一半抢人一半出清!2026 汽车软件,哪些方向值得深耕

2026 年的汽车人才市场，用一个词形容最准确：错配。

一边是开出翻倍年薪仍然招不到人的岗位，一边是简历堆满邮箱的岗位。中国人才研究会汽车人才专业委员会秘书长李喆乐在 2026 中国汽车论坛上讲过这个现象，在场的 HR 总监没有一个人意外。

这篇文章不灌鸡汤，只做一件事：把公开数据摆出来，说清楚哪些方向在扩招、哪些在出清、供需比到底是多少，以及一个具体的人在这个结构里应该怎么动。

先说明一点：不同机构的口径差异很大。猎头公司的供需比、咨询公司的薪酬带宽、工信部的缺口预测，统计方法都不一样。下面的数字都会标出来源类型，不要把不同来源的数字强行相减。

工信部《制造业人才发展规划指南》给出的口径是：至 2025 年，新能源汽车产业人才总缺口约 103 万人，其中车载测试人才缺口超过 28 万。

到 2026 年底，智能网联汽车人才缺口预计达到 30 万人，测试类岗位占比超过三分之一。2027 年这个数字会涨到 68 万，复合型人才的溢价幅度超过 40%。

这些数字容易被误读。它们不等于「随便什么岗位都缺人」，而是说缺的是特定技能组合。

一个更直观的结构性信号来自国家统计局：中国汽车制造业里，传统制造人才占比从 2015 年的 65%，降到了 2025 年的 45%。

2025 年，合肥、上海、深圳这几个汽车产业集群，软件人才的需求量首次超过传统机械类人才。十年时间，占比掉了二十个百分点。这不是周期性波动，是结构性替换。

万宝盛华 2026 年 Q3 的雇佣前景调查可以作为交叉验证：汽车业净雇佣前景指数 31%，同比改善 19 个百分点；科技及信息技术业和制造业都是 39%。

三个行业同向走强，说明这不是某一家企业的扩招，是整条链在补人。所以问题不是「行业还有没有机会」，而是机会落在哪个格子里。

把公开的岗位增速、供需比、薪酬带宽放在一起看，扩招最明确的是四个方向。

第一个，智能驾驶算法，尤其是感知和端到端。

需求增速口径最高，同比 +55% 左右。供需比的说法差异最大——有猎头口径给到 1:8（一个候选人对应八个岗位），科锐国际的《2026 人才市场洞察及薪酬指南》给智驾算法工程师的供需比是 0.38，也就是需求是供给的两倍多。

两个数字不能直接比，但方向一致：极度紧缺。

薪酬上，核心岗位年薪 80 万到 200 万是公开报道过的高端区间。小鹏在 2026 年 3 月「百万英才汇南粤」招聘会上给出的 VLA/VLM 大模型算法专家岗位，最高年薪到 200 万。

这个方向的坑在于门槛。真正抢手的是「有量产项目经验」的人——高速 NOA 或城市 NOA 实际落地过的，而不是只发过论文的。这类经验没法通过培训速成，只能靠在项目里熬。

第二个，线控底盘与底盘域控。

需求增速约 +40%，供需比约 1:5。核心技术栈是线控制动（One-Box / Two-Box）、线控转向、底盘域控制器，外加 ISO 26262。科锐国际给出的底盘工程师需供比是 10.41，含义是需求远大于供给。

这个方向最值得说的是它的转型友好度。传统底盘工程师转过来，机械和车辆动力学的底子在，缺的是软件和功能安全。反过来说，纯软件背景的人转底盘反而更难，因为底盘是安全件，对物理理解的要求降不下来。

所以这是目前传统机械背景工程师最好的一条转型路径，没有之一。

第三个，车载操作系统与中间件。

需求增速约 +35%，供需比约 1:6。技术栈是 Linux / QNX / Android Automotive、SOA 架构、DDS 与 SOME/IP、Hypervisor 虚拟化，有 AP 或 CP AUTOSAR 经验的更抢手。

这个方向的特殊性在于：它是所有上层功能的地基，但它的价值在功能没出问题时体现不出来。所以过去几年一直被低估，直到中央计算架构铺开，大家发现域控里的中间件没人会写。

供给端的问题是培养周期长。一个能独立做 AP 中间件的人，通常需要两年以上真实项目，而且必须有量产环境——虚拟机上学的 SOME/IP，和真车上跑通服务发现，完全是两件事。

第四个，智能座舱与大模型应用。

需求增速约 +50%，供需比约 1:4。技术栈是多模态交互、端侧模型部署（量化、蒸馏）、语音与图像识别。

这个方向的特点是「互联网背景的人正在批量进入」。原因很直接：端侧部署、多模态交互这些能力，在手机和 IoT 行业已经成熟，迁移成本低。

对汽车行业内部的人来说，这意味着竞争者不只是同行。要在这种竞争里站住，靠的不是模型能力，是对车规约束的理解——功耗预算、启动时间、温度范围、功能安全等级。

四个方向合起来看，有一个共同点：都不接受「只会一个环节」的人。

出清这个词比裁员准确。因为很多时候人还在，只是他会的那个东西不需要了。

公开数据里，收缩最明显的几个方向：传统动力总成（发动机、变速箱），有猎头口径给到需求萎缩 90%，也有更温和的口径给到 -40%。

差异来自统计范围——是只看新项目研发需求，还是含存量维护。无论取哪个，趋势没有争议。

传统车身结构与内外饰，非新能源车型方向的需求下降幅度在 40% 到 60% 之间。原因很直接：车型数量在减少，一个平台覆盖多个车型，设计岗自然缩编。

传统 NVH 约 -15%。新能源车没有发动机，主要噪声源变了，传统 NVH 的一大半工作对象消失。纯机械底盘约 -10%，线控化之后机械部分还在，但占比在降。

这些数字背后有一个更硬的机制：外资 Tier-1 在中国的岗位结构在位移。

过去二十年，跨国零部件巨头在华布局以制造为主——工厂、产线、工艺工程师。现在增量需求集中在三类：软件与电子架构、三电系统、智驾与底盘控制。

法雷奥在中国拿到的五合一深度集成功率电子模块订单，从研发、标定到量产，都需要本地化的系统工程师团队，而这些岗位在五年前的外资零部件公司里根本不存在。

于是就出现了「最后一代发动机工程师」的困境：做了十五年变速器标定的资深工程师，技能完全符合欧美总部要求，却不符合中国区新岗位需求；而中国区要的软件架构师、域控工程师，在欧洲总部同样稀缺。

裁员裁不到中国，但技能错配会无声地淘汰一批人。这比裁员更难应对，因为它没有明确的时点，你感觉不到。

校招端的变化更早、更直接。北汽 2026 年校招岗位缩减近半，但智能网联、自动驾驶、新能源研发的占比冲到 80%，传统燃油动力岗几乎消失。

吉利校招明确聚焦算法、芯片、EE 架构、三电四个方向，传统机械岗招聘量同比下滑 60%。

校招是行业的先行指标。今天校招不招的方向，三年后社招也不会招。

还有一种出清不那么显眼：岗位名字没变，要求变了。

比如「整车电子电气工程师」，五年前的核心工作是画原理图、定线束、做电源分配。现在同一个岗位，JD 里会写「熟悉 SOA 服务设计」「了解区域控制器架构」「能做通信矩阵设计」。

工作内容换了一半，但职级和薪资没变。对能跟上的人是机会，对跟不上的人是温水。

再比如「测试工程师」。过去是在台架上按用例点按钮，现在要求会写自动化脚本、能搭 HIL、看得懂 CAN 报文和诊断响应。同样叫测试，两代人的工作内容几乎没有重叠。

这类变化最容易被低估，因为它不伴随任何通知。

看扩招榜和出清榜只能得到方向，拿不到判断。真正的差异藏在这三个变量里。

变量一，复合能力的溢价在扩大。

科锐国际的报告里有个数据：核心技术人才跳槽薪酬涨幅普遍在 15% 到 25%，部分头部技术岗位超过 30%。智能网联板块整体在 10% 到 20%，其中座舱约 10%，车联网约 15%。

差距在哪？在「复合」两个字。同样是底盘工程师，会写控制算法、能做功能安全分析的，和只会做结构设计的，价格差 20% 到 30%。

同样是软件工程师，懂 SOA 架构又能下沉到底层驱动的，稀缺度比纯应用层高一个量级。这也解释了为什么「懂 AUTOSAR 的硬件工程师」在市场上溢价明显——他站在两个技能带的交叉点上。

变量二，AI 素养开始单独定价。

万宝盛华 2026 年 Q3 的调查里，73% 的雇主愿意为 AI 模型与应用开发能力支付薪酬溢价，73% 愿意为 AI 素养（比如熟练使用 AI 工具）支付溢价，68% 认为支持日常工作的 AI 工具显著提升了效率。

注意第二条。不是「会训模型」，是「会用 AI 工具」，也能拿到溢价。这个信号很重要，它意味着 AI 能力正在从加分项变成基础项，就像二十年前的英语、十年前的 Python。

现在还不会用，不算硬伤；两年后还不会，就是。

变量三，测试岗的缺口被严重低估。

工信部的口径里，车载测试人才缺口超过 28 万。另有行业报告给的说法是智能网联测试人才缺口接近 90 万，其中座舱测试约 10 万、自动驾驶测试约 8 万、三电测试约 5 万。

两个数字差三倍，口径肯定不同（一个可能只算整车厂，一个算了全产业链）。但有一件事是确定的：测试是缺口最大、门槛相对最低、也最容易被忽略的入口。

车载测试工程师月薪 12K 起步、14 薪，在秋招里属于热门岗位。它的价值不在于薪资天花板高，而在于它是「进得去」的。

很多人想转智驾算法，卡在没有量产经验；而测试岗本身就是积累量产经验的路径——你在实车上跑过几万公里，你对系统的理解会比只看代码的人深。

从测试转开发、转系统、转功能安全，这条路径在行业里一直被走通，只是没人愿意在公开场合讲，因为听起来不够「高端」。

对已经在出清方向上的人来说，最实际的问题是：还有多久。

猎头行业的普遍判断是两年。理由不是能力，是岗位存量。存量项目还能维持两到三年，之后新项目不会再配这类岗位。等到岗位消失再转，你要和一批同龄人竞争同样的位置，而那时候你的技能溢价已经是负的。

具体怎么转，有两套已经被验证的做法。

第一套是企业侧的「90 天转型通道」。

在发动机、变速器、传统底盘这些收缩技能带上，设置可量化的路径：前 30 天完成三电或软件的基础认证，第 31 到 60 天进入真实项目跟岗，第 61 到 90 天独立承担一个模块。

验收标准要具体——能独立交付一个电驱或域控制器相关模块。企业愿意做这件事的原因很现实：培训成本远低于重新招聘的猎头费加薪酬溢价。

一个成熟的变速器标定工程师，对系统的理解、对流程的熟悉、对供应商的把握，都是资产。丢掉这些重新招人，账算不过来。

第二套是个人侧的「能力嫁接」。

不要从零开始学一个新专业，而是找自己原有能力在新方向上的落点。

做过发动机标定的，对燃烧、热管理、传感器特性熟，转 BMS 的 SOX 算法有天然优势。做过变速器控制的，对换挡逻辑、扭矩协调熟，转电驱的扭矩管理几乎是平移。

做过 NVH 的，对振动噪声的频谱分析熟，转电驱的 NVH 和声学包设计是加分。做传统底盘的，转线控底盘是最近的一条路。

比亚迪的做法可以参考：4000 多人的智驾团队里，机械工程师被安排接受 Python 和 AI 特训。这不是把人变成算法工程师，是让懂车的人能跟算法团队对话。吉利推出了「跨时代跃迁计划」，小鹏、理想建了内部 AI 学院，让应届生直接上手 L3 级研发。

还有一个容易被忽略的窗口：公司内部的岗位调配。

外部跳槽的风险在于，你要用「没有相关经验」去说服一家陌生公司。内部转岗没有这个问题——你的绩效记录、项目履历、同事评价都是现成的，用人部门能直接判断你靠不靠谱。

内部转岗的成功率通常比外部高不少，但前提是你得先让对方知道你想转。很多人的问题不是没机会，是从没说过。

做法不复杂：找目标部门的负责人聊一次，问清楚他们缺什么样的能力，然后花三个月补上其中一块，再申请参与他们的一个项目。哪怕一开始只是打杂，进去了就有路径。

如果你还在学校，这轮结构变化对你其实是好事——你有时间，而时间是最贵的资源。

第一条，专业选择上，别只看名字。

「智能车辆工程」这类专业的校招起薪，头部车企能给到 35 万，传统机械方向大约 20 万。差距是真的。

但更重要的不是专业名，是课程里有没有三样东西：控制理论的实际应用、嵌入式与实时系统、数据与模型的基础。缺这三样，专业名字再新也没用。

第二条，项目经验的分量高于论文。

这个行业现在的判断标准非常务实：你做过什么，能在车上跑起来吗。

一个能跑通的服务化 Demo，比一篇二区论文更能打动面试官。原因不复杂——量产环境里的约束（时序、内存、诊断、失效处理）是论文里不会写的，而这些恰恰是工作的主要内容。

第三条，把 AUTOSAR 当成入口而不是终点。

AUTOSAR 本身不是一个职业方向，它是一套行业通用的语言。学会它，你能进这个行业的门；但门里面有很多房间——中间件、域控、功能安全、诊断、OTA、工具链。

在校期间把 CP 的通信栈和诊断栈跑通一遍，把 AP 的 ara::com 写一个能通信的最小例子，成本不高，收益很直接：面试时你能说出具体细节，而不是背概念。

第四条，尽早接触真实的工程约束。

学校的项目通常是「功能实现即完成」。工业界的标准是「功能实现只是开始」——还要过静态检查、单元测试、集成测试、HIL、整车验证，还要写需求追溯、做安全分析、准备审核材料。

这套流程听起来繁琐，但它是这个行业的护城河。会用 AI 生成代码的人越来越多，能把这套流程跑通的人一直不多。

回到开头那个词：错配。2026 年的汽车人才市场，总量上缺口三十万，结构上冰火两重天。缺的不是人，是特定组合的能力。

对个人来说，能做的判断只有三条。

第一条，看方向而不是看公司。同一家公司里，有的部门在扩编，有的在冻结。进错部门比进错公司更常见。

第二条，把复合能力当目标，但别摊得太薄。两个技能带的交叉点有价值，五个技能带的浅尝辄止没有。

第三条，转型要趁有存量项目的时候做。等到岗位消失再动，议价能力已经没了。

行业在换血，这不是坏事。换血意味着位置会重新分配，而重新分配的时刻，是新人和转型者少有的机会窗口。

点赞 · 在看 · 转发

THANKS FOR READING