是电驱动后一定要带着精准目标匹配的设计开发做对应的精准内部零件子系统的应用设计，这是我们后面面向多品牌、多车型更加平衡或者平衡下来各个指标更有利的趋势。

第二，整个产品的成本能放到整个全生命周期看，不仅是前期的设计成本，还有资源投入在工厂的成本等等，包括售后使用成本。

谢谢大家！

余秋石：谈不上总结是个呼吁，希望从同行的专业角度以及真正的用户来说希望能够正确的引导，避免更多对动力性多度的宣传，因为过度宣传动力性会导致你用的东西电机很大，电机很大材料也多，对节能是不利的。

所以希望通过行业正确的引导消费者，能够更加理性更加准确的设计我们的产品。

陈清泉：我希望电动车千人会这个平台可以好，我认为这个千人会最大的特点既有大学的教授也有企业家还有老中青结合，这样的平台很好，围绕我们的平台怎样对一个方向性的问题做研讨都讨论了。

我们的世界越来越复杂，我们现在面临三个东西交织在一起，在这个交织中怎么找出挑战和机遇，第一，中华民族要振兴；第二，面对全球的科技革命和行业变革；第三，面临全球地缘政治。

这三个东西交织在一起，我们怎么看到挑战和机遇，能够跳出来，谢谢大家！

陈勇（主持）：谢谢大家的聆听，感谢三位专家也感谢陈院士高屋建瓴的总结，我们这个论坛就到此结束。