信息技术产业与汽车工业耦合发展评价研究

董志学　林秀峰

1(首都经济贸易大学，北京　100070)　2(中国人民大学，北京　100872)



信息技术产业与汽车工业耦合发展评价研究

董志学1林秀峰2

1(首都经济贸易大学，北京100070)2(中国人民大学，北京100872)

〔摘要〕汽车产业是一个传统行业。以互联网为代表的信息技术产业的发展，以及谷歌、苹果等科技巨头开始对汽车产业的涉足，为汽车产业的发展提供了全新的机会，这使得信息技术产业与汽车产业呈现了耦合的态势。尽管在制造、售后等环节我国汽车制造企业与国外汽车制造企业的差距正在逐年缩小，但是在产品开发、智能制造等环节，依然是目前我国汽车企业最为薄弱的环节。按照产业耦合理论，我们将两个产业的耦合程度，按照由弱到强的关系，分为无耦合、低度耦合、中度耦合、高度耦合四个阶段，本文将通过信息技术产业与汽车产业的数据，对二者的耦合程度、可持续发展性进行全面研究，以便达到为我国汽车产业与信息技术产业的耦合找到可行路径的目标。

〔关键词〕信息技术产业汽车工业耦合发展AHPDephi

引言

汽车产业是一个传统行业，在信息技术与互联网的推动下，为相关产业提供了全新的机会，这使得谷歌、苹果等科技巨头开始涉足汽车产业。科技巨头在汽车领域的耕耘，也给零部件供应商带来了产业转型与融合的机会，例如，鉴于汽车产业发展的重心由传统装置转向电子产品之际，传统的供应链也发生了显著变化，零部件供应商凭借传感器、相机、电池、显示屏等方面在科技产品积累的优势，使智能汽车产品成为这些供应商的新的利润增长引擎，在此过程中，无形之中实现了两个甚至多个产业的耦合与互融。

耦合(Coupling)是物理学中的一个基本概念，是指两个或两个以上的系统通过各种相互作用而相互影响以至联合起来的现象，是在各子系统间的良性互动下，相互依赖、相互协调、相互促进的动态关联关系。按照生命周期理论，在不存在耦合的情况下，任何产业的发展都有自己从诞生、成长、成熟直至衰亡的过程，我们将两个产业的耦合程度，按照由弱到强的关系，分为无耦合、低度耦合、中度耦合、高度耦合四个阶段，在每一阶段，均有相应的特征和表现形式与之匹配。例如在汽车产业与信息技术产业的耦合方面：

(1)在无耦合阶段，信息技术产业和汽车产业分别在各自的领域沿着自己的趋势单向发展，尤其是信息技术产业作为后来者，发展还相对弱小，信息技术产业和汽车产业系统内的各个耦合因子还未达到平衡有序状态。

(2)在低度耦合阶段。汽车产业在信息技术进步和需求的拉动下，在人员、装备等方面已经逐渐形成了一定的规模，以及在相关产业中已经具备了一定的影响力，此时，信息技术产业开始为汽车产业产生支撑和服务作用。最明显的表现是随着汽车生产主体的发展，信息技术产业开始为汽车产业提供诸如ERP、人力资源管理系统、财务管理系统、营销管理系统等信息技术产品。

(3)在中度耦合阶段。随着系统内耦合因子实力的增强，系统内部逐渐产生有序的组织形式，系统和外界不断进行以信息、数据等形式的交换，在此阶段，信息技术产业开始快速成长，产业规模不断扩大并向周边扩展，并逐渐形成产业链。此阶段的表现形式是上阶段形成的信息技术各系统开始进行有机关联，并形成以特定目的为核心的整体，尤其是信息技术产业其他产品形式的出现，更是有力地支撑了汽车产业的效率提升。例如，仿真虚拟现实技术可以大大缩短产品的开发周期，互联网、移动技术的发展更是能缩短汽车企业对客户需求的相应时间等。从此意义上讲，目前信息技术产业与汽车产业的耦合正处于此阶段。

(4)高度耦合阶段。在本阶段，信息技术产业与汽车产业高度耦合，汽车产业能够全面科技化，信息技术将在交通服务、安全防护、信息沟通、数据采集等方面承担主要角色。汽车作为一款产品，已经完全具备技术特征，能够通过信息技术与外界各个子系统进行实时无障碍沟通，汽车不仅是一款产品，更成为使用者的助手。此时，信息技术产业与汽车产业的界限将会被重新定义，汽车生产企业除了是汽车制造商，还有可能是汽车信息技术开发商。

综上所述，产业间的耦合是不同产业发展到特定阶段的必然结果，产业链越长，耦合的概率和深度也就越大。在耦合的不同阶段，不同产业主体的地位和作用不尽相同，但毫无疑问的是，信息技术产业和汽车产业的耦合是必然的趋势。

1我国汽车工业与信息技术产业耦合现状分析

1.1智能制造基础薄弱

从汽车产业角度上讲，我国汽车工业发展模式是合资企业占据了主要地位，造成我国自主汽车产业发展水平较低。尽管在制造、售后等环节我国汽车制造企业与国外汽车制造企业的差距正在逐年缩小，但是产品开发环节，是目前我国汽车企业最为薄弱的环节。从区域角度上讲，我国汽车企业分布在各个省市，通过历年的发展，已经形成了不同产品的产业集群，而各个集群间的产业基础各不相同，造成各个区域间的智能制造能力和水平各不相同，无法形成协同优势；从企业角度讲，我国自主汽车企业的发展分为两个层次，第一个层次诞生于民间，比如长城、吉利、比亚迪等，对比国外已经经营百年的汽车企业，这类企业的发展时间较短，在资金、技术等方面并不占据优势。第二个层次是诞生在合资企业的自主品牌，包括华晨、北汽等，这类企业在与国外品牌合资的过程中，积累了一定的技术经验优势，但受制于国外品牌，在渠道、营销等方面并未形成完备的体系。

1.2信息系统管理能力不足

我国汽车制造企业已经初步形成了包括ERP、eHR等软件系统在内的信息化管理系统，然而在系统生命周期管理方面，尤其是在研发水平方面，还未具备利用虚拟仿真等技术进行产品规划与开发的能力。而在未来，汽车工厂将拥有与当下截然不同的智能系统、创新技术，以及高效组织构架，人们今天所熟悉的汽车生产流程将不复存在，在智能技术的帮衬下，它将变得更加互联、智能和高效。

2汽车产业与信息技术产业耦合发展评价模型构建

2.1评价模型指标体系构建

信息技术产业与汽车产业的耦合模型主要包括耦合关联度模型和持续发展模型。耦合关联度可以从量化的角度从空间逻辑上评价信息技术产业与汽车产业的耦合程度，体现标准为耦合关联系数；持续发展模型可以从定量的角度分析信息技术产业与汽车产业在时间逻辑上的发展水平。

经过分析，确定汽车产业与信息技术产业耦合的相关评价指标内容如下：选取汽车产业的“经济效益、发展潜力、产业绩效、产业竞争力”作为一级指标，选取“人均劳动生产率、研究与发展水平、产业贡献率”等11个指标作为二级指标。选取信息技术产业的“发展水平、经济效益、发展潜力、经营绩效”作为一级指标，选取“互联网普及率、信息化发展指数、盈利能力”等9个指标作为二级指标，希望通过这些指标综合反映汽车产业与信息技术产业相互耦合的程度、发展潜力等。

表1　汽车产业与信息技术产业耦合发展评价指标

2.2耦合发展模型数据指标

在分析数据选取上，主要依据2014年度的《中国汽车工业年鉴》、《中国汽车产业发展报告》、《中国工业发展报告》，选取2009～2013年度的数据资料进行分析。评价指标值如表2所示。

表2　汽车产业与信息技术产业耦合发展评价指标数值一览表

续　　表

数据来源：2014年度的《中国汽车工业年鉴》、《中国汽车产业发展报告》、《中国工业发展报告》。

3基于AHP法和Dephi法的产业耦合发展实证研究

为方便进行数据处理、计算，得出更加准确的结论，本节使用R语言，运用AHP层次分析法和Dephi法对汽车产业与信息技术产业的耦合程度进行分析。

3.1产业耦合发展实证模型的构建

3.1.1AHP层次分析法权重含义

设某层有n个因素，X={x1，x2，…，xn}，要比较它们对上一层某一准则(或目标)的影响程度，确定在该层中相对于某一准则所占的比重(即把n个因素对上层某一目标的影响程度排序)。

上述比较是两两因素之间进行的比较，用aij表示第i个因素相对于第j个因素的比较结果(尺度)，则，记矩阵A为成对比较矩阵，有：

对于比较尺度(结果)aij而言，通常采用Dephi专家法确定，有如下规则：

表3

即，成对比较矩阵A为正反矩阵。

3.1.2Dephi法确定各层权重

(1)汽车产业(传统产业)

评价方面重要性排序：W1>W5>W3≫W4>W2。因此，汽车产业评价方面的比较矩阵为：

对于经济效益W1而言，重要性排序：B>A，于是经济效益下的比较矩阵：

对于发展潜力W2而言，重要性排序：C=D，于是发展潜力下的比较矩阵：

对于产业绩效W3而言，重要性排序：F>E，于是产业绩效下的比较矩阵：

对于产业竞争力W4而言，重要性排序：G>H>I，于是产业竞争力下的比较矩阵：

对于市场绩效W5而言，重要性排序：J=K，于是经济效益下的比较矩阵：

(2)信息技术产业

评价方面重要性排序：U2>U1>U3>U4。因此，信息技术产业评价方面的比较矩阵：

对于信息技术产业发展水平U1而言，重要性排序：M>L，于是信息技术产业发展水平下的比较矩阵：

对于经济效益U2而言，重要性排序：P>O>N，于是经济效益下的比较矩阵：

对于发展潜力U3而言，重要性排序：R>Q，于是发展潜力下的比较矩阵：

对于竞争力U4而言，重要性排序：T>S，于是竞争力下的比较矩阵：

3.2各层系数以及一致性检验结果

3.2.1汽车产业

评价方面，根据3.1.2(1)的重要性排序以及比较矩阵W，应用AHP层次分析法可以得到系数：

W1-coefficient=0.44838975

W2-coefficient=0.05522681

W3-coefficient=0.15389050

W4-coefficient=0.08953515

W5-coefficient=0.25295779

检验：Saaty’s inconsistency=0.008≪0.1，符合要求

对于经济效益W1而言，根据3.1.2(1)的重要性排序以及比较矩阵W1，应用AHP层次分析法可以得到系数：

A-coefficient=0.3333B-coefficient=0.6667

检验：Saaty’s inconsistency=0.00≪0.1，符合要求

对于发展潜力W2而言，根据3.1.2(1)的重要性排序以及比较矩阵W2，应用AHP层次分析法可以得到系数：

C-coefficient=0.5D-coefficient=0.5

检验：Saaty’s inconsistency=0.00≪0.1，符合要求

对于产业绩效W3而言，根据3.1.2(1)的重要性排序以及比较矩阵W3，应用AHP层次分析法可以得到系数：

E-coefficient=0.25F-coefficient=0.75

检验：Saaty’s inconsistency=0.00≪0.1，符合要求

对于产业竞争力W4而言，根据3.1.2(1)的重要性排序以及比较矩阵W4，应用AHP层次分析法可以得到系数：

G-coefficient=0.5714286

H-coefficient=0.2857143

I-coefficient=0.1428571

检验：Saaty’s inconsistency=0.00≪0.1，符合要求

对于市场绩效W5而言，根据3.1.2(1)的重要性排序以及比较矩阵W5，应用AHP层次分析法可以得到系数：

J-coefficient=0.5K-coefficient=0.5

检验：Saaty’s inconsistency=0.00≪0.1，符合要求

3.2.2信息技术产业

评价方面，根据3.1.2(2)的重要性排序以及比较矩阵，应用AHP层次分析法可以得到系数：

U1=0.26949870U2=0.47924398

U3=0.17219433U4=0.07906299

检验：Saaty’s inconsistency=0.0232823<0.1，符合要求

对于信息技术产业发展水平U1而言，根据3.1.2(2)的重要性排序以及比较矩阵，应用AHP层次分析法可以得到系数：

L-coefficient=0.3333M-coefficient=0.6667

检验：Saaty’s inconsistency=0.00<0.1，符合要求

对于经济效益U2而言，根据3.1.2(2)的重要性排序以及比较矩阵，应用AHP层次分析法可以得到系数：

N-coefficient=0.1428571

O-coefficient=0.2857143

P-coefficient=0.5714286

检验：Saaty’s inconsistency=0.00<0.1，符合要求

对于发展潜力U3而言，根据3.1.2(2)的重要性排序以及比较矩阵，应用AHP层次分析法可以得到系数：

Q-coefficient=0.25R-coefficient=0.75

检验：Saaty’s inconsistency=0.0232823<0.1，符合要求

对于竞争力U4而言，根据3.1.2(2)的重要性排序以及比较矩阵，应用AHP层次分析法可以得到系数：

S-coefficient=0.3333T-coefficient=0.6667

检验：Saaty’s inconsistency=0.00<0.1，符合要求

于是，总结上述内容，如表4：

表4

续　　表

通过计算可得表5：

表5

最后可得：

W=1.284284896=1.28U=0.94514528=0.95

耦合关联度：

耦合持续发展模型：

目标：0.70～0.79中度发展型，因此取a=0.5，b=1-a=0.5，最后D=0.74。

(注释：试验了a、b的多种组合，都在这个区间)

4主要结论与对策建议

4.1结果分析

4.1.1耦合关联度分析

通过运用AHP层次分析法和Dephi法对我国汽车产业与信息技术产业耦合关联度分析，相应的标准表明：

当C=0时，说明汽车产业与信息技术产业之间无耦合；

当0

当0.3

当0.7

根据本论文的计算结果，得出汽车产业与信息技术产业的耦合关联度达到了0.49，说明汽车产业与信息技术产业目前是中度耦合阶段，正在处于发展阶段的初期。从实践来看，也验证了结果的正确性。

4.1.2汽车产业与信息技术产业耦合持续发展性分析

耦合相关度虽然能在一定程度上反应汽车产业与信息技术产业之间的耦合程度，但并没有反映出二者在总体上的发展水平与趋势。

表6

根据本论文的计算结果，得出汽车产业与信息技术产业的耦合持续发展度达到了0.74，说明汽车产业与信息技术产业目前是中度发展阶段。在不久以后，二者定将进入到良好发展的阶段。因此，作为汽车企业，应该主动与信息技术企业进行耦合，尤其是在与移动互联网有关的技术方面，要做到与时俱进。

4.2对策建议

信息技术产业与汽车产业的耦合在全世界范围内都处于同样的时间起点，但由于世界各国在两个领域的发展程度、发展规模的不同，呈现了不同的耦合特点，相比于德国、美国、日本，我国在此方面体现了参与企业多元化、市场细分多元化、商业模式多元化的特征。根据以上的分析，可以采取如下的建议。

4.2.1汽车企业增强智能产品研发能力，多层次满足消费者需求

汽车工业与信息技术产业的耦合主要通过消费者使用的汽车产品实现，在整个汽车产业的发展过程中，共历经了两个阶段，分别是与汽车厂商有关的智能设备，以及与消费者有关的汽车产品，而耦合的结果是汽车逐渐成为了一款消费者使用的智能终端产品。移动互联成就了信息技术产业、汽车产业与消费者的耦合，在信息技术产业的帮助下，消费者借助手机等智能终端，与汽车厂商提供的汽车产品紧密结合，进而给消费者带来更好的用户体验。

从耦合的主体来看，与汽车产业应用的信息系统相比，充当与消费者耦合的是消费级互联网信息技术，例如百度、腾讯等与消费者密切相关的信息技术企业。但这种局限性正在被逐步打破，越来越多的科技企业开始涉足新一代汽车技术的研发，利用自己的优势来弥补传统汽车产业不足，而对于消费者来讲，带来的更多是完美的用户体验。

4.2.2政府加强产业规划能力，进一步调整产业结构

汽车产业是与政府关系最为密切的产业之一，一方面，政府是汽车产业政策的制定者与调控者；另一方面，政府负责为消费者提供停车服务、车辆保障、交通设施等服务，同时，在信息技术产业，在云计算、大数据的帮助下，消费者通过对汽车产品的使用，利用信息技术企业的技术平台，会将相关数据反馈给政府机构，进而有利于政府机构作出更有针对性、更加正确的决策。

根据欧盟研究机构IRI(Economics of Industrial Research Innovation)对世界前2500名企业中关于汽车行业的研发投入的统计可以看出，在汽车产业企业数量方面，我国生产整车的企业达到了14家，占我国汽车产业企业数量的63.6%，而汽车产业最为发达的日本、美国、德国整车企业数量仅占汽车产业的均值为22.2%，这说明我国汽车产业整车与零部件供应的比例还不合理，产业结构仍需进一步调整。

汽车工业与信息技术产业耦合的过程中，政府充当规则的制定者、数据与服务的监督者的职能。信息技术产业、汽车产业在政府的引领下，会给消费者带来更加完美的服务，同时有助于传统汽车产业和信息技术产业的升级。

4.2.3促进车联网等新生态体系的形成

目前，我国在信息技术领域既有诸如腾讯、百度、高德等以提供信息服务为主的信息技术企业，也有华为、四维图新等以核心设备为主的企业。在系统集成解决方案供应商方面，东软等大型软件开发企业也占有一席之地。但不可否认的是，这些企业仍处于本土化经营的阶段，在世界范围内的市场上，还无法与西门子、SAP等巨鳄相抗衡。

车联网是信息技术产业与汽车产业耦合的必然结果。信息技术的发展让车联网行业正在从“以导航和信息娱乐服务为主”的服务向“以全面提升道路交通安全和交通效率为目标”的方向转变，这也对信息技术企业的发展提出了新的挑战。要战胜这个挑战，作为信息技术企业，必然要加大软件的研发能力和水平，走平台化研发之路。

参考文献

[1]CIMData Inc.Product Lifecycle Management[R].Michiga:CIMData Inc.,2001

[2]Farhad Ameri,Deba Dutta.Product Lifecycle Management:Closing the Knowledge Loops[J].Computer-Aided Design and Applications,2005,2(5):577～590

[3]Ing D,Erkayhan S.The Use of RFID Enables a Ho-listic Information Management Within Product Life-cycle Management(PLM)[C].2007 1st AnnualRFID Eurasia.Istanbul,2007:1～4

[4]R.Vernon:International Investment Trade in the Product Cycle[J].Quarterly Journal of Economics,1966,(80):190～207

[5]R.Vernon.The Product Cycle Hypothesis In a New International environment[J].Oxford Bulletin of Economics and Statistics,1979,(41):255～267

[6]陈晓峰.生产性服务业与制造业互动融合：特征分析，程度测算及对策设计——基于南通投入产出表的实证分析[J].华东经济管理，2012,(12):9～13

[7]李琳，李宁，王星.信息化与工业化融合实时测度研究[J].情报科学，2013，31(5):108～112

[8]张俊．导向性技术变迁与环境技术偏向——来自中国汽车行业的经验证据[J]．工业技术经济，2014，(3)：82～89

[9]聂子龙,李浩.产业融合中的企业战略思考[J].软科学，2003,2(18):1～9

[10]沈建新，周儒荣.产品全生命周期管理系统框架及关键技术研究[J].南京航空航天大学学报,2003，35(5)

[11]王宏君，余旭，敬石开.统一面向全产品生命周期的知识应用体系研究[J].信息技术,2014，(9)

[12]魏丽丝.生命周期理论文献综述[J]．合作经济与科技，2014，(12)

[13]张新，马建华，刘培德，等.区域两化融合水平的评价方法及应用[J].山东大学学报(理学版)，2012,47(3):71～76

(责任编辑：史琳)

Evaluation of the Information Technology Industry and the Automotive Industry Coupling

Dong Zhixue1Lin Xiufeng2

(1．Capital University of Economics and Business，Beijing 100070，China；2．Renmin University of China，Beijing 100872，China)

〔Abstract〕The automotive industry is a traditional industry.Development of the internet as the representative of the information technology industry,as well as Google,Apple and other technology giants began to start on the automotive industry to get involved for the development of automobile industry provides a new opportunity,which makes the information technology industry and the automotive industry presents a coupling situation.Despite the disparity in the manufacture,sale and other aspects of China’s automobile manufacturing enterprises and foreign automobile manufacturers are shrinking each year,but in product development,intelligent manufacturing and other sectors,China’s auto companies are still the weakest link.According to the industrial coupling theory,the degree of coupling of the two industries,according to the relationship from weak to strong,divided into non-coupling,low coupling,moderate coupling,coupling height of four stages,by the information technology industry and the automotive industry data on the degree of coupling between the two,this paper analyzed the sustainable development of a comprehensive study in order to find a viable path to achieve coupling of the auto industry and information technology industry goals.

〔Key words〕information technology industry;the automobile industry;coupled development;AHP;Dephi

收稿日期：2016—02—24

作者简介：董志学，首都经济贸易大学经济学院产业经济学博士研究生。研究方向：产来经济、企业管理。林秀峰，中国人民大学统计学院概率论与数理统计专业在职研究生。研究方向：统计学。

DOI：10．3969/j．issn．1004-910X．2016．06．003

〔中图分类号〕F426.471

〔文献标识码〕A