2026年北京車展現場人聲鼎沸，但熱鬧的背后，也隱藏著中國汽車正在經歷的一場深刻變革——一方面，自主品牌整車在全球舞臺上高歌猛進；另一方面，核心工業軟件國產化率仍不足5%，關鍵零部件在高端領域依然受制于人。

在這種“冰與火”交織的背景下，經緯恒潤從軟件與硬件兩端同時發力，在多個關鍵賽道上逐步打開局面。軟件側，其自研的VBA總線工具、VDE網絡設計工具等工具鏈，已被比亞迪、吉利等頭部車企規模采購，部分領域甚至超越了國外同行；硬件側，其ZCU以18.07%的市場份額領跑國內市場，累計出貨量突破200萬套。

此次車展，經緯恒潤集中展示了五大類核心零部件：智駕域（傳感器與算力平臺）、車身域（物理區域控制器、車門域控制器等）、動力域（多合一控制器、直流-直流轉換器等）、底盤域（轉向控制器、懸架控制器等）及座艙域（HUD、AI-Box、氛圍燈、投影大燈等）。這既是對自身技術實力的全面檢閱，也向外界傳遞出充足的未來底氣。

經緯恒潤總裁兼CTO范成建博士（左）

車展期間，《汽車觀察》受邀參觀經緯恒潤展臺，并獨家專訪了經緯恒潤總裁兼CTO范成建博士。他以一家供應鏈公司的成長邏輯為線索，深度解讀了中國汽車供應鏈如何在產業變革中抓住窗口、實現換道超車。

從工具鏈到ZCU，“汽車神經”的國產替代

當前汽車產業正經歷一場深刻的電子電氣架構變革。傳統分布式架構中數十個獨立ECU帶來的算力浪費、線束復雜和OTA升級困難，已難以滿足智能汽車的發展需求。“中央計算+區域控制”成為行業共識，而經緯恒潤正是這一變革中的代表性供應商。

要理解經緯恒潤的變革邏輯，需要先看清兩個層面的變化：一是物理架構的集中化，二是開發工具鏈的自主化。

第一個層面是物理架構的變革。 ZCU作為連接中央計算平臺與各執行器的關鍵節點，充當著車輛的“神經系統”，負責區域內的智能配電、數據樞紐與功能集成。官方數據顯示，2025年，經緯恒潤的ZCU累計出貨已突破200萬套，配套小米SU7（參數丨圖片）、吉利銀河等爆款車型。從2024年底的100萬套到2025年底的200萬套，僅用一年時間實現翻番。這種放量速度既是產品成熟度的體現，也意味著國內車企的“中央+區域”架構已從試點走向規模化應用。

第二個層面的變化則更為隱蔽，也更具挑戰性，那就是工具鏈。在ZCU這一物理“神經中樞”之外，工具鏈是工業軟件領域最難啃的“硬骨頭”。過去多年，國內車企在汽車電子研發中依賴Vector、dSPACE等國外工具，這些工具積累了數十年的工程經驗，短期內難以被替代。但經緯恒潤的INTEWORK工具鏈正在打破這一格局：VBA車載總線工具在比亞迪、長安、東風等客戶處批量交付上萬套；VDE網絡設計工具與吉利、大眾、阿維塔達成深度合作；TAE自動化測試軟件在多家頭部車企完成了國產替代評估與增購。

面對記者關于“國產替代窗口期究竟如何打開”的追問，范成建博士解讀為“恰逢其時”與“長期準備”的結合。疫情期間海外交付受阻，給了本土企業快速響應的窗口；國家鼓勵本土IC產業發展的政策，也為本土工具鏈提供了需求土壤。但更根本的是，經緯恒潤從20年前進入汽車電子行業起，就一直在做工具和服務。

“我們對客戶的需求痛點、對電子產品開發過程中需要哪些工具，都有著非常深入的了解。”范成建博士表示，這種“身在此山中”的理解深度，使得其工具鏈并非國外產品的簡單復刻，而是源于本土研發實踐的有機產物。在長期被國外壟斷的工具鏈領域，本土團隊依托二十年的工程經驗，終于找到了在特定細分賽道上突破的切口。

用80%復用率與AI杠桿打造體系化護城河

當然，理解經緯恒潤的競爭優勢，不能僅僅停留在技術層面。更值得關注的，是這家企業能夠跨越產品線復用底層技術、并穿越業務周期保持戰略定力的能力。

對于一家Tier1而言，產品線的橫向擴張往往是雙刃劍。覆蓋智駕、座艙、車身、底盤、動力等多個域控領域，一方面能夠提供系統級解決方案、增強客戶粘性，但另一方面，每新增一條產品線都意味著研發資源的重新分配，容易陷入“攤大餅”式的能力稀釋。如何在不犧牲核心競爭力的前提下實現多線并進，成為所有綜合性供應商必須回答的考題。

經緯恒潤同時布局ZCU、ADAS、AR-HUD、座艙、底盤等近十個產品線，核心能力會不會失焦？面對記者的質疑，范成建博士給出的答案是否定的。

范成建博士詳細闡述了經緯恒潤的技術復用邏輯，他表示，所有產品可以歸為機電系統或光機電系統，底層技術——從操作系統、中間件到執行器的控制算法——高度可復用。“我們有自己in-house的操作系統，有自己in-house的AUTOSAR軟件，包括診斷和標定工具。所有這些加在一起，能讓我們快速進入一個新領域。”

這意味著，每新增一條產品線，研發團隊并非從零開始，而是基于已打磨成熟的底層平臺進行上層開發。AR-HUD中的光學技術與ZCU中的控制算法在底層并不直接相通，但當它們必須運行在相同的中間件架構、遵循相同的功能安全標準、被同樣的診斷工具所覆蓋時，協同效應便自然浮現。

如果說技術復用是企業積累的“存量杠桿”，那么AI則指向了“增量杠桿”。2025年，經緯恒潤走出了一條頗具代表性的盈利修復曲線：全年實現營業收入68.48億元，同比增長23.59%；歸母凈利潤1.00億元，成功扭虧為盈。實現這一轉變的核心策略，正是通過AI工具應用降低研發與測試成本，通過國產替代壓縮采購開支，以“規模擴張+效率提升”雙輪驅動，顯著改善了人均創利能力。

值得注意的是，并非所有Tier1都能在AI與復用之間找到平衡。相較于部分海外Tier1仍依賴傳統的工具授權模式，經緯恒潤選擇了另一條路徑：將AI深度嵌入研發全流程，并強調底層技術的跨產品線復用。

至于“AI究竟如何落地研發環節”，范成建博士介紹：在測試用例生成環節，最初僅靠AI大語言模型獨立生成時，正確率只有六到七成。但當工程師不僅把需求文檔輸入模型，還把相應的代碼也加入訓練時，程序邏輯本身形成了一種天然的“標注”，測試用例生成的成功率迅速提高到了90%以上。此外，經緯恒潤已嘗試用AI直接生成代碼，Claude Code等工具正在進入驗證階段。

他進一步解答道，速度、質量、成本、創新——這四個競爭維度在過去幾乎難以同時兼顧。而在AI加持下，這一多重約束正在被逐步打破。

從汽車到機器人，供應鏈競爭維度再升維

對于業內普遍認同的“軟件正在定義汽車”的觀點，范成建博士給出了不一樣的看法：“我認為是市場或企業的使命來定義汽車。軟件確實可以定義硬件，甚至軟件可以決定硬件。”

范成建博士獨特見解的背后，其實是對Tier1角色的深層思考：當整車廠與供應商都在討論“軟件定義”時，真正的定義權究竟掌握在誰手中？答案或許更接近“相互促進”。正如范成建以IT行業為例所做的類比：美國有微軟這樣強大的軟件公司，軟件需求推動了英特爾等硬件公司的發展；反過來，強大的芯片硬件又催生了更復雜的軟件創新。中國汽車供應鏈正在經歷類似的螺旋上升。

更進一步，范成建提出了“AI for Vehicle”和“AI in Vehicle”的雙重維度。前者是用AI重構開發范式，從測試用例生成到硬件布局設計再到代碼自動編寫，所有環節都在被AI重新定義。后者則是將AI本身裝入車輛，神經網絡、Transformer架構不再是實驗室里的玩具，而是車輛自身智能系統的一部分。當把這兩端串聯起來，就觸及了汽車產業最前沿的命題：具身智能。

關于具身智能，范成建博士的論斷毫不含糊：“以后汽車就是一個具身智能的機器人，這一點毫無疑問。最終它能夠自己學習、自己思考，成為人類很好的一個朋友。”這一判斷并非停留在概念層面。經緯恒潤已經在機器人領域完成了關鍵卡位——其基于輝羲智能“光至R1”國產大算力芯片、采用大小腦融合架構的具身智能域控制器，已率先在具身智能頭部客戶實現量產交付和國產化替代。

從汽車到機器人，經緯恒潤跨界的步伐為何如此神速？范成建表示，經緯恒潤的技術復用路徑十分清晰：機器人的48V電子電氣架構與汽車上的48V系統高度一致；基于自研的 EtherCAT 協議棧，能夠確保多軸運動控制系統達到1毫秒的同步通信與精準控制；48V電機控制器可用于機器人髖關節、肩關節的執行器控制；電池包、電池管理系統（BMS）、配電單元、DCDC等高可靠性電源系統產品同樣可以直接向機器人行業輸出。

“作為綜合性Tier1，進入具身智能機器人行業，經緯恒潤有比較大的優勢。”范成建自信地表示。當大多數同行還在談論“緊跟趨勢”時，經緯恒潤已經完成了從汽車供應鏈到機器人供應鏈的能力溢出。這種提前一個時代進行戰略布局的能力，也許正是其不同于一般本土Tier1的本質特征。

記者手記

當疫情窗口期過去、當海外競爭者對本土挑戰做出回應、當AI帶來的所謂“后發優勢”變成通用工具，經緯恒潤的護城河還能持續多久？采訪最后，記者追問道。

范成建博士從兩個層面進行了解讀。第一，他認為在AI工具競爭上“各家差距沒有那么大”，因為GPT時刻剛發生不久，過去的積累并不能保證未來的領先。“你過去的領域知識加上AI，會帶來一種新的玩法和新的競爭。”這意味著，對任何一家企業而言，過去的優勢都需要在AI時代被重新定義和重組。第二，他也給出了自己的信心來源——二十年的know-how積累并非一朝一日所能替代。“你對客戶需求痛點的深入理解”，“你積累了二十年才知道開發過程中需要哪些工具”，這些領域知識恰恰是AI時代最有價值的“訓練素材”。

從定義ZCU的產業化方案，到定義AR-HUD的92英寸新尺寸，再到定義大小腦融合架構在具身智能上的量產標準，當一家公司不僅在產品參數上優于競品，更在技術變革的參與者名單中占據一席之地時，那種真正意義上的“定義權”才開始向中國供應鏈傾斜。