车载软件架构 ---互联网人才怎么转变成汽车软件专家？

我是穿拖鞋的汉子，魔都中坚持长期主义的汽车电子工程师。

老规矩，分享一段喜欢的文字，避免自己成为高知识低文化的工程师：

所谓鸡汤，要么蛊惑你认命，要么怂恿你拼命，但都是回避问题的根源，以现象替代逻辑，以情绪代替思考，把消极接受现实的懦弱，伪装成乐观面对不幸的豁达，往不幸上面喷“香水”来掩盖问题。
无人问津也好,技不如人也罢,你都要试着安静下来,去做自己该做的事.而不是让内心的烦躁、焦虑、毁掉你本就不多的热情和定力。

时间不知不觉中，快要来到春节。2024结束，2025又开始新的忙碌。成年人的我也不知道去哪里渡自己的灵魂，独自敲击一些文字算是对这段时间做一个记录。

一、开发人才从何而来

引言：从2019年下半年开始，各个玩家都发布了在汽车软件化方面的战略，特别是2020年这种经济大环境不好的情况下，仔细去看看各方的动作，丝毫感受不到有什么汽车业的寒冬，有些玩家是真做，有些玩家是在跟风，还有一些还在睡觉。

最近和各种背景的人交流，技术派似乎认为这就是未来方向，传统派关注的问题很实际，花这么大代价去重构汽车的软硬件基础架构，究竟有什么意义？对这个方向还存在疑虑的，现阶段也很难有什么令人信服的证据去说服。我更加关注执行层面的事情，如果这个方向的是正确的，如何能让想法慢慢落地？思考了很久，决定从三个维度去阐述这个事情：

1、人从哪儿来

关于“人从哪儿来”的问题，确实是一个核心挑战。汽车软件化需要重构车辆底层的软硬件基础架构，这需要具备特定技能和经验的人才。然而，目前行业里并没有现成的人才储备，无论是来自互联网还是传统汽车电子软件领域的人才，都存在能力上的短板。因此，对于想要在这一领域取得突破的车厂来说，如何培养和吸引人才成为了一个关键问题。

2、要做的事情

在人才方面，车厂需要掌握三个基本能力：软件架构能力、软件开发能力和软件工程能力。这些能力对于构建高效、可靠和可扩展的汽车软件系统至关重要。而为了吸引和留住这些人才，车厂需要提供良好的工作环境、有竞争力的薪资和福利待遇，以及广阔的职业发展空间。

3、执行策略与计划

接下来，关于“要做的事情”，车厂需要明确自己的战略目标和实施路径。这包括确定软件化转型的优先级、制定详细的项目计划和时间表、以及建立有效的团队协作机制。同时，车厂还需要与供应商、合作伙伴和科研机构等建立紧密的合作关系，共同推动技术创新和产业升级。

最后，关于“执行策略与计划”，车厂需要采取一系列措施来确保转型的顺利进行。这包括加强内部培训、提升员工技能水平、建立灵活的组织架构和决策机制、以及加强风险管理和应对能力。同时，车厂还需要密切关注市场动态和技术发展趋势，及时调整战略和计划以适应变化的环境。

此外，对于传统巨头来说，虽然他们在汽车领域拥有强大的实力和丰富的经验，但在软件化转型方面却面临着诸多挑战。一方面，他们需要克服自身的惯性思维和传统做法，积极拥抱新技术和新模式；另一方面，他们还需要与新兴的科技公司进行竞争和合作，共同推动行业的进步和发展。

为什么先讲人，是因为软件定义汽车这件事情，最关键的还是要重构车辆底层的软硬件基础架构，而行业里面没有现成的人才储备，无论是互联网来的，还是传统汽车电子软件来的，都存在能力上的短板，并且从架构上也没有最佳实践，所以即使是哪家车厂想清楚了要做什么，短时间也招不到如此多的合格的人才，所以传统的玩家无论想做什么软件，三个基本能力是必须掌握的：

-> 软件架构能力

-> 软件开发能力

-> 软件工程的能力

很多人都在讲，传统巨头转型过来，会吊打特斯拉，可事实是转型过来的巨头依然还在被吊打着，有一个要素大家要清楚，拥有强大软件的研发能力的科技巨头，招揽汽车顶级人才的能力，要明显强于传统巨头招揽软件人才的能力，科技巨头拿二线程序员的薪资就能招揽到一线的汽车人才，虽然很残酷，但却是事实。

二、互联网人才的能力模型

互联网人才在汽车软件化转型中确实扮演着重要角色，但他们的能力模型也需要适应新的环境和挑战。以下是对互联网人才在汽车软件化领域中的能力模型的详细分析：

1. 软件开发能力

互联网人才在软件开发方面具有丰富的经验，他们熟悉各种高级编程语言，如C++/JAVA/OC/JS/PYTHON等，并能够在不同操作系统（Windows/Linux/IOS等）上进行应用软件开发。这种能力在汽车软件化转型中同样重要，因为汽车软件也需要跨平台、跨设备的开发能力。

2. 软件工程经验

互联网公司在构建大规模软件系统方面积累了丰富的经验，包括项目管理、需求分析、设计、测试、部署等环节。这些经验在汽车软件化转型中同样具有参考价值，因为汽车软件也需要高效、可靠、可扩展的开发流程和质量保障。

3. 算法与数据处理能力

互联网公司通常拥有强大的算法和数据处理能力，这在自动驾驶和智能网联等领域尤为重要。图像识别、语音识别、数据分析等技术是自动驾驶和智能网联汽车的核心组成