中國新能源汽車產業人才需求預測研究

劉宗巍，宋昊坤，趙福全

(1.智能綠色車輛與交通全國重點實驗室，北京 100084；2.清華大學 (車輛與運載學院)汽車產業與技術戰略研究院，北京 100084)

1 研究背景

新一輪科技革命正在驅動汽車產業發生全面重構，低碳化、信息化、智能化成為汽車產品的顯著特征[1-3]。而完全或主要依靠清潔能源驅動的新能源汽車 (New Energy Vehicle，NEV)，既是汽車低碳化發展的重要方向，也是汽車智能化升級的絕佳載體，它已成為新一輪科技革命和汽車產業變革的代表型產品，發展NEV成為中國邁向汽車強國的必經之路[4]。NEV以電能為 “燃料”、能量轉化效率高，具有節約能源、降低排放等優勢，是汽車產業乃至交通領域實現節能減排、綠色發展的重要途徑，對中國應對復雜氣候變化、實現 “碳達峰” “碳中和”目標具有重要戰略意義[5-6]。當前NEV產業處于快速發展階段，亟需大量新型人才。同時，NEV產業人才供給與需求在知識結構和人才素質等方面存在差距[7-9]。因此，厘清NEV產業人才結構和特征、預測人才需求數量，具有重要價值。

NEV主要包含純電動汽車 (Battery electric vehicle，BEV)、插電式混合動力汽車 (Plug-in hyb-rid electric vehicle，PHEV)、增程式電動汽車 (Range-extend electric vehicle，REV)和燃料電池汽車 (Fuel cell electric vehicle，FCEV)[10]。它們對汽車產業全生態產生深刻影響，不僅具有全新的核心技術，如電池、電機、電控系統等，還催生了動力電池梯次利用、換電、車網互動 (Vehicle to Grid，V2G)等新商業模式，也拉動了新型基礎設施和運營服務模式的配套發展。因此，NEV產業較傳統汽車產業在技術創新、商業模式、產業生態等方面有新需求，準確預測其人才需求并不容易。其一，NEV產業邊界存在一定的模糊性。NEV相較傳統汽車不只是動力技術切換，還帶來了新屬性和新服務，形成了新產業鏈和新核心能力；同時，NEV產業與傳統汽車產業又有相互交叉的領域。其二，對NEV產業相關數據的使用也很有挑戰性。劉宗巍等[11]曾預測了智能網聯汽車 (Intelligent and connected vehicle，ICV)產業的人才需求；與ICV相比，NEV起步更早、成熟度更高，對人才需求預測精準性的要求也更高。盡管可用于預測研究的數據更為豐富，不過這些數據普遍存在標準不一、顆粒度不同和相互混雜等問題，要將其有效識別并清洗為可用數據非常困難。

針對上述難點，本研究綜合采用定性與定量相結合的分析方法。一方面，充分融入行業專家對NEV產業發展前景的專業判斷和系統剖析，通過定性分析，闡明業務新變化、技術新內涵、崗位新需求和人才新特征，并確定可能的發展前景；另一方面，構建符合NEV產業特色的分層級、多指標人才需求預測模型，并基于此在不同產業發展情景下，定量預測產業人才需求數量。

2 NEV產業人才需求預測方法

完整的產業人才需求預測通常包括人才結構、特征和數量預測[12-13]；只有厘清人才結構和特征，才能對人才需求數量做出科學、準確的預測。不同的預測類型所針對的研究目標不同。人才結構預測適用于新興或發生了較大變化的產業，多采用定性分析方法預測產業人才結構變化，如寧斌等[14]提出NEV專業人才涉及NEV技術負責人員、機修工、電樁維護工、電氣工等14個工作崗位；陳偉峰等[15]認為汽車工業緊缺人才主要包含高級研發人才、復合型市場開拓和營銷人才及資本運作人才；劉宗巍等[16]預測未來汽車人才將由領軍人才、設計研發人才、生產制造人才和營銷服務人才4個主要類別構成，這些人才又可分為復合型、腦力型、戰略型和創新型人才。確定人才結構后，就需要對人才特征進行預測。人才特征預測同樣適用于新興產業或發生了較大變化的既有產業，重點是識別人才勝任新工作所需的理念、能力和知識，或他們的內涵變化，同樣宜采用定性分析方法。劉宗巍等[16]為未來汽車產業人才構建了特征圖譜，涉及統籌協調、分析判斷、工作創新等10項能力，同時詳細闡述ICV產業的研發技術人才的新內涵[11]；胡雪芳等[17]分析了NEV產業人才的素質要求及專業需求；沈鈺[18]提出區域技能人才應具備創造性、高素質、團隊性和復合性特征。不難發現，若要科學預測產業人才結構和特征需求，必須對該產業本身有深入了解和認識，全面掌握產業發展現狀與趨勢。在全面厘清人才結構與特征后，即可對關鍵增量人才 (容易形成缺口)進行數量預測。人才數量預測廣泛適用于不同類型的產業，關鍵是構建科學的、結合產業實際的數學模型。本文研究體系如圖1所示。

圖1 產業人才需求預測研究體系

NEV產業催生了并行于傳統動力汽車的新產業鏈，人才需求與傳統動力汽車差異明顯，引發汽車產業人才結構、特征與需求數量的顯著變化。因此，本文從汽車產業演變出發，識別NEV產業較傳統汽車產業新增的技術、功能與業務，確定其人才結構與特征，并針對核心 “增量”人才的需求開展定量預測，具體研究框架如圖2所示。由圖2可以看出：①明確研究范疇?；谄嚠a業大生態，框定NEV產業邊界，并基于此對NEV產業人才分類，確定人才結構。②分析NEV產業較傳統汽車產業的變化，確定 “增量”部分。所謂 “增量”部分，一是既有業務的電動化升級，二是在電動化過程中完全新增的業務。對于前者，傳統汽車產業既有的相關人才通過學習、培訓即可滿足新需求；對于后者，則是傳統汽車產業不具備的，容易形成人才缺口；必須引入全新人才，并經過全新培育才能勝任。鑒于此，本文選擇緊迫性和必要性更強的 “增量”人才作為預測重點。③通過構建雙層級、多指標量化分析模型，預測NEV產業人才需求 “增量”的具體數量。

3 NEV產業人才結構

3.1 NEV產業總體人才結構

聚焦車輛本身并基于汽車產業生態演變進行延展思考是識別NEV產業人才結構和需求變化的前提。橫向上，NEV產業在汽車產品全生命周期的設計開發、生產制造、銷售及售后、運營服務等各個環節都和傳統汽車產業不同；縱向上，諸如能源公司，電池、電機公司等都被納入其中，未來NEV產業將有眾多不同類型的企業共同參與，總體上可分為整車企業、供應鏈企業和服務運營商。

將以上兩個維度綜合起來審視，本文將研究范疇確定為NEV產業的設計開發、生產制造和銷售及售后環節，面向相關的整車和供應鏈企業，而沒有考慮運營服務環節和相關的服務運營商。以最典型的補電服務為例，一方面，盡管車用能源服務業與NEV強相關，且有一些整車企業也經營部分相關業務，不過這仍屬于能源產業，諸如電力公司，充電樁供應商和服務商，氫燃料生產、存儲及運輸企業等都不宜計入汽車產業；另一方面，整供相關企業需要為NEV提供滿足供儲能需求的動力電池、充換電接口等，不過這部分工作已涵蓋在車輛設計開發環節中。

基于以上研究邊界，參照以往的研究范式及成果，本文將NEV產業人才劃分為領軍人才、研發技術人才、生產制造人才、銷售服務人才和其他人才[16]?？傮w上，NEV產業的人才結構與傳統汽車產業基本一致，但是不同類別人才的特征發生了顯著變化。本文將各類NEV產業人才的類別、定義、職能及特征變化進行系統梳理，見表1。

表1 NEV產業人才類別劃分

由于汽車技術的擴展和更新是NEV相較傳統汽車的主要 “增量”所在，因此，NEV產業研發技術人才是NEV產業人才需求預測的重點，不僅需要對他們的工作職責、對應崗位和勝任能力需求進行定性分析，還需要構建數學模型對需求數量進行定量分析。而對于NEV產業其他類別的人才，領軍人才重要度最高，但數量較少，對研究預測結果影響較小；生產制造、銷售服務人才主要由現有人才經培訓和歷練而來，不屬于 “增量”范疇；其他人才與傳統汽車產業相比無顯著變化。因此，本文不對這些人才開展需求數量預測，僅在上文闡述其定義、職能和特征變化。

3.2 NEV產業研發技術人才分類與定義

為使預測結果更具產業指導價值，本研究回歸汽車產業的本質，兼顧本研究的短期預測需要，將NEV產業研發技術人才的預測范圍對應到車端的新增能力上。從長期看，當NEV在汽車市場上占據絕對主導地位時，汽車產業將等同于NEV產業，NEV產業人才也將等同于汽車產業人才；不過目前NEV產業還只是汽車產業的一部分，行業需要的也是對新增人才需求的預測，所以本研究立足傳統汽車產業進行增量業務、技術及人才的探討，既切合實際，又具有延續性。

如圖3所示，NEV產業主要參與方可分為兩類：傳統整車及供應商企業；能源公司和電池、電機公司等新進入者。兩類主體共同打造NEV產品，并形成業務交叉。相關企業所需能力的變化主要包括以下3個部分。

圖3 NEV產業車端新增能力及對應研發技術人才的定義

(1)整零汽車企業原有能力升級。如從內燃機汽車到PHEV、REV，從傳統整車調校到NEV整車調校的工作內容變化，原有研發技術人才在經過相應培訓和實踐后即可滿足需求。因此，該部分對應的人才不屬于本研究預測范疇。

(2)能源公司和電池、電機公司等原有能力升級。如從充電設備供應到充電服務運營，從傳統電網到納入NEV的分布式電網的工作內容變化，原有能源服務運營人員在經過相應培訓和實踐后即可滿足需求。因此，該部分對應的人才也不屬于本研究預測范疇。

(3)兩類企業相互交叉形成的車端新增能力。在識別車端新增能力時，一方面要定位在NEV上，區分于傳統汽車；另一方面，要圍繞動力電池技術、燃料電池技術、電驅技術 (電機+電控)、使用服務相關技術等NEV核心技術。這些新增能力對應的人才需要全新培養，而目前由于產業不具備相關條件，這部分人才大多直接來自于原有相關產業。所以，這部分人才體現了NEV產業主要的差異性需求，屬于真正的人才缺口，是本研究預測的核心。

基于NEV產業新增技術模塊及其對應的技術內容，確定研發技術人才的不同類型。新增的NEV核心技術模塊主要有動力電池、燃料電池、電驅和使用/服務，對應的新增技術內容如下。

(1)動力電池技術模塊：主要包含動力電池相關的關鍵材料技術、關鍵零部件技術、系統集成技術和測試評價技術。

(2)燃料電池技術模塊：主要包含燃料電池相關的關鍵材料技術、關鍵零部件技術、系統集成技術、測試評價技術以及車載儲氫技術。

(3)電驅技術模塊：主要包含驅動電機與機電耦合技術、電控器開發及控制軟件技術、測試評價技術。

(4)使用/服務技術模塊：主要包含關乎車輛運行安全的NEV安全技術、充換電技術，電池回收與利用技術，氫燃料車載制取技術，以及涉及能源管理與存儲的BEV和FCEV的V2G技術[19]。

對上述NEV新增技術模塊和技術內容進行分析識別后，將NEV產業研發技術人才劃分為材料/工藝工程師、結構/硬件開發工程師、性能開發工程師、系統集成工程師、測試及試驗工程師和運維工程師6類，并從工作職責、新崗位/新內涵和勝任需求3個維度，對6類研發技術人才進行定義，見表2。

表2 NEV產業研發技術人才類型及定義

4 NEV 產業人才需求數量預測模型

產業人才需求量預測模型多基于灰度預測模型、時間序列預測模型、相關分析、神經網絡模型等豐富的基礎數學模型建立[18]。相關分析應用極為廣泛，其以厘清相關產業發展影響因素為基礎，構建產業人才需求量與這些影響因素之間的回歸方程；借助該方程，再輸入這些影響因素的時序預測結果，即可得到人才需求量的預測值。馮祈善等[20]構建中國汽車產業人才需求與勞動生產率、勞動產量和利稅總額之間的三元線性回歸模型；駱永菊等[21]構建重慶市大健康產業人才需求量，與宏觀經濟因素、社會環境因素、對外經濟因素共3類20個指標的回歸方程，同時還使用主成分分析法對指標體系降維，以解決指標間存在的共線性問題；呂永衛等[22]構建包含8項指標的物聯網行業人才需求評價體系，并建立人才需求與該8項指標的回歸方程以預測未來行業人才需求。灰色預測模型的應用也十分廣泛，其基于系統科學建立，適用于解決數據量少、信息貧乏的預測問題[23]。楊德成等[24]建立GM (1，1)模型，對某地區出版產業人才數據進行預測；劉志民等[25]同樣使用GM (1，1)模型，預測2020—2025年中國農科人才需求總量及其結構層次需求量；胡峰等[26]運用改進的GM (1，1)，對江蘇省高技術產業2016—2020年的人才需求總量進行預測。另外，還有學者[18，27]使用反向傳播神經網絡或多種模型的組合，對人才需求量進行預測。

本文以產業發展驅動人才提升為指導思想[28]：以NEV產業發展水平作為NEV產業人才需求最直接的驅動力，選擇相關分析的方法預測NEV產業人才需求。不同于以往大多數研究直接建立人才需求與相關產業發展影響因素之間的回歸方程，本文通過建立分層級、多指標的產業發展度評價模型，先預測NEV產業各個核心技術模塊的發展度，再通過建立產業發展度與人才需求 (歷史數據為人才供給數據)之間的關聯，間接預測產業人才需求數量[28]，以增強預測結果圍繞產業發展度的可解釋性。通過分層級、多指標評價模型，結合歷史數據以及未來發展趨勢判斷，量化評估各發展度影響因素歷史與未來水平，進而得到技術模塊發展度的歷史評價與未來預測結果。然后，對技術發展度的歷史評價結果與各技術模塊各類研發技術人才歷史供給量開展回歸分析，進而使用技術模塊發展度的預測結果推測各模塊研發技術人才需求量。最后，通過對不同技術模塊、不同類型的研發技術人才需求量求和，即可得到NEV產業研發技術人才需求總量。NEV產業人才需求預測模型的架構如圖4所示。

圖4 NEV產業人才需求預測模型架構

分層級多指標的NEV核心技術模塊發展度評價模型見表3。在選擇影響技術模塊發展水平的評價指標時，應遵循以下4個原則[29]，并兼顧系統科學性和操作可行性。①代表性：每個指標都代表影響NEV產業技術模塊發展的不同維度；②全面性：評價指標應對NEV產業充分表征，全面覆蓋 “產、學、研、用”等維度；③獨立性：各指標之間相互獨立，不存在相關性；④可量化性：選取的指標含義明確，且可采集、可量化、可比較。

表3 NEV核心技術模塊發展度評價模型

模型的一級指標為各技術模塊發展度影響因素，主要包含：①市場成熟度：主要涉及汽車市場規模和NEV相關產品或技術的滲透率；②技術驅動力：主要涉及NEV發展所需核心關鍵技術和共性基礎技術的發展水平；③政策法規影響力：主要包含支撐NEV發展的政策、法規、標準與規范。

二級指標共21項，其中市場成熟度、技術驅動力、政策法規影響力3個一級指標分別對應5項、12項和4項二級指標。一級指標之間以及各一級指標對應的二級指標的權重設置充分參考14位高校教授、7位行業專家及11位企業高層管理的意見，采用問卷評分法予以量化。為保障評分專家的代表性和典型性，14位高校教授主要來自清華大學、北京理工大學、北京航空航天大學、吉林大學、淄博職業學院、荊州職業技術學院等具有汽車學科教育、有不同層級和教育教學重點的高等院校和職業院校；這些院校全面覆蓋NEV產業各類人才的供給端，且教授皆擁有豐富的技術研發和人才培養經驗；7位行業專家主要來自中國汽車工程學會、中國汽車技術研究中心有限公司、中國人才研究會汽車人才專業委員會等長期關注汽車產業動態、特別是在汽車產業人才方面有一定研究基礎的權威行業機構；11位企業高層管理來自廣州汽車集團股份有限公司、上海汽車集團有限公司、上海蔚來汽車技術有限公司、比亞迪汽車工業有限公司、博世 (中國)投資有限公司、上海重塑能源集團股份有限公司等涉及NEV業務的企業，全面涵蓋整車企業和供應鏈企業，內資企業、外資企業和合資企業，傳統汽車企業與造車新勢力，他們奮斗在產業一線，對技術、市場、產業鏈、企業人力資源需求有深刻了解和認知。對各位專家給出的各層級評價指標的權重，使用成對比較法，保障各指標權重之間兩兩比較的一致性[28]。需要指出，不同技術模塊發展度雖然采用相同的一級、二級指標評價，但其對應的指標權重各不相同。

由式 (1)得出各技術模塊發展度的歷史評估得分DGl，H：

l=1，2，3，4

(1)

式中，i為一級指標標號；j為二級指標標號；l為產業技術模塊標號；ai表示NEV產業各技術模塊對應的一級指標權重；bi，j，l表示對于技術模塊l，標號為i的一級指標對應的標號為j二級指標的權重；xi，j，l，H表示各技術模塊對應的二級指標的歷史評估得分；ni表示標號為i的一級指標對應的二級指標總數。DGl，H最高分值為100分，表示在目前定義的前提下該技術模塊發展到最佳狀態。

其次，將經過回歸分析得到各技術模塊發展度的歷史評估得分與其研發技術人才歷史需求數據Zl.H的關系用函數fl(·) (采用一次多項式擬合)表示，公式為：

Zl，H=fl(DGl，H)

(2)

最后，將各技術模塊對應的二級指標的未來預測得分xi，j，l，F輸入式 (1)及式 (2)得到關系函數，即可得到各技術模塊研發技術人才需求量預測結果Zl，F，再經求和即可得到NEV產業研發技術人才需求總量預測結果ZF，公式為：

(3)

各類研發技術人才需求量Zm，F可通過將分配比例系數km與ZF相乘得到，m為不同類別研發技術人才標號，如式 (4)所示：

(4)

NEV研發技術人才需求的歷史數據來自中國汽車工程學會的調查問卷結果 (完成問卷的企業有44家，覆蓋NEV全產業鏈，包含不同產業職能、不同注資類型的企業；調查年份為2018—2021年)，并經過比對校驗和適當修正[30]，見表4。各技術模塊對應的二級指標的歷史評估得分主要依據 《節能與新能源汽車技術路線圖2.0》[1]，相關學術論文，行業研究報告以及政策、法規、標準文件匯總，并通過德爾菲法融入專家對各指標發展趨勢的判斷后轉化得到。雖然由于NEV產業屬于新興產業的實際情況，長時間跨度、詳實、權威的歷史數據獲取受到一定局限，但一方面NEV產業近期已經進入產業發展S形曲線的中段，即產業快速增長期[4]，且其短時間內不會達到成熟期；另一方面，存在部分研究使用相對較少的歷史數據預測產業人才短期需求的案例[11，24，31]。因此，使用4年的歷史數據對短期預測結果預期不會產生大的誤差。

表4 NEV產業研發技術人才需求 (單位：萬人)

5 研究結果

5.1 NEV產業技術模塊發展度預測

NEV產業4個核心技術模塊的歷史發展度評估和穩步發展情況下未來發展度的預測結果如圖5所示。4個技術模塊的發展度均呈逐年增長趨勢，特別是2020年之后，發展速度均有所加快。原因是：①自2021年開始，NEV進入快速發展期，后續幾年技術滲透率預計還將不斷提升；②NEV發展與行業整體發展態勢相匹配，而本文選擇疫情影響逐漸消散、中國汽車市場穩步回升作為基準情景。就各個模塊而言，動力電池技術模塊發展速度相對更快，電驅技術模塊起步水平較高，燃料電池和使用/服務技術模塊發展水平相對滯后。

圖5 NEV產業各技術模塊發展度評估及預測

5.2 NEV產業人才需求量預測

通過預測NEV的4個核心技術模塊的發展度，可以推導得出其各自所需的人才數量，結果如圖6所示。2023—2025年，4個技術模塊的人才需求數量總體呈上升趨勢。其中，動力電池模塊所需的研發技術人才最多，3年分別需要11.7萬人、12.8萬人和13.9萬人；電驅模塊次之，需要6.7萬人、7.3萬人和7.9萬人；使用/服務模塊的人才需求量相對較小，需要3.4萬人、3.7萬人和4.0萬人；而燃料電池技術模塊所需人才最少，為2.5萬人、2.7萬人和2.9萬人，不過就其產業化程度而言，預測值和其他3個模塊相比其實并不小。根據各類人才在4個技術模塊中的占比，可進一步得到NEV產業各類研發技術人才的需求量。6類人才需求量的增速總體上相差不大。其中，材料/工藝工程師、結構/硬件開發工程師需求的絕對數量更高，需求增量也更大；測試及試驗工程師、運維工程師次之；而性能開發工程師、系統集成工程師的需求量較小，但要注意其極高的重要度，如圖7所示。

圖6 NEV產業核心技術模塊的人才需求量預測值

圖7 NEV產業各類研發技術模塊人才的需求量預測值

5.3 情景分析

當前，新能源汽車產業正處于快速成長期，在發展速度、技術路線、商業模式等方面都存在較大的不確定性，這使NEV產業的人才需求存在較大的不確定性。為此，采用情景分析方法，探討不同情景下NEV產業人才需求的可能區間，旨在為企業、行業對于相關人才的培養、輸出和使用提供可參考的范圍。本研究全面分析了3個一級指標，即市場成熟度、技術驅動力和政策法規影響力可能發生的最大變化，并聚焦它們對NEV產業發展度的綜合影響，設定了快速發展、穩步發展和緩慢發展3種情景，其中穩步發展情景即前述的基準情景，而快速發展和緩慢發展情景則是NEV產業發展更快或較慢的邊界情況。3種情景的內涵見表5，分別對應于不同的市場成熟度、技術驅動力和政策法規影響力。

表5 NEV產業3種不同的發展情景設定

在上述3種情景下，應用所建立的量化分析模型分別預測得到NEV產業人才需求情況。2023年NEV產業人才需求總量預計為22.7萬～26.0萬人，2024年為24.4萬～28.7萬人，2025年為26.1萬～31.4萬人，如圖8所示。

圖8 不同發展情景下NEV產業人才需求量預測值

6 結論

本文提出NEV產業人才需求預測方法，厘清NEV產業人才結構與特征，識別出研發技術人才為NEV產業人才的增量，或將成為人才缺口所在。而后，回歸人才需求產生的本源，構建分層級多指標的評價體系，以預判NEV產業的發展度，進而通過相關分析的方法，預測NEV產業人才需求。預測工作明確了NEV產業人才的培育目標和增量人才的需求量，為政府、企業及高校更有前瞻性和針對性地實施相關人才工作提供參考和支撐。未來3年，隨著中國NEV的快速發展，NEV的4核心技術模塊的發展水平都將有顯著提升。與此相應，NEV產業所需的研發技術人才數量也將有顯著增長。具體說，基于所建立的NEV產業人才需求量化預測模型，研究發現如下。

(1)在NEV產業不同的研發技術人才類型中，材料/工藝工程師、結構/硬件開發工程師的需求量較大，測試及試驗工程師、運維工程師的需求量居中，性能開發工程師、系統集成工程師的需求量較少，但后者的重要度不容忽視。

(2)在NEV產業不同的核心技術模塊中，動力電池技術模塊的人才需求量最多，且增長最快；電驅技術模塊居第2位；使用/服務技術模塊居第3位；燃料電池技術模塊的人才需求量最少，且增長最慢。

(3)以穩步發展即基準情景計，預測未來3年NEV產業的人才需求數量。2023年為24.4萬人，2024年為26.5萬人，2025年為28.7萬人。

為了滿足動力電池和電驅技術新增技術模塊，以及材料/工藝工程師、結構/硬件開發工程師的大量人才需求，高等院校及職業院校應當及時調整關于汽車人才的培養方案和課程大綱，將車用動力電池系統、電驅系統、新材料、新工業、電化學、清潔能源等相關的課程融入傳統汽車人才培養方案中，并提供新仿真、開發軟件和新試驗測試平臺應用以及NEV專屬平臺開發等技能訓練。同時，還要有側重地培育不同類別、類型人才的創新、跨界、統籌和系統思維能力。本文還存在可改進之處：①由于NEV產業屬于新興產業，在產業發展早期以政策導向為主，缺乏長時間跨度、詳實且權威的歷史數據以表征其發展情況與需求，在后續研究中，將動態更新、補充歷史數據，以提升預測的準確性；②未涉及NEV產業人才供給側情況，后續研究將調研高校、職業院校對NEV產業人才的培養方案和供給狀況，并結合產業人才需求預測輸出NEV產業人才缺口的分布情況。