长城汽车智能驾舱项目管理的风险因素估计和方案优选思考

潘正辉

（华东理工大学商学院，上海 200237）

0 研究背景

风险管理一词由宾西法尼亚大学的布纳博士在1930年提出。作为管理学科中一门新兴的科学分支，其萌芽于20世纪30年代，并在随后的20年间逐步形成基本的理论框架。风险管理理论强调需要一整套完整管理方案的实施，才能实现风险控制目标的实现，这主要集中在风险应对、风险评估、风险识别和风险态度四个方面。这就意味着在汽车智能驾舱项目的风险管理上，需要基于系统的视角开展研究，不仅包含对已识别具体风险的识别和测度，还包含着对潜在风险的监管和控制[1]。

鉴于项目的风险具有不以人的意志为转移的客观性、难以预测的偶然性、因时空因素变化而变化的相对性以及具有很大影响的社会性和发生时间的不确定性等特点，一旦发生就会对项目目标产生消极或者积极的影响。因此随着科技进步和生产力的提升，风险管理的研究越来越系统和深入。常用的风险管理使用方法有模糊数学分析法、德尔菲专家评判法、头脑风暴法、故障树分析法、遗传算法、贝叶斯网络法、蒙特卡洛模拟法、神经网络分析法、影像图形分析法和层次分析法等[2]。

虽然诸多学者在风险管理理论研究领域取得了巨大成功，但是在应用领域，尤其是汽车智能驾舱项目风险管理上还不够全面、定位也不够清晰。本研究基于层次分析法（AHP）对长城汽车智能驾舱项目管理中存在的风险因素进行估计，提出风险改措施，并进行项目风险管理的方案优化选择。

1 项目概述

近年来，品牌车企布局新能源汽车市场，向智能网联转型，推动汽车电动化、智能化和结构化。长城汽车作为我国自主品牌的代表，2022年汽车销售量达到1 067 523 辆，连续7年年销量超过百万辆。

但随着汽车市场高速增长的同时，日益爆发的汽车产品质量问题越来越受人关注。据2023年1月发布的《2022年中国汽车产品质量表现研究（AQR）》显示，2022年投诉排名前10 的质量问题数量中，车机系统相关占比达33%以上（表1）。排名前10的车企车型中，长城汽车有3 款车型在榜，其中2 款的质量问题类别与车机系统相关。这就对项目管理，尤其是智能驾舱的项目管理提出了更新、更高、更细和更严的要求。

表1 2022年汽车典型故障投诉排名

2 项目管理风险因素分析

本研究从长城汽车售后团队、研发部门、400 客服组织以及铁粉联盟和线上论坛等渠道，采用了一对一访谈、焦点小组讨论、名义小组技术、问卷调查和德尔菲技术专家判断等方式，进行了广泛调研和深入分析。在影响长城汽车智能驾舱项目管理的众多风险因素中，识别出权重打分排名前5 位的因子，分别是项目费用风险、研发技术风险、质量风险、事业环境风险和国家政策风险。

2.1 项目费用风险

一个项目的成功与否，企业的资金投入占据主要的影响地位。如图1所示，长城汽车2003—2021年期间研发费用投入在整体上呈现上升趋势，从2003年的1.07 亿元增长至2021年的44.90 亿元，19年间的平均增幅比例达到26.91%。但是随着长城汽车的销量进入到慢增长阶段，研发费用的支出增幅趋势也在趋于平和。

图1 长城汽车2003—2021年期间研发费用投入趋势图

为了能更进一步分析长城汽车在研发费用的资金投入对汽车销量的具体拉动作用，同时，鉴于汽车研发的资源投入需要6～18个月后才能体现在量产车辆上，故将研发的资金支出与下一年的销量匹配，样本数量为18 组。本研究采用了回归分析方法，以研发支出作为自变量，年度汽车销量作为因变量，构造了数学模型和线性关系。

根据长城汽车研发费用支出与年度汽车销量的回归分析表数据显示（表2），相关系数R 为91.21%，R2 为83.19%，自变量与因变量的拟合效果高于78.00%，表明强相关，可以接受。显著性水平指标F 为79.20，大于Significance F，构造的数据模型为真，能够解释现象。弃真概率P 值小于0.01%，表明此模型的置信度达到了99.99%以上，模型通过验证。

表2 长城汽车研发费用支出与年度汽车销量的回归统计分析

据此可以构建起研发费用支出与年度汽车销量的方程：

式中 X—研发费用支出，单位：亿元

Y—年度汽车销量，单位：万辆

从回归分析结论和公式（1）可见，研发费用的资金投入对长城汽车的销量拉动作用系数为0.3439。两者呈正相关，即每增长一个亿单位的资金投入，带来的汽车增量为3 439 辆。对比汽车行业数据，这个系数并是特别卓越，根本原因在于长城汽车在费用上存在如下几点风险。

2.1.1 研发费用的投入资金不够

从回归分析的结论可见，研发费用对汽车销量的拉动作用并没有过盈亏平衡点，目前仍有很大价值的挖掘空间。通过扩大研发投入，一方面能提升汽车产品的品质，降低项目的失败风险；另一方面能继续扩大市场占有率，抢占新能源细分市场。

2.1.2 费用估计上过于保守、不够准确

制定项目的预算时，不能错过任何一个环节和分解后的工作活动，经过充分研究和论证后自下而上地进行估算。在长城汽车的管理中，受限于军事化的企业文化、绝对服从的组织体制和对市场的保守态度，导致在项目预算的估计上过于保守。

2.1.3 成本控制和效率上仍有提升空间

对成本的控制，是需要基于大量的、准确的数据为基础。同时，时间成本也是隐藏的费用支出，不仅要在财务计划表上详细记录每一笔花销，而且也要严格审核研发和生产过程中财务流程造成的时间成本损耗。因为花销没有得到控制，项目就无法有足够的资源开展；而错过了上市窗口，消费者对汽车产品的购买意愿就会发生变化，导致项目失败。

2.2 研发技术风险

2.2.1 智能驾舱技术细分和专精化程度不断加深

在立项之初技术可行性分析阶段，团队对通用技术的理解和评估都是偏乐观的。但在实际的项目实施阶段，难免会在技术的细节和深层次上遇到新的难题或问题。如果没有做好风险预案和应急措施，必然会严重制约项目工作的正常开展，严重的会导致整车项目的延期甚至失败，导致无法挽回的经济损失。

2.2.2 智能驾舱产品的生命周期在不断减少、且越来越短

随着智能驾舱技术的不断升级换代和商业应用，技术的更新速度已经超越了技术的生产速度。这也就意味着企业需要不断进行研发投入，研究新的技术，进行功能迭代升级，才会延长智能驾舱产品的生命周期。不然，必将被市场和消费者舍弃和淘汰，给长城汽车带来不必要的损失。

2.3 质量风险

2.3.1 产品合格率不高

智能驾舱产品在研发和生产过程中，因其技术含量高，工艺复杂，对软、硬件的依赖度较高，受限于基础设备质量、结构安装质量、原材料质量、工艺管线、应用场景复杂以及软件特性等诸多制约。因此，软件灌装很难一次到位，经常出现人工刷机或者紧急发版OTA 升级，解决车机等软件故障（BUG）问题。另外在生产过程中，很容易出现偏差和错误，残次品多，导致产线出现停线卡线等对项目管理产生不利的影响，对风险管控是巨大挑战。

2.3.2 芯片短缺、保供难度大

受中美贸易摩擦和COVID-19 等因素的持续影响，车规级芯片的市场供小于求，芯片现货紧张，尤其是智能驾舱对芯片的依赖度极高，芯片短缺严重制约了零部件生产，拉高了成本，不利于项目管理[3]。

2.4 事业环境风险

汇率波动大，金融环境不稳定。2021年12月31日的美元收盘价格是6.3521 人民币，在2022年一路高涨，到2022年11月4日达到峰值，收盘价为7.1826 人民币；然后又一路下跌，截至2023年1月16日，美元的收盘价为6.7302 人民币。汇率的波动对境外业务产生了巨大影响。人民币兑美元的汇率低，会导致以美元为结算单位的长城汽车出口业务利润空间被压缩；人民币兑美元的汇率高，会造成以人民币为结算的进口业务成本被拉高，这都不利于项目的风险管理。

2.5 国家政策风险

2.5.1 政策内容较为单一化、简单化

在每年逐步增多的汽车零部件产业发展文件中，并没有及时根据市场的经济反馈进行调整。这就造成了汽车产业政策缺乏了对细分消费者市场的未来预判，缺少了对车企的指导作用，政策过于单一化、简单化。

2.5.2 零部件相关的针对性政策少

在汽车行业中，目前的政策多集中于汽车整车制造或产业布局相关，没有针对性的政策、法律法规来指导零部件企业或项目。这制约了零部件企业的生产和发展，对智能驾舱等零部件企业或项目来说是不利的。

3 风险评估模型构造

3.1 AHP 模型构造

美国运筹学家托马斯·赛蒂（Thomas.L.Saaty）在19世纪70年代初提出了层次分析法（简称AHP）。这种分析方法是通过定性地构建多层次的分析体系，把复杂的问题进行分解，并将分解后的因素予以量化、赋予对应权重，通过加权、排序和择优，从而进行决策。这种分析方法具备着定性和定量相结合、系统层次化等特点。AHP 非常适合复杂问题或者系统的评价，能够将多目标、多准则和无结构的复杂问题运用数学思维进行简化，有着传统定性分析难以比拟的优势[4]。据此，本研究的核心执行逻辑构造如图2所示[5]。

图2 AHP 分析法的执行流程图

3.2 模型计算推导过程

如图3所示，智能驾舱项目风险管理层次模型分为三层，对准则层中的因素进行两两比较，量化在同一层级的比重情况。以aij来表示因素之间的关系，公式如下：

图3 智能驾舱项目风险管理层次模型

式中i——第i 个因素

j——第j 个因素

对aij参考9 挡标度打分法进行指标量化[6]，即标度1 表示两指标具有相等影响，标度9 则是i 要绝对重要于j。

汇总长城汽车智能驾舱项目管理中的风险因素打分如表3所示。

表3 长城汽车智能驾舱项目管理的风险因素分析统计表

将风险因素打分构造成判断矩阵A，如公式（3）所示。

其中，i和j表示为第i个因素相对于第j个因素的进行比较。

基于判断矩阵A，计算每一行要素的几何平均值Pi，然后可以得到每一个Pi在所有P 中的权重ωi，则所有ωi构成一组权重向量：

3.3 一致性检验

采用最大特征值λmax来进行一致性需求检验，其计算公式如下：

n=1，2，3……，10

可以得到λmax=5.074

其中，Aω为判断矩阵A和权重向量ω的乘积，Aωi为向量Aω的第i项。

衡量判断矩阵偏离一致性的评价指标CI计算公式如下所示：

则CI=0.019。

式中CI——判断矩阵偏离一致性评价指标，CI=0.019

λmax——最大特征值

n——阶数

根据平均随机一致性系数RI与阶数n的取值对应关系可知（表4），5 阶矩阵RI 为1.12，则CR=CI/RI=0.017，小于0.1，所以判断矩阵A 通过一致性检验[7]。

表4 平均随机一致性系数RI 与阶数n 的取值对应关系表

4.4 风险因素估计

根据对ω 值的研究可知，权重越大的影响因素，对长城汽车智能驾舱项目管理的风险管控影响就越大。因此影响最大的是项目费用风险，权重为0.27；其次是研发技术风险，权重为0.21；然后是国家政策风险，权重为0.20；第四位的是质量风险，权重为0.19；最后是事业环境风险，权重为0.13。

4 项目管理方案优选

根据本研究的分析过程可见，长城汽车智能驾舱项目管理的风险管控重心应放在费用风险和技术风险的管理和控制上。

4.1 项目费用因素

4.1.1 风险抑制措施

受大环境的影响，长城汽车在2022年出现了销量回落的情况，没有达到预期的销量。此时，应该重点抓费用预算和利用率，要业财融合，在价值增值原则下积极拉通公司财务管理和研发销售体系，减少不必要的非增值作业环节。同时，根据市场的反馈，及时、准确地调整费用预算和费用支出，围绕主价值链环节快速响应，抑制费用的浪费情况或利用率低的困境，促成项目管理的成功和客户订单的达成。同时，建立有效的项目团队激励制度，从项目目标量化考核、项目奖金分配原则以及项目奖金分配比例等方面开展细致工作。

4.1.2 风险转移措施

在智能驾舱项目立项之初识别出非关键研发活动，尤其是长城汽车本身不擅长但又非核心的技术领域或者业务，可以在已明确需求、风险不大且可精准计算的项目采用总价合同前提下，通过对外采购来转移和缓解费用风险的发生。同时，通过优化项目管理信息体系，时时对供应商的研发数据、产品设计、知识沉淀和生产流程等进行强有力管理，满足并行开发的要求。

4.2 研发技术因素

4.2.1 风险降低措施

长城汽车应在企业冬天的时刻，对市场投诉量高的问题进行大规模的采样分析，通过诸如拆解、模拟实验等方式找出导致故障的技术原因，并重新评估技术方案选择的正确性和合理性。同时，加强信息一体化建设。在项目开发过程中，项目成员需在在线数据库维护项目信息和资料，实现信息共享、透明，规避信息不对称，降低搜集信息工作的重复性和额外花销。

4.2.2 风险回避措施

应增强预研投入。在立项之初，长城汽车就应对项目进行深层次的研讨，从技术可行性、财务可行性、组织可行性、经济可行性和社会可行性等方面综合考量，定期开展与技术供应商的交流活动，并有目的的加强技术引入，规避技术不对称带来的未识别风险。同时加强项目团队的文化建设，保持谦虚、谨慎和务实的拼搏态度，为项目管理方案的优化和执行奠定坚实的基础。

5 结束语

随着汽车电子化技术的逐步走向成熟，汽车的新四化进程正在加速，数字化、网联化、智能化正成为汽车制造企业的新目标，也是新一代汽车产品的核心竞争力。其中，以基于人工智能包含视觉识别、语音技术、手势算法等核心要素，涉及人机交互、虚拟化、域控制、大数据应用和OTA 技术等场景的智能驾舱成为各大车企和主流供应商角逐的战场。车机系统作为智能驾舱与用户的核心交互载体，是汽车零部件项目管理的关键路径。在项目管理的风险防控上，自主品牌的优势不如外资品牌，尤其是在系统化、细致化、精准化等管理方法上，还有很大的提升空间。

本研究基于对自主品牌长城汽车的智能座舱研发项目管理的过程研究，识别出五种影响汽车零部件项目的风险因素，找到在管理上的问题和不足，并根据识别出来的主要问题建立起一套全新的项目管理方法以解决现实存在的问题，降低长城汽车零部件项目管理的风险。