理想汽车（Li Auto）北京工厂是中国首家自研整车制造操作系统（Li-MOS）的智能工厂，也是全球继特斯拉之后第二家自研制造OS的新能源车企。Li-MOS完全自主开发，打通了从订单→排产→物料→制造→质量→交付的全链路数据，实现"一车一档"终身质量追溯，覆盖冲压、焊装、涂装、总装四大工艺全流程数字化管控。该工厂被工信部认定为卓越级智能工厂，整体生产效率提升60%，单车制造成本显著降低，是新势力车企中"软硬一体"智能化制造的标杆。
中国首家自研制造OS · 特斯拉后全球第二 · 效率↑60% · 一车一档终身追溯 · 工信部卓越级认定
基本信息
| 项目 | 内容 |
|---|---|
| 企业名称 | 理想汽车（北京） |
| 股票代码 | NASDAQ: LI / 港交所: 2015 |
| 行业 | 汽车制造 / 新能源汽车 |
| 所在地 | 北京市顺义区 |
| 成立时间 | 2015年 |
| 核心产品 | 理想L系列增程式电动SUV（L6/L7/L8/L9）、理想MEGA纯电MPV |
| 行业地位 | 中国新势力销量冠军（2024-2025连续多季度），年交付超50万辆 |
| 认定类型 | 工信部卓越级智能工厂 |
| 关键数据 | 自研Li-MOS制造OS · 效率↑60% · 一车一档终身追溯 · 单车制造成本行业领先 |
企业背景
理想汽车成立于2015年，是中国领先的新能源汽车企业，专注于家庭用户的豪华智能电动车。与其他新势力不同，理想从第一款车理想ONE开始就走"增程式"差异化路线，以"城市用电、长途发电"的精准用户洞察快速打开市场。2024年理想全年交付突破50万辆，超越奔驰宝马奥迪成为中国市场20万元以上SUV销量冠军。2025年推出纯电旗舰MPV理想MEGA，形成"增程+纯电"双动力矩阵。
理想的制造基因从一开始就带有浓厚的"自研"色彩。不同于大多数新势力车企直接采购西门子、罗克韦尔等工业自动化巨头的MES/SCADA系统，理想从建厂之初就决定自主开发制造操作系统——这是汽车行业极为罕见的选择。背后的逻辑很清晰：汽车制造正在从"硬件定义"走向"软件定义"，谁能掌控制造环节的数据和软件，谁就能更快地迭代工艺、更低成本地爬坡产能、更精准地追踪每一台车的质量。这层认知，让理想成为了全球第二家（仅次于特斯拉）自研整车制造OS的车企。
"造车"和"造好每一台车"之间的鸿沟
痛点一：传统MES是"烟囱"——四大工艺各用各的系统，数据割裂导致"一车多面"
传统车企的制造IT架构一般是：冲压车间用一套系统、焊装用另一套、涂装用一套、总装再用一套——然后靠ERP在顶层做数据汇总。结果是同一台车的车身数据在四个系统里有四套"说法"：焊装记录的车身尺寸偏差，涂装不知道、总装更不知道。一旦总装发现某个螺栓拧紧力矩异常，要追溯到焊装是哪条焊缝的问题——跨系统查数据需要2-3天，而且经常对不上。理想的逻辑是：与其在四套系统之间做接口，不如从零写一套OS——让冲压、焊装、涂装、总装共用同一个数据底座、同一套工艺引擎、同一条质量数字主线。
痛点二：产能爬坡靠"人海战术"——月产从5000台爬到3万台，系统撑不住就加人
新能源汽车行业最残酷的挑战不是"造出来"，而是"快速爬坡"——市场窗口期稍纵即逝，月产能要从几千台快速爬到几万台，否则订单积压、用户退订。传统做法是"堆人"：缺计划员就加计划员、缺质检就加质检、缺物料员就加物料员。理想L系列上市后订单爆发，北京工厂月产能需要从5000台快速爬升至30000+台——如果按传统方式，人员规模需要同步膨胀5-6倍，管理复杂度指数级上升。Li-MOS的核心使命之一就是：用系统替代"人管人"——让排产、报工、质检、物料配送全部由OS驱动，产能翻倍不需要人员翻倍。
痛点三：质量追溯靠"纸"——一台车几百个关键力矩，出了问题只能翻纸质记录
一台整车涉及超过200个关键拧紧点（底盘螺栓、转向系统、制动系统、电池包固定等），每个拧紧点都有严格的力矩要求。传统主机厂的力矩数据存储在拧紧工具的本地存储器里，定期人工导出到Excel，再上传到QMS——整个过程有3-7天延迟。如果第1000台车的某个螺栓在第2天检测到力矩不足，要回溯第998、999台车的数据——基本上"大海捞针"。更致命的是：涂装的膜厚数据、焊装的焊点质量数据、冲压的板件尺寸数据——这些质量数据分属不同系统，无法关联到"同一台车"的维度上。
痛点四：物料配送靠"喊"——产线缺料了才打电话，AGV跑的不是最优路线
汽车总装线是高节拍流水线（60-90秒/台），对物料配送的准时性要求极高。传统模式是：线边物料低于安全库存→工人按铃或打电话→物料员推着小车送过来→AGV按固定路线循环。问题在于：(1) 安全库存是"拍脑袋"设的——设高了占线边空间，设低了容易断料停线；(2) AGV路线是固定的——不管今天产哪些配置、用哪些物料，都跑同一条路；(3) 紧急物料配送完全靠"喊"——总装线上缺了一颗特殊螺栓，物料员要从几千平米库房里翻出来。停线一分钟的成本动辄数千元。
Li-MOS：一套OS管四大工艺——从零自研的整车制造操作系统
整体方案概览
Li-MOS的核心理念是"One OS, One Data, One Thread"——一套操作系统覆盖四大工艺、一个数据底座承载全部制造数据、一条数字主线贯穿每台车的全生命周期。Li-MOS不是传统MES的"升级版"，而是一个从数据结构层重新设计的制造操作系统：它以"车辆VIN码"为唯一主键，将订单、BOM、工艺路线、设备参数、质量数据、物料信息全部围绕VIN码组织——从冲压第一块钢板到总装下线，所有数据天然关联到同一台车，无需跨系统查表、对齐时间戳。
核心技术架构
| 层级 | 系统/平台 | 功能 |
|---|---|---|
| 决策层 | 智能排产引擎（APS） | 基于订单池+物料齐套+设备状态，自动生成滚动排产计划，支持插单动态重排 |
| 执行层 | Li-MOS 制造执行核心 | 统一管理冲压/焊装/涂装/总装四大工艺工单、报工、工艺参数下发、ANDON异常管理 |
| 质量层 | 一车一档质量数字主线 | 以VIN码为唯一主键，自动归集200+拧紧力矩、焊点质量、涂装膜厚、尺寸检测等全量质量数据 |
| 物流层 | 智能物料拉动系统 | 实时消耗驱动配送（Pull模式），AGV动态路径规划，缺料预警提前30min触发 |
| 设备层 | IoT设备网关 | 自研协议适配层，统一接入焊接机器人、拧紧工具、涂装机器人、AGV等异构设备 |
| 数据层 | 统一数据底座 | 基于VIN码的制造数据湖，支持实时查询+离线分析，数据留存覆盖车辆全生命周期 |
四大核心模块
核心机制：Li-MOS最底层的设计创新是以VIN码为唯一数据主键。在传统MES架构中，数据是按"工单"组织的——工单是冲压的、焊装的、涂装的、总装的，各管各的。Li-MOS彻底打破了这个范式：从订单下发开始，系统就为每一台待产车辆生成VIN码，后续所有工序的所有数据——拧紧力矩、焊接参数、涂装膜厚、尺寸检测、物料批号——全部在写入时自动绑定VIN码，无需事后"关联"或"对账"。查询任意一台车，3秒内即可调取其完整"制造档案"，覆盖从钢板入厂到成品出库的全流程。
核心机制：Li-MOS不是给每个车间部署一套独立MES再打通，而是用同一套代码、同一个数据库、同一个工艺引擎管四大工艺。具体实现：工艺路线建模——每一款车型（L6/L7/L8/L9/MEGA）的完整制造流程被建模为一张工艺路线图，包含300+工序节点、每个节点的标准工时、前置条件、设备资源需求。APS引擎读取所有在线车辆的工艺路线+当前进度→动态计算每台设备的负荷→生成分钟级精度的排产计划。当一台车在焊装完成进入涂装，Li-MOS自动触发涂装车间的工单、物料准备和质量检验标准——全程无需人工交接。
核心机制：Li-MOS通过自研IoT设备网关，将产线上200+把智能拧紧工具全部联网——每一次拧紧的力矩值、角度、时间戳在拧紧完成瞬间（<1秒）上传至Li-MOS质量模块。系统预设了每个拧紧点的力矩上下限，一旦实际值超出公差范围，该工位ANDON灯自动亮起+产线暂停，质量工程师实时收到告警。更重要的是：所有拧紧数据自动写入该车的"一车一档"，如果后续售后出现底盘异响、螺栓松脱等问题，可直接追溯到是哪一把工具、哪一个班次、哪一秒拧的。传统的"7天滞后期"被压缩为实时。
核心机制：Li-MOS根据排产计划和实时生产进度，动态计算每个工位在未来30分钟内的物料需求——系统驱动AGV提前配送而非"等到缺了再送"。AGV的路径不是固定的——系统根据当前车间拥堵情况、配送优先级、AGV电量，实时规划最优路径。核心算法逻辑：当某工位物料消耗速率×30分钟 > 当前库存 → 自动触发补料任务 → AGV接单 → 从最优库位取料 → 送达。这套机制将线边库存降低40%，紧急缺料停线事件减少80%以上。
关键成效
| 指标 | 改造前 | Li-MOS上线后 | 提升幅度 |
|---|---|---|---|
| 整体生产效率 | 基线 | ↑60% | 提升60% |
| 产能爬坡速度 | 6-8个月（月产5000→30000） | 3-4个月 | 爬坡周期减半 |
| 质量数据追溯延迟 | 3-7天 | 实时（<1秒） | 消除延迟 |
| 一车一档查询时间 | 2-3天（跨系统查找） | 3秒 | 效率提升万倍 |
| 拧紧力矩一次合格率 | 约97% | 99.5%+ | ↑2.5个百分点 |
| 线边库存 | 基线 | ↓40% | 大幅降低 |
| 缺料停线事件 | 基线 | ↓80%+ | 大幅减少 |
| 单车制造成本 | 行业平均水平 | 行业领先 | 显著优化 |
理想的制造哲学一句话概括：不买标准MES，自己写OS——不是"有钱任性"，而是"只有自己的OS才能真正做到一车一档、四大工艺统一、数据零延迟"。这个决策在产能爬坡期释放的价值远超开发投入。
建设特点总结
- 自研制造OS不是"技术炫技"，是"架构级竞争力"：理想选择自研Li-MOS的根本原因不是"有钱"或"有技术偏好"，而是传统MES的架构天然无法支持"一车一档"——因为传统MES是按"工单"组织数据的，不是按"车辆"组织数据的。从架构层把主键从"工单号"改为"VIN码"，这个改动看似简单，但在传统MES的底层数据结构上是无法做到的——相当于要把整栋楼的地基换掉。理想的"后发优势"在于：不需要在旧系统上修修补补，可以直接用"车"作为第一性原理重新设计制造系统。架构决策决定数据质量，数据质量决定制造效率。
- "一套OS管四大工艺"的本质是打破车间墙——数据不该有部门边界：传统车企的冲压、焊装、涂装、总装是四个独立管理的车间，各有各的KPI、各有各的系统——"车身尺寸偏差是焊装的事，涂装不管"、"涂装膜厚不够是涂装的事，总装不知道"。Li-MOS用同一套OS管四大工艺，不仅解决了数据贯通的技术问题，更重要的是改变了制造管理的文化：总装发现的问题可以一键追溯到焊装→涂装→冲压的原始数据，跨部门质量分析从"开会甩锅"变成"系统说话"。系统统一了，数据就统一了；数据统一了，责任就透明了。
- "一车一档终身追溯"是新能源车的刚需——电池安全、OTA升级、二手车估值都依赖它：燃油车时代，车辆出厂后车企和车辆基本"失联"——除非召回，否则不知道车在用得怎么样。新能源时代完全不同：电池需要全生命周期健康度管理、OTA需要知道每台车的硬件配置版本、二手车交易需要完整的维修保养和制造档案。"一车一档"不仅是制造质量的保障，更是车辆全生命周期运营的数据基础设施——理想今天做的制造追溯，明天就是售后服务、二手车业务、保险定价的核心资产。
- 产能爬坡不是"加人加线"，是"让系统代替人协调"：理想的北京工厂在L系列上市后经历了典型的"爆款困境"——订单来得太快，产能跟不上。Li-MOS在这个时候的价值充分释放：智能排产自动应对插单和变更加投、物料拉动避免产线断料、质量监控实时拦截异常——这些功能在产能5000台/月时是"nice to have"，在30000+台/月时是"没有就崩"。数字化系统在低产能时是成本，在高产能时是杠杆。
- 自研IoT网关是"功臣"——设备数据采集不需要依赖供应商：汽车工厂里有几百种不同品牌、不同协议的设备——库卡/发那科/ABB的机器人、阿特拉斯的拧紧工具、杜尔的涂装设备、不同品牌的AGV。传统做法是每种设备配一套数据采集软件，供应商每年收取昂贵的授权费，而且数据格式不统一、升级周期不同步。Li-MOS自研了统一IoT网关层，通过协议适配将异构设备的数据标准化为统一格式——这不仅省掉了每年的授权费，更重要的是把数据主权掌握在自己手里。设备联网的终极目标不是"能读到数据"，而是"数据格式统一"。
行业启示
启示一："自研"不是大厂特权——核心逻辑是"谁掌握制造数据，谁就掌握制造效率"：理想自研Li-MOS的底层逻辑不是"我有1000个软件工程师所以能做"，而是"如果我用别人的MES，我的制造数据就永远停留在'工单级'——永远做不到一车一档"。这个逻辑对中小企业同样成立：你不必自研一套OS，但你必须清楚你的MES/MOM系统的数据主键是什么——是"工单"还是"产品序列号"？如果是"工单"，你就永远无法实现单品级追溯。选系统之前先思考数据模型——这是理想给全行业上的一课。
启示二：产能爬坡的瓶颈不是设备，是信息流：很多车企产能上不去的直观反应是"再加一条线"。但理想的数据显示：设备OEE提升的空间远比加线大——通过Li-MOS的智能排产和物料拉动，设备利用率大幅提升。当信息流畅通时，同样的设备、同样的人，产能可以提升60%。产能不足时，先挖信息流的潜力，再投硬件。
启示三：一车一档是新能源时代的"必需品"，不是"锦上添花"：新能源车的电池全生命周期管理、OTA版本管理、二手车电池健康度评估——都依赖"一车一档"。今天不做制造追溯的车企，3-5年后会在售后、保险、二手车领域支付高昂的数据债务。制造追溯的数据基础设施，越早建成本越低、价值越大。
思派视角
对中小制造企业意味着什么？
经验一：你不用自研OS，但你必须把"产品序列号"作为数据主键。理想的Li-MOS给中小企业最大的启发不是"自研"（你没那么多工程师），而是"以产品为维度的数据组织方式"。你是做汽车零部件的——你的每一个产品都有批次号或序列号，你的MES/ERP/质检系统能不能做到"输入一个序列号→看到这台产品的完整制造档案"？如果做不到，从今天开始把序列号打印成二维码贴到每个产品上→每道工序扫码报工→关键参数自动记录→汇成一张"产品制造档案"的Excel。先让数据"有"、再谈"怎么用"——这是最小的启动成本。
经验二：拧紧/焊接/注塑的"过程参数实时监控"——不需要理想级别的方案，一套2000元的传感器+网关就能起步。理想对200+拧紧点做秒级实时监控，投入的是千万级IoT基础设施。你做注塑——核心参数就3-5个（温度、压力、保压时间、冷却时间），给每台注塑机加一个2000元的数据采集网关，把这些参数实时传到车间看板上——设定阈值，偏差超过3%自动告警。这个投入不到一台注塑机半个月的电费，换来的却是"永远不会有人把参数调错还不知道"的保障。参数监控的核心价值不是"省人"，是"避免批量报废"——一次批量报废的损失就能覆盖全部硬件投资。
经验三："物料拉动"是中小企业最容易落地、回报最快的改善。理想的智能物料拉动看起来很高级——AGV+实时算法+动态路径规划。但底层逻辑极其简单：让物料在"需要的时候"到达，而不是"提前堆着"或"缺了再喊"。你不需要AGV——用看板（Kanban）就能做到。给每个工位设一个双箱系统：两个料箱并排放，一箱用完了翻过来放空箱——物料员看到空箱就知道该补了，永远不会断料。如果想再进一步：把双箱换成重力货架+限位开关——物料低于某个高度自动亮灯——连"看到空箱"都省了。Material Pull的精髓不在技术，在"消耗驱动补充"的理念。
老K点评
理想的Li-MOS这件事，我关注很久了。说实话，第一次听说的时候我的第一反应是："又一个新势力在烧钱讲故事"。但仔细研究了他们的架构设计——尤其是VIN码做主键、"一车一档"这个底层逻辑——我发现这不是"讲故事"，这是真正解决了传统MES的架构级缺陷。
我们服务的几百家离散制造企业，90%的MES/MOM系统的数据主键都是"工单号"——这导致了什么？同一个产品在三个工序的数据，靠"工单号+工序号"关联，中间断一次就关联不上了。你去问任何一个工厂的IT经理："你们能不能查到去年3月出厂的第538号产品的完整制造档案？"——99%的人会告诉你"查不到"或者"要翻好几个系统"。理想的贡献在于，它用"一车一档"告诉我们：制造数据组织的第一性原理，不是"工序"，是"产品"。这个洞察对中小企业同样成立——你做100个工件，每个工件经过5道工序，你的数据应该围绕"100个工件"组织，而不是围绕"5道工序"。先把这个观念扭过来，再谈上什么系统。
荣誉认证
| 类别 | 荣誉/认证 |
|---|---|
| 🏅 国家级 | 工信部卓越级智能工厂 |
| 🏅 技术突破 | 中国首家自研整车制造操作系统（Li-MOS），全球第二家（仅次于特斯拉） |
| 🏅 市场表现 | 2024-2025中国新势力销量冠军，年交付超50万辆 |
| 🏅 质量体系 | IATF 16949 汽车行业质量管理体系认证 |
| 🏅 质量体系 | ISO 9001 / ISO 14001 / ISO 45001 三体系认证 |
| 🏅 上市企业 | NASDAQ: LI（2020年7月上市）/ 港交所: 2015（2021年8月双重上市） |
| 🏅 产品荣誉 | 理想L9获C-NCAP五星安全评级、中国十佳车身 |
| 🏅 产能规模 | 北京/常州双基地，年产能超60万台 |
📝 录入时间：2026年7月11日
📝 信息来源：工信部卓越级智能工厂公示名单、理想汽车公开资料、行业报道及公开案例研究
📝 数据标注：部分数据为行业合理推断，供参考学习；企业具体数据以官方公布为准
📝 案例定位：工信部卓越级智能工厂标杆，面向汽车及零部件制造行业提供自研制造OS与全流程数字化追溯的转型参考