求学经历与第一批改革开放大学生
真的如果要说的长一点，我在中国的时候，你们可能知道，或者说你们的父辈应该说不定也可能亲身经历过，中国有改革开放，是在上个世纪的七十年代末。从那时候开始考试上大学，所谓的改革开放大学生嘛。
我是第一批的。以前那叫文化大革命，有十年的这样的历史，没有上大学，大学关门了可以说那十年。我们是改革开放第一批的，所以说比较早一些。我们是因为早，所以什么都是赶上了第一批，大学生第一批，硕士、博士。我本硕博都是在哈尔滨工业大学做的。
在一九八八年的时候做 Postdoc，就是做博士后的时候，哈工大跟 TU Braunschweig（布伦瑞克工业大学），在汉诺威附近，TU Braunschweig 跟哈工大有协作。我就到 TU Braunschweig 做了半年多的博士后。
博士后结束以后，进入了当时梅赛德斯-奔驰，当时叫戴姆勒-奔驰，应该说叫戴姆勒-奔驰，进了戴姆勒公司。这公司先后换了几个名字，但是在德国就叫戴姆勒。这一直在戴姆勒公司。
我本人在哈工大学的是焊接，博士生更多的是断裂力学，力学比较多一些，固体力学。到了汽车公司以后，其实也是主要和这汽车结构、焊接问题，还有整车结构的安全问题，还有疲劳耐久性等等，做了很多这方面的工作。
主要是在公司的研究部门，后来在前期开发，后来在开发部门。因为三十多年，已经三十五年了，所以说在公司内部部门应该说转得比较多的。我可能是第一位来自中国大陆的进入奔驰公司正式工作的员工。这就是因为比较早，所以说阴差阳错的都赶上了第一批，这是工作上的事情。
创立全德华人民机电工程学会与中德交流
我业余时间，应该说我们学会今年正好成立了二十周年，是二零零五年的时候。我也是经常代表公司出去开会，也是在一些德国的会议，这些专业会议上偶尔碰到了几个华人。当时工作了的华人确实很少，碰到一个还是感觉挺亲切的。大家一聊，来自德国不同的地方，但是都没有什么联系，就迫切感觉到我们要搞一个平台。在德国当时是在德国工作的人就不多，大家要再没一个联系可能就各干各的了，所以说有这么个初衷，我们就组建了这个叫全德华人民机电工程学会。
我们也越办越大，现在有八百多人在德国各地。其实主要是在企业的比较多一些，尤其是在汽车企业。因为德国汽车工业和机电你们也知道，也是强项，所以说大概我们学会这么个情况。
我们其实我们的工作，第一个学会首先是个平台，华人在德国工作的，包括学习的，还有一些博士后，还有个别的有做大学教授的，也在我们里边。就希望大家多认识，这样有个交流，其实对自己的工作也有帮助。比如说我们有一些博士生在做博士题目遇到困难了，有时候大家聊一聊，毕竟这里边有很多是资深一些的，对他们也是挺有帮助的。如果要是找工作了，还有以前在找实习了，就是更方便一些了，有一些信息。比如说我本人，我也在公司，你们也知道德国大公司研发中心这些资深专家还可以带学生，我也带了很多像 Werkstudent 或者叫 Master student，并且还有博士生 Doktorand。这德国也有，其实为数不多，但是在企业也可以做在职博士。所以有一些机会讲解，大家宣传一下，这样我们学会也是有很多微信群、公众号等等，大概就这么一个情况。
这是在德国。我们也是时常，其实疫情断了几年之外，其实我们每年至少有一次组团到中国。中国在上海就是另外一个组织叫全球汽车精英组织，我们学会也属于发起单位之一。因为每年我们在上海大概活动安排在十一月中下旬，我们每年在国内也聚一次。其实是来自世界各地的华人跟汽车相关的，和国内的同行在上海共同有这么一个平台。那就是我本人和我们协会以及国内的精英组织大概情况就是这样。
八十年代公派与校际交流赴德
提问：好，感谢张博士。我特别好奇，因为您刚才也说了，您是从哈工大走出来，然后到德国，后来又成立了学会。那我比较好奇的一点就是，那个时候出国是一个什么样的状态？因为您说八八年那个时候来到德国，您又是您所在汽车大厂第一批、第一位中国人。那那个时候您觉得那个时候的德国跟现在的德国比有什么区别？
张博士：这个可以说是变化很大了。第一个问题就是说当时出国的情况，可以这样说，当时在上个世纪的八十年代，当年中德关系是非常友好的一个关系。现在应该说三十年，人说十年河东十年河西，三十年变化很大的。当时在那友好的气氛下，有很多校际交流，偶尔也有一些自费留学。当时八十年代我们那时候主要的留学大军来德国的，都是属于公派这一类的。
我是属于校际交流，因为我是在哈工大都做完博士学位了，博士后我也是当时国内几乎是第一批的博士后。博士完了就接着做博士后，完了以后就是博士后出国。当时早期的博士后有个要求，就至少要出国半年。所以我属于校际交流，做博士后期间由哈工大校际交流到 TU Braunschweig。
应该说当时的大环境跟现在是很不一样，到了德国以后还是挺受欢迎，这边也非常热情。当时我们也都是可以说有点，如果要用如饥似渴也可以这样说，不论对学习、了解西方的知识，还有自己专业领域的一些东西，因为当时毕竟和中外的差别是非常大的。
提问：那当时您出国的时候是要求您已经会讲德语还是英语？有这样的语言要求吗？
张博士：首先如果要是公派的有要求，在国内有培训，比如说同济大学有个培训班。因为我是校际交流，属于访问学者这一类的，那这样就没有这个要求，所以我来德国是一点德语也不懂。我在中国学的是英语，大学外语学的是英语，后来学了个二外学了个日语，德语根本不懂，一个字母都不知道。到德国语言让人头痛，所以说我在前几年主要是讲英语。
从学术界到工业界奔驰研发中心
提问：明白。那您当时是走学术的这条路，您从本科一直读到博士，要来德国做博士后。那您后来有没有想过留到学术？后来又是怎么进到工业界的？
张博士：这个也是一个挺好的问题。可以说当时可以说是没有多少选择，从个人角度来讲。比如说我出国是校际交流，应该说是单位派出来的。到了德国以后当时是这样的，从我本人来说我倒是比较愿意做研究，毕竟在国内一直从研究这一领域出来的。但是当时的情况是这样的，做完博士后以后在德国是可以短期再工作一下，所以当时我是想，因为做博士后当时的时间，校际交流计划只是半年的时间，其实能学的东西是非常有限的，连可能刚熟悉了环境、刚一些设备刚会用了就要回去了。所以说当时的我们学校，我们教研室——我是焊接专业，焊接教研室的主任当时是非常开明的，他来德国的时候我带他参观，后来他也说可以在这多学一些东西。
所以说我就当时选择的一个是在高校，一个是在非高校，也并没有想到企业。但是当时非常凑巧的是，在奔驰公司有一位，他们又做过高管，他对学术研究还非常感兴趣，他还有教授的头衔，在公司里当教授可以这样说。因为我们的专业，我的博士论文和他的专业非常对口，我就联系到他了以后，他一看我的简历，我们在 Braunschweig 见面以后一聊，觉得非常对口。所以在他帮助下我就进入了奔驰公司的研发中心。
虽然没在高校，但是研究的分量还是，这个成分还是很重的。因为在公司的研发中心，当时他是研发负责人。应该说我们省了一个事，不用去争取经费去了，公司都给拨款，因为研发部研发人员。所以说对他来说也是这样，我估计这也是他当初为什么选择在公司搞科研。他也是我的这位教授，是他帮我进的奔驰公司。他本人虽然在公司工作，也是一个非常看重研究的这么一位教授。按照我的当时的想法，这就是这位教授本来就应该在大学工作的，但是呢在公司的研发中心工作。所以说我就这样接着了奔驰的研发中心。
从工作内容上我是非常感兴趣的，因为我们两个研究的内容都是我们原来的专业方向。所以说简单说虽然在公司，但是还是做了很多的研究工作，前几年是这样的。
德国博士进入工业界的普遍现象与优势
提问：明白。因为我知道哈工大的焊接系在我高考的那一年他的分数是非常高的，基本上和清华北大没有差太多的。八十年代能在哈工大焊接系读书其实是很厉害的，尤其那个时候大学生也没有特别多，尤其是前几批。
张博士：确实，如果按照现在的录取率来说，应该说是越往后录取率越高了，因为国内不断的大学要在发展然后再扩招。在开始的前几届确实人是不多，竞争比较厉害。
提问：对，因为我们几个也都是有博士背景的，所以在我们博士刚毕业的时候也会面临这样的思考，将来自己去工业界还是留在学术？所以我刚才问到您这样的问题，为什么会从学术走到工业界。其实我觉得在德国好像这个现象还算是挺普遍的，就是博士毕业之后进到工业界，而不是说比如说咱们正常想的都是如果你博士毕业已经走在学术了，那毕业了就最好还是要进到学术。我觉得德国博士毕业进到工业界的比例，其实好像是要比国内更高的。
张博士：这个现象是非常普遍的。比如说我刚才提到嘛，我在公司也带过一些在职博士，这些博士我带了几个毕业的，毫无例外的都在工业界工作。我的单位，比如说我们这个 Abteilung（部门），我们有很多新来的博士，都是德国很好的，比如说 TU Darmstadt，还有亚琛工大 RWTH Aachen 等等，还有慕尼黑工大 TU München，都是很好的大学。他们给我的感觉都是优秀的博士生毕业以后，首先考虑是进德国的企业。
我觉得这个我回过头来看，我的体会可能有两方面的原因：
第一个可以说是这待遇方面的动力，这是毫无疑问的。做完学位以后找工作待遇问题，虽然有的时候不那么说的太多，但是这是不可避免的。在大公司的待遇还是很好的，所以说这是第一个吸引力。
而第二个吸引力，在德国这是一个很重要的现象，这些大公司的研发中心，比如它的设备，还有它设计的题目都是非常领先的，不一定比大学差多少。所以说这个是德国的特色，因为德国这些工科大学，还有德国的工业基础，尤其是机电这个领域，机电、汽车这个领域。如果汽车更明显了一些，比如说大学的汽车所，他们研究的题目，我的感觉还不如在汽车公司里边的研发中心，尤其是前期研发。因为这些大的企业集团，他们比如说自动驾驶等等这些技术，始终是走在前面的。因为企业等不及，比如我们在企业搞研发，有的时候不能等大学搞出来我们再用，而是自己就要用，自己就要研发。所以这个就是跟跑是不可能的，就有点领跑的意味。
所以这些博士毕业以后到了大公司的研发部门，即使是想搞科研也是大有用武之地的。所以因为这两方面原因，就不一定大学毕业以后就一定要选择还在高校才能做研究工作。当然这个可能跟专业有关系，生物这类基础性的东西，当然还是在大学可能更多一些。
职业选择：兴趣、天赋与管理路线
提问：对，我觉得您说的这两点非常好。我想补充的一个就是另外一个如果从个人的意愿来看，其实好多人他读了博士，但是最终他没有特别喜欢做学术。那我觉得对于这样的同学来讲，可能去工业界也是更好的一个方向。因为如果不喜欢学术还留在学术界可能会比较痛苦，因为做学术其实相对来讲还是比较需要人的耐心、持之以恒的这种感觉，如果对这个东西不热爱我觉得很难坚持下去。所以其实到最后还是可能工业界是一个更好的出路，对于这样的一类人来讲。
张博士：我觉得你说这个很对。我觉得非常重要的，有的时候人可能认识自己也不是那么太容易。有的时候就是说一定要知道自己的兴趣在什么地方，这个好像比较好掌握，比如说对什么特别感兴趣，我觉得这兴趣是非常重要的。
另外就是自己的特长。其实不论你搞专业还是搞管理，因为在哪个领域竞争都很厉害，目前就是这样的，因为人才可以说是人才济济，这样你一定要想有点成功，就说一定要发挥自己的长处。比如说有的人可能搞专业，比如说没有这方面的兴趣，也可能没有这方面的天赋。说天赋好像有点贬义，其实这个素质确实有这个问题。现在做研究，不论在大学还是在研发中心的前期研究一些新的题目，确实要有创新能力，要有基本的这方面的素质才可能做出一些成绩。如果要搞专业、搞研究，要没有这方面的兴趣，这方面的素质也不太明显，那这样的就不是自己的长处，就可以考虑一下。
比如说有的人简单地说，有的人智商高一点，有的人情商高一点，那情商高一点的人就可以做管理。比如在德国在企业里边做管理也是，其实人都是差不多的。可能对人际关系不像国内那么明显，但是情商也能发挥很大的作用，我在德国企业里边也讲情商。
所以如果要是自己觉得在专业领域发展受限的，也可以换到管理项目。但这个首先需要你在工作当中要表现出你自己的这些特长。在大公司我的体会是有这个好处，在德国去德国大公司，应该说他们还是很会用人的。
我举个例子，假如比如说中国的学生，因为语言的限制，这也是一个客观事实，那你尽管在国内学了很多，在德国待了很多年，但是照比母语还差的是相当远的。那这样比如说公司按照你的技术特长让你进入公司，比如说进入了某个大公司。但是你在大公司做，假如说你这人的情商很强，在工作当中表现出了管理能力，比如说大公司有很多例行的会议讨论项目，现在的公司里边很多科研是有有的技术想是外包到外边去的，那么公司的员工很多做的都是一些管理方面的事情，可以说是项目管理，不一定自己真做项目。如果说你虽然是有工程师进来的，但是你在公司的这些项目管理包括这些例会方面表现出了管理才能，那公司会很快发现的。
比如说我带学生，公司人事部门都要最后要给我们打招呼，比如带的博士让我们做个评语，这个人究竟专业能力怎么样，管理能力怎么样。那其实公司在背后也是做，因为他人事部门是很专业的，其实也是在注意这方面的信息，发现人才。所以说自己有特长的在企业里边一定要表现出来，如果你太谦虚没表现出来，人家没法发现你。
提问：总结下来您说的意思就是自己适合什么。不留在学术的其实也不是说自己不够优秀，只不过说可能不太适合学术。那进到公司里边如果适合做技术，那可以一直做技术；但是如果要是适合做管理，也可以尝试。
技术与管理的结合与识人能力
去做管理，所以做出一个适合自己的选择，这个是最重要的。另外一个，像您刚才说的，这个可能也是在欧洲的企业跟在中国企业不是太一样的地方。如果就像您说的，如果你会一个东西了一定要表现出来，不能太谦虚或者是太低调，这样别人也没有发现你的这个才能，同时也没有发现你的意愿，所以到最后就有可能是自己的某些方面的才能被埋没了。
对于管理才能来说，以您的经验来看，学生或者是下属表现出哪一方面的才能，您会觉得他有领导的才能、有管理的才能？有没有什么实际的例子能够给到大家？
这个例子，第一点，首先这人要有一定的感染力，就是说别人愿意跟你在一起干项目，这是很重要的。因为管理你要带一批人，别人愿意跟你在一起干项目，这个人就是情商，简单说情商比较高的人就有这个能力让别人能够跟着你干。
同时，刚才我们提到管理和专业，其实这两个并不是严格分家的，实际上是综合在一起的。我觉得首先这方面要有一定的管理才能、领导别人的能力，同时管理人才的专业实力还是非常重要的。为什么人家能跟着你？比如说在开例会的时候，很多部门有很多人都在一起讨论一个技术问题，你作为一个项目负责人，一开始也不一定负责太大的项目，比如就很一般的项目负责人，但是你能够把这个问题说得很说到点子上。人家一听，尤其是讨论技术问题，有没有水平一听就能听出来的，在公司里面大家都是行家。所以说技术专业能力，这两者结合是非常重要的。
如果你搞管理的没有专业人才、没有这个专业能力，这样在起步阶段是比较困难的。当然你要做到公司总裁那一级也没关系，总裁那一级用不着太懂技术了，你就关注哪个产品成本多少、你能拍板就行了，但是你得看得准。比如说电动化，比如现在自动驾驶在汽车领域究竟是干还是不干、上还是不上，比如说碳纤维汽车究竟是上还是不上，这确实对于总经理的要求就是另外一个层次了。我们谈的应该说是从起步阶段，所以我觉得两者的结合也是非常重要的。当然第一个是有感染力，能够带领别人、吸引别人跟你一起干；另外一个在涉及到专业问题的时候，底下带的人遇到问题找你，都是他解决不了的，那时候就体现你的专业实力，你真能做到点子上，这样几轮下来确实是令人信服的，这个比你怎么做广告都强。其实公司里的这些人才都是这样一点一点发现成长起来的。
我觉得您说的第一点“有没有感染力”，我们上期跟另外一个在荷兰的华人工程协会（VCWI）的主席交流，不知道您跟那边有没有过接触。我们跟他聊的时候，他提到了跟您说的这一点特别相似的一点：你怎么去影响别人？首先作为一个人来讲，你要先跟他们建立起作为人的联系，你才能去影响别人、去带领别人，或者被别人看到。所以先建立起人的关系，还像您说的情商也很重要。
调动别人积极性的能力，这个是非常重要的。比如说你带个团队，下边每个人情况都不一样，你怎么样最大地优化？每个人的特长也不一样，这就考验你识人的能力。识人的能力也很重要，比如说你下边带这些人，这些人究竟怎么样，你心里应该有个数，这个就是对人的判断能力了，识人的能力也很重要。
全球汽车工业格局转变与电动化上半场
刚才提到比如说自动驾驶，咱们现在可以聊一下技术方面的这些话题。因为现在中国的电动车发展得很迅猛，其实比如去年对中国的电动车出口到欧洲要加征关税，其实也是德国在保护自己的本土电动车产业。在电动车的这批大潮下，您觉得您所在的汽车 OEM 大厂遇到的挑战有哪些，又做出了哪些反应？
这个应该说整个世界汽车工业的格局发生了根本的转变。对比三十年前和三十年后的今天，三十年前就不用说了，中国是以市场换技术，我们在技术上可以说是跟在别人的后边，有的时候是远远在后边。经过三十年的发展，中国确实抓住了电动化这个机遇。
因为汽车本身，从汽车历史来看，燃油车和电动汽车的较量不是第一次，在上个世纪初的时候就曾经有过一次。当时最开始是因为燃油的价格，而且当时的电动车技术跟现在根本没法比，所以说第一次较量是燃油车胜了。这次实际上是第二次较量，这次较量就不一样了，因为时代变了，在电动汽车的电池领域的技术完全不一样了，能量密度有了大幅的提高。
应该说中国确实很好地抓住了这次机会。简单地说是这样：比如燃油车，西方是百年老号，我跟你一点点学，确实是很慢；电动车电动化以后，基本上清零了，那些内燃机的技术在电动车上用不上了，变速箱等等完全都变了。那么你原来的核心技术现在可以说都没有优势了，在电动车里面可以说都用不着了，所以说大家在同一个起跑线上了。国内弯道超车有这么一个历史的机遇，并且随着碳排放限制、原油价格提高，电动化等等也符合世界的发展趋势，所以国内这次应该说做得非常成功的。
但是这个成功也不是说最近几年才有的，其实有多年的积累。比如说有的企业其实是做手机电池、做别的电池，一点一点积累出来的。所以说在这种情况下，简单地说，目前在燃油车领域，传统技术还是西方领先；但是在电动化这个技术领域，确实是中国走在了前边。
在自动驾驶这个领域还不能完全这么说，因为美国也有特斯拉，特斯拉的自动驾驶技术也非常好；欧洲这边其实也有一些比较好的自动化技术。应该说现在电动化和自动化，国内有这样一个叫法，叫上半场和下半场。上半场是燃油机换成了电动机、换成了电池，这是上半场。上半场中国应该说不说全胜，也确实是非常成功的。比如关键是我们整个的产业链，包括现在欧洲、西方的这些 OEM，他们用的电池也都是中国的供应商，这个是很难想象的。因为在电动汽车里面，电池成了核心技术，核心技术的供应商来自中国，所以你想想对西方的 OEM 是一个非常大的冲击。可以说这是上半场。
自动驾驶下半场与中欧市场差异
下半场是自动化，或者叫自动驾驶。自动驾驶这个领域，应该说国内搞得也非常好。这个有一个大的环境，就是欧洲和中国的不同。欧洲人，尤其是德国人比较保守，从用户来说，比如新的东西，像自动驾驶，甚至包括电动汽车都不多。为什么呢？他很谨慎，得等等看一看。我很多德国同事说，得等等看一看，比如你这电池过了一代、两代没事了，很安全了我再买，他是这个思路，很保守。而国内尤其是一些年轻人，愿意尝试一些新的东西，所以市场的情况是不一样的。我们可以看到，自动驾驶的公司非常多，所以搞得也是非常不错的。
下半场这块，西方也意识到了上半场产生的冲击和问题。对西方这些 OEM 来说，下半场不能再输了，所以西方这些 OEM 实际上也是在加大力度追赶，比如电动化和自动驾驶领域。
当然自动驾驶这个领域很难分哪个国家第一、哪个国家第二，很难这样分。有些技术是来自于辅助驾驶，那些辅助驾驶的内容，比如说德国的 OEM 是做得非常不错的，包括主动安全这一块也是做得非常不错的。所以现在总体来看，电动化这个趋势好像是不可逆转了，上半场是电动化，下半场就是自动驾驶这一块。
自动驾驶这一块国内搞得如火如荼，当然也出现了一些问题。最近工信部也有一些规定，我在看一些媒体报道，就是有一些政策要求不能随意叫“自动驾驶”或者叫“智能驾驶”，这样容易引起客户的误解，好像全自动都交给系统了，其实有很多安全隐患。
中国电动车发展节点与工业机器人的应用对比
回顾国内的电动车或者自动驾驶这一整块产业的发展历史，有哪些时间点或者哪些年份会是比较重要的时间点？如果对比现在的机器人产业或者是低空经济来说，是否能找到一些相对应的参照，方便一些新的技术或者产业来了解它未来可能需要多长一段时间？在您看来，电动车和自动驾驶这块产业发展历史有哪些年份特别有代表性？从什么时候开始、什么时候有比较重要的突破、到了哪些年又比较成熟？未来或现在的机器人、低空经济相关产业是否可以做一个对比，来更好地了解现在这些新产业发展到了什么阶段，未来又需要多长时间发展？
你这个问题挺好，但是准确的时间没有官方的统一规定，因为技术的产生是个渐进的过程。尽管这样，根据我的了解，因为我们学会经常回国交流，我觉得有两个时间点比较重要。
第一个就是 2010 年左右。2010 年当时我们回国，2010 年是世博会，在上海。那年我们回去交流的时候，发现世博会上的大巴都是用电动的。那时候我们去同济大学交流，同济大学汽车学院当时也摆了一些样品的电动车。那时候具体的电池情况，就像宁德时代当时究竟什么情况，切切的我不太清楚，但是给我的感觉就是电动化要开始了，那是我的一个粗略的感觉，这是第一个台阶。
第二个台阶产生明显效果是在疫情期间。应该说疫情是 2019 年末开始的，真正是 2020 年。我们在德国感觉特别明显，正好在 2020 年、2021 年、2022 年这三年因为管控我们也没能回去，2023 年回去后一下子感觉明显不同。在疫情这几年之间，特斯拉首先进入了中国，在上海带动了整个电动汽车的产业链。应该说特斯拉刚进入中国的时候，对中国的电动汽车企业压力是非常大的，无论在价格上还是在技术方面压力都很大。但是几年之后，我们感觉 2010 年是起步，2020 年是起飞，有这么一个感觉。
这几年下来以后，现在回国完全不一样了，比如大城市摩托车都是电动的了。这还和我们中国的产业情况有关系，比如在西方，尤其是在德国，电价比油价要贵很多，而国内基本上是油电平价；在一些非高峰期，比如半夜充电比油便宜很多，所以市场的力量是非常大的。国内我们坐出租车，出租车司机都说开燃油车要赔钱的，所以都是电动车。
第二个问题涉及到低空经济和人形机器人。低空经济指的是飞行汽车这类，低空经济或者人形机器人现在都是比较火的两个产业。
人形机器人这一块，我觉得可以这样看，机器人不一定非要人形，这是我个人的看法，关键是你的功能是什么。其实我觉得对机器人从应用角度来说，可以分成两类：一类是属于生产线的，比如在自动生产线上，尤其是汽车这个领域，本来自动化程度就高。德国前些年提出“工业 4.0”，汽车有高度的自动化和智能化，所以机器人可以分为用在生产上的机器人；另一类就是服务类的，比如说护理机器人。
对于护理类、服务类的机器人，人形机器人我觉得是比较重要的，比如护理老人、餐饮等等服务业。如果有人形，效果就是更容易和人类融为一体，我觉得服务类可以在这方面继续发展。但是在生产这一类，首先是要解决功能。比如在生产线上，你不一定非得做成人形，只要能可靠、高效、智能化地完成工序就可以了。当然从机器人技术本身角度来说，人形机器人是一个挑战，比如一些比赛或者展会上，公司展示一个非常逼真的人形机器人，代表了技术能力，是一种展示。将来如果成本和技术不断更新迭代，做成人形并没有额外增加多少成本的情况下，我觉得这个方向和趋势还是存在的。
生产线自动化现状与车企布局人形机器人
之前看到一些新闻，有些汽车公司尝试让人形机器人介入整车生产流程当中，做一些比较灵活的操作。传统的机械臂或者移动机器人，流水线上的这种自动化可能都是专用机器做特殊用途，但人形机器人相对来说更加灵活一点。对于这方面它的成熟度是多少，是否有相关的经验分享？
成熟度现在应该说不高。比如我们叫做机械手，机械手代替人的体力，很灵活、都是自动化，但是最大的问题是你得编程，机械手是没有智能的。机器人加上了智能，能够动脑筋、能够想问题，具备类似人类这样的智能化。
就目前的情况来看，在生产线上，不论像德国最先进的生产线上，虽然报道有这些要求，但还没有说人形机器人和真正的工人在同一条生产线上在一起拧螺丝、或者在一起干活，这个还没有出现。但是这并不排除将来人力成本越来越高，或者人形机器人的成本越来越低的大环境下，还是有可能出现的。
我个人的感觉，德国的这些 OEM 并没有刻意去追求弄个人形机器人和工人在一起去完成生产线上的任务，并没有体现出这种倾向。并且生产线上的任务通过现有的自动化，有些机械臂也是有智能的，比如在智能化车间加上 5G 以后，智能化程度也是很高的。OEM 更注重的是效率或者经济效益，没有说特别关注人形。但是如果要搞机器人的公司，为了展示技术是有可能的。
怎么看待像特斯拉还有国内的一些电动车车厂，他们也在进入人形机器人这个行业，他们为什么会推出这类产品，为什么愿意投资这方面的技术？
这也是一个大的趋势。比如说自动驾驶或者智能汽车，你可以说它是一辆汽车，也可以说它是一个机器人，或者说移动的计算机。在这些领域，传统的专业界限越来越模糊，所以他们之间的产品研发有交叉是正常的。比如三十多年前我在……
汽车工业智能化与芯片跨界
刚进入汽车工业领域的时候，当时主要是一些传统机械和硬件产品，并没有软件公司的介入，像这些根本都没有，那更谈不上人工智能的介入。
现在在智能驾驶领域里边，有很多软件公司，甚至芯片公司都深度参与进来了。自动驾驶汽车对于智能化算力的要求非常高，如果延迟大，那就很不安全了。算力的提高，实际上是对芯片，也就是车规级芯片提出了极高要求。车规级芯片不但速度要快，关键是可靠性要极高，因为这是人命关天的事情。
汽车和电冰箱、洗衣机不一样，手机死机了或者不行了，大不了重启一次就完了，死机一会儿问题也不大。但是汽车可绝对不行。这就吸引了很多搞芯片的企业，甚至专门的芯片厂商都要介入到这个领域来研发车规级芯片。
这个现象随着智能化的普及和提高，应该说越来越多的行业与领域界限正变得越来越模糊。这完全是大趋势所带来的必然结果。过去前几次工业革命，基本上都是用机器代替人的体力；而这次人工智能革命，代替的是人的脑力。
人类做什么事情几乎都要动脑筋，哪怕干体力活也得动脑筋。而动脑筋的事情范围太广了，各行各业的界限因此都被打破、混到一起去了。比如今年诺贝尔化学奖的获得者，其中之一就是 DeepMind 的创始人。他完全是搞 AI 的，并不是搞传统蛋白质结构生物学出身的，但他凭借人工智能解析蛋白质结构拿下了诺贝尔化学奖。这就是一个非常典型的例子。将来甚至在物理学或者其他更多领域，都完全有可能由搞 AI 的人拿到顶级大奖。这都是很可能的，因为核心就是动脑筋，而 AI 在很多特定领域的能力已经远远超过了人类，从而带来了全新的科学发现。在工程技术领域就更是如此了，正是因为 AI 的出现，很多学科领域的界限越来越模糊，软件和芯片公司介入到汽车领域已经是相当普遍的现象了。
AI 在德国汽车主机厂日常研发与仿真的应用
提到 AI，也是把大家聚到一起的一个重要原因。关于在德国汽车 OEM 主机厂的平时工作里，AI 具体被应用到了哪些方面、普及程度怎么样、带来了哪些改变：
简单来说，在主机厂目前的日常工作当中，AI 用得其实还不是特别多。有些公司甚至出于数据安全的考虑，对员工使用外部 AI 工具有着相当严格的限制。
以计算仿真领域为例，这一块的工作主要是利用工业软件去计算数学物理问题，比如汽车碰撞测试，以及通过求解数学物理方程、基于背后物理定律所做的各种力学与物理分析。目前计算仿真这些方面还不能完全叫做智能化，但是其自动化程度已经非常高了。
比如在做仿真分析时，首先要把物体离散化，要把整辆汽车离散化建立网格，行业术语叫有限元分析（FEA）。用有限元来分析，本质上就是求解和分析背后的数学物理方程。这个网格划分和建模计算的过程，现在基本都实现了高度自动化，只有少数环节需要人工介入干预一下，本身并没有融入太多 AI 智能。
但现在面临一个很大的挑战：计算仿真生成的结果由于是计算机精确算出来的，数据量极其庞大，已经变成了海量数据，而且数据规模越来越大。目前很多汽车公司都在考虑引入 AI 应用，来代替工程师对这些海量结果做一些客观评价。因为主观评价往往因人而异、受个体经验影响，而 AI 技术完全可以胜任这类客观分析与评估。
目前主要的探索方向，就是看能否用 AI 技术对海量的仿真计算结果进行快速筛选、分析和判断。这就像医生看病历一样，一个人类医生看几十个病例可能就得花费大半天的时间；而人工智能看几十万个病例，可能几分钟甚至几秒钟就能全部扫描分析完毕。就像 ChatGPT 一样，输入一个问题它全网检索并提炼答案，速度是以秒级计算的。在汽车等工业制造企业里，大量的仿真结果以及实验测试数据，如果全靠人工去逐一判断，不仅极其耗费人力，而且人工长时间审阅还容易疲劳出错。
在这个环节，人工智能的特长就充分体现出来了：第一，海量数据对它来说根本不是问题，数据量越大越能体现出它的优势；第二，AI 的输出非常可靠稳定，不会像人类工程师那样因为今天情绪不好或者昨晚没睡好就导致评判标准不一致；第三，它不知疲倦，没有工作时间限制，可以全天候连续运转。
因此，各大汽车 OEM 主机厂首先是在这些研发分析领域开始探索布局。
工业生产车间的智能化与数据驱动
刚才谈的是研发端，而在生产制造领域，主机厂也正在逐步加入各种智能化优化。
比如目前一些最先进的生产车间，已经完全实现了 5G 网络全覆盖。整个车间的通讯数据、设备运行数据有了极其庞大的积累。在引入人工智能算法后，系统可以对生产车间布局、生产节拍流程以及各个加工制造工艺进行全局动态优化。
只要前端收集到了足够充分的大规模数据，人工智能的数据处理优势就再次体现出来。它可以根据海量实时数据生成更优的排产与工艺方案设计，在很多复杂场景下甚至比人类专家设计得还要好，因为它能同时综合分析的数据维度远超人类大脑的负荷。
所以说，这个智能化时代已经在制造业全面开启了。凡是原来需要人类绞尽脑汁动脑筋的地方，现在大家都在思考能不能让 AI 替代人工来完成。
从本质上看，在拥有海量数据的前提下，这依然是一种基于数据驱动（data-driven）的研究与工程方法。比如有限元分析与 AI 结合做数值仿真；又比如在制造业零部件生产线上，将声学信号和 AI 深度学习相结合，用于产品下线检测（EOL testing）。这也是典型的数据驱动方法，通过采集大量良品与次品的声学振动信号进行模型训练，把训练好的 AI 模型部署在产线末端，在产品最终下线前实时判定合格与否。
主机厂在制造端与 AI 领域的资本支出趋势
关于汽车生产制造过程中应用 AI 的资本支出（CapEx），虽然部分企业因为数据安全顾虑或技术不确定性还在犹豫尝试，但整体增长趋势是非常明显的。虽然具体的资本支出账面数字因各个公司战略而异，但行业大趋势已经达成共识：AI 代替脑力劳动所带来的降本增效成果极其显著。
过去工业自动化主要代替的是体力劳动，比如用工业机械臂搬运重物，这在现代工厂里早已司空见惯。真正消耗企业巨额成本的其实是脑力劳动。在大型汽车 OEM 主机厂内部，研发工程师队伍动辄上万人，这些研发人员普遍薪资待遇很高，对企业而言是一笔巨大的固定成本开支。如果在研发和工程领域 AI 能够替代一部分繁重的工作，所带来的降本增效效益是极其巨大的。
虽然没有公开的具体投资明细，但各大汽车集团都在全力加大这方面的战略布局：一方面是主机厂内部自研攻关；另一方面则是广泛与外部科技公司、芯片企业展开深度战略合作。从新闻报道中可以看到，世界级汽车 OEM 都在积极与硅谷的头部芯片公司、软件科技公司接洽与绑定。同时在德国本土，政府也在有意识地大力引进印度 IT 软件工程师，企业内部的印度工程师比例越来越高，软件与算法人才队伍的扩张势头非常迅猛。
人形机器人、自研芯片与垂直整合差距
在芯片与 AI 软硬件领域，特斯拉走在行业前沿。特斯拉在美国推行几乎全栈式的自研一体化战略，其自研的 Dojo 芯片既可以用于特斯拉 FSD 自动驾驶的超算训练，同样也可以复用到其研发的人形机器人（Optimus）项目上，实现了整个垂直产业链的闭环覆盖。同时，它在自动驾驶领域积累的海量车载摄像头真实路测数据，也能够打通复用。尽管外界无法确切知晓其模型训练中真实数据与合成数据的具体占比，但这种全栈软硬件整合能力在行业内确立了极强的领先地位。相比之下，国内也有像宇树科技等专注于机器人本体与控制的企业崭露头角。
对于德国传统 OEM 而言，芯片研发并非传统汽车工程师的核心专业领域。但从在德国主机厂工作的从业者视角来看，整个汽车工业有两大不可逆转的确定大趋势：第一是电动化，第二是智能化。
在这两大趋势的夹击下，很难简单断言特斯拉 FSD 与美国各大芯片厂商之间孰强孰弱。但对于传统汽车主机厂而言，智能化已经成为了未来车辆的核心卖点。如果一家汽车公司在智能化领域落伍，就很难保住现有的市场份额，其市场占有率必然会遭到严重挤压而持续缩水。
德国汽车 OEM 过去在辅助驾驶领域是有深厚技术积累的。虽然不是全自动驾驶，但早在多年前就已经广泛应用了 ABS 防抱死系统、各类测距雷达、主动安全控制等高级驾驶辅助功能。在辅助驾驶领域，德国 OEM 起步非常早，并且最先在高端豪华车型上全面普及应用。只是当时还没有像现在这样被包装在轰轰烈烈的“智能化”舆论浪潮中，再加上过去没有如今发达的社交媒体传播，许多技术积累并不为大众熟知。
智能驾驶绝不仅仅是车端芯片做路径规划那么简单，更关键的是底层的线控底盘与执行机构：执行机构的响应可靠性如何、系统冗余度如何、被动与主动安全性如何，这些底盘控制与安全执行恰恰是德国传统工业的核心长板。
由于传统汽车主机厂内部在先进芯片设计和前沿 AI 算法方面的人才积累与底层技术沉淀相对薄弱，面对庞大的智能化转型需求，主流大型车企通常采取两种并行的策略：一方面与全球头部芯片和算法公司深度联合开发；另一方面则是资金雄厚的大车企出资扶持甚至直接收购具备关键技术的初创公司，将技术团队和专利整体收编。汽车工业与高科技芯片、AI 初创企业之间的合资、投资与融资合作正在变得越来越频繁。
德国车企是否会沦为代工厂
围绕自动驾驶与智能化，外界存在一种担忧：鉴于传统主机厂在自研算法和核心芯片上的相对落后，不得不严重依赖英伟达、高通等外部芯片巨头，而特斯拉则坚持软硬件全栈自研，传统车企的利润蛋糕正在不断被上游芯片商蚕食。有人甚至质疑，电动化与智能化双重落后的德国车企，未来是否会沦落为类似“汽车界的台积电”——核心芯片与智能大脑全由美国科技公司掌控，主机厂最终只负责制造车架、安装四个轮子搞组装代工。
对于这种推论不能一概而论。在欧洲或者德国本土，确实可能会有部分实力较弱的边缘主机厂跟不上时代步伐，最终沦为纯组装代工厂。但德国几个头部的传统大型 OEM 目前绝对没有放弃，更谈不上举手投降。
首先，这些头部汽车集团拥有雄厚的资金实力，并且自身拥有深厚的技术底蕴。辅助驾驶做到极致并不断拓展边界，本质上也是通向高级智能驾驶的必经之路，它们在线控底盘、主动安全和整车工程整合上有着深厚积累。
其次，汽车与普通消费电子产品有着本质不同。有人常把智能汽车比作“装了四个轮子的移动大手机”，但汽车作为高速行驶的交通工具，对安全性、底盘操控舒适性、机械耐久性有着极其苛刻的标准。此外，百年沉淀的品牌效应与溢价能力依然是豪华车企不可忽视的核心壁垒，这正是德国头部车企的护城河所在。
当然，如果转型应对失当，企业确实存在沦为代工厂的风险。虽然台积电作为代工巨头利润极为丰厚、现金流极佳，但对于一个跨国顶级汽车 OEM 而言，绝不会甘心让核心技术长期甚至永远受制于人。从目前的行业动态来看，没有任何迹象表明这些头部车企会甘愿放弃主导权。
中国市场价格战与德系豪华车降价压力
近期有财经讨论提到，过去在北京买一辆宝马 5 系需要花费五十多万元人民币，但受当前经济形势、关税以及国内市场竞争影响，同款车型价格甚至一路下探到了二十九万元左右。这引发了关于德国头部车企未来是否只能依靠大幅降价来保住市场份额的疑问。
从车企本意来看，绝无任何一家品牌愿意主动打价格战，这完全是被逼无奈的被动选择。当前国内汽车市场用一个字来概括就是“卷”，行业内卷竞争极其残酷。
过去许多高技术门槛的核心零部件和整车技术，国内供应链无法独立攻关，技术壁垒构成了高溢价；如今国内厂商全面突破并掌握了相关技术，产业链整体成本大幅被击穿，终端产品价格自然迅速回落。
这给德国传统 OEM 带来了前所未有的严峻考验与阵痛：如果不跟进降价，就会被迅速蚕食并彻底失去市场份额，甚至可能永久失去用户心智；但如果被迫卷入价格战，原本五十多万的车型降到二十几万销售，单车利润空间势必遭到大幅削减，企业的盈利能力将面临剧烈下滑。
德国主机厂在中国市场的两难困境
在这种竞争局面下，受压缩的不仅是企业的利润空间，甚至到了为了保住市场份额不得不倒赔的地步。但这种做法绝不是西方企业的风格，更不是德国 OEM（主机厂）的风格。然而，要想在中国市场立足，又不得不接受这一残酷的现实，这让德国 OEM 陷入了巨大的两难境地。
这也是为什么德国这些 OEM 公司的股票普遍处于下行通道。当然，这与当前的国际贸易摩擦有一定关系，但即便没有贸易战，这种下行趋势其实也已经显现出来了。中国的汽车市场竞争日趋白热化。在过去，德国主机厂拥有独一无二的技术优势，别人做不到的技术他们能做到，在传统燃油车时代确实是如此。但随着全面转向电动化，过去积累的所有这些优势几乎都失去了，这对德国 OEM 构成了前所未有的严峻挑战。
德国车企是否会改变产品定位与沦为代工厂
面对这种冲击，德国 OEM 是否会改变自身的产品定位？比如通过持续降价，或者像之前讨论提到的那样，是否会沦为像台积电那样没有独一无二核心技术的角色？这让人联想到苹果公司，苹果在推出自己的芯片之前，早期的 MacBook 用的是英特尔的芯片，虽然 iPhone 初代是否用自研芯片暂且不论，但苹果许多零部件并非由自己制造，却依然在市场中牢牢占据了独特的定位。
在燃油车时代，发动机至少是德国车企拿得出手的核心看家本领。如果未来失去了这种独一无二的核心技术，德国车企是否会改变角色，变成一个纯粹整合现有技术的主机厂，甚至走向类似代工的定位？
从德国汽车工业的整体格局来看，这种可能性其实并不大。因为无论时代如何转向电动化或智能化，汽车行业的品牌效应依然是客观存在的。即便做电动车，电动车领域同样存在豪华车细分市场，两者的市场定位截然不同。
德国的人工成本与国内相比极高，能源成本也远高于国内。因此，在德国本土，目前没有任何迹象表明头部主机厂愿意放下身段去打这种价格战。当然，不排除这些企业在中国设立的分公司或合资企业，可能会推出针对中国本土市场的子品牌参与竞争，因为在中国市场，如果不跟着卷就只能退出市场，这是一个极其艰难的抉择。
但对于德国 OEM 而言，中国市场份额固然占据了很大的比重，但它们面对的是全球化布局。中东的富豪阶层、美国市场以及西欧发达国家，对高端豪华品牌的需求依然十分坚挺。汽车电动化和智能化之后，豪华出行的需求并不会消失。虽然豪华车往往意味着销量规模不如大众车型那么庞大——就像劳斯莱斯全世界就只有那么一家——在这个转型过程中欧洲车企确实也会经历残酷的淘汰洗牌，但德国车企的处境相对稍微好一些，因为它们进入豪华阵营的可能性和底气更大。它们拥有百年的历史积淀和品牌根基，这在短期内是很难被轻易替代的。就像 LV 包一样，其用料材质未必有多么不可替代，但品牌溢价就摆在那里。在汽车行业同样存在这个规律，因此德国车企的核心诉求依然是稳稳占据高端豪华市场份额，绝不会轻易放弃这一阵地。
新技术评估机制与前期研发部门的运作
当面临一项新技术出现时——无论是数字孪生（digital twin）还是自动驾驶——德国 OEM 大厂是如何决定是否跟进、如何探索并最终拍板加大投入的？它们从哪些维度来评估技术的正确性与战略方向？
这些大型汽车企业内部都设有庞大的研发体系，其中包含一个专门的前期研发部门。这个部门的人员规模相对精简，其运作模式非常类似于大学里的科研机构。研究人员日常的核心工作就是专门跟踪各项有潜力应用在汽车领域的最新应用技术。
前期研发人员会频繁参加国际学术会议，对行业动态了如指掌：大学的研究进展如何、科研院所做到哪一步、美国的发展水平如何、亚洲的最新突破在哪里，都有专门的团队进行全方位跟踪与技术评估。公司的管理决策层，包括 CEO 以及董事会成员，正是基于前期研发部门提供的详尽评估报告来制定决策。因此，在技术跟踪方面，它们具备专业严谨的人才体系和科学依据。
回顾前些年，德国 OEM 在电动化路线上之所以长时间犹豫不决，核心症结在于担心真实的市场需求究竟是否存在。欧洲的实际国情与中国完全不同。在基础设施方面，比如充电桩建设，中国可以通过国家层面的力量来主导推动，有“三桶油”等大型央企国企以及国家层面的巨额投资，能够迅速解决基础建设的痛点。但在欧洲，基础设施建设完全依赖市场机制。
因此，外界常说德国 OEM 没能跟上电动化浪潮，其实这在客观环境上是有其情有可原之处的：在欧洲本土缺乏足够的市场土壤与配套设施，企业很难凭空推进。这些决策是基于对本土真实市场环境的严肃研判而作出的，背后有一套符合其商业逻辑的科学依据。
环保理念与真实经济账的冲突
有人可能会认为，欧洲在文化理念上对绿色能源（如电力）的接受度极高，欧洲人整体更偏向环保，按常理应该比其他地区更乐于拥抱电车，但现实中推进依然阻力重重。
对于绿色能源这个议题，需要严格区分政治领域与经济领域。在政治层面，政党和政治家出于竞选和政策倡导的需要，会大力宣传绿色能源和降低碳排放，这对地球长远发展确实是有益的善举。但是，一旦落实到具体的普通家庭和个人消费者身上，经济因素往往占据了决定性比重。
到目前为止，绝大多数普通消费者不太可能仅仅为了支持环保，就脱离实际经济能力，自愿多掏大量资金去购买一辆价格昂贵的电动车。在当下，电动车的购置和使用成本依然偏高，消费者很难单纯“为了国家做贡献”而买单，这种行为在现实中并不普遍。
企业的商业决策必须牢牢建立在真实的市场数据之上。主机厂拥有详尽的销量统计和消费者问卷调查，决策依据非常现实。不可否认，德国大众的环保意识确实很强，但这种意识还没有强烈到能够颠覆经济现实、让大家脱离经济账去盲目购买电动车的地步。如果有一天在德国电价比油价低很多，电动车市场瞬间就能爆发起来。市场的内生力量永远远大于单纯的政治宣传口号。
自动驾驶的瓶颈与企业的短期投入诉求
既然目前市场上自动驾驶汽车的渗透率极低、尚未广泛铺开，那么依赖现有的市场信号做决策会不会显得严重滞后？等到市场信号完全清晰的时候，整条技术链可能早已经被先发者占领殆尽，企业该如何平衡这种风险？
对于任何一家商业公司的 CEO 而言，他们最核心关注的指标是企业的当前效益和商业绩效。作为一家企业的职业经理人，很难要求 CEO 去制定一个跨越二十年、三十年的超长周期计划，因为其自身任期合同往往也就只有短短几年。从企业经营的本质属性出发，商业机构天然更加聚焦于中短期利益；长远战略布局通常是国家层面的职责，这是两者分工的不同。
在企业内部推进自动驾驶同样面临着巨大的两难。要求车企现在就对自动驾驶进行全方位的重注投入是不切实际的，因为自动驾驶目前依然受制于严重的底层技术瓶颈。
过去大家讨论电池技术，更多关注的是能量密度的物理极限瓶颈；而对于自动驾驶或智能驾驶而言，同样存在难以逾越的工程瓶颈。首当其冲的就是车载芯片的算力问题。自动驾驶的核心基石是环境感知，唯有将周边环境精准无误地感知、识别并判断，系统才可能做出正确的决策并交由底盘执行。
在环境感知路线上，除了特斯拉坚定采用纯视觉方案之外，行业内绝大多数企业采用的都是多传感器方案。多传感器深度融合会产生极其海量的数据吞吐，如果车载计算平台的算力不足，系统根本无法在极短时间内做出反应。汽车行驶安全对时间的要求是极其苛刻的，很多时候要求达到毫秒级响应，比如碰撞预警与紧急制动必须在毫秒之内完成。算力瓶颈在现阶段是客观存在的。
面对这种情况，德国 OEM 普遍采取的策略是保持一定比例的研发投入进行技术跟踪，甚至在某些特定智能驾驶技术上展开预研，但绝不会把所有的身家性命全盘押宝在上面。因为在目前阶段，全无人驾驶还没有成熟的商业市场。
企业必须算清投入产出比。咨询公司如果向主机厂提出“请持续投资十年，十年之后必定能获得丰厚回报”的建议，主机厂管理层听了肯定会直接摇头，这完全不符合企业运转的实际规律。商业公司的属性决定了其投入必须在中短期内看到成效，即便无法做到立竿见影，也必须有相对及时的商业回报，如此才能维持现金流的良性循环。对企业而言，现金流一旦中断几天或一周，整个组织就会面临生死存亡的危险。
因此，车企会根据自身的财务实力进行适度投资。财力雄厚的企业可能会投入多一些，紧跟技术演进的大趋势。因为从产品竞争来看，未来的智能化程度将直接决定车辆的核心卖点。如果其他竞品在卖车时都将某项智能功能作为核心卖点，而你的车型完全缺失，未来的销售就会陷入被动。
选配机制与高回报技术的落地考量
目前德国 OEM 普遍认可的高回报技术投入主要集中在辅助驾驶（ADAS）领域。
这类技术能够为用户提供直观且立竿见影的帮助，例如全方位的倒车辅助、无死角的全景影像显示等环境感知辅助功能。在德国汽车工业体系中，这类配置被称为 Sonderausstattung，即选配配置。客户在购车时，车辆有一个基础标配价格，在此之上提供丰富的选装项目。
在选配体系中，辅助驾驶配置一直是各大车企的重要利润来源。像早期的高级制动辅助系统（ABS）最初也是作为选配出现，随着技术成熟和法规推进才逐步转变为全系标配。辅助驾驶领域的各项技术成熟度高，客户花钱选装后能够在使用中获得实实在在的便利与安全感。
对于主机厂而言，由于选装配置具有极高的利润空间，尤其是在高端豪华车细分市场，高净值客户往往不会在乎多支付几千欧元来增加实用的选配。因此，在这类能够给用户带来直观体验的辅助驾驶功能上，研发投入能直接转化为显著的经济效益。
相比之下，高阶智能驾驶涉及的底层技术往往是消费者在日常用车中难以直观感知的，比如车载芯片算力到底提升了多少倍。销售人员很难说服一位普通客户多花大笔费用去购买一台算力超高、但当下完全感受不到实际用途的汽车。这就涉及如何向用户直观展示技术价值的问题。
安全气囊也是一个典型的类比：平时气囊隐藏在车身内部看不见摸不着，但一旦发生意外事故，它能切实保障乘员生命安全，因此消费者心甘情愿为这项安全配置买单，如今气囊也早已成为行业标配。
因此，主机厂在技术布局上，必然会重点关注那些客户能够切身体会、使用得到、并且能迅速通过选装配置转化为实际经济效益的技术方向。
德国车企对研发人员的管理机制与科研自由度
关于汽车行业的研发管理，德国在研发人员管理机制上相对成熟，这往往被认为是德国技术人才流动性低、跳槽频率较少的重要制度原因。在很多地区或年轻人当中，证明个人能力和实现薪酬快速增长的主要途径是频繁跳槽；而在德国，这种频繁跳槽的现象却并不普遍。
在研发领域，最关键的核心在于员工所从事的工作必须是其真正的兴趣所在，并且自身具备相应的专业特长，这一点至关重要。
在德国的高等教育和人才培养体制中存在一个显著特点：国内很多学生当年考大学选专业或填报学校时，往往夹杂了大量家长的意志或现实考量，很多人选择数理化专业并非出于纯粹的热爱，仅仅是因为觉得理工科在毕业后更容易找到工作。这种以就业为唯一导向的选择机制，很容易导致毕业后的工作内容与个人志趣严重脱节。
而在德国，年轻人在挑选大学专业时几乎完全由自己自主决定，纯粹遵从内心的兴趣方向。这种人才基础反哺了德国企业的研发管理：大企业在管理科研人员时，首先会赋予他们相当大的自主自由度，包括工作时间上的高度弹性。
在企业研发部门内部，通常不会设置严苛的考勤制度或硬性要求每天固定几点必须坐班。部门的考核完全以最终的绩效为核心指标——以员工能否真正解决实际工程问题、能否产出有价值的科研成果作为评判标准，而不是考核一天是否坐满了八个小时。
这种管理模式之所以能够奏效，是因为研发人员选择这份职业本身就是出于强烈的内在兴趣与专业特长。在没有刚性工时约束的情况下，由于对技术难题真正感兴趣，科研人员即便在家里休息或走在路上，大脑也在持续思考解决方案。这种工作状态绝不是为了应付公司打卡，而是源于对未知问题的探索欲，其产生的驱动力与被动打卡是截然不同的。
企业管理层深知，真正的尖端科研必须由纯粹的兴趣来驱动。因此，给予研发人员充分的研究自由，企业并不会蒙受损失。哪怕一个十人的研发团队中有七个人的探索最终没有产出预期的直接成果、消耗了一定资源，但只要其中三个人能够做出突破性的核心成果，所带来的商业回报就足以覆盖整个部门的所有研发投入。
这种敢于放开工时约束、给予科研自由的管理机制，其底气建立在成熟的社会文化基础之上：员工的专业和研究方向是自主选择的真爱，而非外界强加。同时，企业内部经过长期的摸索，建立了一套客观科学的评价体系。如果管理层天天细究员工是否按时打卡、居家办公时每分每秒在做什么，反而会彻底扼杀科研人员的创造力。
这一点在近几年的居家办公期间得到了充分验证。在疫情期间，德国各大 OEM 主机厂的整体盈利水平反而实现了大幅增长。员工虽然普遍身处家中办公，但企业的利润和产出不降反升，这本身就强有力地证明了自由管理机制的有效性。德国车企对科研人员的管理核心哲学，正是通过给予最大程度的自由，来激发最具价值的创新成果。
在这个研发体系中，许多技术人员选择长期专注于研发一线，而不是转入管理岗位，即便在同一个技术组织内，技术深耕路线与管理路线之间也存在着清晰的分工与发展通道。
技术研发与产品管理的职业路径选择
主持人向在座的两位嘉宾提出了一个关于职业路径选择的问题：对于张博士来说，为什么一直坚持走研发路线而没有选择转做管理，背后的初衷是什么？是不是因为个人更偏好研发这一块？而对于Jerry来说，又是为什么从工程师逐步转型到了产品管理岗位？
Jerry首先接过了话头，让一直连续回答问题的张博士稍作休息。Jerry提到，虽然目前为止已经有两年不再直接带人管团队，但他当天算了一下，自己其实已经做了整整十三年的产品管理。做产品管理主要是管产品线、管财务预算、管产品本身。在这十三年中间，他也曾有过一段承担个人直线人事管理（Line Management）的阶段。不过最近几年，因为所属美国公司在德国的业务布局（footprint）规模在不断缩小，这也反映出德国市场对母公司的吸引力在逐步减弱，所以他近些年来一直专注于端到端的产品管理本身。
谈及从研发转型做产品的初衷，Jerry回顾道，自己在做了六年的研发工程师之后，发现自己其实对做业务、做商业（business）特别感兴趣。转做产品能够直接了解客户在实际场景中遇到的核心痛点与问题，评估团队能够提供什么样的解决方案（solution），并且能够对整个市场大环境有非常深刻和全面的了解。不仅能清楚竞争对手处于什么样的技术和市场状况、客户真正需要什么，还能平衡外部的市场需求与公司内部真实的研发实力，让双边达成一种平衡，从而最大化地创造一个双赢的业务结果。利用外部资源和内部资源相互平衡并促成落地，这个过程让他感到特别享受。
另外，Jerry强调了打造一款优秀产品（great product）的重要性。他认为，任何一家科技公司最终能不能在市场上打赢胜仗，一切的核心与根本都在于能不能构建出一个真正特别好的产品。其他的方面，比如客户服务做得好、品牌宣传做得好等等，固然都非常重要，但它们终究都是次要辅助（sideline）。最关键的支柱依然在于产品自身是否具备别人无法轻易替代的核心竞争力。把这一点做好是极其有意思且充满挑战的。如果在公司里承担产品损益管理（P&L, Profit and Loss），直接对进来的营收（revenue）负责，那么就能为公司创造极其巨大的商业价值。
主持人总结道，对于Jerry来说，做管理与产品不仅是个人兴趣所在，也是自己比较擅长并能发挥价值的领域。Jerry坦言，刚转型的时候其实谁都不擅长，都需要经历一个适应和学习的过程。原来做工程师的时候觉得技术挺难的，后来转去做市场营销和产品经理（Product Manager），发现进入了一个全新的领域。到了产品领域之后，会面临大量的软性技能（soft skills）挑战：怎样在不同的利益相关方（stakeholders）之间进行平衡与权衡，怎样真正吃透客户的业务需求，同时又深刻理解内部研发架构的真实实力与技术瓶颈。
Jerry进一步提到，在最近几年的AI技术浪潮下，他个人的一个强烈认知被刷新了。在过去很长一段时间里，他总觉得在过去十年里学到的软性管理技能是可以用一辈子的，因为技术研发的东西总是在日新月异地迭代，需要不断学习，而软性的沟通、协调和管理能力似乎是长期不变的资产。但自从这轮AI浪潮爆发之后，他之前以为“软技能可以一直吃老本”的假设越来越站不住脚。如果脱离了一个非常强大的硬核技术背景，特别是在AI行业，如果对垂直技术领域缺乏深厚的技术积累、无法做到及时更新和积极学习，在行业里的淘汰速度会非常惊人，而且在组织架构中站得越高，脱节淘汰的速度反而越快。
德国职场的华人天花板与跨文化挑战
随后，主持人提出了一个许多在海外从业者共同关注的话题：两位嘉宾在职场中选择了截然不同的发展路径，一位深耕技术专家岗，一位走向管理与产品岗。在德国职场中，是否存在所谓的“华人职场天花板”？在整个职业生涯发展的过程中，大家是否会因为华人的身份背景，而在走到一定阶段后遇到无法继续晋升的瓶颈？
张博士对此分享了自己的看法。他表示天花板这个问题是他平时经常被问到、也经常听别人讨论的话题。简而言之，他认为最关键的决定因素还是个人自身的能力。在德国职场，如果你在管理岗位上确实展现出了胜任该级别管理职责的能力，那么所谓固定的身份天花板其实是不存在的；大家所感知的所谓天花板，更多还是受个人自身综合因素的影响。如果在一个专业技术领域里，你的业务能力非常过硬，能够解决别人解决不了的复杂难题，正规企业是绝不会因为华人身份而对员工产生歧视的。至少在张博士所经历和了解的德国大型企业环境中，并没有感觉到华人身份对正常技术发展造成系统性阻碍。
但是，张博士指出，有些制约因素是当事人自己平时没有明确意识到的，比如深层的语言与文化壁垒。哪怕一个人的德语学得再好，只要是成年之后才开始学习的德语，在深层次文化融合方面就不可避免会面临挑战。尤其是做管理工作，需要高频沟通与协调，在文化层面的挑战尤为突出。即便是做纯技术工作，同样也会面临类似的问题：比如在汇报同一个研发成果时，德国本地同事用母语表达得非常贴切、生动且到位，而作为非母语者去表达，效果可能就截然不同。这种在表达精细度和文化共鸣上的客观差距，不能简单地归咎于身份歧视，它客观上确实属于个人跨文化能力的客观限制。无法与本地母语者完全处于同一自然水平，表现出来的综合影响力确实就会差一些，这是客观事实，归根结底还是属于个人语言与文化层面的因素。
张博士补充说，如果德语水平真的能做到像母语一样毫无障碍，职场表现就会完全不同。现实中有很多在德国本地长大的华人二代移民，他们在德国接受小学和中学教育，思维和表达与德国本地人完全一样，在职场的发展速度和上限甚至比很多德国本土同事还要出色，这样的案例不在少数。因此，他认为所谓的职业天花板，主要还是由个人能力与文化适应等综合因素决定的。
主持人随后谈到，做技术研发相对而言天花板可能没有那么容易撞上，只要技术实力过硬，再加上具备基础的沟通表达能力，能把事情说清楚，通常就不会造成太大的阻碍。相反，在管理岗位上，需要极多的软技能（soft skills）以及人际沟通协作能力（interpersonal skills），更容易受到语言和文化背景的掣肘。主持人进而询问Jerry，在德国做管理和产品的这么多年里，是否也有这种体会，或者如何看待华人的职场发展上限。
Jerry表示，不能说完全没有挑战。客观来说，同样的华人与同样的德国本地人在德国本土的企业环境中竞争同一个晋升机会，在硬性条件完全相同的情况下，华人被提拔（promote）的几率确实可能会遇到更多困难，需要面临比本地人更多的挑战。这背后确实受制于语言、本土文化理解以及高阶沟通表达能力等多方面维度的限制，这是切切实实存在的困难。
但Jerry强调，作为华人，在不同的业务岗位上完全可以利用独特的外部优势来弥补这一短板。例如，在很多跨国大企业中，中国市场具有举足轻重的战略地位。作为华人，就拥有天然的本土市场洞察优势，能够更敏锐、更深刻地理解中国市场的动态，贴近中国本土客户的真实需求，洞悉中国本土竞争对手的动作。特别是在当下的汽车工业领域，国内众多手机厂商跨界进入造车赛道，技术和商业迭代极快，华人管理者对这些跨界竞争和技术生态的理解远比德国本地团队要深刻得多。通过放大这些独特维度的核心优势，就能够有力地弥补跨文化表达上的短板。说句实话，只要自身综合业务能力足够强大、创造的价值不可替代，其实是不存在绝对天花板的。
产品经理的技术盲区与研发团队的协作博弈
接着，现场另一位提问者抛出了一个较为尖锐的话题：提问者的男朋友正好也是一名产品经理，而在场的两位嘉宾一位是资深产品经理，一位是深耕技术开发的科研专家。在实际业务中，当公司需要定义新一代产品时，产品经理负责定义新产品（define product）的方向与功能规范，并向研发团队下达需求指令。但在很多实际场景中，产品经理本身对底层技术细节并不了解，甚至完全不懂研发逻辑。对于一线科研与技术研发人员来说，收到这种来自不懂技术的产品经理的硬性指令时，内心会不会感到非常生气，甚至觉得“你根本不懂底层技术，凭什么要求我按你说的去做”？
Jerry立刻从产品经理的角度作出了回应。他指出，对于产品经理而言，最严重的大忌就是在自己不熟悉的垂直技术领域（vertical technical domain）里强行装懂。如果自己不懂，千万不能装作精通，而是必须提前下足功夫做足功课。尤其是面对技术水平极高的研发专家时，保持足够的谦卑态度至关重要。
Jerry进一步谈到，特别是在当前的AI时代，技术的获取与理解已经在很大程度上走向了“平权”。在过去，产品经理可能依靠广泛的人脉网络（network）或单纯的人际沟通手腕（interpersonal skills）来推进工作，但现在这些纯软实力的边际影响力正在急剧减弱。因此产品经理更不能端着架子，一定要保持敬畏与谦卑，抓紧时间吸收专业技术。如果某个垂直技术领域是产品经理长期绕不开的核心支撑、未来需要持续与其打交道，那就必须下苦功夫把它彻底吃透。
Jerry分享了自己拆解复杂产品并学习技术的方法：他会把一个庞大的产品架构逐步拆解，拆分为硬件（hardware）、软件（software）以及底层系统（system）等层面；系统再进一步拆解为各个子组件（sub-components）。针对每一个具体的技术组件，去梳理并找到背后的利益相关者与领域专家（expert）。在每一个垂直技术细分领域内，至少找到两到三位资深专家，请他们深入讲解核心原理和实现逻辑。这样产品经理就可以在不同专家给出的方案和观点之间进行交叉核实与比对（cross-check opinions）。产品经理必须舍得投入大量的时间和精力去深入学习，分析不同专家所陈述的观点中哪些合理、哪些存在局限，并在这一过程中建立起扎实的技术认知。
Jerry感慨道，当面对不懂的技术时，产品经理唯一的出路就是扎根一线打好基础。要真正打造出一款优秀的硬件或工业级产品，往往需要沉淀五年的深厚积累。他以自己的亲身经历举例：当年他刚从其他领域转去做手机芯片、参与iPhone以及三星Galaxy手机芯片的产品项目时，一进去就发现自己必须从头硬啃矩阵运算等底层数学和算法细节。当时他内心也曾困惑过，觉得自己做的是产品经理，怎么天天在学纯研发（R&D）的东西，感觉一切都得重新开始。但正是因为耐下心来把这些扎实的底层技术基础打牢了，熬过了那段艰难积累的时期，五年的沉淀之后，产品经理所能撬动和释放的业务影响力（impact），就会是很多人难以企及的。
提问者评价说Jerry展现出了一名优秀产品经理的低调与谦逊，而研发人员在工作中真正反感和害怕的，恰恰是那种既不懂技术、但因为口才好又敢到处高谈阔论，反而在无形中暴露了巨大无知的人。
随后提问者向张博士发问，在日常工作中是否也会遇到某些明明不懂技术细节、却在跨部门沟通中强行不懂装懂的同事？
张博士表示，在规范的大型企业研发体系中，这种极端情况整体上还是比较少见的。但如果客观来看，这样的人在职场上也确实存在。在德国同事中，确实有部分人能说会道、极具语言说服力，非常善于说服他人，尤其是能够迅速说服上级领导，这种现象确实客观存在。
但是从全局来看，张博士认为产品经理这个岗位本身具有极高的挑战性。在他们公司内部，有相当一部分高层核心领导都是从产品经理这个岗位历练走出来的。例如在压力巨大的关键业务期，负责S级轿车整车产品定义的产品经理，所管辖的是一整台顶级车型的全生命周期。这其中涉及的前沿科技之多、从技术预研到工厂生产再到全球供应链采购的环节之复杂，涵盖了方方面面的系统工程，因此这个岗位对人的全局综合能力是非常高强度的锻炼。
张博士结合自己偶尔参与产品例会的经历分享道，一名优秀的产品经理最重要的能力之一是懂得如何调动技术团队的积极性。因为面对如此庞大的系统工程，单个产品经理不可能做到在每一个具体技术细节上都比一线研发人员懂得多。这就回到了他之前提到的“专业技术深度与管理整合能力的结合”。如果产品经理本身是从技术研发路线上转型过来的，在汽车工业体系中往往会相对更顺畅一些，因为他们清楚底层技术的难点所在，不至于在制定产品目标时做出脱离技术规律的盲目判断。即使产品经理对具体细分方向没有达到专家的钻研深度，但拥有基本的技术边界判断力，这一点极其关键。
在具备基本判断力的前提下，领导者和项目管理者更需要有清晰的认知，了解团队内部每位成员的特长和专业优势，把大家的主观能动性充分激发出来，依靠专业人才去攻克各自领域的技术难题。张博士强调，担任领导或项目负责人，绝不意味着你必须在所有领域都亲力亲为、什么都懂，真正的核心价值在于如何高效调动公司内部的各种研发与工程资源，甚至协调外部供应商的优质资源，来共同攻克产品目标所面临的复杂问题，这种资源协调与整合能力才是最为关键的。
Jerry赞同并补充道，产品经理的职能形态具有两极分化的特点：它可以成为一家公司里战力最强的一个职能支点，但也可能沦为公司里最弱的一个环节。最强的产品经理，能够调动企业内部与外部的各种资源，技术视野既足够宽广，又能在关键的一两个核心领域扎得足够深，能够熟练地平衡内部研发实力与外部市场诉求，最终扎实达成产品目标。而最弱的产品经理，往往在技术和业务两头都一无所知，只会机械地对研发团队下达“我需要实现一、二、三条功能”的指令，却完全讲不清楚为什么需要这些功能、背后的业务价值与技术可行性到底是什么。
最后，Jerry总结道，正如张博士所说，产品经理这个职能方向如果能够扎实做深、经受住严苛业务场景的考验，确实是通向更高层级管理岗位、负责业务单元（BU）甚至公司更高领导层的一条非常重要的必经之路。因为这个岗位极度锻炼人的全局视野与抗压能力，很多时候开完极其高压的业务评审会议，常常会让人焦虑得整夜难以入眠，但这也是该岗位所不可避免的成长代价与职业全貌。