摘要 随着全球数字化转型进程加深，数字化人才，成为制 约各行各业产业升级和企业发展的关键因素。 领英大数据洞察（LinkedIn Talent Insights）显示，截至 2021 年 4 月， 拥有数字化技能的人才在全球范围内 已超过 7 千万 1，分别分布在信息技术和服务、计算 机软件、高等教育等多个行业。这其中，汽车行业现 存数字化人才约为 100 万，数量仅为信息技术和服务 行业的十分之一。此外，互联网该类人才增速最快， 较去年同期增长 4.2%。 从人才流动趋势上看，数字化人才在汽车行业与 ICT 信息通讯行业之间的相互流动最为频繁，这其中，信息技术和服 务、计算机软件、互联网等领域对具备相关技能的人才具有较强的吸引力。在数字经济飞速发展的当下，拥有数字化 技能的人才面临众多职业选择。如何吸引和保留数字化人才，也成为智能汽车企业亟需解决的问题。 发布单位：领英

综述 几十年来，汽车行业一直是一个高度结构化和紧密联系的生态系统，有明确定义的边 界。汽车制造商制定规则，而且几乎不允许“外人”进入 － 甚至消费者也没有过多 的发言权。但是，所有这些都随着数字化技术的发展而开始改变。 根据在其他行业得到的数字化体验，当今的消费者期望无缝的、多渠道和可定制的与 汽车相关的体验，而且他们越来越愿意为产品和服务创新做贡献。消费者知道如何在 线获取信息，并且规避过去限制他们涉足的标准流程。 由于对个人移动性的期望值日益提高，非传统企业纷纷推出技术手段，在驾驶、导 航、应对堵车或停车、与其他交通方式整合等方面为消费者提供帮助。车辆共享等新 的业务模式甚至对拥有车辆的需求产生了威胁。 行业生态系统持续交叉和重叠。将来，随着传统角色的改变和行业界限的日益模糊， 这种颠覆将影响主要的行业流程。 六年前，我们发布了新的汽车行业展望报告：《2020年的汽车行业：守得云开见月 明》。 1为了更新我们对未来形势的了解，我们将焦点转向这份《2025汽车展望：大 业无边》报告。我们调查了21个国家中担任不同领导角色的175位高管，询问他们期 望汽车行业在未来十年内如何变化以及他们准备如何应对这些变化。 像往常一样，企业和行业必须应对某些不可避免的外部力量。在《2020年的汽车行 业》和《2025汽车展望》两份报告中，高管都将技术进步视为他们面临的最重要的 外部力量。除了对多个行业造成影响的诸多外部力量，我们的最新调研还指出三个主要颠覆者，他们的“颠覆”举措并非一种负面影响力量，而是为创新和新价值提供了 舞台。这些主要颠覆者 － 消费者、移动性和生态系统 － 正在改变传统的行业界限， 甚至导致界限消失。 消费者较之以前的参与意识更高 － 他们不仅希望使用汽车，而且可能被迫参与共同 创造。车辆更加智能化，改变了移动能力的概念，包括除车辆本身之外由消费者驱动 的变化。随着汽车行业界限日渐模糊，这个不断扩展的生态系统必须学习在颠覆环境 中生存，尤其要适应其他行业的厂商不断加入，例如电子和电信企业。 发布单位：IBM商业价值研究院

编制说明 汽车产业是国民经济重要的战略性、支柱性产业，与人民生活密 切相关。当前，在新一轮科技革命和产业变革的影响下，新一代信息 技术与制造技术深度融合，汽车正由传统的机械产品逐步演变为机电 一体化、智能化和网联化的高科技产品，呈现与电子、信息、交通等 相关产业紧密相连、协同发展的趋势。发展智能网联汽车成为汽车产 业的战略发展方向。 智能网联汽车与智能交通紧密相关，两者融合协同发展是未来的 主要趋势。智能网联汽车通过搭载先进的车载传感器、控制器、执行 器等装置，融合现代通信与网络技术，实现车与 X（人、车、路、云 等）智能信息交互、共享，具备复杂环境感知、智能决策、协同控制 等功能，可实现“安全、高效、舒适、节能”行驶，进而使汽车成为 智能交通网络系统中重要的功能结点。我国《汽车产业中长期发展规 划》、《智能汽车创新发展战略（征求意见稿）》、《车联网（智能网联 汽车）产业发展行动计划》、《交通信息化“十三五”发展规划》、《推 进智慧交通发展行动计划（2017-2020 年）》、《智能网联汽车道路测 试管理规范（试行）》，以及 SAE J3016《标准道路机动车驾驶自动化 系统分类与定义》等指导文件和技术规范定义了自动驾驶/智能汽车 等级，提出了安全、效率、可靠性、环境耐受性、容错性、冗余性等 要求，明确了智能网联汽车和智能交通的发展方向。 我国人口众多、汽车保有量大、地理状况和道路环境复杂，亟需构建具有中国属性、适应中国现状、符合中国标准的智能网联汽车 “中国方案”，从而推动我国智能网联汽车和智能交通产业的技术创 新、产品创新、新产业生态以及相关体系的构建。 目前，智能网联汽车与智能交通融合所形成的复杂大系统具有跨 行业、跨领域、跨地域的高度复杂性、异构互操作性等特性，需要解 决移动多接入、多层次互操作和协同、大规模高密度实时控制、低时 延高可靠计算决策等协同控制关键问题。同时需要明确相关产业中利 益攸关人的视角以及关注点从而更好的理 解不同立场下的需要及需 求。从宏观上更快的讲智能网联汽车与智能交通融合转变成一个完整 的体系，跨越目前的复杂大系统阶段。根据国内外理论研究和工程实 践，信息物理系统（Cyber-Physical System）或信息物理复杂大系 统（Cyber-Physical System of Systems）通过信息空间（Cyber Space） 和物理空间（Physical Space）各要素的映射和互操作，建立实时、 动态、闭环的协同控制机制，可以有效解决智能网联汽车和智能交通 的协同控制问题。因此，智能网联汽车相关体系的构筑以智能网联汽 车信息物理系统理论辅以系统思维作为初期研究基础。 基于此，设计团队提出了智能网联汽车信息物理系统的概念，并 于 2019年10月完成了智能网联汽车信息物理系统参考架构 1.0 的设计。旨在通过不断发展和演进，研究成果可以为智能网联汽车和智能 交通复杂系统的总体设计、重构设计和中国标准体系完善提供基础支 撑，同时促进智能网联汽车自主技术创新体系和“中国方案”的智能 网联汽车产业链的完善，支持智能基础设施建设的实施，推动智能网联汽车与智能交通、智慧城市深度融合生态体系的构建。 在系统参考架构 1.0 的基础上，设计团队更进一步的提出了智能 网联汽车体系的概念，完善了系统、架构以及协同等相关基础概念框架，并对与 ICV 和 CPS 相关的核心概念进行了明确的定义。随后，设 计团队明确了智能网联汽车信息物理系统的四个阶段，并对相对应的 功能参考架构、逻辑参考架构和分级参考架构进行了定义。同时完成 了国内首创的智能网联汽车 7S 体系架构框架，并且全面应用基于模 型的系统工程（MBSE）作为具体设计方法步骤，构筑并且描述参考架 构模型。此外，设计团队提出了应用数字主线技术连接四大 ICV CPS 数字孪生体的设计流程，并明确了 ICV CPS 落地所需要的关键共性技 术突破重点。整合了以上各个研究结果，完成了智能网联汽车信息物 理系统参考架构 2.0（以下简称“参考架构 2.0”）。参考架构 2.0 旨在推进智能网联汽车体系的构筑以及对相关使能体系的适配，从宏观上加速智能网联汽车产业从处于复杂大系统阶段 的信息物理复杂大 系统向协同一致的智能网联汽车体系的转化，从而在根本上为“中国 方案”的智能网联汽车的发展提供支持。 参考架构 2.0 提出了从智能网联汽车系统到智能网联汽车信息 物理复杂大系统再到智能网联汽车体系的概念。明确了目前智能网联 汽车信息物理复杂大系统的参考架构模型描述对 减少复杂性的重要 性，同时也论证了智能网联体系和信息物理复杂大系统之间的递进关 系。定义了智能网联汽车体系是在智能网联汽车信息物理复杂大系统 的基础上，通过构筑使能体系、协调不同立场下的各方视角、统一车路云三方需求以及明确产业定位从而完成转化。 基于相关概念的相关性以及行业共识的缺失，参考架构 2.0 提出 了系统和架构相关的基础理论框架。明确了系统、复杂大系统与体系 的递进关系，定义了架构、参考架构以及架构框架的相关特点，同时 明确了在不同视角下，针对不同概念级别的系统需要对整合、互操作 以及协同的不同需要。此外，参考架构 2.0 从智能网联汽车全生命周 期和主要的利益攸关者考虑，将智能网联汽车信息物理系统按阶段划 分，分成了智能网联汽车研发设计信息物理系统（ICV D CPS）、智能 网联汽车生产制造信息物理系统（ICV M CPS）、智能网联汽车车用信 息物理系统（ICV V CPS）以及智能网联汽车运行管理信息物理系统 （ICV OM CPS）。为了更清晰地定义不同阶段的智能网联汽车信息物 理系统，参考架构 2.0 同时描述了其对应的功能参考架构、逻辑参考 架构和分级参考架构。 为了加速智能网联汽车体系的构建同时完善智能网联汽车信息 物理复杂大系统的参考架构模型，参考架构 2.0 融合了国际上流行的 体系架构框架（EAF），参考复杂体系的开发和构筑流程，首创了适用 于“中国方案”的智能网联汽车 7S 体系架构框架。通过定义包含 7 个主视图 47 个子视图且可应用于智能网联汽车和智能交通中不同立 场的架构框架，在三个方面助力智能网联汽车体系的构建以及智能网 联汽车信息物理系统参考架构模型的规范化：1）通过 7 个主视图 47 个子视图的具体细分，支持对各方立场和相关视角下不同层级不同方 面的需求的深层挖掘，从而更好的明确智能网联汽车体系中方方面面的开发需求。2）通过对统一的整理各方对智能网联汽车体系中相关 方面的认识，从而支持无障碍的沟通以达到统一产业认识的目的。3） 通过体系架构框架作为参考架构模型构建的基础，规范化的对智能网 联汽车信息物理复杂大系统参考架构模型进行搭建。 在 7S 体系架构框架内，针对智能网联汽车信息物理系统设计、 开发、集成和运营的复杂性问题，参考架构 2.0 全面采用已被广泛证 明适用于复杂系统设计开发的基于模型的系统工程方法 （Model-Based Systems Engineering，MBSE），以提高系统的开发效 率、保障产品质量和系统可靠性，支持系统快速迭代和持续演进。除此之外，参考架构 2.0 贯彻应用 MBSE 配套的系统建模语言（SysML）与面向对象的系统工程方法（OOSEM），严格规范的构建了参考架构模 型样板。具体模型在参考架构 1.0 的基础上更加明确了国际上流行的 “需求-功能-逻辑-参数（RFLP）”系统工程框架。通过对参考架构 模型的构建，作为样板为产业共同参与搭建不同立场不同行业的系统 参考架构模型提供参考依据。此外，参考架构 2.0 提出应用数字主线 智能网联汽车信息物理系统四个阶段的数字孪生体连接起来，覆盖并 建立从设计到运维的全生命周期数据的连接和有效传递，为各业务环节提供统一的、一致的、实时的数据，提高业务运营效率。 智能网联汽车和智能交通涉及的对象具有多样性和复杂性的特 点，传统的设计方式难以满足复杂系统工程的开发需求。系统参考架 构通过抽象的方法对各类对象及其相互作用建立可复用的形式化模型，支持智能网联汽车和智能交通系统的协同开发、仿真测试以及工程体系建设，推动构建标准化、可演进的研发平台和生态环境。 为了向产业参与者和利益相关方呈现科学、完备的智能网联汽车 7S 体系架构框架、智能网联汽车信息物理复杂大系统参考架构模型、 确保各方对相关概念形成一致理解，参考架构 2.0 遵循国际标准化组 织系统和软件工程架构描述标准（ISO 42010/20/30），系统全生命周 期（ISO 15288），复杂大系统（ISO 21839/40/41）以及国际系统工 程师协会发布的《系统工程手册》与《系统工程知识体指南》。 为了充分发挥国家智能网联汽车创新中心对行业的引领和支撑 作用，设计团队基于团队成员对汽车、交通、通信、公安等行业信息 化发展的深刻理解，聚焦国内外汽车业、交通业和信息通信业关注的 智能网联汽车关键问题，通过基于模型的系统工程方法和工具设计并首创了智能网联汽车 7S 体系架构框架与参考架构模型，以构建技术 中立的平台，推动建立标准化体系，有效促进产业的沟通与融合。 智能网联汽车信息物理系统参考架构 2.0 由国家智能网联汽车 创新中心牵头，清华大学、中国信息通信研究院、中国电子信息产业 发展研究院、交通运输部公路科学研究院、公安部交通管理科学研究 所、中国第一汽车股份有限公司、北京汽车研究总院有限公司、东风 汽车集团有限公司、中移（上海）产业研究院、华为技术有限公司、 大唐高鸿数据网络技术股份有限公司、北京四维图新科技股份有限公 司、北京北斗星通导航技术股份有限公司、启迪云控（北京）科技有 限公司、北京地平线机器人技术研发有限公司、黑芝麻智能科技(上 海)有限公司、东软睿驰汽车技术（上海）有限公司、麒麟软件有限公司、普华基础软件股份有限公司参与设计。参考架构模型的搭建遵 循以下原则： 支持多领域多层次系统的深度协同控制。 支持异构系统互操作，兼顾技术中立性和系统兼容性。 充分考虑汽车工业和交通行业标准的安全性、防护性和标准 体系要求。 支持面向业务、可灵活定制、可持续发展的系统优化机制， 支持创新、开放、可持续发展、可持续优化的平台运营机制。 支持用户应用平面和控制平面的解耦，控制平面涉及设备控 制、平台控制、交通控制、车辆控制等，支持传感、执行和 运动控制的虚拟化、边缘化和软件定义。 支持基于 MBSE 方法实现需求管理、产品管理、开发管理、运 营管理和全生命周期管理，构建仿真、测试、验证和优化的 平台。 建立开源的平台开发环境和支持知识共享的模型库与场景库 体系。 参考架构 2.0 在 1.0 的基础上通过抽象和归纳出智能网联汽车信 息物理复杂大系统的概念模型和系统特征，依据智能网联汽车 7S 体 系架构框架搭建属于战略视图、利益攸关方视图、服务视图、系统视 图、安全视图、防护视图以及标准化视图的 7 类系统参考架构模型视 图。 参考架构 2.0 是智能网联汽车信息物理复杂大系统参考架构的第二步方案。设计团队将以参考架构 2.0 为基础，进一步开展基于 MBSE 的模型和方案库建设、仿真测试验证、模型系统开发、示范工 程建设以及标准化推动工作。 发布单位：CICV国汽智联

请分别说明以上传感器在远距离测量能力、分辨率、温度适应性等方面的性能

主要内容 白皮书指出，预计到2021年，数据资产变现将为车企每年增加15%营收。如何告别坐拥“金山银山”不变现，如何让数据不再沉睡，白皮书从汽车行业数据化发展现状、数据资产的诉求与挑战、数据资产价值的对策与展望、车企数据化实践参考等四个维度出发，全面帮助车企挖掘数据价值。白皮书建议提升车企数据规划、数据意识、数据资产化和数据技术等多维度能力，并详细分析了领先车企在数据使能平台建设、数字化营销建设、数据资产管理的真实业务实践，为车企加速决策和运营效率的提升，构建更加丰富和开放的生态提供建设性的参考。 发布单位：华为、普华永道