中國智能網聯汽車產業人才需求預測研究

劉宗巍，宋昊坤，郝 瀚，趙福全

(1.汽車安全與節能國家重點實驗室，北京 100084；2.清華大學汽車產業與技術戰略研究院，北京 100084)

1 研究背景

智能網聯汽車（ICV）已經成為世界公認的汽車產業發展的焦點和重要方向［1-2］。相較傳統汽車，ICV 不僅可以通過裝配高性能的傳感器、計算平臺和控制器以實現車輛自動駕駛［3］；還可以搭載具備智能人機交互能力、多模交互方式的智能座艙，為駕乘人員提供豐富的、定制化的出行體驗［4］；更重要的是，在新一代通信技術和物聯網的賦能下，ICV之間以及ICV 與智能道路、智慧城市云平臺、智慧能源基礎設施等智能終端互聯互通［5-6］，從而提升交通效率［7-8］，降低交通事故發生率［9-10］，實現節能減排［11-12］，提高交通及城市智能化治理水平［13］。ICV 產業作為多領域融合的新興產業，需要符合其發展需要的新型人才，且需求日益迫切；但由于產業技術的復雜性和不確定性，要對ICV 產業人才需求進行準確預測，面臨較大挑戰。

首先，ICV 產業的定義和邊界尚處于探索之中。汽車產業本身就是復雜的集大成產業，而ICV 產業較此前更為復雜，呈現出基于傳統汽車產業向多個維度生態化拓展的態勢。目前，ICV 產業尚在演進中，并無準確定義，同時其邊界正在不斷擴大且漸趨模糊。因此，必須先對ICV 產業進行清晰描述，界定其范圍。其次，ICV 產業橫跨眾多領域，涉及不同領域的各類人才，影響要素高度復雜且相互交織。所以，在清晰定義ICV 產業范圍的基礎上，還必須全面系統地理清影響ICV 產業各類人才需求的相關因素。最后，現有人才相關的歷史統計數據多來源于傳統汽車產業,而ICV 屬于新興產業，缺少數據積累和預測經驗。因此，預測工作既要考慮ICV 產業的特殊性，又要適當兼顧傳統汽車產業已有相關數據的繼承性。

針對上述ICV產業人才需求預測的難點和瓶頸，本文綜合采用定性與定量的分析方法，以確保ICV產業人才需求預測結果的科學性和可靠性。一方面，充分融入行業專家對ICV 產業發展前景的專業判斷和系統剖析，對ICV 產業進行定性分析，理清業務新變化、技術新內涵、崗位新需求，并基于ICV 產業的可能前景進行預期情景設計。另一方面，構建符合ICV 產業特色的多指標量化評價模型，定量預測產業人才需求。

2 ICV 產業人才需求預測方法

按照研究目標的不同，產業人才需求預測可分為人才結構預測、人才數量預測等維度［14-16］。ICV產業作為新興產業，其人才結構相較于傳統汽車產業將發生顯著變化。因此，本文首先基于汽車產業鏈視角，通過定性分析，理清ICV 產業較傳統汽車產業新增的業務、功能和技術，然后以此為基礎，分析確定可以有效承載增量內容的產業人才結構，預測產業人才需求數量，盡可能保障預測結果的可靠性。

具體研究方法如圖1 所示。首先，基于汽車產業鏈視角梳理并界定ICV 產業，界定本文中的產業邊界，并以此對ICV 產業人才進行分類。其次，挖掘ICV 產業與傳統汽車產業的區別，理清ICV 產業的增量部分，并剖析完成相關部分所需人才的特征，為后續的人才需求定量預測提供支撐。ICV 產業的增量內容主要有兩類：一部分增量業務是指在傳統汽車產業原有業務的基礎上進行智能化、網聯化升級，因為這部分業務所需人才可由傳統汽車產業的相關人才，經過學習、培訓后即可勝任，因此本文不對該部分人才進行預測；另一部分增量是指在車輛智能化、網聯化過程中完全新增的業務，所需人才也是傳統汽車產業之外的新增人才類型，需要全新培育才能勝任，這是本文預測的核心。最后，構建雙層級多指標的ICV產業人才需求量化預測模型，輸出產業人才需求數量預測結果。

圖1 ICV 產業人才需求預測基本思路

3 ICV 產業人才結構

3.1 ICV 產業總體人才結構

聚焦車輛本身，基于汽車產業鏈各環節的變化進行延展思考，是識別ICV 產業人才結構和需求變化的前提和基礎。從橫向上看，ICV 產業鏈貫穿汽車產品全生命周期，在設計開發、生產制造、銷售和運營服務等環節都和傳統汽車產業有所不同；從縱向上看，ICV 供應鏈有了極大的擴展，不同類型的企業共同參與其中，這些企業主要分為整車企業、供應鏈企業和服務運營企業。

本文僅考慮產業鏈中的設計開發、生產制造和銷售售后環節，以及供應鏈中的整車企業和新舊供應鏈企業，并未考慮運營服務環節，也未將服務運營企業列入預測范圍。這主要基于以下三點考慮：其一，出行服務雖然是汽車的強相關產業，但目前仍為獨立的產業。實際上，出行服務產業與汽車產業存在本質區別，即使未來汽車產業與出行服務產業深度融合，也不能混為一談。其二，目前應用于出行服務的絕大部分車輛尚不能稱為ICV，這些車輛通常智能化水平較低，甚至完全不具備智能化功能，因此暫不將出行服務計入研究范圍。其三，從車輛本身出發，后端應用服務需要在汽車開發過程中匹配相應的功能和接口，而完成這部分工作的人才已經包含在汽車設計開發、生產制造和銷售售后等環節內，將在本文中得到體現。

基于上述ICV 產業邊界的定義，綜合以往相關研究的成果和范式，本文將ICV 產業人才劃分為領軍人才、研發技術人才、生產制造人才、銷售服務人才和其他人才5 類［17］。表1 中列出了針對不同類別人才的主要特征以及對應的研究方法。可以看到：一方面，與傳統汽車產業相比，ICV 產業人才總體類別并未發生改變；另一方面，新一輪科技革命是加速ICV 發展的源動力，汽車技術的擴展和更新也是ICV 相較于傳統汽車的主要增量所在。因此，研發技術人才應為本文預測的重點，須構建量化模型進行定量分析。在其余類別人才中，領軍人才的重要度最高，但數量較少，對本文的預測結果影響較小；生產制造、銷售服務人才則主要由現有人才經培訓和歷練后勝任；其他人才無顯著變化。因此針對上述幾類人才本文僅在表1中進行了定性分析，不予以定量預測。

表1 不同類別ICV 產業人才的特征分析及研究方法

3.2 ICV 產業研發技術人才預測范圍

如前所述，相較于傳統汽車產業，ICV 產業研發技術人才的重要性極高且變化最大，是本文的重點。為得到更具產業指導價值的預測結果，本文回歸汽車產業的本質進行思考，同時兼顧短期預測的需求，將研發技術人才的預測范圍聚焦在車端新增能力上，具體可以從不同企業入手展開分析。ICV產業的主要參與企業可分為兩大類，一是傳統整車及零部件企業，二是信息通信技術（ICT）企業及其他科技公司等。鑒于兩大類企業存在業務交叉，可將ICV 產業人才能力需求分為以下3 個部分：

（1）整零企業原有人才能力升級，如傳統動力系統的智能控制升級，原有動力系統開發人才在經過相應培訓后即可勝任。因此，這部分人才不列入本文范疇。

（2）ICT 企業、科技公司原有人才能力升級：如開發與車端需求相結合的應用服務軟件，原有應用服務軟件開發人員在接受相關汽車知識、標準、需求等培訓后即可勝任該部分工作。因此，這部分人才也不列入本文范疇。

（3）兩大類企業交集部分的人才新增能力，包括但不限于支撐自動駕駛、車聯網和智能座艙功能實現的新技術、新產品設計研發，以及車端各類新應用開發等。這些新增內容所需的人才都應經過全新培養而成，而由于產業尚不具備該條件，因此目前這類人才大多直接來自于原有相關產業，不得不勉為其難地開展工作，這也是ICV 產業最重要的人才缺口所在。

綜上，整零車企、信息通信技術企業和科技企業各自的原有能力升級部分，對應的人才屬于既有人才的存量更新，不屬于本文預測的范疇；而兩類企業形成交集的車端新增能力部分，對應的人才屬于未來需要的人才增量，是本文預測的核心。

3.3 ICV 產業研發技術人才

本文以ICV 產業新增的業務、功能和技術為基礎，確定其研發技術人才的結構。如圖2 所示，ICV產業新增業務包括自動駕駛、車聯網和智能座艙三大模塊。其中，自動駕駛業務模塊主要包含高性能傳感器、高精度地圖、計算芯片、自動駕駛操作系統等功能；車聯網業務模塊主要包含通信模組、通信終端、T-BOX 等功能；智能座艙業務模塊則主要包含車機、座艙操作系統等功能。

圖2 ICV 研發技術人才類型識別

ICV 產業新增的業務模塊和相應功能需要新增技術提供支撐。本文從車端角度切入，確定環境感知、智能決策、智能控制、系統設計、專用通信、大數據及云平臺、人工智能（AU）、綜合安全、高精度地圖及定位、測試評價等技術為ICV 的新增技術［18］。

因此，本文將ICV 研發技術人才分為6 類，分別為整車架構工程師、系統/模塊架構工程師、軟件開發工程師、硬件開發工程師、數據及算法工程師和測試標定工程師。

“軟件定義汽車”是未來汽車發展的必然趨勢［19-20］。在產業層面上，汽車產業鏈將發展成為立體網狀的汽車產業生態；在產品層面上，ICV 將從簡單的分布式控制向域控制架構、中央集成架構的方向演進，甚至會形成車云一體化的架構，在車端形成硬件架構和軟件架構的基礎上，依靠車聯網，打通外部應用服務和功能開發生態。這意味著未來ICV 產業的核心工作將聚焦于新的軟件、硬件和數據上。由此推斷，本文提出的研發技術人才類型，與未來ICV 產業的人才需求方向相符，具有延續性，可為后續研究提供框架。

3.4 ICV 產業研發技術人才類型的定義及基本需求

本文從工作職責、崗位/內涵變化以及勝任需求3 個維度,對6 類ICV 研發技術人才進行了定義和詮釋，詳見表2。

表2 ICV 產業研發技術人才類型定義

4 ICV 產業人才需求數量預測模型

4.1 ICV 產業人才需求數量預測模型的構建

人才服務于產業，而產業發展又會驅動人才需求，所以產業發展水平直接關系到人才需求數量。因此，本文預測模型基于ICV 產業各個核心業務模塊的發展水平來計算產業人才需求的具體數量。首先，以自動駕駛、智能座艙和車聯網三大業務模塊的發展水平，來表征ICV 產業發展水平；其次，挖掘影響這三大業務模塊發展的主要因素，構建預測其未來發展水平的多級評價指標體系；然后，基于現有相關人才需求的調研結果，建立不同產業發展水平與對應人才歷史需求之間的函數；最終，向函數中輸入產業發展水平預測值，以輸出ICV 產業人才需求數量預測結果。

本文對影響業務模塊發展水平的評價指標進行選擇時，保障了指標的代表性，每個指標都代表影響ICV 產業業務模塊發展的不同維度；全面性，因為ICV 產業復雜且覆蓋面廣；獨立性，各指標之間相對獨立，不可相互替代；可量化性，選取的指標含義明確，可采集，可量化，可比較［21］，還兼顧了預測的系統科學性和操作可行性。在此前提下，選取了市場成熟度、技術驅動力和政策法規影響力作為一級評價指標，同時確定了各一級指標下的多項二級指標，以全面評價ICV 產業三大業務模塊的發展水平。

4.2 ICV 產業人才需求數量預測模型

基于前述基本思路和原則，本文構建了三維立體的ICV 產業研發技術人才需求數量預測模型，通過預測不同業務模塊在不同發展水平下對不同類型研發技術人才的需求數量，求和獲得ICV 研發技術人才及產業人才需求的總量。

如圖3 所示，三維預測模型中的X軸代表業務發展水平的各影響因素，即市場成熟度、技術驅動力和政策法規影響力；Y軸代表三大核心業務模塊的發展水平，即自動駕駛、智能座艙和車聯網；Z軸代表6 類ICV 研發技術人才類型及其需求數量。由此，XY平面就構成了預測研究的基礎，也就是基于各項影響因素即評價指標的不同得分預測未來三大業務模塊的發展水平。而在Z軸上的每類研發技術人才，均可形成一個與XY平面平行的平面，每個切面分別代表在不同發展水平下，3 個業務模塊所需的該類研發技術人才的數量。顯然，將6 個切面的人才數量匯總，就可以得到ICV 產業人才的需求總量。此外，還可對YZ平面進行延展分析，得到不同類型研發技術人才在不同業務模塊中所占的比例，這對產業發展也頗具參考價值。

圖3 ICV 產業人才需求數量預測模型

具體產業發展水平影響要素評價指標如表3 所示。通過ICV 產業發展影響因素各項指標的得分，預測未來自動駕駛、智能座艙和車聯網三大業務的發展水平，再通過回歸分析，建立各類研發技術人才與業務發展水平之間的關聯，進而預測所需的人才數量。由于ICV 產業相關歷史數據較為匱乏，本文采用問卷調查的方式，充分參考3 位高校教授、5 為行業資深專家和10 位企業專家對指標重要性的意見，并通過成對比較法對專家意見進行定量化處理［22-23］；同時結合多篇文獻的指標設定［16,24-25］，最終得到二級評價指標體系的權重。

表3 ICV 產業發展水平影響要素評價指標

令ICV 產業某業務模塊某年產業發展水平總分與該業務模塊該年人才需求數量之間的關系為函數（一般采用2 次或3 次多項式擬合，以擬合度最優且符合實際規律為目標）,某業務模塊某年某類研發技術人才數量占總研發技術人才數量的比例為因此該業務模塊該年人才需求數量可由式（2）求出。

因此，某年ICV 產業研發技術人才需求總人數可由式（3）求出。

同時，在預測中還引入世界勞工組織公布的人均勞動生產率提升修正系數，因為隨著人才自身的進步和培育體系的優化，未來人均工作效率必然會逐漸提升，這意味著完成相同的工作所需的人才數量會有所減少，所以要對人才需求數量進行修正。該系數依據中國人均勞動生產率環比變化率確定。

為盡可能獲得較為準確的ICV 產業技術研發人員需求數量的歷史數據，本文參考了中國汽車工程學會的ICV 產業人才需求企業調查問卷的結果，并對數據進行了清洗和梳理。完成問卷的企業包括18家整車企業、39 家零部件企業、27 家信息通信技術企業和7 家研究設計機構。問卷的調查范圍覆蓋了ICV 全產業鏈。基于調研結果，獲得符合本文定義的ICV 人才類型下的在崗人才數量以及各類人才的供需比例，進而確定2017、2018、2019 年ICV 產業人才需求數量分別是2.9 萬人、4.0 萬人和4.8 萬人。業務模塊表征數據主要依據行業政策文件、法規標準、學術論文和權威報告中的信息，并融入對不同影響因素所處發展階段的專業判斷，經分析和校驗后確定。

5 ICV 產業人才需求數量預測

5.1 ICV 產業三大業務模塊發展水平預測

基于前述建立的模型，對ICV 自動駕駛、智能座艙、車輛網三大核心業務模塊的發展水平進行了分析預測，具體結果分別如圖4 所示。由圖4 可知，ICV 產業三大業務模塊的發展水平均呈逐年快速增長趨勢，特別是在2020 年之后，三大業務的發展速度都有所加快。究其原因主要有兩點：一方面，未來5 年預計ICV 技術將進入產業密集應用期，業務滲透率會不斷提升；另一方面，產業發展水平在一定程度上與行業整體發展態勢密切相關，而本文以2020 年之后中國汽車市場銷量觸底反彈、開始穩步回升為基準情景。此外，在ICV 三大業務中，自動駕駛模塊的發展水平曲線較為滯緩，這與自動駕駛的難度相對較高有關。需要注意的是，本模型中發展水平是相對值，最高分值為100 分，表示在目前定義的體系下某模塊或整個ICV 產業發展到了最佳狀態。

圖4 ICV 三大業務模塊發展水平預測

5.2 ICV 產業人才需求數量預測結果

根據三大業務模塊發展水平及各類人才在三大業務中所占的比重，預測得到ICV 產業各類研發技術人才的需求數量，如圖5 所示。需要說明的是，如前文所述，本文中的軟件工程師主要是指從事編程工作的工程師，而從事軟件系統、數據、算法等工作的工程師則分別歸屬其他人才類型。

圖5 ICV 產業各類研發技術人才需求數量預測

可以看到，未來5 年硬件和軟件開發工程師、數據及算法工程師、測試及標定工程師的需求量增長較快；整車架構工程師、系統/模塊架構工程師的需求增長速度相對穩定，且絕對增量較小，但這兩類人才的重要度更高。

將上述6 類工程師劃分至ICV 三大核心業務模塊，預測得到各業務模塊人才需求數量，如圖6 所示。在2021、2023、2025 年，自動駕駛業務模塊所需人才數量最多，分別需要3.5 萬人、4.3 萬人和5.0 萬人；車聯網業務模塊次之，分別需要2.5 萬人、3.2 萬人和3.9 萬人；智能座艙業務模塊最少，分別需要1.0萬人、1.3 萬人和1.5 萬人。未來3 年，三大業務的人才需求數量均逐年上升。其中，自動駕駛和車聯網業務模塊人才需求增長較快，智能座艙業務模塊人才需求增長相對較慢。

圖6 ICV 產業三大核心業務模塊人才需求數量預測

經過模型量化預測，匯總獲得ICV 產業人才總需求數量：2021 年約為7.0 萬人，2023 年約為8.7萬人，2025 年約為10.3 萬人。

5.3 ICV 產業不同發展情景分析

上述結果是基于ICV 產業發展的基準情景預測得到的。但是ICV 產業正處于成長期，后續發展存在很大的不確定性，相應的人才需求也會有很大的不確定性。為此，本次研究采用情景分析方法，探討不同市場、技術和政策條件下ICV 產業人才需求數量的變化。

本文按照快速發展、穩步發展和緩慢發展3 種情景展開分析。其中，快速發展情景是指汽車市場及ICV 滲透率超出預期快速發展；相關技術快速發展，車路協同快速推進；政策法規體系促進激勵產業發展。穩步發展情景即為前述預測采用的基準情景，是指汽車市場及ICV 滲透率穩步發展；相關技術穩步發展，車路協同穩步推進；政策法規體系與產業發展相匹配。而緩慢發展情景是指汽車市場低迷，ICV 滲透率增長緩慢；相關技術緩慢發展，單車智能仍占主導地位；政策法規體系滯后于產業發展。圖7 分別表示了自動駕駛、智能座艙和車聯網業務模塊在不同發展情景下的發展水平，可見不同情境下三大業務模塊的發展速度有明顯不同。如圖8 所示，其中2021 年為6.1 萬人～7.9 萬人，2023 年 為7.7 萬 人～9.9 萬 人，2025 年 為9.2 萬人～11.6 萬人。

圖7 不同情景下ICV 三大業務模塊發展水平

圖8 不同情景下ICV 產業人才需求數量預測

在ICV 產業快速發展、穩步發展和緩慢發展3種情景下，分別對相應人才需求數量進行預測，得到未來5 年ICV 產業人才需求數量的可能區間，

6 研究結論

未來ICV 三大核心業務即自動駕駛、智能座艙和車聯網的發展水平均將呈現快速增長態勢。一方面，未來5 年預計ICV 技術將進入產業密集應用期，高等級自動駕駛汽車將陸續開始量產，智能座艙與車聯網的滲透率也會不斷提升。另一方面，產業發展水平在一定程度上與行業整體發展態勢密切相關，而2020 年之后，隨著中國經濟持續增長和新冠疫情影響漸趨受控，預計中國汽車市場銷量將觸底反彈、穩步回升。

本文通過構建并應用可以量化分析ICV 產業人才需求數量的三維模型，得到以下發現：

（1）在ICV 產業不同類型研發技術人才中，硬件開發工程師、軟件開發工程師、數據及算法工程師、測試及標定工程師的需求量較大，整車架構工程師和系統/模塊架構工程師的需求量相對較少，但其重要度高，培養難度大。

（2）在ICV 產業不同業務模塊中，自動駕駛所需的人才數量最多，且增長最快；車聯網次之；智能座艙所需的人才數量最少，且增長最慢。

（3）經模型量化測算，以穩步發展即基準情景計，2021 年、2023 年及2025 年ICV 產業人才的需求數量分別約為7.0 萬人、8.7 萬人和10.3 萬人。