中国のOEMデータケイパビリティ分析レポート（2026年）

OEMのデータケイパビリティに関する調査：24社のOEM×9つの能力領域、トップはどの企業か？

レベル4の自動運転研究開発および試験車両は、1日あたり約10TBの生データを生成します。たった1日分のデータ量だけでも、ブルーレイの高画質映画200～300本分に相当します。量産型のスマートコネクテッドカーの場合、1日あたりのデータ量は一般的にGB単位から1～2TBの範囲です。1台あたり1日数TBのデータに直面する自動車メーカーにとって、課題はもはや「データをどう保存するか」ではなく、「データをどう収益化するか」へと移っています。データ量の急激な増加により、自動車メーカーは「データ収集」から「データ運用」へと焦点を移さざるを得なくなっています。データはもはや、研究開発やマーケティングのための単なる補助ツールではありません。エンジンやシャーシと同様に、自動車メーカーの競争優位性を決定づける中核的な資産となっているのです。

「データ管理能力成熟度評価モデル（DCMM）」に基づき、『中国のOEMデータケイパビリティ分析レポート（2026年）』は、9つの能力領域と36のサブ領域から、24社の主要自動車メーカーに対して体系的な評価を行っています。さらに、「技術成熟度・ビジネス価値提供（T-V）」分析と組み合わせることで、中国の主要自動車メーカーのデータケイパビリティの全体像を提示しています。評価結果によると、FAW Groupは総合スコア91.2を獲得し、L5「最適化レベル」に到達した唯一の自動車メーカーとなりました。Geely、Xpeng、NIO、Li Auto、AVATR、BYDがトップグループを形成しています。全体的な状況は、「伝統的な大手企業がトップの座を目指して疾走し、新興自動車メーカーが主導権を握り、合弁企業がプレッシャーを感じている」という特徴が見られます。また、本レポートでは、CDO（チーフ・データ・オフィサー）制度やデータ資産会計といったデータインフラおよびガバナンス体制が、データを生産要素から価値測定可能な資産へと進化させる原動力となっている点を分析しています。コンプライアンスの面では、「自動車データの越境移転に関するセキュリティガイドライン（2026年）」を含む最新の規制枠組みを整理しています。また、今後2～3年間における自動車データケイパビリティの17の動向をまとめており、その中には、データレイクとデータウェアハウスの統合やミリ秒レベルのアーキテクチャ、DaaSやAIエージェント、トラステッド・データ・スペース、越境データエコシステムなどが含まれています。

ここで、2つの注目すべき兆候が見られます。第一に、「L3ロバストレベル」が業界内で最大のグループを占めており、これはほとんどの自動車メーカーが基本的なシステムを構築しているもの、定量的な管理能力が不足していることを示しています。第二に、データアーキテクチャとデータ活用の面において、新興の有力自動車メーカーと変革を遂げた従来の自動車メーカーとの間に世代間のギャップが存在しています。上位5社を例に挙げましょう。FAW Groupは、9つの領域すべてにおいて弱点のないバランスの取れたパフォーマンスを達成しています。Xpengは、データアーキテクチャとデータ活用においてリードしています。データ標準は、複数の新興自動車メーカーにとって共通の弱点となっています。

I.データの目覚め：「自動車製造」から「データ育成」へ、自動車メーカーの「すべてか無か」の戦略が変化

自動車メーカーの競争優位性は、「車両製造能力」から「データ運用能力」へと移行しつつあります。膨大な数の稼働中の車両が、実世界シナリオのデータを継続的に生成し、それにより自動運転アルゴリズムの反復改善、先を見越したアフターサービス、生産およびサプライチェーンの最適化が促進され、データのフライホイールが形成されています。

自動運転データインフラ：規模によるデータの育成。BYDは、300万台以上の自動運転車を保有し、業界をリードするデータクローズドループを構築しています。2026年5月現在、同社が保有する運転支援機能を搭載した車両は315万台を超えています。「God’s Eye」プラットフォームは、毎日2億キロメートル以上の新たな運転支援トレーニングデータを生成しています。5,000名からなる自動運転研究開発チームが、クラウドワールドモデル、生成AI、エンドツーエンドアルゴリズムの改良を推進しています。2026年5月28日、BYDは4nmプロセスの車載向け自動運転チップ「XuanJi A3」を発表し、「車両台数の拡大－データ蓄積－アルゴリズムの反復改良－体験の向上－利用率の向上」という好循環を確立しました。これは、車両販売台数を活用して自動運転データを「育成」する典型的なモデルとなっています。

さらに、Xpengの第2世代VLAは、約3万枚のGPUカードを備えたクラウドコンピューティングクラスター上で学習されています。累計の研究開発投資額は20億人民元を超えています。50PBの学習データを活用し、空間推論能力を強化しています。このような膨大なデータに支えられたこのモデルは、事故現場の迂回や、でこぼこした悪路での事前減速など、複雑なシナリオに対して適応的な対応を可能にしています。さらに重要な点として、クラウドから車両までの全工程にわたる反復サイクルが約5日に短縮され、アルゴリズムが実走行のフィードバックに迅速に対応できるようになり、「データ収集－トレーニングの反復－展開と検証」という機敏な閉ループが形成されています。

製造およびサプライチェーン：データによる生産の変革。FAW-Volkswagenは、「クラウド」分散型自動車工場を掲げ、Huawei Cloudと提携して、佛山に中国初の「クラウド」分散型自動車工場を建設しています。「長春本社専用クラウド＋支社工場CloudPond」というアーキテクチャを採用し、遠隔地の工場と本社間の完全なデータ融合と統一的なスケジューリングを実現することで、研究開発、生産、サプライチェーンにおける効率的な連携を促進しています。スマートファクトリーのシナリオにおいて、FAW-Volkswagenは100以上のインテリジェントシナリオを展開し、年間4,600万元の利益を生み出しています。

Seresスーパーファクトリーの「産業用ブレイン」は、300社以上のビジネスパートナーを結びつけ、50社以上の主要サプライヤーと直接連携しています。これにより、研究開発の効率が20％向上し、納期遵守率が13％上昇しました。データ指示を受け取ってから20分以内に生産ラインを調整することが可能です。

Seresスーパーファクトリーの自動化生産現場

アフターサービス：「受動的なメンテナンス」から「データ駆動型の先制的なサービス」へ。NIO Serviceは、データを活かした「先制的なサービス」を展開しています。同社の「Service Guardian」システムは、車両ネットワークを介して異常信号を遠隔で監視・検知し、車両の故障を予測して遠隔警告を発信することで、「受動的なメンテナンス」を「先制的なサービス」へと変革しています。このシステムは、レベル2の遠隔診断に対応しています。必要に応じて、診断の専門家がフォローアップを行います。その総合的な診断精度は90％を超えています。保証期間内の約12万台の車両に先制的なサービスを提供し、同様の故障に対する平均修理期間を約30％短縮しました。

マーケティングや研究開発の分野でも変化が見られます。長安自動車は、「デジタル・インテリジェント・リード運用」、すなわち全プロセスの「デジタルファネル」運用を行うグループ全体のリードセンターを設立しました。リードの集約、クレンジング、評価、育成、配分、再利用を網羅する全プロセスのデジタル化を完了し、リードの転換率を約50％向上させ、8万2,000台の増分販売を実現しました。IM Motorsは、研究開発（R&D）分野に30名以上の「デジタルエンジニア」エージェントを導入しました。複数のエージェントによる協働により、ソリューションの選定、要件の割り当て、補助的なコンサルティングがサポートされています。車体板金構造モデリング担当のエージェントは、単一の補強板の3D設計にかかる時間を約3時間から数分に短縮しました。4つのドアと2つのカバーに関する50件の補強板プロジェクトにおいて、10回の反復設計を行うことで、1,500労働時間の削減を実現しました。

II. 24社の自動車メーカーのデータケイパビリティに関する包括的調査：FAWが首位、新興企業がリード - 後れを取る企業は？

代表的な自動車メーカー24社の中で、なぜFAW Groupが他社を圧倒的な差で引き離し、最適化レベルL5のトップに立ったのでしょうか。その答えは「制度主導型の発展」にあります。2021年、一汽集団は業界初の企業レベルの「基本データ法」を公布し、「データ共有は義務であり、データを生成する部門は、合理的な部門横断的なデータ共有の要求を拒否してはならない」と規定しました。これにより、3万8000を超える業務単位を整理し、「一度の入力で多地点での呼び出し」を実現しました。「1174」全従業員デジタル・インテリジェント変革戦略および「セブンスター・クラウド・ワークベンチ」と組み合わせることで、FAWは研究開発サイクルを50％短縮し、製造コストを40％削減しました。さらに、VoyahやSeresをはじめとする主要な新興自動車メーカーは、自社開発または高度にカスタマイズされたデータプラットフォームアーキテクチャを構築しています。これらは一般的に、データレイクとデータウェアハウスの統合、ストレージとコンピューティングの分離、リアルタイムデータウェアハウスといった技術的アプローチを採用しています。データ収集・処理・活用の各プロセスは、ミリ秒から秒単位の低遅延を特徴とし、データ規模はPBレベルに達しています。

データガバナンスの道筋については、自動車メーカー各社で明らかに異なるアプローチが採用されています。新興企業は、データやAIに関連する組織部門を明確に設置しています。従来の自動車メーカーに見られる独立したデータガバナンス部門とは異なり、彼らは組み込み型のデータ機能とAIネイティブな特性を重視しています。データを「単一の機能や部門」から「組織全体の基盤となるオペレーティングシステム」へと昇華させ、AIネイティブでフラットかつデータ駆動型の中間プラットフォームを用いて組織を再構築しています。2026年初頭、Xpengは自動運転センターとインテリジェントコックピットセンターを統合し、「総合インテリジェンスセンター」を設立しました。同社は、基盤モデルとインフラストラクチャを中心に二次組織を構築しています。また、自動運転、インテリジェントコックピット、ロボット事業を同時にサポートする統一されたAIミドルプラットフォームを保有しています。Li Autoは自動運転の研究開発部門を解散し、AI企業の組織構造に倣って、インフラ（演算能力とデータを担当するインフラストラクチャ）、基盤モデル、ソフトウェアオントロジー、ハードウェアオントロジーの各セクションに再編し、テクノロジー企業と同様のAIネイティブの中間プラットフォームを構築しました。

従来の独立系自動車メーカーは、規模の経済を通じて価値を実現しています。BYDを例に挙げましょう。2026年5月28日現在、BYDの運転支援システムを搭載した車両は315万台を超えています。同社が独自開発した「God's Eye」インテリジェントドライビングシステムは、1日あたり2億キロメートル以上のデータを生成しています。実世界シナリオのデータが技術的基盤を支えており、5,000名からなるインテリジェントドライビングチームが、戦略を具体的な成果へと転換しています。テスラ・チャイナは、「収集・保存・学習・展開・反復」という全プロセスの国内クローズドループを実現している唯一の外資系自動車メーカーです。同社の上海データセンターと臨港AIトレーニングセンターは二大拠点体制を形成し、30億キロメートルを超える中国の道路データを蓄積しています。世界のアーキテクチャの制約やローカルプラットフォームの遅れにより、合弁自動車メーカーはデータガバナンスにおいて相対的な遅れを見せています。

特に注目すべきは、データ資産が新たな分水嶺として浮上している点です。2026年5月、AVATRテクノロジーは、中国のデータ管理に関する国家基準に基づく高水準の認証である「DCMM定量的管理レベル4」の認証を取得しました。これは、企業が「定量化可能、測定可能、予測可能」な精緻な運用を実現したことを示しています。この標準化された管理システムを活用し、AVATRは自動車メーカーとして業界初のデータ資産会計のクローズドループを実現しています。従来、計上不可能かつ評価が困難と見なされていた膨大な車両データが、企業の財務諸表において測定可能かつ記録可能な資産へと変換されます。6次元データ品質スコアリングメカニズムにより、部門間のサイロ化が解消され、研究開発担当者の分野横断的なデータ取得時間が数日から数分に短縮されました。

2025年末までに、自動車メーカーのデータ資産化は「財務会計」から「資本運用」へと進化し、資本市場において真の可視性を獲得することになります。BAIC BJEVは、アフターサービス、品質クレーム、動力用バッテリーを網羅するデータ資産を担保として、北京銀行から2億元の融資を確保し、自動車業界における単一のデータ資産融資案件としては過去最大規模の記録を打ち立てました。奇瑞自動車傘下の蕪湖KUMQUATテクノロジーは、自動車アフターマーケットのデータセットを用いた長江デルタ地域初のデータ資産担保融資を完了しました。取引所レベルでは、深センデータ取引所が32社の自動車メーカーに属する126件のデータ資産を登録し、取引高は15億元を超えました。蕪湖長江デルタデータ取引所や西部データ取引所では、自動車業界向けのデータゾーンが相次いで開設されています。BYD、SAIC、Geelyは、データ資産関連の展開をいち早く完了した自動車メーカーの第一陣に名を連ねています。

「データ運用」の能力が、資本市場における自動車メーカーの企業価値評価に影響を及ぼし始めています。

III.政策上のレッドラインとセキュリティの最低基準 - 自動車メーカーが遵守すべき必須事項

2026年は、データ要素に関連する政策にとって重要な年となります。7月には『データ財産権登録に関する指針』が公布され、9月には全国登録システムが試験運用を開始しました。車両データは初めて、全国統一の「法的身分証明書」を取得しました。国家データ管理局は、106社の業界をリードする企業をパイロット参加企業として「高品質産業データセット構築行動」を開始し、自動車産業は主要な垂直分野の一つとして位置づけられています。工業情報化部（MIIT）による「産業データ基盤構築行動」では、自動車産業と鉄鋼産業が優先分野として挙げられています。中国自動車工程研究院（CAERI）とチャイナモバイル上海支社が共同で主導する自動車産業コンソーシアムが重慶に設立されました。4つの省庁が発表した「自動車産業のデジタルトランスフォーメーション実施計画」では、2027年までに主要工程の数値制御率を70％以上に引き上げるという具体的な目標が設定されています。

政策の背後には「レッドライン」が存在します。「自動車データセキュリティ管理に関する若干の規定」では、「3つのデフォルト原則」が定められています。すなわち、デフォルトでの非収集、デフォルトでの非匿名化、および車内で処理されたデータのデフォルトでの国境を越えた提供の禁止です。2026年2月、工業情報化部（MIIT）を含む8つの省庁が共同で『自動車データの越境移転セキュリティに関するガイドライン（2026年）』を発表しました。同ガイドラインでは、重要な自動車データを27のカテゴリー、51項目に特定し、9つの適用除外事項と3つの越境データ移転経路を定めています。「リモートアクセスは越境データ移転に該当する」という定義は、合弁自動車メーカーのグローバルITアーキテクチャに直接的な影響を与えています。一方、中国電子情報化研究院（CAERI）が推進する自動車業界向け信頼できるデータ空間は、「4つの水平分野と4つの垂直分野」という枠組みの下、研究・生産・供給・販売・サービスのバリューチェーン全体を網羅しており、スマートドライビング保険、バッテリーパスポート、カーボンフットプリントなどのシナリオを支援しています。BAIC傘下のBJEVは、データ資産を担保として2億人民元の資金調達に成功し、データは「コスト」から「担保」へと進化を遂げました。

規制面でも「ブレーキが解除」されました。2025年12月、工業情報化部（MIIT）は、第1弾となるレベル3自動運転車の販売許可を発表し、ChanganとARCFOXのモデルが承認されました。2026年7月、北京、重慶、上海、広州、深セン、武漢を含む6都市が、市全域でのレベル3自動運転の公道走行実証プログラムを開始しました。また、「車・道路・クラウド」統合の実証都市が20都市から50都市へと拡大したことに伴い、自動車データは適切な監督の下で、活用の余地が広がっています。

セキュリティは最優先事項であり、コンプライアンスは参入の条件となります。2026年1月、QAXは「インテリジェント・コネクテッド・ビークル・クラウドプラットフォーム脆弱性分析レポート」を発表しました。主要メーカー30社のクラウドプラットフォームのうち、28社でセキュリティ上の脆弱性が検出され、その割合は93.3％に上りました。23社のメーカーには、重大または高リスクの脆弱性が存在し、これは全体の76.7％を占めています。合計207件の脆弱性が発見され、そのうち135件（65.2％）は、身元の未検証や不正なインターフェースといった初歩的なミスに起因しています。22社（73.3％）のメーカーで身元認証やアクセス制御に関連する脆弱性が確認され、60％のメーカーではアクセス制御の不備が見られました。無効なデジタルキーの管理や過度に公開されたインターフェースなどのリスクにより、クラウドセキュリティは自動運転の大規模展開における大きな潜在的な障害となっています。

自動車メーカー各社は対策を展開しています。XpengはAlibaba Cloudとポスト量子暗号化に関する協力協定を締結し、新型P7はポスト量子セキュリティ技術を搭載した初のモデルとなりました。NIOはNPCCエンド・クラウド融合AIエージェントフレームワークを独自開発し、5層からなるデータプライバシー保護システムを構築しました。Geelyは「Full-Domain Security 2.0」システムを発表し、量子セキュリティ技術を車載ネットワークに導入しました。BYDは、iDiDogインテリジェントセキュリティプラットフォームと、UN R155/R156およびISO 27001認証に支えられた防御ラインを構築しています。Seresは、「セキュリティこそが究極のラグジュアリーである」という提言を打ち出しました。自動車メーカー各社は、データセキュリティを「新たなラグジュアリー装備」と位置づけ、競争を繰り広げています。

コンプライアンスは「現場レベル」の時代に入りました。「自動車データの越境移転セキュリティに関するガイドライン（2026年）」では、3つの越境データ移転シナリオが明確化されています。グローバルITシステムを通じて海外本社にデータベースへのアクセス権を付与するという、合弁自動車メーカーの従来のモデルは再構築されなければなりません。「中国国内のデータセンターと国内でのAIトレーニング」が、中国で事業を展開する外資系自動車メーカーの標準的な構成となります。テスラのモデルは、フォルクスワーゲン、BMW、メルセデス・ベンツによって模倣されつつあります。「合弁2.0」は、データに関する権利と義務を再構築します。SAIC-GMは、製品定義の権限を中国チームに移管し、契約を2047年まで更新しました。FAW-Volkswagenは、中国主導のデジタル・インテリジェント変革を通じて、合弁事業の構造を再構築しています。CDO（最高データ責任者）やデータガバナンス委員会は、主要OEMにおける標準的な構成から、業界全体の要件へと拡大しつつあります。

IV.インフラをめぐる争い：1万カード規模のクラスターから、兆単位の車両・ネットワーク信号のリアルタイム分析へ

評価スコアが健康診断書に例えられるならば、データプラットフォームは血液を生成するシステムとして機能します。

Xpengは、自社のデータ基盤を「クラウドモデルファクトリー」として構築しています。当初は1万カードのコンピューティングクラスターから始まり、第2世代VLA向けには3万カードのコンピューティングクラスターを展開し、10 EFLOPSの演算能力を実現しています。クラスターの利用率は平均で90％以上を維持し、ピーク時には98％に達します。トレーニングのための研究開発投資額は20億人民元を超えています。50PBのトレーニングデータを採用しています。クラウドから車両までの全工程における反復サイクルは、およそ5日間かかります。「収集、暗号化アップロード、クレンジング、保存、ラベリング、トレーニング、シミュレーション、OTA、アトリビューション」を網羅する車両・クラウド統合データのクローズドループに支えられ、車両、ユーザー、販売、アフターサービス、製造、サプライチェーン、研究開発の7つの事業領域を横断的に結びつけています。

Li Autoは、最先端のリアルタイム分析を実現しています。Alibaba CloudのHologresおよびFlinkを基盤として、ミリ秒単位の応答速度を誇る、兆レベル規模の車載ネットワーク信号向けリアルタイム分析プラットフォームを構築しています。総コストを据え置いたまま、書き込みパフォーマンスを200％向上させました。1兆規模のデータに対するセカンドレベル書き込み操作をサポートし、計算コストを40％削減しています。また、稼働中の数百万台の車両について、1台あたり毎秒数万件のリアルタイム信号を処理しています。

Geelyは、「組織＋計算能力」という二つの原動力を採用しています。2022年には、CDOを委員長とするデータガバナンス委員会を設立し、第1レベルおよび第2レベルのデータオーナーとデータマネージャーからなる階層体制を構築しました。組織体制の面では、中国の自動車メーカーの中でも最も標準化されたガバナンスの事例の一つとなっています。同社の「Xingruiインテリジェントコンピューティングセンター2.0」は、23.5 EFLOPSの演算能力を発揮し、中国の自動車メーカーの中で首位に立っています。GDMPビッグデータプラットフォームとMirrorShip LakeHouse融合システムは、300万台以上の車両ネットワークユニットとの接続をサポートしています。また、吉利はStepFunやAfari Technologyなどの企業と共同で、「インテリジェント車両演算能力アライアンス」を設立しました。

合弁自動車メーカーも追随しています。上汽フォルクスワーゲンは、アリババクラウドのDatapilot Dataphinと協力し、全領域にわたるデータ資産システムを構築しています。テーブル、フィールド、指標、ディメンション、タグなど1万件以上のデータオブジェクトが整理されました。フィールドレベルのデータリネージ追跡は、調査、生産、供給、販売の全チェーンにわたり実施され、全社的な標準化されたデータ資産インベントリが完成しました。SAIC-VolkswagenにおけるDataphinの導入は、明確で信頼性が高く、使いやすいエンタープライズレベルのデータ資産システムを構築するだけでなく、データ開発とガバナンスの業務パラダイムを再構築しています。これは、SAIC-Volkswagenが「収集・構築・ガバナンス・活用」を網羅するデータの全ライフサイクル管理を実現するための中核エンジンとして機能し、デジタルトランスフォーメーションのための強固な基盤を築いています。

データインフラの課題は、「インフラが存在するか否か」から「インフラの性能がどの程度か」へと移行しつつあります。

今後の動向を見据えると、以下の3つの確実な点に特に注目すべきです：

1.リアルタイムケイパビリティ

2.トレーニングの閉ループ化

3.規制に準拠したローカライゼーション

将来的には、自動車メーカーのデータ品質を評価する際、単に公表された技術用語に焦点を当てる必要はなくなります。その代わりに、以下の4つの点を確認すれば十分です。組織内にCDO（最高データ責任者）やデータガバナンス委員会が設置されているか、実際のビジネスシナリオでプラットフォームが頻繁に採用されているか、データが資産として適切に確認・計上されているか、そしてデータ活用能力が検証可能な収益や効率性の指標につながっているか、という点です。端的に言えば、データ活用能力こそが、次なる業界再編の分水嶺となるのです。

目次

用語解説（1～5）

第1章 データ進化の背景と戦略的価値

• 自動車業界におけるデジタルトランスフォーメーションの背景
• データケイパビリティ構築の戦略的価値
• 自動車データケイパビリティシステムの構築
• 業界が直面する現在の課題

第2章 データケイパビリティ評価の調査手法

• 評価モデルの全体設計
• 9つの能力領域と重み付けの配分
• 36のサブドメイン／能力項目の構成
• ドメインの重み付け設計の根拠の概要
• 能力項目の採点メカニズム
• データケイパビリティ成熟度レベル（L2～L5）の定義

第3章 政策、法律、規制および規制環境

• データ要素の市場化に関する政策体系
• 自動車データのセキュリティおよびコンプライアンスに関する規制
• 規格および認証制度
• レベル3運転の許可および大規模展開に関する政策
• 政策環境がOEMのデータケイパビリティ構築に与える影響

第4章 中国自動車メーカーのデータケイパビリティに関する比較分析

• DCMM準拠に向けた取り組みの全体状況
• 主要自動車メーカーにおけるデータ能力の分析
• データ能力に基づく自動車メーカー24社のランキング（定量スコアリング）
• データ能力に基づく自動車メーカー24社のランキングの解釈：総合スコア
• 自動車メーカー各社のデータ能力に関するレーダーチャート比較
• データ戦略の比較
• データ戦略の比較
• データガバナンスの比較
• データアーキテクチャの比較
• データ活用の比較
• データセキュリティの比較
• データ品質の比較
• データ標準の比較
• データライフサイクルの比較
• データ資産の比較
• 主要自動車メーカーにおけるデータ能力の成熟度
• 自動車メーカー各社のデータ能力成熟度レベルの分布
• 自動車メーカーのタイプ別データ能力の共通点と差異：新興自動車メーカー
• 自動車メーカーのタイプ別データ能力の共通点と差異：中国の伝統的自動車メーカー
• 自動車メーカーのタイプ別データ能力の共通点と差異：海外ブランド
• 自動車メーカーのタイプ別データ能力の共通点と差異：合弁自動車メーカー

第5章 データプラットフォームと技術基盤の比較

• サマリー：自動車メーカーXとクラウドプラットフォームプロバイダー
• 代表的な自動車メーカー：Xpeng
• 代表的な自動車メーカー：BYD
• 代表的な自動車メーカー：Geely
• 代表的な自動車メーカー：Tesla China
• 代表的な自動車メーカー：Volkswagen Group (China)
• 新興自動車メーカーのデータプラットフォーム
• OEMクラウドプラットフォームの差別化：新興自動車メーカー
• 中国の既存自動車メーカーのデータプラットフォーム
• OEMクラウドプラットフォームの差別化：中国の既存自動車メーカー
• 国際ブランド／合弁自動車メーカーのデータプラットフォーム
• OEMクラウドプラットフォームの差別化：国際ブランド／合弁自動車メーカー

第6章 データガバナンスとデータ資産管理

• データガバナンスの組織と体制
• CDOとデータガバナンス委員会
• データ管理システムと標準
• データ所有者制度
• データガバナンスの技術とツール
• メタデータ管理とデータリネージ
• マスターデータ／リファレンスデータ管理
• データ品質のクローズドループ
• データ資産のインベントリおよび権利の確認
• データ資産カタログの構築
• データ権利登録の実務
• データ資産の会計および資金調達
• 市場志向のデータ要素の流通
• データ取引所への上場
• 業界信頼データスペース
• 政府・企業のデータ統合と認可された運用
• データガバナンスの実践事例
• 事例
• データガバナンス評価の結果
• 先進企業と後進企業の間の格差
• コンプライアンス・ガバナンスからAI資産の運用へ

第7章 データ／テクノロジーの成熟度とビジネス価値の実現

• 全体的な動向の判断
• 技術成熟度（T）の推移分析
• ビジネス価値（V）の推移分析
• T-Vクロス分析（4つの進化モデル）
• グループ評価：グループAの主要企業
• グループ評価：グループB迅速な追随企業
• グループ評価：グループC能力構築
• グループ評価：グループD基盤の強化

第8章 データセキュリティおよびコンプライアンス対応能力

• 自動車データのセキュリティリスクと国境を越えたデータ転送
• インテリジェント・コネクテッド・ビークル（ICV）クラウドプラットフォームの脆弱性状況
• インテリジェント・コネクテッド・ビークルの脆弱性状況
• コネクテッドカー向けクラウドセキュリティテストシステム
• 車両・クラウドセキュリティに関する10の提言
• 自動車データのセキュリティリスク
• 自動車データセキュリティシステムの評価
• 自動車データセキュリティサービスプロバイダーの代表的なソリューションのサマリー
• 5つの自動車データセキュリティ適合要件を満たす第3弾の49車種
• 第4弾の43車種が、5つの自動車データセキュリティコンプライアンス要件に準拠
• 2025年～2026年5月の主要な自動車データセキュリティ侵害インシデントのサマリー
• 自動車データセキュリティにおける10の主要動向のサマリー
• 自動運転のサイバーセキュリティおよびデータセキュリティに関連する規格
• 国境を越えたデータ転送は、企業にとって必須の課題となります
• 自動車データの国境を越えた移転に関するセキュリティガイドライン（2026年）
• 報告義務の対象外となる自動車データの国境を越えた移転の9つのシナリオ
• 自動車メーカーによる国境を越えたデータ転送：EU GDPRにおける12ステップのコンプライアンス手順
• 自動車メーカーによる国境を越えたデータ転送：中国・日本
• 自動車メーカーの国境を越えたデータ転送：中国・韓国間
• 自動車メーカーのセキュリティ対策
• 代表的な自動車メーカー1：Xpeng
• 代表的な自動車メーカー2：NIO
• 代表的な自動車メーカー3：Li Auto
• 代表的な自動車メーカー4：Leapmotor
• 代表的な自動車メーカー5：Seres
• 代表的な自動車メーカー6：BYD
• 代表的な自動車メーカー7：Geely

第9章 データケイパビリティの進化動向

• 動向
• 合弁自動車メーカーが現地自動車メーカーに追いつく方法