刘宗巍，宋昊坤，赵福全

(1.智能绿色车辆与交通全国重点实验室，北京 100084；2.清华大学 (车辆与运载学院)汽车产业与技术战略研究院，北京 100084)

1 研究背景

新一轮科技革命正在驱动汽车产业发生全面重构，低碳化、信息化、智能化成为汽车产品的显著特征[1-3]。而完全或主要依靠清洁能源驱动的新能源汽车 (New Energy Vehicle，NEV)，既是汽车低碳化发展的重要方向，也是汽车智能化升级的绝佳载体，它已成为新一轮科技革命和汽车产业变革的代表型产品，发展NEV成为中国迈向汽车强国的必经之路[4]。NEV以电能为 “燃料”、能量转化效率高，具有节约能源、降低排放等优势，是汽车产业乃至交通领域实现节能减排、绿色发展的重要途径，对中国应对复杂气候变化、实现 “碳达峰” “碳中和”目标具有重要战略意义[5-6]。当前NEV产业处于快速发展阶段，亟需大量新型人才。同时，NEV产业人才供给与需求在知识结构和人才素质等方面存在差距[7-9]。因此，厘清NEV产业人才结构和特征、预测人才需求数量，具有重要价值。

NEV主要包含纯电动汽车 (Battery electric vehicle，BEV)、插电式混合动力汽车 (Plug-in hyb-rid electric vehicle，PHEV)、增程式电动汽车 (Range-extend electric vehicle，REV)和燃料电池汽车 (Fuel cell electric vehicle，FCEV)[10]。它们对汽车产业全生态产生深刻影响，不仅具有全新的核心技术，如电池、电机、电控系统等，还催生了动力电池梯次利用、换电、车网互动 (Vehicle to Grid，V2G)等新商业模式，也拉动了新型基础设施和运营服务模式的配套发展。因此，NEV产业较传统汽车产业在技术创新、商业模式、产业生态等方面有新需求，准确预测其人才需求并不容易。其一，NEV产业边界存在一定的模糊性。NEV相较传统汽车不只是动力技术切换，还带来了新属性和新服务，形成了新产业链和新核心能力；同时，NEV产业与传统汽车产业又有相互交叉的领域。其二，对NEV产业相关数据的使用也很有挑战性。刘宗巍等[11]曾预测了智能网联汽车 (Intelligent and connected vehicle，ICV)产业的人才需求；与ICV相比，NEV起步更早、成熟度更高，对人才需求预测精准性的要求也更高。尽管可用于预测研究的数据更为丰富，不过这些数据普遍存在标准不一、颗粒度不同和相互混杂等问题，要将其有效识别并清洗为可用数据非常困难。

针对上述难点，本研究综合采用定性与定量相结合的分析方法。一方面，充分融入行业专家对NEV产业发展前景的专业判断和系统剖析，通过定性分析，阐明业务新变化、技术新内涵、岗位新需求和人才新特征，并确定可能的发展前景；另一方面，构建符合NEV产业特色的分层级、多指标人才需求预测模型，并基于此在不同产业发展情景下，定量预测产业人才需求数量。

2 NEV产业人才需求预测方法

完整的产业人才需求预测通常包括人才结构、特征和数量预测[12-13]；只有厘清人才结构和特征，才能对人才需求数量做出科学、准确的预测。不同的预测类型所针对的研究目标不同。人才结构预测适用于新兴或发生了较大变化的产业，多采用定性分析方法预测产业人才结构变化，如宁斌等[14]提出NEV专业人才涉及NEV技术负责人员、机修工、电桩维护工、电气工等14个工作岗位；陈伟峰等[15]认为汽车工业紧缺人才主要包含高级研发人才、复合型市场开拓和营销人才及资本运作人才；刘宗巍等[16]预测未来汽车人才将由领军人才、设计研发人才、生产制造人才和营销服务人才4个主要类别构成，这些人才又可分为复合型、脑力型、战略型和创新型人才。确定人才结构后，就需要对人才特征进行预测。人才特征预测同样适用于新兴产业或发生了较大变化的既有产业，重点是识别人才胜任新工作所需的理念、能力和知识，或他们的内涵变化，同样宜采用定性分析方法。刘宗巍等[16]为未来汽车产业人才构建了特征图谱，涉及统筹协调、分析判断、工作创新等10项能力，同时详细阐述ICV产业的研发技术人才的新内涵[11]；胡雪芳等[17]分析了NEV产业人才的素质要求及专业需求；沈钰[18]提出区域技能人才应具备创造性、高素质、团队性和复合性特征。不难发现，若要科学预测产业人才结构和特征需求，必须对该产业本身有深入了解和认识，全面掌握产业发展现状与趋势。在全面厘清人才结构与特征后，即可对关键增量人才 (容易形成缺口)进行数量预测。人才数量预测广泛适用于不同类型的产业，关键是构建科学的、结合产业实际的数学模型。本文研究体系如图1所示。

图1 产业人才需求预测研究体系

NEV产业催生了并行于传统动力汽车的新产业链，人才需求与传统动力汽车差异明显，引发汽车产业人才结构、特征与需求数量的显著变化。因此，本文从汽车产业演变出发，识别NEV产业较传统汽车产业新增的技术、功能与业务，确定其人才结构与特征，并针对核心 “增量”人才的需求开展定量预测，具体研究框架如图2所示。由图2可以看出：①明确研究范畴。基于汽车产业大生态，框定NEV产业边界，并基于此对NEV产业人才分类，确定人才结构。②分析NEV产业较传统汽车产业的变化，确定 “增量”部分。所谓 “增量”部分，一是既有业务的电动化升级，二是在电动化过程中完全新增的业务。对于前者，传统汽车产业既有的相关人才通过学习、培训即可满足新需求；对于后者，则是传统汽车产业不具备的，容易形成人才缺口；必须引入全新人才，并经过全新培育才能胜任。鉴于此，本文选择紧迫性和必要性更强的 “增量”人才作为预测重点。③通过构建双层级、多指标量化分析模型，预测NEV产业人才需求 “增量”的具体数量。

3 NEV产业人才结构

3.1 NEV产业总体人才结构

聚焦车辆本身并基于汽车产业生态演变进行延展思考是识别NEV产业人才结构和需求变化的前提。横向上，NEV产业在汽车产品全生命周期的设计开发、生产制造、销售及售后、运营服务等各个环节都和传统汽车产业不同；纵向上，诸如能源公司，电池、电机公司等都被纳入其中，未来NEV产业将有众多不同类型的企业共同参与，总体上可分为整车企业、供应链企业和服务运营商。

将以上两个维度综合起来审视，本文将研究范畴确定为NEV产业的设计开发、生产制造和销售及售后环节，面向相关的整车和供应链企业，而没有考虑运营服务环节和相关的服务运营商。以最典型的补电服务为例，一方面，尽管车用能源服务业与NEV强相关，且有一些整车企业也经营部分相关业务，不过这仍属于能源产业，诸如电力公司，充电桩供应商和服务商，氢燃料生产、存储及运输企业等都不宜计入汽车产业；另一方面，整供相关企业需要为NEV提供满足供储能需求的动力电池、充换电接口等，不过这部分工作已涵盖在车辆设计开发环节中。

基于以上研究边界，参照以往的研究范式及成果，本文将NEV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[16]。总体上，NEV产业的人才结构与传统汽车产业基本一致，但是不同类别人才的特征发生了显著变化。本文将各类NEV产业人才的类别、定义、职能及特征变化进行系统梳理，见表1。

表1 NEV产业人才类别划分

由于汽车技术的扩展和更新是NEV相较传统汽车的主要 “增量”所在，因此，NEV产业研发技术人才是NEV产业人才需求预测的重点，不仅需要对他们的工作职责、对应岗位和胜任能力需求进行定性分析，还需要构建数学模型对需求数量进行定量分析。而对于NEV产业其他类别的人才，领军人才重要度最高，但数量较少，对研究预测结果影响较小；生产制造、销售服务人才主要由现有人才经培训和历练而来，不属于 “增量”范畴；其他人才与传统汽车产业相比无显著变化。因此，本文不对这些人才开展需求数量预测，仅在上文阐述其定义、职能和特征变化。

3.2 NEV产业研发技术人才分类与定义

为使预测结果更具产业指导价值，本研究回归汽车产业的本质，兼顾本研究的短期预测需要，将NEV产业研发技术人才的预测范围对应到车端的新增能力上。从长期看，当NEV在汽车市场上占据绝对主导地位时，汽车产业将等同于NEV产业，NEV产业人才也将等同于汽车产业人才；不过目前NEV产业还只是汽车产业的一部分，行业需要的也是对新增人才需求的预测，所以本研究立足传统汽车产业进行增量业务、技术及人才的探讨，既切合实际，又具有延续性。

如图3所示，NEV产业主要参与方可分为两类：传统整车及供应商企业；能源公司和电池、电机公司等新进入者。两类主体共同打造NEV产品，并形成业务交叉。相关企业所需能力的变化主要包括以下3个部分。

图3 NEV产业车端新增能力及对应研发技术人才的定义

(1)整零汽车企业原有能力升级。如从内燃机汽车到PHEV、REV，从传统整车调校到NEV整车调校的工作内容变化，原有研发技术人才在经过相应培训和实践后即可满足需求。因此，该部分对应的人才不属于本研究预测范畴。

(2)能源公司和电池、电机公司等原有能力升级。如从充电设备供应到充电服务运营，从传统电网到纳入NEV的分布式电网的工作内容变化，原有能源服务运营人员在经过相应培训和实践后即可满足需求。因此，该部分对应的人才也不属于本研究预测范畴。

(3)两类企业相互交叉形成的车端新增能力。在识别车端新增能力时，一方面要定位在NEV上，区分于传统汽车；另一方面，要围绕动力电池技术、燃料电池技术、电驱技术 (电机+电控)、使用服务相关技术等NEV核心技术。这些新增能力对应的人才需要全新培养，而目前由于产业不具备相关条件，这部分人才大多直接来自于原有相关产业。所以，这部分人才体现了NEV产业主要的差异性需求，属于真正的人才缺口，是本研究预测的核心。

基于NEV产业新增技术模块及其对应的技术内容，确定研发技术人才的不同类型。新增的NEV核心技术模块主要有动力电池、燃料电池、电驱和使用/服务，对应的新增技术内容如下。

(1)动力电池技术模块：主要包含动力电池相关的关键材料技术、关键零部件技术、系统集成技术和测试评价技术。

(2)燃料电池技术模块：主要包含燃料电池相关的关键材料技术、关键零部件技术、系统集成技术、测试评价技术以及车载储氢技术。

(3)电驱技术模块：主要包含驱动电机与机电耦合技术、电控器开发及控制软件技术、测试评价技术。

(4)使用/服务技术模块：主要包含关乎车辆运行安全的NEV安全技术、充换电技术，电池回收与利用技术，氢燃料车载制取技术，以及涉及能源管理与存储的BEV和FCEV的V2G技术[19]。

对上述NEV新增技术模块和技术内容进行分析识别后，将NEV产业研发技术人才划分为材料/工艺工程师、结构/硬件开发工程师、性能开发工程师、系统集成工程师、测试及试验工程师和运维工程师6类，并从工作职责、新岗位/新内涵和胜任需求3个维度，对6类研发技术人才进行定义，见表2。

表2 NEV产业研发技术人才类型及定义

4 NEV 产业人才需求数量预测模型

产业人才需求量预测模型多基于灰度预测模型、时间序列预测模型、相关分析、神经网络模型等丰富的基础数学模型建立[18]。相关分析应用极为广泛，其以厘清相关产业发展影响因素为基础，构建产业人才需求量与这些影响因素之间的回归方程；借助该方程，再输入这些影响因素的时序预测结果，即可得到人才需求量的预测值。冯祈善等[20]构建中国汽车产业人才需求与劳动生产率、劳动产量和利税总额之间的三元线性回归模型；骆永菊等[21]构建重庆市大健康产业人才需求量，与宏观经济因素、社会环境因素、对外经济因素共3类20个指标的回归方程，同时还使用主成分分析法对指标体系降维，以解决指标间存在的共线性问题；吕永卫等[22]构建包含8项指标的物联网行业人才需求评价体系，并建立人才需求与该8项指标的回归方程以预测未来行业人才需求。灰色预测模型的应用也十分广泛，其基于系统科学建立，适用于解决数据量少、信息贫乏的预测问题[23]。杨德成等[24]建立GM (1，1)模型，对某地区出版产业人才数据进行预测；刘志民等[25]同样使用GM (1，1)模型，预测2020—2025年中国农科人才需求总量及其结构层次需求量；胡峰等[26]运用改进的GM (1，1)，对江苏省高技术产业2016—2020年的人才需求总量进行预测。另外，还有学者[18，27]使用反向传播神经网络或多种模型的组合，对人才需求量进行预测。

本文以产业发展驱动人才提升为指导思想[28]：以NEV产业发展水平作为NEV产业人才需求最直接的驱动力，选择相关分析的方法预测NEV产业人才需求。不同于以往大多数研究直接建立人才需求与相关产业发展影响因素之间的回归方程，本文通过建立分层级、多指标的产业发展度评价模型，先预测NEV产业各个核心技术模块的发展度，再通过建立产业发展度与人才需求 (历史数据为人才供给数据)之间的关联，间接预测产业人才需求数量[28]，以增强预测结果围绕产业发展度的可解释性。通过分层级、多指标评价模型，结合历史数据以及未来发展趋势判断，量化评估各发展度影响因素历史与未来水平，进而得到技术模块发展度的历史评价与未来预测结果。然后，对技术发展度的历史评价结果与各技术模块各类研发技术人才历史供给量开展回归分析，进而使用技术模块发展度的预测结果推测各模块研发技术人才需求量。最后，通过对不同技术模块、不同类型的研发技术人才需求量求和，即可得到NEV产业研发技术人才需求总量。NEV产业人才需求预测模型的架构如图4所示。

图4 NEV产业人才需求预测模型架构

分层级多指标的NEV核心技术模块发展度评价模型见表3。在选择影响技术模块发展水平的评价指标时，应遵循以下4个原则[29]，并兼顾系统科学性和操作可行性。①代表性：每个指标都代表影响NEV产业技术模块发展的不同维度；②全面性：评价指标应对NEV产业充分表征，全面覆盖 “产、学、研、用”等维度；③独立性：各指标之间相互独立，不存在相关性；④可量化性：选取的指标含义明确，且可采集、可量化、可比较。

表3 NEV核心技术模块发展度评价模型

模型的一级指标为各技术模块发展度影响因素，主要包含：①市场成熟度：主要涉及汽车市场规模和NEV相关产品或技术的渗透率；②技术驱动力：主要涉及NEV发展所需核心关键技术和共性基础技术的发展水平；③政策法规影响力：主要包含支撑NEV发展的政策、法规、标准与规范。

二级指标共21项，其中市场成熟度、技术驱动力、政策法规影响力3个一级指标分别对应5项、12项和4项二级指标。一级指标之间以及各一级指标对应的二级指标的权重设置充分参考14位高校教授、7位行业专家及11位企业高层管理的意见，采用问卷评分法予以量化。为保障评分专家的代表性和典型性，14位高校教授主要来自清华大学、北京理工大学、北京航空航天大学、吉林大学、淄博职业学院、荆州职业技术学院等具有汽车学科教育、有不同层级和教育教学重点的高等院校和职业院校；这些院校全面覆盖NEV产业各类人才的供给端，且教授皆拥有丰富的技术研发和人才培养经验；7位行业专家主要来自中国汽车工程学会、中国汽车技术研究中心有限公司、中国人才研究会汽车人才专业委员会等长期关注汽车产业动态、特别是在汽车产业人才方面有一定研究基础的权威行业机构；11位企业高层管理来自广州汽车集团股份有限公司、上海汽车集团有限公司、上海蔚来汽车技术有限公司、比亚迪汽车工业有限公司、博世 (中国)投资有限公司、上海重塑能源集团股份有限公司等涉及NEV业务的企业，全面涵盖整车企业和供应链企业，内资企业、外资企业和合资企业，传统汽车企业与造车新势力，他们奋斗在产业一线，对技术、市场、产业链、企业人力资源需求有深刻了解和认知。对各位专家给出的各层级评价指标的权重，使用成对比较法，保障各指标权重之间两两比较的一致性[28]。需要指出，不同技术模块发展度虽然采用相同的一级、二级指标评价，但其对应的指标权重各不相同。

由式 (1)得出各技术模块发展度的历史评估得分DGl，H：

l=1，2，3，4

(1)

式中，i为一级指标标号；j为二级指标标号；l为产业技术模块标号；ai表示NEV产业各技术模块对应的一级指标权重；bi，j，l表示对于技术模块l，标号为i的一级指标对应的标号为j二级指标的权重；xi，j，l，H表示各技术模块对应的二级指标的历史评估得分；ni表示标号为i的一级指标对应的二级指标总数。DGl，H最高分值为100分，表示在目前定义的前提下该技术模块发展到最佳状态。

其次，将经过回归分析得到各技术模块发展度的历史评估得分与其研发技术人才历史需求数据Zl.H的关系用函数fl(·) (采用一次多项式拟合)表示，公式为：

Zl，H=fl(DGl，H)

(2)

最后，将各技术模块对应的二级指标的未来预测得分xi，j，l，F输入式 (1)及式 (2)得到关系函数，即可得到各技术模块研发技术人才需求量预测结果Zl，F，再经求和即可得到NEV产业研发技术人才需求总量预测结果ZF，公式为：

(3)

各类研发技术人才需求量Zm，F可通过将分配比例系数km与ZF相乘得到，m为不同类别研发技术人才标号，如式 (4)所示：

(4)

NEV研发技术人才需求的历史数据来自中国汽车工程学会的调查问卷结果 (完成问卷的企业有44家，覆盖NEV全产业链，包含不同产业职能、不同注资类型的企业；调查年份为2018—2021年)，并经过比对校验和适当修正[30]，见表4。各技术模块对应的二级指标的历史评估得分主要依据 《节能与新能源汽车技术路线图2.0》[1]，相关学术论文，行业研究报告以及政策、法规、标准文件汇总，并通过德尔菲法融入专家对各指标发展趋势的判断后转化得到。虽然由于NEV产业属于新兴产业的实际情况，长时间跨度、详实、权威的历史数据获取受到一定局限，但一方面NEV产业近期已经进入产业发展S形曲线的中段，即产业快速增长期[4]，且其短时间内不会达到成熟期；另一方面，存在部分研究使用相对较少的历史数据预测产业人才短期需求的案例[11，24，31]。因此，使用4年的历史数据对短期预测结果预期不会产生大的误差。

表4 NEV产业研发技术人才需求 (单位：万人)

5 研究结果

5.1 NEV产业技术模块发展度预测

NEV产业4个核心技术模块的历史发展度评估和稳步发展情况下未来发展度的预测结果如图5所示。4个技术模块的发展度均呈逐年增长趋势，特别是2020年之后，发展速度均有所加快。原因是：①自2021年开始，NEV进入快速发展期，后续几年技术渗透率预计还将不断提升；②NEV发展与行业整体发展态势相匹配，而本文选择疫情影响逐渐消散、中国汽车市场稳步回升作为基准情景。就各个模块而言，动力电池技术模块发展速度相对更快，电驱技术模块起步水平较高，燃料电池和使用/服务技术模块发展水平相对滞后。

图5 NEV产业各技术模块发展度评估及预测

5.2 NEV产业人才需求量预测

通过预测NEV的4个核心技术模块的发展度，可以推导得出其各自所需的人才数量，结果如图6所示。2023—2025年，4个技术模块的人才需求数量总体呈上升趋势。其中，动力电池模块所需的研发技术人才最多，3年分别需要11.7万人、12.8万人和13.9万人；电驱模块次之，需要6.7万人、7.3万人和7.9万人；使用/服务模块的人才需求量相对较小，需要3.4万人、3.7万人和4.0万人；而燃料电池技术模块所需人才最少，为2.5万人、2.7万人和2.9万人，不过就其产业化程度而言，预测值和其他3个模块相比其实并不小。根据各类人才在4个技术模块中的占比，可进一步得到NEV产业各类研发技术人才的需求量。6类人才需求量的增速总体上相差不大。其中，材料/工艺工程师、结构/硬件开发工程师需求的绝对数量更高，需求增量也更大；测试及试验工程师、运维工程师次之；而性能开发工程师、系统集成工程师的需求量较小，但要注意其极高的重要度，如图7所示。

图6 NEV产业核心技术模块的人才需求量预测值

图7 NEV产业各类研发技术模块人才的需求量预测值

5.3 情景分析

当前，新能源汽车产业正处于快速成长期，在发展速度、技术路线、商业模式等方面都存在较大的不确定性，这使NEV产业的人才需求存在较大的不确定性。为此，采用情景分析方法，探讨不同情景下NEV产业人才需求的可能区间，旨在为企业、行业对于相关人才的培养、输出和使用提供可参考的范围。本研究全面分析了3个一级指标，即市场成熟度、技术驱动力和政策法规影响力可能发生的最大变化，并聚焦它们对NEV产业发展度的综合影响，设定了快速发展、稳步发展和缓慢发展3种情景，其中稳步发展情景即前述的基准情景，而快速发展和缓慢发展情景则是NEV产业发展更快或较慢的边界情况。3种情景的内涵见表5，分别对应于不同的市场成熟度、技术驱动力和政策法规影响力。

表5 NEV产业3种不同的发展情景设定

在上述3种情景下，应用所建立的量化分析模型分别预测得到NEV产业人才需求情况。2023年NEV产业人才需求总量预计为22.7万～26.0万人，2024年为24.4万～28.7万人，2025年为26.1万～31.4万人，如图8所示。

图8 不同发展情景下NEV产业人才需求量预测值

6 结论

本文提出NEV产业人才需求预测方法，厘清NEV产业人才结构与特征，识别出研发技术人才为NEV产业人才的增量，或将成为人才缺口所在。而后，回归人才需求产生的本源，构建分层级多指标的评价体系，以预判NEV产业的发展度，进而通过相关分析的方法，预测NEV产业人才需求。预测工作明确了NEV产业人才的培育目标和增量人才的需求量，为政府、企业及高校更有前瞻性和针对性地实施相关人才工作提供参考和支撑。未来3年，随着中国NEV的快速发展，NEV的4核心技术模块的发展水平都将有显著提升。与此相应，NEV产业所需的研发技术人才数量也将有显著增长。具体说，基于所建立的NEV产业人才需求量化预测模型，研究发现如下。

(1)在NEV产业不同的研发技术人才类型中，材料/工艺工程师、结构/硬件开发工程师的需求量较大，测试及试验工程师、运维工程师的需求量居中，性能开发工程师、系统集成工程师的需求量较少，但后者的重要度不容忽视。

(2)在NEV产业不同的核心技术模块中，动力电池技术模块的人才需求量最多，且增长最快；电驱技术模块居第2位；使用/服务技术模块居第3位；燃料电池技术模块的人才需求量最少，且增长最慢。

(3)以稳步发展即基准情景计，预测未来3年NEV产业的人才需求数量。2023年为24.4万人，2024年为26.5万人，2025年为28.7万人。

为了满足动力电池和电驱技术新增技术模块，以及材料/工艺工程师、结构/硬件开发工程师的大量人才需求，高等院校及职业院校应当及时调整关于汽车人才的培养方案和课程大纲，将车用动力电池系统、电驱系统、新材料、新工业、电化学、清洁能源等相关的课程融入传统汽车人才培养方案中，并提供新仿真、开发软件和新试验测试平台应用以及NEV专属平台开发等技能训练。同时，还要有侧重地培育不同类别、类型人才的创新、跨界、统筹和系统思维能力。本文还存在可改进之处：①由于NEV产业属于新兴产业，在产业发展早期以政策导向为主，缺乏长时间跨度、详实且权威的历史数据以表征其发展情况与需求，在后续研究中，将动态更新、补充历史数据，以提升预测的准确性；②未涉及NEV产业人才供给侧情况，后续研究将调研高校、职业院校对NEV产业人才的培养方案和供给状况，并结合产业人才需求预测输出NEV产业人才缺口的分布情况。