后疫情時代下基于WTC方法的汽車產業安全預警研究

肖 毅 劉曜嘉 胡 毅2（華中師范大學信息管理學院，武漢 430079）

2（中國科學院大學經濟與管理學院，北京 100190）

隨著新型冠狀病毒肺炎疫情（下文簡稱“疫情”）在全球范圍內大面積爆發，基于全球分工和國際貿易的全球價值鏈遭受巨大沖擊，致使全球價值鏈呈現出整體規模萎縮、本土化、數字化轉型加快等特征。受疫情影響，很多國家出臺了疫情封鎖限制政策，全球性投資活動受到了極大影響，國際貿易增長乏力。同時在疫情的沖擊下，技術民族主義的觀念在全球范圍內迅速擴張，世界主要經濟體均會在 “經濟主權”視角下對產業鏈和技術鏈的 “安全因素”進行戰略思考，將“安全”置于 “成本”之上進行自身產業鏈的再調整和再配置，強調經濟自主高于全球化收益，未來全球價值鏈和供應鏈發展更加趨向于國內本土化。此外，新冠肺炎疫情將長期引導后疫情時代的全球價值鏈變革，加速數字化轉型，因此在后疫情時代，全球數字價值鏈也會成為國家經濟安全的重要組成部分。在新冠肺炎疫情和中美經貿摩擦雙重影響下，作為全球制造中心，我國的供應鏈安全和產業鏈地位都受到了嚴重沖擊，尤其是汽車產業受影響最為嚴重，汽車產業作為一個全球化最全面、最徹底的產業，包含了全球價值鏈中所有的要素與屬性。受疫情影響，國內汽車產業將面臨進口零部件斷供、外資撤資、供應鏈外遷等一系列問題，如何對汽車產業的安全狀況進行及時有效地預警成為迫切需要研究的問題。

1 文獻綜述

目前，國內關于產業安全預警的研究取得了豐富的研究成果，但仍然存在一些問題。從研究對象來看，大部分研究集中于金融［1］、農業［2］、高新技術產業［3，4］等產業，對于汽車產業開展產業安全預警的研究較少。從預警方法來看，傳統的預警方法主要分為計量經濟預警模型、人工智能預警模型以及組合預警模型。Altman等［5］改進了Z－score模型并應用于財務預警，提高了預警精確度。楊淑娥和徐偉剛［6］構建了Y分數財務預警模型，預測準確率得到了很大提升。Ohlson［7］首次將Logistic模型引入財務危機預測，預測準確率得到了很大的提高。胡毅等［8］運用Logit模型對銀行客戶貸款違約風險進行預警研究。李鴻禧和宋宇［9］利用共線性檢驗和時間相依Cox回歸構建動態財務預警模型。運用計量經濟方法構建的預警模型解釋力度較強且相對比較簡單，但是這些模型一般具有嚴格的假設前提條件，并對樣本數量有較大的要求，在實際應用中，這些約束條件通常很難滿足。與計量經濟方法不同的是，運用人工智能技術構建預警模型沒有很多嚴格的前提假設，楊淑娥和王樂平［10］構建了BP神經網絡財務預警模型。倪志偉等［11］將 “流型學習”和 “多核SVM”相結合，提出一種混合算法財務預警模型。Iturriaga和Sanz［12］建立了神經網絡模型對美國銀行破產情況進行預警研究。王昱和楊珊珊［13］構建考慮多維效率指標的上市公司財務困境人工神經網絡預警模型。人工智能預警模型擁有很好的泛化能力和較強的預測能力，但是它們也存在 “黑箱”問題，使得所建立的模型缺乏解釋力。隨著組合預測方法的不斷發展，有學者考慮將組合預測思想帶入預警模型的構建中，張亮等［14］基于信息融合方法將Logistic回歸模型與支持向量機相組合，并應用于公司財務預警研究。吳沖等［15］對粒子群算法進行改進，并將模糊聚類和概率神經網絡進行組合構造企業財務預警模型。李慧等［16］在企業財務預警研究中建立了網絡層級分析法（DANP）雙層懲罰變權時間序列綜合財務預警模型。遲國泰等［17］將邏輯回歸與BP神經網絡進行組合，對中國上市公司ST狀態進行預警。組合預警模型具有較高的預測精度，但在模型建立過程中仍然存在一些問題：（1）預警模型中賦權方法通常采用的方法為層次分析法（AHP）以及主成分分析法，并不能保證評價結果的客觀性；（2）現有的預警模型構建大多數忽視了對數據特征進行識別，并且忽視了各指標之間的相互作用。

基于此，本文的主要創新和特色有4點：（1）針對產業安全預警問題，本文提出了WTC方法，能更系統、有效地識別重要影響因素，并使得預警模型效果更優；（2）從指標選取來看，在結合后疫情時代背景與我國汽車市場特點的基礎上，本文采用WSR理論識別影響因素，進而構建汽車安全評價指標體系；（3）從建模方法來看，本文基于TEI＠I方法論集成文本挖掘方法、計量經濟方法與機器學習方法構建汽車產業安全預警模型，從而提高預警精確度；（4）從賦權方法來看，本文采用CRITIC賦權法，利用數據自身屬性進行安全評價。

2 WTC方法簡介

后疫情時代下，逆全球化現象凸顯。全球經濟呈現 “新型長期衰退”態勢，各國更加注重本土的經濟主權和安全性，汽車行業產業鏈條長，產業關聯度高，短期內通過蝴蝶效應受到疫情的較大沖擊，面臨訂單下降、成本上升以及重要進口零部件停供等各種不確定性風險。當前，國內汽車產業安全研究還未形成系統、綜合的安全預警體系。WSR方法論以東方哲學觀為指導，結合中國古代的系統思想，通過物理－事理－人理分析框架更好地解決評價視角過于單一和評價過程缺乏系統性等問題。TEI＠I方法論綜合運用文本挖掘、計量經濟模型、人工智能技術及集成方法為解決具有非線性、突變性與時變性特征的復雜系統預測提供了理論依據。CRITIC賦權法綜合衡量指標間的內部沖突，能夠更加客觀、合理地設置指標權重。因此，在結合后疫情時代背景和產業安全理念的基礎上，建立一套具有中國特色的汽車產業安全預警模型，更加貼合中國市場，更加符合國內產業安全管理需要。

WSR－TEI＠I－CRITIC（WTC）方法是由物理－事理－人理WSR方法論和TEI＠I方法論以及CRIT?IC賦權法組成的方法，WTC方法框架如圖1所示，建模具體步驟如下：

圖1 基于WTC方法的汽車產業安全預警模型理論框架

（1）基于WSR理論進行產業安全影響因素識別。基于物理、事理和人理3種視角對汽車產業安全鏈進行分析，同時結合后疫情時代背景、產業安全理論與國內汽車市場特點構建汽車產業安全評價指標體系。

（2）基于TEI＠I方法對各指標進行綜合集成預測。結合TEI＠I理論構建針對安全評價指標體系的預測模型理論框架，分別運用回歸模型、VAR以及LSTM對各指標進行預測，最終采用Stacking集成方法對計量經濟模型和人工智能模型進行集成，得到最終指標序列。

（3）基于CRITIC法進行指標賦權。①運用CRITIC法對最終指標序列進行賦權；②計算汽車產業安全指數，并根據汽車產業安全指數劃分預警區間；③根據以上步驟所得結果進行預警分析，并提出管理建議。

3 基于WTC方法的汽車產業安全預警模型構建

3.1 基于WSR理論的評價指標體系構建

后疫情時代下，各國面臨著疫情防控和經濟重啟的兩難局面。新冠肺炎疫情在全球的爆發和蔓延使得汽車產業鏈上的各類生產要素供給斷裂，鏈條上的節點逐漸脫節，全球生產、貿易活動出現明顯停滯。不確定性日益增大的市場環境、汽車產業鏈錯綜復雜的結構等問題使得分析產業安全影響因素變得更加困難，但一套科學合理的評價指標體系是進行安全預警的首要前提，因此評價指標的選取尤為重要。WSR方法論能夠解決具有層次性、非結構化的復雜系統問題，因此利用WSR理論的思想能夠更好地識別汽車產業安全影響因素，進而構建出一套科學、合理的評價指標體系。

構建汽車產業安全評價指標體系，首先需要識別影響汽車產業安全的相關因素，因此需要結合WSR理論重點研究汽車產業鏈中各環節以及各參與方之間的協調工作。通過對WSR方法論相關文獻進行梳理，物理、事理和人理3個方面在具體實踐過程中應根據研究對象和實踐領域的不同而進行靈活變通。基于此，汽車產業安全系統中的物理就是汽車產業鏈中人們所面對的客觀存在，即汽車、零部件及相關配套設施等；事理是指汽車產業鏈中人、財、物的調動以及遇到的問題，即汽車產業生產運營管理；人理是指汽車產業鏈中涉及的人和組織的關系，即汽車產業生產運營中涉及的部門或人員。三維度視角下，基于WSR理論的汽車產業安全影響因素識別框架如圖2所示。通過這一框架可以從物理－事理－人理3個層面分別識別影響汽車產業安全的評價指標，進而為汽車產業安全預警模型構建提供基礎。

圖2 基于WSR理論的汽車產業安全影響因素識別框架

3.1.1 汽車產業安全物理層構建分析

在汽車產業安全影響因素識別框架中，物理層是保障汽車產業安全的重要基石。主要涉及組成汽車產業鏈的客觀存在，包括汽車整車、零部件及相關原材料，因此需要對汽車產業鏈進行分析，提取影響產業安全因素，進而構建汽車產業安全物理層。汽車產業鏈如圖3所示，我國汽車產業鏈已深度融入全球專業化分工體系，產業鏈條長，產業關聯度非常高。國內疫情初期，出口檢疫更加嚴格，導致中國向外出口零部件速度放緩，“斷供”問題尤為明顯，使得許多外國在華工廠紛紛停工停產。隨著國內疫情得到初步控制，國內汽車產業鏈和供應鏈開始逐步復蘇，但國外疫情情況卻相對嚴峻，進而反向制約中國汽車產業的發展。國內整車和部分核心零部件進口依賴德國、美國等生產強國， “斷供”問題反向影響國內汽車產業。結合國內汽車產業特點和后疫情時代背景來看，確保汽車產業鏈中汽車及其零部件供應安全是維護汽車產業安全的重要部分，因此，物理層的評價指標應在反映國內汽車市場行情的同時，關注影響汽車及其零部件供求方面的相關因素。影響汽車及其零部件供求方面的因素有很多，主要包括汽車產業產品總產量、汽車工業總出口額、汽車工業總進口額、核心零部件產品進口額、世界汽車出口貿易總額等。

圖3 汽車產業鏈全景圖

通過對物理層汽車產業安全影響因素進行識別，進一步對物理層的指標進行甄別提取，物理層評價指標選取結果如表1所示。

表1 汽車產業安全物理層評價指標

3.1.2 汽車產業安全事理層構建分析

WSR理論中的事理層強調管理和做事的道理，相較于物理層更加凸顯主觀能動性。汽車產業安全評估中的事理層主要分析汽車產業在生產運營過程中人、財、物的安排，以及遇到的問題，因此，事理層的評價指標應該關注收益以及支出等方面。構建汽車產業安全事理層評價指標，需要明確汽車產業生產運作系統各環節中影響產業安全的因素，故本文通過對汽車產業生產運作系統進行分析，結合實際情況，提取出生產運作各環節中影響產業安全的因素。汽車產業的生產運作管理分為戰略規劃、系統設計、運行控制以及維護改進4個階段，在戰略規劃階段，企業高層確定企業發展目標、方針，并結合當前汽車市場狀態以及外部環境做出相應的戰略部署，制定戰略方案。在后疫情時代下，各國政府為保障本土供應鏈穩定性鼓勵跨國公司回流，國內大部分汽車廠商面臨供應鏈結構變動風險。此外，在新冠肺炎疫情的沖擊下全球大規模停工停產，國內汽車廠商面臨外資撤資風險，因此，在戰略規劃階段要更加注重國內汽車產業國外資本存量、外資企業產值、外資企業利潤總額等影響因素，避免外資撤資帶來的嚴重危害。在系統設計階段，企業會根據戰略規劃的要求對企業的生產運作系統進行設計，其中包括產品決策與設計、確定工藝路線等。受全球新冠肺炎疫情的影響，技術民族主義的觀念在全球范圍內迅速擴張，關鍵技術、關鍵基礎設施乃至敏感數據等諸多領域受到嚴格管控。技術分工效率大大降低，汽車產業變得扭曲、封閉，因此，在系統設計階段應著重關注國外核心技術依賴度，降低技術民族主義風險。在運行控制階段，企業會根據生產運作系統設計方案對系統日常運行進行計劃、組織與控制，主要包括預測產品需求量、確定產品種類及產量、編制生產計劃以及成本控制。受疫情影響，群眾消費意愿下降，購車能力減退，購車計劃推遲。此外，疫情不但造成銷量下滑，也同樣導致各項成本支出大幅度上升，國內個別中小車企資金周轉困難，面臨破產風險。因此，在運行控制階段應密切關注汽車產業利潤總額、營業收入等影響因素。在維護改進階段，主要是對生產運營系統出現的問題進行改進和維護，其中包括改進設備、質量保證、技術變革與創新等。后疫情時代下加大技術創新力度、培育行業新技術成為汽車產業發展的新熱點，因此，在維護改進階段要考慮企業創新能力及R＆D經費支出等影響因素。

在對汽車產業生產運作系統進行分析后，識別出事理層汽車產業安全影響因素，進一步對事理層的評價指標進行提取，事理層評價指標如表2所示。

表2 汽車產業安全事理層評價指標

3.1.3 汽車產業安全人理層構建分析

人是汽車產業平穩運行不可或缺的重要元素，人的主觀能動性及創新能力可以推動汽車產業發展，人與汽車產業實現價值共創。人理是指在實施管理或決策時需要依靠人來進行協調，人理層的評價指標應聚焦于汽車生產制造過程中參與的人員數量以及人員的綜合素質。人理層汽車產業安全影響因素包括：汽車產業年從業平均人數、工程技術人員占比、職工人數等。除此之外，考慮到國內外疫情嚴重程度對中國汽車產業的影響，因此在構建汽車產業安全人理層評價指標時，需要引入能夠直接反應國內外疫情嚴重程度的相關指標，如與中國汽車市場聯系緊密的相關國家的每年新冠肺炎確診數、每年新增新冠肺炎治愈數。

基于對汽車產業安全人理層的分析，提取相應評價指標，人理層評價指標如表3所示。

表3 汽車產業安全人理層評價指標

3.2 基于TEI＠I理論的綜合集成預測

利用WSR理論在對汽車產業安全影響因素進行識別后，分別從物理、事理和人理3個層面提取出17個評價指標，構建出基于WSR理論的汽車產業安全評價指標體系。由于汽車產業安全預警是一個復雜系統，過往研究采用單一模型開展分析和預測，容易受到模型局限性的影響。基于此，本文以TEI＠I方法論為指導，構建基于Stac?king集成方法的LR－VAR－LSTM預測模型，以提高預測精度，基于TEI＠I理論的汽車產業安全評價指標預測模型流程圖如圖4所示。本文首先采用min－max歸一化方法對各指標進行無量綱化處理，考慮序列的平穩性，在將數據送入預測模型之前，進行ADF檢驗。其次，在經濟計量方面，本文選擇了回歸模型和VAR模型。回歸模型能夠揭示自變量與因變量的影響程度大小，并能夠分析各指標數據的主要趨勢。VAR模型可以刻畫變量之間的動態線性相關關系，可以更好地探討影響汽車產業安全因素之間的相互影響和密切聯系。在智能技術方面，本文所用到的LSTM模型是由RNN發展而來，很好地解決了梯度消失問題，同時還具有計量經濟模型所不具備的高預測精度，能夠更好地提升預測效果。最后，本文采用了Stacking集成方法對計量經濟模型與人工智能模型進行集成，與其他集成技術不同的是，Stacking集成法并行訓練各個初級學習器，然后通過一個元模型將它們進行組合，進而提升預測精度。本文選用線性回歸、VAR以及LSTM作為初級學習器，然后通過訓練多元線性回歸模型將其進行組合，得到最終預測結果。

圖4 基于TEI＠I理論的汽車產業安全評價指標預測模型流程圖

3.3 基于CRITIC法的指標賦權

基于WSR方法論和TEI＠I方法論進行了產業安全評價指標提取和評價指標序列預測，進而得到了最終指標序列。為了更加客觀、真實地反映各指標的重要性，本文采用CRITIC賦權法，CRITIC法能夠根據指標數據內部變異程度以及指標間相關性確定各評價指標的權重值，可以有效減少人為因素所帶來的不確定性。本文首先采用標準差系數代替標準差，消除量綱影響；其次對相關系數取絕對值，消除正負號影響。

設存在m個對象，n個指標，評價指標數據為 xij， 其中 i＝1，…，m； j＝1，…，n， 根據 CRITIC方法計算各指標權重，計算第j項指標的信息量：

其中，σj、分別為第j項指標的標準差和平均值，rij為第i項指標與第j項指標之間的相關系數。然后計算第j項指標的權重：

4 實證研究

4.1 數據收集及相關性分析

基于上文構建的汽車產業安全預警模型，進一步對后疫情時代下汽車產業安全開展實證研究。選取了我國2010～2020年汽車市場為研究對象，其中相關評價指標數據均來源于 《中國工業統計年鑒》、《中國科技統計年鑒》、WTO數據庫以及WHO數據庫。通過對中國汽車市場以及汽車產業進出口狀況的考察，每年新冠肺炎治愈率以及每年新冠肺炎死亡率兩個指標所涉及的國家包括：中國、美國、德國、法國、日本、韓國以及荷蘭7個國家。

各指標之間相互影響、聯系緊密，共同構成一個復雜系統，因此，在建立預測模型時，需要綜合考慮各指標之間的關聯程度。本文在對指標數據進行收集和歸一化處理后，進一步對各評價指標之間的相關性進行分析。

4.2 LR－VAR－LSTM預測模型構建

基于對評價指標相關性分析的結果，本文分別采用LR、VAR、LSTM以及基于Stacking集成方法的LR－VAR－LSTM模型對各評價指標進行建模預測，將2010～2019年的指標數據作為訓練集，2020年的指標數據作為測試集。

本文以產業國際市場占有率w1為因變量，以與產業國際市場占有率w1的相關系數大于0.6的評價指標為自變量，即貿易競爭優勢指數w2、顯示性比較優勢指數w3、產業集中度w4、勞動生產率r1、資產密集度r2以及R＆D人力強度r3，構建線性回歸模型，其余指標也分別按照同樣思路構建線性回歸模型進行預測。

為了更好地反映各評價指標之間的聯動關系，本文利用所選取的17個產業安全評價指標建立VAR模型。首先進行平穩性檢驗，并對不平穩序列進行一階差分，對一階差分后仍未通過平穩性檢驗的指標變量將采用LSTM模型對其進行預測。然后通過比較不同滯后階數下的AIC值來確定最優的滯后階數，最終確定滯后階數為1的VAR模型。

本文搭建的LSTM模型中，隱藏層有50個神經元，輸出層有1個神經元，Mean Absolute Error（MAE）函數作為損失函數，優化算法為Adam。

本文通過多元線性回歸模型將LR、VAR以及LSTM模型進行組合，選用5折交叉驗證，最終構建了基于Stacking集成方法的LR－VAR－LSTM預測模型。

利用上述的4種預測模型分別對2021年的汽車產業安全各評價指標進行預測，并計算各模型的均方誤差（MSE）、標準誤差（RMSE），結果如表4所示。可以看出，單一預測模型的表現都不夠優異，基于Stacking集成方法的LR－VAR－LSTM預測模型效果最優。

表4 預測效果比較

4.3 CRITIC法指標賦權

在指標賦權方面，傳統的賦權方法往往存在權數受主觀因素影響較大、權數分配受樣本數據隨機性影響等問題，因此本文采用CRITIC賦權法確定各指標的權重，結果如表5所示。

表5 汽車產業安全評價指標組合賦權結果

4.4 汽車產業安全預警及結果分析

借鑒產業安全研究流行的安全度劃分方法，將汽車產業安全評價結果分為安全、相對安全、臨界、不安全、危機5種等級，對應的預警區間分別為［0.8，1］、 ［0.6，0.8］、 ［0.4，0.6］、 ［0.2，0.4］、 ［0，0.2］， 對應的安全等級分別為 A、 B、C、 D、 E。

根據上文的各評價指標數據以及指標權重，對2010～2021年我國汽車產業安全總體狀態進行預警研究。本文借鑒史欣向等［3］的研究方法，構建如下汽車產業安全指數計算模型：

其中S為汽車產業安全指數，Wi為各評價指標權重，Xi為各評價指標數據。2010～2021年汽車產業安全指數計算結果如表6所示。

表6 2010～2021年汽車產業安全指數計算結果

如表6所示，2010～2018年間我國汽車產業安全狀況總體處于上升趨勢，在2010～2014年間我國汽車產業處于臨界的狀態，2015～2018年間我國汽車產業處于相對安全的狀態，安全狀態的提升主要得益于自主創新能力的提高和內資企業競爭力的增強。汽車行業具有明顯的規模經濟效應，需要同時在控制成本和提高收入兩方面表現出色，才能實現盈利。同時由于汽車行業的典型周期性，不確定性因素往往會對汽車企業產生極大的沖擊。2019年我國汽車產業狀況下降到臨界狀態，從產能供給、市場需求、競爭格局以及行業集中度等維度判斷，我國汽車產業正處于成長期向成熟期過渡的階段，頭部效應不斷顯現，市場需求高位波動。與此同時，新冠肺炎疫情蔓延以來，全國各地展開疫情防控工作，大部分汽車廠商停工停產，物流系統停滯，我國汽車產業遭到了重大沖擊。汽車行業累計銷量同比增速為－8.2%，利潤降幅大于銷量降幅，利潤總額增幅為－13.9%。

在2020年，我國汽車產業狀況仍未得到好轉，處于臨界狀態，究其原因發現：（1）受疫情影響，市場不確定性危機擴大，短期內消費能力明顯下降，2020年全年汽車產銷同比分別下降2%和1.9%。同時，全國各地均出臺了延遲復工通知以及各種限行嚴查措施，直接導致企業無法正常開工，零部件供應緊張。從進出口情況看來，2020年1月～11月，汽車整車出口輛同比下降9.8%，出口金額同比下降4.5%。隨著新冠肺炎疫情在國外的不斷蔓延，一些國家和外國企業以疫情防控為理由，撤消了原有的訂單，對我國汽車企業造成了巨大沖擊；（2）隨著中國和美國之間經濟貿易戰的不斷升級，美國出口管制和經濟制裁仍呈現定向打擊和擴大管轄的趨勢。大部分重要汽車零部件出口被限制，導致國內眾多汽車企業生產進度受阻，同時核心部件漲價，一定程度上降低了中國汽車產業的競爭力。

由表6預警結果可以看出，我國2021年汽車產業安全指數繼續下滑，依然處于臨界狀態，汽車行業主要面臨3個方面的危機：（1）全球疫情的不確定性仍會對汽車產業造成巨大的影響，復雜化的外部環境將可能沖擊國內國際雙循環；（2）汽車行業將面臨嚴重的供應鏈風險，受疫情及技術民族主義雙重影響，汽車行業中一些核心零部件及技術依然面臨 “卡脖子”的危機，汽車芯片供給收縮與需求增加兩個相對趨勢導致了汽車行業出現了嚴重的 “缺芯”問題，汽車產業發展遭到了嚴重影響；（3）汽車行業所面臨的競爭壓力變大，未能提升自身競爭力的汽車企業將會加速退出市場。

5 結論與建議

維護國家安全首先要保證經濟安全，而經濟安全核心在于產業安全，汽車產業的產業鏈條長，對技術、經濟影響巨大，因此汽車產業安全問題尤為重要，維護我國汽車產業安全關鍵在于構建一套合理、高效的汽車產業安全預警模型。后疫情時代背景下，本文結合WSR理論、TEI＠I方法論以及CRITIC賦權法提出基于WTC方法的汽車產業安全預警模型。結合預警結果發現，2010～2018年我國汽車產業安全狀況總體處于上升趨勢，主要是由于國家宏觀經濟政策的積極引導以及自主創新能力的不斷提升。2019～2021年，受新冠肺炎疫情以及技術民族主義等因素影響，我國汽車產業安全狀況整體呈下降趨勢，處于臨界狀態。綜合考慮本文研究結論與國內汽車產業現狀，給出如下提升汽車產業安全的建議：

（1）汽車供應鏈涉及范圍廣泛，包括原材料、工藝以及人才等眾多因素。后疫情時代下，汽車供應鏈各環節流動受阻，嚴重影響了單點采購－全球供應傳統模式。中國應加快打造堅固、更具備競爭力的汽車供應鏈，通過人工智能、區塊鏈等新興技術，打破疫情所帶來的汽車供應鏈各環節信息交流的壁壘，加速實現產業鏈上下游物流、資金流和信息量的整合。同時，中國應該秉承 “人類命運共同體”理念，在保證國家安全的基礎上堅持對外合作，確保汽車供應鏈的暢通，加快構建國內國際雙循環相互影響、相互促進的新發展格局。

（2）由于新冠肺炎疫情沖擊，許多中小汽車企業出現資金周轉困難，導致生產停產，降薪裁員，嚴重影響了社會穩定發展。汽車產業作為我國經濟的重要基石，解決汽車行業企業融資問題成為重中之重。可以適當考慮對受疫情影響嚴重的企業增加企業低利息貸款，同時通過租金減免等方式減少資金周轉壓力，保障其資金供應，解決企業資金周轉問題。