中国智能网联汽车产业人才需求预测研究

刘宗巍，宋昊坤，郝 瀚，赵福全

(1.汽车安全与节能国家重点实验室，北京 100084；2.清华大学汽车产业与技术战略研究院，北京 100084)

1 研究背景

智能网联汽车（ICV）已经成为世界公认的汽车产业发展的焦点和重要方向［1-2］。相较传统汽车，ICV 不仅可以通过装配高性能的传感器、计算平台和控制器以实现车辆自动驾驶［3］；还可以搭载具备智能人机交互能力、多模交互方式的智能座舱，为驾乘人员提供丰富的、定制化的出行体验［4］；更重要的是，在新一代通信技术和物联网的赋能下，ICV之间以及ICV 与智能道路、智慧城市云平台、智慧能源基础设施等智能终端互联互通［5-6］，从而提升交通效率［7-8］，降低交通事故发生率［9-10］，实现节能减排［11-12］，提高交通及城市智能化治理水平［13］。ICV 产业作为多领域融合的新兴产业，需要符合其发展需要的新型人才，且需求日益迫切；但由于产业技术的复杂性和不确定性，要对ICV 产业人才需求进行准确预测，面临较大挑战。

首先，ICV 产业的定义和边界尚处于探索之中。汽车产业本身就是复杂的集大成产业，而ICV 产业较此前更为复杂，呈现出基于传统汽车产业向多个维度生态化拓展的态势。目前，ICV 产业尚在演进中，并无准确定义，同时其边界正在不断扩大且渐趋模糊。因此，必须先对ICV 产业进行清晰描述，界定其范围。其次，ICV 产业横跨众多领域，涉及不同领域的各类人才，影响要素高度复杂且相互交织。所以，在清晰定义ICV 产业范围的基础上，还必须全面系统地理清影响ICV 产业各类人才需求的相关因素。最后，现有人才相关的历史统计数据多来源于传统汽车产业,而ICV 属于新兴产业，缺少数据积累和预测经验。因此，预测工作既要考虑ICV 产业的特殊性，又要适当兼顾传统汽车产业已有相关数据的继承性。

针对上述ICV产业人才需求预测的难点和瓶颈，本文综合采用定性与定量的分析方法，以确保ICV产业人才需求预测结果的科学性和可靠性。一方面，充分融入行业专家对ICV 产业发展前景的专业判断和系统剖析，对ICV 产业进行定性分析，理清业务新变化、技术新内涵、岗位新需求，并基于ICV 产业的可能前景进行预期情景设计。另一方面，构建符合ICV 产业特色的多指标量化评价模型，定量预测产业人才需求。

2 ICV 产业人才需求预测方法

按照研究目标的不同，产业人才需求预测可分为人才结构预测、人才数量预测等维度［14-16］。ICV产业作为新兴产业，其人才结构相较于传统汽车产业将发生显著变化。因此，本文首先基于汽车产业链视角，通过定性分析，理清ICV 产业较传统汽车产业新增的业务、功能和技术，然后以此为基础，分析确定可以有效承载增量内容的产业人才结构，预测产业人才需求数量，尽可能保障预测结果的可靠性。

具体研究方法如图1 所示。首先，基于汽车产业链视角梳理并界定ICV 产业，界定本文中的产业边界，并以此对ICV 产业人才进行分类。其次，挖掘ICV 产业与传统汽车产业的区别，理清ICV 产业的增量部分，并剖析完成相关部分所需人才的特征，为后续的人才需求定量预测提供支撑。ICV 产业的增量内容主要有两类：一部分增量业务是指在传统汽车产业原有业务的基础上进行智能化、网联化升级，因为这部分业务所需人才可由传统汽车产业的相关人才，经过学习、培训后即可胜任，因此本文不对该部分人才进行预测；另一部分增量是指在车辆智能化、网联化过程中完全新增的业务，所需人才也是传统汽车产业之外的新增人才类型，需要全新培育才能胜任，这是本文预测的核心。最后，构建双层级多指标的ICV产业人才需求量化预测模型，输出产业人才需求数量预测结果。

图1 ICV 产业人才需求预测基本思路

3 ICV 产业人才结构

3.1 ICV 产业总体人才结构

聚焦车辆本身，基于汽车产业链各环节的变化进行延展思考，是识别ICV 产业人才结构和需求变化的前提和基础。从横向上看，ICV 产业链贯穿汽车产品全生命周期，在设计开发、生产制造、销售和运营服务等环节都和传统汽车产业有所不同；从纵向上看，ICV 供应链有了极大的扩展，不同类型的企业共同参与其中，这些企业主要分为整车企业、供应链企业和服务运营企业。

本文仅考虑产业链中的设计开发、生产制造和销售售后环节，以及供应链中的整车企业和新旧供应链企业，并未考虑运营服务环节，也未将服务运营企业列入预测范围。这主要基于以下三点考虑：其一，出行服务虽然是汽车的强相关产业，但目前仍为独立的产业。实际上，出行服务产业与汽车产业存在本质区别，即使未来汽车产业与出行服务产业深度融合，也不能混为一谈。其二，目前应用于出行服务的绝大部分车辆尚不能称为ICV，这些车辆通常智能化水平较低，甚至完全不具备智能化功能，因此暂不将出行服务计入研究范围。其三，从车辆本身出发，后端应用服务需要在汽车开发过程中匹配相应的功能和接口，而完成这部分工作的人才已经包含在汽车设计开发、生产制造和销售售后等环节内，将在本文中得到体现。

基于上述ICV 产业边界的定义，综合以往相关研究的成果和范式，本文将ICV 产业人才划分为领军人才、研发技术人才、生产制造人才、销售服务人才和其他人才5 类［17］。表1 中列出了针对不同类别人才的主要特征以及对应的研究方法。可以看到：一方面，与传统汽车产业相比，ICV 产业人才总体类别并未发生改变；另一方面，新一轮科技革命是加速ICV 发展的源动力，汽车技术的扩展和更新也是ICV 相较于传统汽车的主要增量所在。因此，研发技术人才应为本文预测的重点，须构建量化模型进行定量分析。在其余类别人才中，领军人才的重要度最高，但数量较少，对本文的预测结果影响较小；生产制造、销售服务人才则主要由现有人才经培训和历练后胜任；其他人才无显著变化。因此针对上述几类人才本文仅在表1中进行了定性分析，不予以定量预测。

表1 不同类别ICV 产业人才的特征分析及研究方法

3.2 ICV 产业研发技术人才预测范围

如前所述，相较于传统汽车产业，ICV 产业研发技术人才的重要性极高且变化最大，是本文的重点。为得到更具产业指导价值的预测结果，本文回归汽车产业的本质进行思考，同时兼顾短期预测的需求，将研发技术人才的预测范围聚焦在车端新增能力上，具体可以从不同企业入手展开分析。ICV产业的主要参与企业可分为两大类，一是传统整车及零部件企业，二是信息通信技术（ICT）企业及其他科技公司等。鉴于两大类企业存在业务交叉，可将ICV 产业人才能力需求分为以下3 个部分：

（1）整零企业原有人才能力升级，如传统动力系统的智能控制升级，原有动力系统开发人才在经过相应培训后即可胜任。因此，这部分人才不列入本文范畴。

（2）ICT 企业、科技公司原有人才能力升级：如开发与车端需求相结合的应用服务软件，原有应用服务软件开发人员在接受相关汽车知识、标准、需求等培训后即可胜任该部分工作。因此，这部分人才也不列入本文范畴。

（3）两大类企业交集部分的人才新增能力，包括但不限于支撑自动驾驶、车联网和智能座舱功能实现的新技术、新产品设计研发，以及车端各类新应用开发等。这些新增内容所需的人才都应经过全新培养而成，而由于产业尚不具备该条件，因此目前这类人才大多直接来自于原有相关产业，不得不勉为其难地开展工作，这也是ICV 产业最重要的人才缺口所在。

综上，整零车企、信息通信技术企业和科技企业各自的原有能力升级部分，对应的人才属于既有人才的存量更新，不属于本文预测的范畴；而两类企业形成交集的车端新增能力部分，对应的人才属于未来需要的人才增量，是本文预测的核心。

3.3 ICV 产业研发技术人才

本文以ICV 产业新增的业务、功能和技术为基础，确定其研发技术人才的结构。如图2 所示，ICV产业新增业务包括自动驾驶、车联网和智能座舱三大模块。其中，自动驾驶业务模块主要包含高性能传感器、高精度地图、计算芯片、自动驾驶操作系统等功能；车联网业务模块主要包含通信模组、通信终端、T-BOX 等功能；智能座舱业务模块则主要包含车机、座舱操作系统等功能。

图2 ICV 研发技术人才类型识别

ICV 产业新增的业务模块和相应功能需要新增技术提供支撑。本文从车端角度切入，确定环境感知、智能决策、智能控制、系统设计、专用通信、大数据及云平台、人工智能（AU）、综合安全、高精度地图及定位、测试评价等技术为ICV 的新增技术［18］。

因此，本文将ICV 研发技术人才分为6 类，分别为整车架构工程师、系统/模块架构工程师、软件开发工程师、硬件开发工程师、数据及算法工程师和测试标定工程师。

“软件定义汽车”是未来汽车发展的必然趋势［19-20］。在产业层面上，汽车产业链将发展成为立体网状的汽车产业生态；在产品层面上，ICV 将从简单的分布式控制向域控制架构、中央集成架构的方向演进，甚至会形成车云一体化的架构，在车端形成硬件架构和软件架构的基础上，依靠车联网，打通外部应用服务和功能开发生态。这意味着未来ICV 产业的核心工作将聚焦于新的软件、硬件和数据上。由此推断，本文提出的研发技术人才类型，与未来ICV 产业的人才需求方向相符，具有延续性，可为后续研究提供框架。

3.4 ICV 产业研发技术人才类型的定义及基本需求

本文从工作职责、岗位/内涵变化以及胜任需求3 个维度,对6 类ICV 研发技术人才进行了定义和诠释，详见表2。

表2 ICV 产业研发技术人才类型定义

4 ICV 产业人才需求数量预测模型

4.1 ICV 产业人才需求数量预测模型的构建

人才服务于产业，而产业发展又会驱动人才需求，所以产业发展水平直接关系到人才需求数量。因此，本文预测模型基于ICV 产业各个核心业务模块的发展水平来计算产业人才需求的具体数量。首先，以自动驾驶、智能座舱和车联网三大业务模块的发展水平，来表征ICV 产业发展水平；其次，挖掘影响这三大业务模块发展的主要因素，构建预测其未来发展水平的多级评价指标体系；然后，基于现有相关人才需求的调研结果，建立不同产业发展水平与对应人才历史需求之间的函数；最终，向函数中输入产业发展水平预测值，以输出ICV 产业人才需求数量预测结果。

本文对影响业务模块发展水平的评价指标进行选择时，保障了指标的代表性，每个指标都代表影响ICV 产业业务模块发展的不同维度；全面性，因为ICV 产业复杂且覆盖面广；独立性，各指标之间相对独立，不可相互替代；可量化性，选取的指标含义明确，可采集，可量化，可比较［21］，还兼顾了预测的系统科学性和操作可行性。在此前提下，选取了市场成熟度、技术驱动力和政策法规影响力作为一级评价指标，同时确定了各一级指标下的多项二级指标，以全面评价ICV 产业三大业务模块的发展水平。

4.2 ICV 产业人才需求数量预测模型

基于前述基本思路和原则，本文构建了三维立体的ICV 产业研发技术人才需求数量预测模型，通过预测不同业务模块在不同发展水平下对不同类型研发技术人才的需求数量，求和获得ICV 研发技术人才及产业人才需求的总量。

如图3 所示，三维预测模型中的X轴代表业务发展水平的各影响因素，即市场成熟度、技术驱动力和政策法规影响力；Y轴代表三大核心业务模块的发展水平，即自动驾驶、智能座舱和车联网；Z轴代表6 类ICV 研发技术人才类型及其需求数量。由此，XY平面就构成了预测研究的基础，也就是基于各项影响因素即评价指标的不同得分预测未来三大业务模块的发展水平。而在Z轴上的每类研发技术人才，均可形成一个与XY平面平行的平面，每个切面分别代表在不同发展水平下，3 个业务模块所需的该类研发技术人才的数量。显然，将6 个切面的人才数量汇总，就可以得到ICV 产业人才的需求总量。此外，还可对YZ平面进行延展分析，得到不同类型研发技术人才在不同业务模块中所占的比例，这对产业发展也颇具参考价值。

图3 ICV 产业人才需求数量预测模型

具体产业发展水平影响要素评价指标如表3 所示。通过ICV 产业发展影响因素各项指标的得分，预测未来自动驾驶、智能座舱和车联网三大业务的发展水平，再通过回归分析，建立各类研发技术人才与业务发展水平之间的关联，进而预测所需的人才数量。由于ICV 产业相关历史数据较为匮乏，本文采用问卷调查的方式，充分参考3 位高校教授、5 为行业资深专家和10 位企业专家对指标重要性的意见，并通过成对比较法对专家意见进行定量化处理［22-23］；同时结合多篇文献的指标设定［16,24-25］，最终得到二级评价指标体系的权重。

表3 ICV 产业发展水平影响要素评价指标

令ICV 产业某业务模块某年产业发展水平总分与该业务模块该年人才需求数量之间的关系为函数（一般采用2 次或3 次多项式拟合，以拟合度最优且符合实际规律为目标）,某业务模块某年某类研发技术人才数量占总研发技术人才数量的比例为因此该业务模块该年人才需求数量可由式（2）求出。

因此，某年ICV 产业研发技术人才需求总人数可由式（3）求出。

同时，在预测中还引入世界劳工组织公布的人均劳动生产率提升修正系数，因为随着人才自身的进步和培育体系的优化，未来人均工作效率必然会逐渐提升，这意味着完成相同的工作所需的人才数量会有所减少，所以要对人才需求数量进行修正。该系数依据中国人均劳动生产率环比变化率确定。

为尽可能获得较为准确的ICV 产业技术研发人员需求数量的历史数据，本文参考了中国汽车工程学会的ICV 产业人才需求企业调查问卷的结果，并对数据进行了清洗和梳理。完成问卷的企业包括18家整车企业、39 家零部件企业、27 家信息通信技术企业和7 家研究设计机构。问卷的调查范围覆盖了ICV 全产业链。基于调研结果，获得符合本文定义的ICV 人才类型下的在岗人才数量以及各类人才的供需比例，进而确定2017、2018、2019 年ICV 产业人才需求数量分别是2.9 万人、4.0 万人和4.8 万人。业务模块表征数据主要依据行业政策文件、法规标准、学术论文和权威报告中的信息，并融入对不同影响因素所处发展阶段的专业判断，经分析和校验后确定。

5 ICV 产业人才需求数量预测

5.1 ICV 产业三大业务模块发展水平预测

基于前述建立的模型，对ICV 自动驾驶、智能座舱、车辆网三大核心业务模块的发展水平进行了分析预测，具体结果分别如图4 所示。由图4 可知，ICV 产业三大业务模块的发展水平均呈逐年快速增长趋势，特别是在2020 年之后，三大业务的发展速度都有所加快。究其原因主要有两点：一方面，未来5 年预计ICV 技术将进入产业密集应用期，业务渗透率会不断提升；另一方面，产业发展水平在一定程度上与行业整体发展态势密切相关，而本文以2020 年之后中国汽车市场销量触底反弹、开始稳步回升为基准情景。此外，在ICV 三大业务中，自动驾驶模块的发展水平曲线较为滞缓，这与自动驾驶的难度相对较高有关。需要注意的是，本模型中发展水平是相对值，最高分值为100 分，表示在目前定义的体系下某模块或整个ICV 产业发展到了最佳状态。

图4 ICV 三大业务模块发展水平预测

5.2 ICV 产业人才需求数量预测结果

根据三大业务模块发展水平及各类人才在三大业务中所占的比重，预测得到ICV 产业各类研发技术人才的需求数量，如图5 所示。需要说明的是，如前文所述，本文中的软件工程师主要是指从事编程工作的工程师，而从事软件系统、数据、算法等工作的工程师则分别归属其他人才类型。

图5 ICV 产业各类研发技术人才需求数量预测

可以看到，未来5 年硬件和软件开发工程师、数据及算法工程师、测试及标定工程师的需求量增长较快；整车架构工程师、系统/模块架构工程师的需求增长速度相对稳定，且绝对增量较小，但这两类人才的重要度更高。

将上述6 类工程师划分至ICV 三大核心业务模块，预测得到各业务模块人才需求数量，如图6 所示。在2021、2023、2025 年，自动驾驶业务模块所需人才数量最多，分别需要3.5 万人、4.3 万人和5.0 万人；车联网业务模块次之，分别需要2.5 万人、3.2 万人和3.9 万人；智能座舱业务模块最少，分别需要1.0万人、1.3 万人和1.5 万人。未来3 年，三大业务的人才需求数量均逐年上升。其中，自动驾驶和车联网业务模块人才需求增长较快，智能座舱业务模块人才需求增长相对较慢。

图6 ICV 产业三大核心业务模块人才需求数量预测

经过模型量化预测，汇总获得ICV 产业人才总需求数量：2021 年约为7.0 万人，2023 年约为8.7万人，2025 年约为10.3 万人。

5.3 ICV 产业不同发展情景分析

上述结果是基于ICV 产业发展的基准情景预测得到的。但是ICV 产业正处于成长期，后续发展存在很大的不确定性，相应的人才需求也会有很大的不确定性。为此，本次研究采用情景分析方法，探讨不同市场、技术和政策条件下ICV 产业人才需求数量的变化。

本文按照快速发展、稳步发展和缓慢发展3 种情景展开分析。其中，快速发展情景是指汽车市场及ICV 渗透率超出预期快速发展；相关技术快速发展，车路协同快速推进；政策法规体系促进激励产业发展。稳步发展情景即为前述预测采用的基准情景，是指汽车市场及ICV 渗透率稳步发展；相关技术稳步发展，车路协同稳步推进；政策法规体系与产业发展相匹配。而缓慢发展情景是指汽车市场低迷，ICV 渗透率增长缓慢；相关技术缓慢发展，单车智能仍占主导地位；政策法规体系滞后于产业发展。图7 分别表示了自动驾驶、智能座舱和车联网业务模块在不同发展情景下的发展水平，可见不同情境下三大业务模块的发展速度有明显不同。如图8 所示，其中2021 年为6.1 万人～7.9 万人，2023 年 为7.7 万 人～9.9 万 人，2025 年 为9.2 万人～11.6 万人。

图7 不同情景下ICV 三大业务模块发展水平

图8 不同情景下ICV 产业人才需求数量预测

在ICV 产业快速发展、稳步发展和缓慢发展3种情景下，分别对相应人才需求数量进行预测，得到未来5 年ICV 产业人才需求数量的可能区间，

6 研究结论

未来ICV 三大核心业务即自动驾驶、智能座舱和车联网的发展水平均将呈现快速增长态势。一方面，未来5 年预计ICV 技术将进入产业密集应用期，高等级自动驾驶汽车将陆续开始量产，智能座舱与车联网的渗透率也会不断提升。另一方面，产业发展水平在一定程度上与行业整体发展态势密切相关，而2020 年之后，随着中国经济持续增长和新冠疫情影响渐趋受控，预计中国汽车市场销量将触底反弹、稳步回升。

本文通过构建并应用可以量化分析ICV 产业人才需求数量的三维模型，得到以下发现：

（1）在ICV 产业不同类型研发技术人才中，硬件开发工程师、软件开发工程师、数据及算法工程师、测试及标定工程师的需求量较大，整车架构工程师和系统/模块架构工程师的需求量相对较少，但其重要度高，培养难度大。

（2）在ICV 产业不同业务模块中，自动驾驶所需的人才数量最多，且增长最快；车联网次之；智能座舱所需的人才数量最少，且增长最慢。

（3）经模型量化测算，以稳步发展即基准情景计，2021 年、2023 年及2025 年ICV 产业人才的需求数量分别约为7.0 万人、8.7 万人和10.3 万人。