首页 > 新能源汽车

麦肯锡:商用车行业通向2030之路调研报告(二)

来源:新能源汽车网
时间:2018-11-06 20:05:55
热度:

麦肯锡:商用车行业通向2030之路调研报告(二)【商车邦导读】麦肯锡预计OEM的收入和利润增长有3个主要因素。1.2深入市场开发——负面市场影响将消耗掉增长带来的利润宏观经济增长和

【商车邦导读】麦肯锡预计OEM的收入和利润增长有3个主要因素。

麦肯锡:商用车行业通向2030之路调研报告(二)

1.2深入市场开发——负面市场影响将消耗掉增长带来的利润

宏观经济增长和行业整合将增加OEM的收入和利润

结构转变。我们预计物流需求增长的基本驱动因素将保持不变(即宏观经济增长,电子商务渗透)。这将继续推动对卡车的需求。销量增长将主要受低利润地区(即南美洲、巴西、印度)推动。在2017年监管变化之后,中国作为主要销量贡献地区预计将出现单位需求的一些波动,而我们也看到在这里利润率较高的高预算部分出现过度增长。

行业整合。此外,我们设想该行业也将看到一些整合。虽然我们没有看到全球参与者合并的强有力理由,但我们预计严格的排放监管(即比欧6框架或同等水平更具限制性的排放目标)将增加区域参与者的利润压力,从而增加并购可能性。

传统的售后服务机会。凭借70亿欧元的利润,售后服务将占到2030年OEM利润池的43%(2017年为41%)。虽然新卡车销售的盈利能力仅缓慢增长至4%,但售后市场的盈利能力可能会进一步增加,并在2030年实现强劲的21%增长。麦肯锡预计OEM的收入和利润增长有3个主要因素:

OEM增加上装的销售,带来专属网络中的额外服务业务;

更高的专业化和服务数字化将带来价格溢价;

除了扩展服务合同以及来自互联的新服务和解决方案之外,OEM服务网络的市场份额将在售后市场中增加。

来自竞争和监管的压力正在抵消积极的市场影响

价格压力。预计卡车运营商之间的竞争导致价格压力,因地区和细分市场而异,最高可达2.5%,这将使全球利润池减少27亿欧元。

电动车替代。对传统业务利润的重大影响将是替代动力系统的普及。我们已经明确地模拟了电动卡车销售带来的影响,将会造成传统内燃机利润池减少9亿欧元。另一方面,我们看到通过替代动力系统渗透将增加9亿欧元的利润,相应损失被一对一抵消(详见1.3节)。然而,由于新的参与者进入价值链(例如电池技术供应商),替代动力系统带来的额外9亿欧元利润对OEM有一定风险。

排放法规。未来几年对收入和利润产生巨大影响的另一个趋势是关于氮氧化物和颗粒物的排放监管,特别是在新兴市场,以及燃料效率要求(降低二氧化碳)。而满足排放法规的额外成本无法完全传递给客户,尤其是在价格较低的细分市场。这会对收入产生实际影响,而且对全球16亿欧元的利润池产生负面影响。

排放法规正在全球范围内收紧

十多年前,美国和日本由于雄心勃勃的碳减排法规而处于领先地位。今天,不仅美国和日本的法规变得更加严格,其他所有地区都加快了步伐,这使所有主要地区的OEM到2025年都将进入排放最严格限值的轨道(图表4)。

麦肯锡:商用车行业通向2030之路调研报告(二)

广泛采用最新、最超前排放法规的一个可能的结果就是更低的成本。也就是说,由于许多地区已经签署了欧6标准框架协议,将氮氧化物排放限制在0.4g/kWh,当转移到下一个发动机平台时(欧7),全球运营的OEM将从规模经济中受益。

二氧化碳目标将可能成为技术进步的强制力

此外,二氧化碳监管正在收紧,例如,到2030年欧盟规定将重卡二氧化碳排放量减少30%。随着传统动力系统减少排放的措施会降低效率并变得越来越昂贵,内燃机能否成功实现雄心勃勃的减排目标仍然值得怀疑(图表5)。因此,法规甚至可能对替代动力系统技术产生强制推动作用。

麦肯锡:商用车行业通向2030之路调研报告(二)

1.3深入挖掘“新机会”——可以解锁额外的利润池

新的机遇被3个主要趋势驱动:替代动力系统,自动驾驶汽车,互联和解决方案(图表6)。 总体而言,这些机会预计将为利润池贡献9亿欧元,从而导致利润增长总计为27亿欧元。

麦肯锡:商用车行业通向2030之路调研报告(二)

替代动力系统

尽管柴油在可预见的未来仍将是“销量和利润的引擎”,但柴油效率优化正变得越来越具有挑战性(图表5)。替代动力系统(电池、氢燃料电池、CNG/LNG、合成燃料、生物燃料)可能在实现排放目标和减少物流部门的二氧化碳排放方面变得越来越重要。

麦肯锡:商用车行业通向2030之路调研报告(二)

图表7显示替代动力系统将对柴油形成补充。我们预计在不久的将来柴油不会被某种单一技术完全替代,因为所有替代方案在选择标准方面都存在缺点。相反,我们期望不同的替代动力系统能够渗透到某些细分市场。但是,适用性取决于使用实际应用案例和时间,以及满足所定义的运营和财务先决条件的预期(图表8)。

麦肯锡:商用车行业通向2030之路调研报告(二)

电池。电动汽车可能是配送和以城市为中心的使用中最合适的技术。正如产品公告数量所示,电动车汽车势头最强劲(即主要OEM和初创企业自2015年起已宣布推出超过40种不同的产品)。电动汽车的应用对OEM的商业模式(例如售后服务、生态系统合作伙伴关系)产生重大的战略意义,但仍有大量问题需要解决(图表9)。

麦肯锡:商用车行业通向2030之路调研报告(二)

燃料电池。我们预计氢气将成为一个强有力的竞争者,特别是在重型运输中,需要长距离和高利用率的应用。从技术上讲,它提供了最合适的解决方案:其较高的能量密度意味着更长续驶里程,更轻的重量,以及比纯电动快10至15倍的燃料加注速度。它还在更广泛的能源转型、可再生能源的整合、供暖的脱碳和工业中发挥作用。应用的主要障碍是一定的规模,价值链所需产业化(例如电解剂、电堆),以及建立基础设施和将样车推向市场之间的“鸡与蛋”问题。

CNG/LNG。天然气价格从根本上取决于相关的原材料价格,因此和柴油一样会遭遇市场周期性影响。然而,大规模部署CNG/LNG需要对基础设施进行大量投资,在最终走向零排放的运输远景中,天然气只能被视为过渡性技术。

合成柴油。合成柴油(即由二氧化碳和水生产的合成燃料)仍远未成为经济上可行的柴油替代品,如德国,1升合成柴油的价格约为现有柴油的三倍价格。此外,用于生产1升合成柴油的能量比直接在纯电动汽车中使用相同能量的效率低七倍。因此,合成柴油可能更适合应用在电气化潜力有限的动力系统中(例如飞机)。

生物燃料。生物燃油由多种不同的原料生产,其总体拥有成本的预测非常不稳定,因为它们取决于相关的原材料价格和税收。此外,生物燃料的燃烧产生了局部排放优势,但从车辆应用角度来看,生物燃料能否提供超过柴油的净优势仍然值得怀疑。

自动驾驶——今年首次有应用案例进入市场

在预计将为OEM卡车利润池贡献近10亿欧元的各种技术趋势中,自动驾驶将产生独特的影响。自动驾驶对TCO产生重大影响的能力使这项技术改变游戏规则,并有可能刺激行业整合。

麦肯锡:商用车行业通向2030之路调研报告(二)

实现完全自动驾驶还有很长的路要走——预期超过十年卡车才能在道路上完全自主驾驶,但预计首批应用案例将在未来几年出现在市场上(图表10)。自动驾驶仍然存在许多悬而未决的问题(例如,法律框架、技术冗余等)。最重要的是,自动驾驶技术之间的竞争并不均衡。规模较小的OEM将发现获得必要资源变得更加困难,新技术驱动参与者的进入将加剧市场竞争。

麦肯锡:商用车行业通向2030之路调研报告(二)

无论参与者如何,成功的关键在于对众多技术中关键技术的控制。我们确定了六个至关重要的控制点(图表11)。同样重要的是,自动驾驶技术的发展要考虑到卡车行业的特殊性。虽然商用车和乘用车之间在关键技术和硬件方面有可能相通(例如,传感器,商业解决方案/云端等,高清地图),但自动驾驶还是需要开发专门适用于卡车的技术。

互联和解决方案

麦肯锡:商用车行业通向2030之路调研报告(二)

OEM需要为互联和解决方案提供更全面的平台,以增加整体利润池(图表12)。这促进了基于互联的新业务模式的开发,包括硬件和解决方案(2030年对利润池产生9亿欧元影响)。 在2030年,我们预计北美自由贸易区、欧盟和日本的80%至90%的运营车队将通过专属或第三方远程信息处理系统被连接起来。除销售硬件外,OEM的售后服务业务将受益于连接客户和OEM网络的互联服务和解决方案。与此同时,客户可以从TCO节省中获益,这可以由OEM进行部分定价。

1.4深度挖掘“运营效率”——核心业务的关键利润驱动因素

随着行业仍然暴露于周期性之下,成本焦点需求仍然是突出

OEM仍然容易受到经济衰退的影响。传统上,销量显示出显着的波动性,这基本上适用于所有市场。德国的例子表明,两年内销售额下降达到高达50%的水平。

麦肯锡:商用车行业通向2030之路调研报告(二)

假设固定成本占总成本的25%,应用市场下降约25%(销售额)将导致ROS(销售利润率)几乎降至零。当OEM的固定成本占比较大时,销售额下降对ROS的负面影响甚至会进一步加剧。固定成本占比约为40%,市场下降超过20%(销售额)将会对ROS产生负面的影响。因此,持续的销售周期性迫使OEM厂商专注于固定成本优化,增加经济衰退时的稳健性并为新机遇提供资金(图表13)。

人工智能(AI)为运营效率提供了巨大潜力

虽然传统的手段仍然很重要,但新技术为效率提升提供了巨大的潜力。特别是AI可能在未来提供重要机会。AI包括了一组技术,其中机器或算法执行认知功能,例如学习或解决问题。在AI中,机器可以处理复杂的数据类型(例如,传感器数据、文本、视频、图像),并且能够学习如何对这些数据进行分类,预测信息,甚至规定建议的操作。AI需要使用现有数据进行初步培训,之后它可以将学习应用于未来看不见的数据。在与谷歌合作的一项研究中(同样聚焦乘用车行业),我们确定了120个人工智能案例,可以在今天或不久的将来应用。这些案例的节约潜力可能会在价值链的所有步骤中产生EBIT(息税前利润)效应(即,从售后服务的0.3%到支持功能总成本的19%)。