劉宗巍，宋昊坤，郝 瀚，趙福全

(1.汽車安全與節(jié)能國家重點實驗室，北京 100084；2.清華大學汽車產(chǎn)業(yè)與技術戰(zhàn)略研究院，北京 100084)

1 研究背景

智能網(wǎng)聯(lián)汽車（ICV）已經(jīng)成為世界公認的汽車產(chǎn)業(yè)發(fā)展的焦點和重要方向［1-2］。相較傳統(tǒng)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(xiàn)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(lián)網(wǎng)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(lián)互通［5-6］，從而提升交通效率［7-8］，降低交通事故發(fā)生率［9-10］，實現(xiàn)節(jié)能減排［11-12］，提高交通及城市智能化治理水平［13］。ICV 產(chǎn)業(yè)作為多領域融合的新興產(chǎn)業(yè)，需要符合其發(fā)展需要的新型人才，且需求日益迫切；但由于產(chǎn)業(yè)技術的復雜性和不確定性，要對ICV 產(chǎn)業(yè)人才需求進行準確預測，面臨較大挑戰(zhàn)。

首先，ICV 產(chǎn)業(yè)的定義和邊界尚處于探索之中。汽車產(chǎn)業(yè)本身就是復雜的集大成產(chǎn)業(yè)，而ICV 產(chǎn)業(yè)較此前更為復雜，呈現(xiàn)出基于傳統(tǒng)汽車產(chǎn)業(yè)向多個維度生態(tài)化拓展的態(tài)勢。目前，ICV 產(chǎn)業(yè)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(chǎn)業(yè)進行清晰描述，界定其范圍。其次，ICV 產(chǎn)業(yè)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(chǎn)業(yè)范圍的基礎上，還必須全面系統(tǒng)地理清影響ICV 產(chǎn)業(yè)各類人才需求的相關因素。最后，現(xiàn)有人才相關的歷史統(tǒng)計數(shù)據(jù)多來源于傳統(tǒng)汽車產(chǎn)業(yè),而ICV 屬于新興產(chǎn)業(yè)，缺少數(shù)據(jù)積累和預測經(jīng)驗。因此，預測工作既要考慮ICV 產(chǎn)業(yè)的特殊性，又要適當兼顧傳統(tǒng)汽車產(chǎn)業(yè)已有相關數(shù)據(jù)的繼承性。

針對上述ICV產(chǎn)業(yè)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(chǎn)業(yè)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(yè)專家對ICV 產(chǎn)業(yè)發(fā)展前景的專業(yè)判斷和系統(tǒng)剖析，對ICV 產(chǎn)業(yè)進行定性分析，理清業(yè)務新變化、技術新內涵、崗位新需求，并基于ICV 產(chǎn)業(yè)的可能前景進行預期情景設計。另一方面，構建符合ICV 產(chǎn)業(yè)特色的多指標量化評價模型，定量預測產(chǎn)業(yè)人才需求。

2 ICV 產(chǎn)業(yè)人才需求預測方法

按照研究目標的不同，產(chǎn)業(yè)人才需求預測可分為人才結構預測、人才數(shù)量預測等維度［14-16］。ICV產(chǎn)業(yè)作為新興產(chǎn)業(yè)，其人才結構相較于傳統(tǒng)汽車產(chǎn)業(yè)將發(fā)生顯著變化。因此，本文首先基于汽車產(chǎn)業(yè)鏈視角，通過定性分析，理清ICV 產(chǎn)業(yè)較傳統(tǒng)汽車產(chǎn)業(yè)新增的業(yè)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(chǎn)業(yè)人才結構，預測產(chǎn)業(yè)人才需求數(shù)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(chǎn)業(yè)鏈視角梳理并界定ICV 產(chǎn)業(yè)，界定本文中的產(chǎn)業(yè)邊界，并以此對ICV 產(chǎn)業(yè)人才進行分類。其次，挖掘ICV 產(chǎn)業(yè)與傳統(tǒng)汽車產(chǎn)業(yè)的區(qū)別，理清ICV 產(chǎn)業(yè)的增量部分，并剖析完成相關部分所需人才的特征，為后續(xù)的人才需求定量預測提供支撐。ICV 產(chǎn)業(yè)的增量內容主要有兩類：一部分增量業(yè)務是指在傳統(tǒng)汽車產(chǎn)業(yè)原有業(yè)務的基礎上進行智能化、網(wǎng)聯(lián)化升級，因為這部分業(yè)務所需人才可由傳統(tǒng)汽車產(chǎn)業(yè)的相關人才，經(jīng)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(wǎng)聯(lián)化過程中完全新增的業(yè)務，所需人才也是傳統(tǒng)汽車產(chǎn)業(yè)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(chǎn)業(yè)人才需求量化預測模型，輸出產(chǎn)業(yè)人才需求數(shù)量預測結果。

圖1 ICV 產(chǎn)業(yè)人才需求預測基本思路

3 ICV 產(chǎn)業(yè)人才結構

3.1 ICV 產(chǎn)業(yè)總體人才結構

聚焦車輛本身，基于汽車產(chǎn)業(yè)鏈各環(huán)節(jié)的變化進行延展思考，是識別ICV 產(chǎn)業(yè)人才結構和需求變化的前提和基礎。從橫向上看，ICV 產(chǎn)業(yè)鏈貫穿汽車產(chǎn)品全生命周期，在設計開發(fā)、生產(chǎn)制造、銷售和運營服務等環(huán)節(jié)都和傳統(tǒng)汽車產(chǎn)業(yè)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(yè)共同參與其中，這些企業(yè)主要分為整車企業(yè)、供應鏈企業(yè)和服務運營企業(yè)。

本文僅考慮產(chǎn)業(yè)鏈中的設計開發(fā)、生產(chǎn)制造和銷售售后環(huán)節(jié)，以及供應鏈中的整車企業(yè)和新舊供應鏈企業(yè)，并未考慮運營服務環(huán)節(jié)，也未將服務運營企業(yè)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(chǎn)業(yè)，但目前仍為獨立的產(chǎn)業(yè)。實際上，出行服務產(chǎn)業(yè)與汽車產(chǎn)業(yè)存在本質區(qū)別，即使未來汽車產(chǎn)業(yè)與出行服務產(chǎn)業(yè)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(fā)，后端應用服務需要在汽車開發(fā)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(jīng)包含在汽車設計開發(fā)、生產(chǎn)制造和銷售售后等環(huán)節(jié)內，將在本文中得到體現(xiàn)。

基于上述ICV 產(chǎn)業(yè)邊界的定義，綜合以往相關研究的成果和范式，本文將ICV 產(chǎn)業(yè)人才劃分為領軍人才、研發(fā)技術人才、生產(chǎn)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?？梢钥吹剑阂环矫?，與傳統(tǒng)汽車產(chǎn)業(yè)相比，ICV 產(chǎn)業(yè)人才總體類別并未發(fā)生改變；另一方面，新一輪科技革命是加速ICV 發(fā)展的源動力，汽車技術的擴展和更新也是ICV 相較于傳統(tǒng)汽車的主要增量所在。因此，研發(fā)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(shù)量較少，對本文的預測結果影響較?。簧a(chǎn)制造、銷售服務人才則主要由現(xiàn)有人才經(jīng)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(chǎn)業(yè)人才的特征分析及研究方法

3.2 ICV 產(chǎn)業(yè)研發(fā)技術人才預測范圍

如前所述，相較于傳統(tǒng)汽車產(chǎn)業(yè)，ICV 產(chǎn)業(yè)研發(fā)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(chǎn)業(yè)指導價值的預測結果，本文回歸汽車產(chǎn)業(yè)的本質進行思考，同時兼顧短期預測的需求，將研發(fā)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(yè)入手展開分析。ICV產(chǎn)業(yè)的主要參與企業(yè)可分為兩大類，一是傳統(tǒng)整車及零部件企業(yè)，二是信息通信技術（ICT）企業(yè)及其他科技公司等。鑒于兩大類企業(yè)存在業(yè)務交叉，可將ICV 產(chǎn)業(yè)人才能力需求分為以下3 個部分：

（1）整零企業(yè)原有人才能力升級，如傳統(tǒng)動力系統(tǒng)的智能控制升級，原有動力系統(tǒng)開發(fā)人才在經(jīng)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(yè)、科技公司原有人才能力升級：如開發(fā)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(fā)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(yè)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(lián)網(wǎng)和智能座艙功能實現(xiàn)的新技術、新產(chǎn)品設計研發(fā)，以及車端各類新應用開發(fā)等。這些新增內容所需的人才都應經(jīng)過全新培養(yǎng)而成，而由于產(chǎn)業(yè)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(chǎn)業(yè)，不得不勉為其難地開展工作，這也是ICV 產(chǎn)業(yè)最重要的人才缺口所在。

綜上，整零車企、信息通信技術企業(yè)和科技企業(yè)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(yè)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(chǎn)業(yè)研發(fā)技術人才

本文以ICV 產(chǎn)業(yè)新增的業(yè)務、功能和技術為基礎，確定其研發(fā)技術人才的結構。如圖2 所示，ICV產(chǎn)業(yè)新增業(yè)務包括自動駕駛、車聯(lián)網(wǎng)和智能座艙三大模塊。其中，自動駕駛業(yè)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(tǒng)等功能；車聯(lián)網(wǎng)業(yè)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(yè)務模塊則主要包含車機、座艙操作系統(tǒng)等功能。

圖2 ICV 研發(fā)技術人才類型識別

ICV 產(chǎn)業(yè)新增的業(yè)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(huán)境感知、智能決策、智能控制、系統(tǒng)設計、專用通信、大數(shù)據(jù)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(fā)技術人才分為6 類，分別為整車架構工程師、系統(tǒng)/模塊架構工程師、軟件開發(fā)工程師、硬件開發(fā)工程師、數(shù)據(jù)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(fā)展的必然趨勢［19-20］。在產(chǎn)業(yè)層面上，汽車產(chǎn)業(yè)鏈將發(fā)展成為立體網(wǎng)狀的汽車產(chǎn)業(yè)生態(tài)；在產(chǎn)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(lián)網(wǎng)，打通外部應用服務和功能開發(fā)生態(tài)。這意味著未來ICV 產(chǎn)業(yè)的核心工作將聚焦于新的軟件、硬件和數(shù)據(jù)上。由此推斷，本文提出的研發(fā)技術人才類型，與未來ICV 產(chǎn)業(yè)的人才需求方向相符，具有延續(xù)性，可為后續(xù)研究提供框架。

3.4 ICV 產(chǎn)業(yè)研發(fā)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(fā)技術人才進行了定義和詮釋，詳見表2。

表2 ICV 產(chǎn)業(yè)研發(fā)技術人才類型定義

4 ICV 產(chǎn)業(yè)人才需求數(shù)量預測模型

4.1 ICV 產(chǎn)業(yè)人才需求數(shù)量預測模型的構建

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

本文對影響業(yè)務模塊發(fā)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(chǎn)業(yè)業(yè)務模塊發(fā)展的不同維度；全面性，因為ICV 產(chǎn)業(yè)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(tǒng)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(guī)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(chǎn)業(yè)三大業(yè)務模塊的發(fā)展水平。

4.2 ICV 產(chǎn)業(yè)人才需求數(shù)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(chǎn)業(yè)研發(fā)技術人才需求數(shù)量預測模型，通過預測不同業(yè)務模塊在不同發(fā)展水平下對不同類型研發(fā)技術人才的需求數(shù)量，求和獲得ICV 研發(fā)技術人才及產(chǎn)業(yè)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(yè)務發(fā)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(guī)影響力；Y軸代表三大核心業(yè)務模塊的發(fā)展水平，即自動駕駛、智能座艙和車聯(lián)網(wǎng)；Z軸代表6 類ICV 研發(fā)技術人才類型及其需求數(shù)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(yè)務模塊的發(fā)展水平。而在Z軸上的每類研發(fā)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(fā)展水平下，3 個業(yè)務模塊所需的該類研發(fā)技術人才的數(shù)量。顯然，將6 個切面的人才數(shù)量匯總，就可以得到ICV 產(chǎn)業(yè)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(fā)技術人才在不同業(yè)務模塊中所占的比例，這對產(chǎn)業(yè)發(fā)展也頗具參考價值。

圖3 ICV 產(chǎn)業(yè)人才需求數(shù)量預測模型

具體產(chǎn)業(yè)發(fā)展水平影響要素評價指標如表3 所示。通過ICV 產(chǎn)業(yè)發(fā)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(lián)網(wǎng)三大業(yè)務的發(fā)展水平，再通過回歸分析，建立各類研發(fā)技術人才與業(yè)務發(fā)展水平之間的關聯(lián)，進而預測所需的人才數(shù)量。由于ICV 產(chǎn)業(yè)相關歷史數(shù)據(jù)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(yè)資深專家和10 位企業(yè)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(chǎn)業(yè)發(fā)展水平影響要素評價指標

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

因此，某年ICV 產(chǎn)業(yè)研發(fā)技術人才需求總人數(shù)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(chǎn)率提升修正系數(shù)，因為隨著人才自身的進步和培育體系的優(yōu)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(shù)量會有所減少，所以要對人才需求數(shù)量進行修正。該系數(shù)依據(jù)中國人均勞動生產(chǎn)率環(huán)比變化率確定。

為盡可能獲得較為準確的ICV 產(chǎn)業(yè)技術研發(fā)人員需求數(shù)量的歷史數(shù)據(jù)，本文參考了中國汽車工程學會的ICV 產(chǎn)業(yè)人才需求企業(yè)調查問卷的結果，并對數(shù)據(jù)進行了清洗和梳理。完成問卷的企業(yè)包括18家整車企業(yè)、39 家零部件企業(yè)、27 家信息通信技術企業(yè)和7 家研究設計機構。問卷的調查范圍覆蓋了ICV 全產(chǎn)業(yè)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(shù)量以及各類人才的供需比例，進而確定2017、2018、2019 年ICV 產(chǎn)業(yè)人才需求數(shù)量分別是2.9 萬人、4.0 萬人和4.8 萬人。業(yè)務模塊表征數(shù)據(jù)主要依據(jù)行業(yè)政策文件、法規(guī)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(fā)展階段的專業(yè)判斷，經(jīng)分析和校驗后確定。

5 ICV 產(chǎn)業(yè)人才需求數(shù)量預測

5.1 ICV 產(chǎn)業(yè)三大業(yè)務模塊發(fā)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(wǎng)三大核心業(yè)務模塊的發(fā)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(chǎn)業(yè)三大業(yè)務模塊的發(fā)展水平均呈逐年快速增長趨勢，特別是在2020 年之后，三大業(yè)務的發(fā)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(chǎn)業(yè)密集應用期，業(yè)務滲透率會不斷提升；另一方面，產(chǎn)業(yè)發(fā)展水平在一定程度上與行業(yè)整體發(fā)展態(tài)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(wěn)步回升為基準情景。此外，在ICV 三大業(yè)務中，自動駕駛模塊的發(fā)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(fā)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(chǎn)業(yè)發(fā)展到了最佳狀態(tài)。

圖4 ICV 三大業(yè)務模塊發(fā)展水平預測

5.2 ICV 產(chǎn)業(yè)人才需求數(shù)量預測結果

根據(jù)三大業(yè)務模塊發(fā)展水平及各類人才在三大業(yè)務中所占的比重，預測得到ICV 產(chǎn)業(yè)各類研發(fā)技術人才的需求數(shù)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(tǒng)、數(shù)據(jù)、算法等工作的工程師則分別歸屬其他人才類型。

圖5 ICV 產(chǎn)業(yè)各類研發(fā)技術人才需求數(shù)量預測

可以看到，未來5 年硬件和軟件開發(fā)工程師、數(shù)據(jù)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(tǒng)/模塊架構工程師的需求增長速度相對穩(wěn)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(yè)務模塊，預測得到各業(yè)務模塊人才需求數(shù)量，如圖6 所示。在2021、2023、2025 年，自動駕駛業(yè)務模塊所需人才數(shù)量最多，分別需要3.5 萬人、4.3 萬人和5.0 萬人；車聯(lián)網(wǎng)業(yè)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(yè)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(yè)務的人才需求數(shù)量均逐年上升。其中，自動駕駛和車聯(lián)網(wǎng)業(yè)務模塊人才需求增長較快，智能座艙業(yè)務模塊人才需求增長相對較慢。

圖6 ICV 產(chǎn)業(yè)三大核心業(yè)務模塊人才需求數(shù)量預測

經(jīng)過模型量化預測，匯總獲得ICV 產(chǎn)業(yè)人才總需求數(shù)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(chǎn)業(yè)不同發(fā)展情景分析

上述結果是基于ICV 產(chǎn)業(yè)發(fā)展的基準情景預測得到的。但是ICV 產(chǎn)業(yè)正處于成長期，后續(xù)發(fā)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(chǎn)業(yè)人才需求數(shù)量的變化。

本文按照快速發(fā)展、穩(wěn)步發(fā)展和緩慢發(fā)展3 種情景展開分析。其中，快速發(fā)展情景是指汽車市場及ICV 滲透率超出預期快速發(fā)展；相關技術快速發(fā)展，車路協(xié)同快速推進；政策法規(guī)體系促進激勵產(chǎn)業(yè)發(fā)展。穩(wěn)步發(fā)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(wěn)步發(fā)展；相關技術穩(wěn)步發(fā)展，車路協(xié)同穩(wěn)步推進；政策法規(guī)體系與產(chǎn)業(yè)發(fā)展相匹配。而緩慢發(fā)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(fā)展，單車智能仍占主導地位；政策法規(guī)體系滯后于產(chǎn)業(yè)發(fā)展。圖7 分別表示了自動駕駛、智能座艙和車聯(lián)網(wǎng)業(yè)務模塊在不同發(fā)展情景下的發(fā)展水平，可見不同情境下三大業(yè)務模塊的發(fā)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(yè)務模塊發(fā)展水平

圖8 不同情景下ICV 產(chǎn)業(yè)人才需求數(shù)量預測

在ICV 產(chǎn)業(yè)快速發(fā)展、穩(wěn)步發(fā)展和緩慢發(fā)展3種情景下，分別對相應人才需求數(shù)量進行預測，得到未來5 年ICV 產(chǎn)業(yè)人才需求數(shù)量的可能區(qū)間，

6 研究結論

未來ICV 三大核心業(yè)務即自動駕駛、智能座艙和車聯(lián)網(wǎng)的發(fā)展水平均將呈現(xiàn)快速增長態(tài)勢。一方面，未來5 年預計ICV 技術將進入產(chǎn)業(yè)密集應用期，高等級自動駕駛汽車將陸續(xù)開始量產(chǎn)，智能座艙與車聯(lián)網(wǎng)的滲透率也會不斷提升。另一方面，產(chǎn)業(yè)發(fā)展水平在一定程度上與行業(yè)整體發(fā)展態(tài)勢密切相關，而2020 年之后，隨著中國經(jīng)濟持續(xù)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(wěn)步回升。

本文通過構建并應用可以量化分析ICV 產(chǎn)業(yè)人才需求數(shù)量的三維模型，得到以下發(fā)現(xiàn)：

（1）在ICV 產(chǎn)業(yè)不同類型研發(fā)技術人才中，硬件開發(fā)工程師、軟件開發(fā)工程師、數(shù)據(jù)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(tǒng)/模塊架構工程師的需求量相對較少，但其重要度高，培養(yǎng)難度大。

（2）在ICV 產(chǎn)業(yè)不同業(yè)務模塊中，自動駕駛所需的人才數(shù)量最多，且增長最快；車聯(lián)網(wǎng)次之；智能座艙所需的人才數(shù)量最少，且增長最慢。

（3）經(jīng)模型量化測算，以穩(wěn)步發(fā)展即基準情景計，2021 年、2023 年及2025 年ICV 產(chǎn)業(yè)人才的需求數(shù)量分別約為7.0 萬人、8.7 萬人和10.3 萬人。