芯片短缺对新能源汽车行业的影响性分析

关键词：事理图谱；芯片短缺；新能源汽车；主题聚类

中图分类号：TP273 文献标识码：A

文章编号：1009-3044（2024）21-0135-04

0 引言

2020年以来，全球环保意识的提升以及对新能源汽车的需求不断增加，推动了新能源汽车行业的快速发展。然而，这一行业面临着来自多方面的挑战。特别是，供应链问题和COVID-19疫情的暴发对整个产业链产生了巨大的冲击。在这些挑战中，芯片供应的紧张局面尤为突出。由于新能源汽车的电子化程度越来越高，对芯片的需求也与日俱增。然而，全球芯片供应链的某些节点受到了诸多因素的影响，如地缘政治、自然灾害和技术变革等，导致供应链紧张局面的加剧。此外，COVID-19疫情的暴发也导致了一些制造工厂的关闭或减产，进一步加剧了芯片供应的短缺情况[1]。据预测，芯片短缺的局面可能会持续至2023年以后。尽管一些制造商正在采取措施增加产能，但在短时间内解决供应链问题并不容易。因此，新能源汽车行业将长期面临芯片短缺带来的挑战。在中国这个全球最大的新能源汽车市场之一，新能源汽车销量受到了芯片短缺的严重影响，呈现出急剧下降的趋势，一些汽车制造商不得不采取减产甚至停产的措施，导致其在市场上的份额持续下滑，进一步加剧了行业面临的挑战。这一情况凸显了新能源汽车行业在应对芯片短缺问题上的紧迫性和重要性。

针对这一情况，本文旨在通过运用事理图谱和主题聚类等方法，对芯片短缺对新能源汽车行业的影响进行深入分析，并探讨相应的解决方案。通过建立事理图谱，清晰呈现出芯片短缺对产业链的影响路径，帮助企业更好地理解问题的本质和影响。同时，利用主题聚类技术，从大量的文本数据中挖掘出隐藏的主题信息，为企业制定相应的应对策略提供参考。最近，提出的“事理图谱”是一种复杂的网络数据存储和可视化技术，其核心描述是“事件”，并揭示了事件之间的演化逻辑关系。该技术着重于对事件之间的顺承关系、因果关系、条件关系和上下位等事理逻辑进行刻画[2]。在分析芯片短缺对新能源汽车行业的影响时，能够清晰地描绘事件之间的关联逻辑，有助于从中总结归纳该行业所面临的问题。

目前，事理图谱在众多下游应用中扮演着日益重要的角色，包括搜索、问答系统、推荐系统、金融量化投资、文本生成和事件预测等领域。研究者Lv[3]、Gao[4]等将事理图谱运用于脚本事件预测、股票趋势预测等方面，其研究结果表明，事理图谱在事件发展预测方面表现良好。另外，Simon等[5]学者提出了事件-语义数据集，旨在通过知识图谱回答以事件为中心的问题。此外，Zhou等[6]学者提出了一种全新的端到端工业表格信息提取及其与文本的语义融合方法，用以整合表格信息并构建面向表格信息的因果事理图谱。

由于事件间的多种关系、关系的紧密度以及涉及的关键信息，以图谱化形式呈现更为直观清晰，因此事理图谱逐渐在领域事理图谱构建、舆情分析、重大事件脉络分析、文本摘要可视化等研究方向得到应用。针对重大突发舆情事件，张海涛等[7]提出了构建重大突发事件情景图谱的方法，通过事件及事件关系抽取，构建旱灾情景本体，描述事件当前发展状态，并对未来趋势进行预测。在金融领域，刘政昊等[8]研究者基于知识驱动的事件关联与演化视角，采用了一种新的方法，构建了具有双层结构的事理知识图谱。该图谱结合了金融领域的专业知识和事件关联模式，能够更好地揭示金融市场中突发事件的演变逻辑。通过实证分析和案例研究，研究者深入探讨了突发事件的发展趋势和影响因素，为金融市场的风险管理和预测提供了重要的参考依据。在医疗舆情事件领域，单晓红等[9]通过事件共现概率和抽象事理图谱推理和预测舆情事件演化方向。在舆情分析方面，单晓红等[10-11]设计因果句模板提取因果事件对，用图谱形式将关系复杂的舆情事件的演化路径简洁清晰地展示出来。夏立新等[12]基于事理图谱的特征生成可视化摘要，解决了传统事件摘要中无法直观了解事件间关系特征的问题。李佳玮等[13]提出构建重大突发事件领域事理图谱，以揭示重大突发事件演变的规律与逻辑，并以2019年新冠病毒疫情为例进行研究应用。Bonan等[14]构建了一种文档阅读器，可以生成因果分析图研究新冠疫情期间事件间的关系，帮助政府机构缓解信息过载，了解与疫情相关的政治和经济决策和事件可能产生的下游影响并及时做出反应，减轻新冠肺炎的影响。Simon等[15]构建了KG，表示以事件为中心信息与时间关系，借助EEvveenntt KG可以评估事件流行度与事件间关系强度，理清事件时间顺序脉络。

本文通过运用事理图谱，清晰地呈现了芯片短缺与新能源汽车市场以及车企之间的因果关系，以深入分析芯片短缺所带来的影响。分析思路和步骤如下：首先，采用新闻资讯数据作为数据源，运用因果关系规则模板抽取因果事件对，构建芯片短缺影响的事理图谱；随后，利用LDA模型对结果事件主题进行聚类，并依据此进行芯片短缺影响的分析。

1 芯片短缺和新能源汽车行业相关事理图谱构建

1.1 数据获取

锐思（RESSET） 金融数据库涵盖了全球范围内的各种金融市场，包括股票、期货、债券等多个领域的大量金融数据。本文使用锐思金融数据库中比亚迪、上汽集团、江淮汽车等8家A股新能源汽车行业整车制造上市公司 2020年1月1日至2023年4月30日的每日资讯数据，并对数据进行整合与去重处理。

1.2 因果事件对抽取

因果句具有独特的标识词，目前识别与提取事件关系的最有效方式是基于规则匹配的方法。因此，本文选用基于规则匹配的方法来识别和抽取语料中的因果事件对。借鉴现有研究，本文设计了因果关系规则匹配模板，基于因果标识词和因果句法模式规则库，匹配模板示例如表1所示，以实现因果事件对的抽取。假设文本可表示为 Doc = { s₁， s₂， ... ， s_n }，其中，s_i为文本中的句子，可用si = { w₁/pos₁， w₂/pos₂， ... ， wn /posn } 表示。若句子si 中存在某个词或某两个词符合所制定的规则之一，则判定该句子具有因果关系。

基于抽取得到的结果，我们对因果事件进行了进一步处理。我们排除了字数少于2个字或表述不完整的因果事件，并补充了指代不明的因果事件或果事件，以确保抽取出的句子具备清晰的因果语义关系，并符合一定的表述规范。最终，本文获得了98个因果事件对的抽取结果。

1.3 事理图谱可视化

传统关系数据库面临着多表连接操作导致性能下降的挑战，这一问题已被广泛认识到。相比之下，图数据库专注于优化跨复杂数据的关联查询，因此更适用于存储大规模复杂网络结构的数据，特别是像知识图谱这样的数据。Neo4j作为当前知名度最高的图数据库，不仅具备处理图数据的能力，还拥有出色的可视化展示和关联查询分析功能，使其成为研究知识图谱等领域的理想选择。本文采用Neo4j进行数据可视化展示和后续的关联查询分析，通过Neo4j import 导入数据，使用Cypher语言创建节点并根据因果关系构建节点间的边。最终，处理后的数据被批量导入Neo4j，部分可视化结果如图1所示，其中涵盖了92个非重复节点和97条边。

2 基于LDA 的结果事件主题聚类

鉴于事理图谱中抽取出的具体事件较为稀疏，难以全面总结芯片短缺所带来的影响具体体现在哪几个方面。因此，本文进一步采用LDA（Latent Dirichlet Allocation） 模型对抽取到的所有结果事件进行聚类，以归纳出核心主题并进行深入分析。

确定LDA模型的主题数目至关重要，因为主题数的选择直接影响模型的性能和效果。若主题数设置过少，模型将无法准确描述文本数据集中的全部信息；若设置过多，模型容易过拟合，产生噪声或不具代表性的主题，从而降低模型的泛化能力。因此，本文采用困惑度（Perplexity） 和一致性（Coherence） 相结合的方法确定结果事件的最优主题数。

首先，采用困惑度方法确定主题数目。如图2所示，可观察到当主题数为5时，曲线趋于平缓，随后呈上升趋势，表明主题数超过5时，模型出现过拟合。根据困惑度曲线初步将主题数定为5。随后，进行一致性实验，计算一致性并绘制图像。如图3所示，当模型主题数为5时，模型得分最高。综合考虑困惑度和一致性实验结果，确定结果事件的LDA模型主题数为5。

本文采用 pyLDAvis 对主题聚类结果进行了可视化展示。pyLDAvis 是一款开源 Python 库，专用于可视化和解释主题模型。它有助于用户更深入地理解主题模型的输出结果，并探索各个主题之间的关系。pyLDAvis 利用交互式图表和可视化技术，使用户能够快速、直观地分析和比较不同主题模型的结果。基于以上实验，本文对数据进行了 pyLDAvis 可视化，具体结果如图4所示。

根据 pyLDAvis 的可视化结果，用户可以通过点击左侧气泡选择特定的主题。一旦选定，右侧面板将呈现与所选主题相关的词汇。通过综合这些词汇的含义，便可归纳出该主题的内涵和主要特点。同时，词语与主题的相关性可以由 λ 参数进行调节。当 λ 接近 1 时，表明在该主题下更常见的词汇与主题的联系更为紧密；相反，当 λ 接近 0 时，表明该主题下更为特殊、独特的词汇与主题关联更为密切。因此，通过调节 λ 的大小，可以调整词汇与主题之间的相关性程度，从而更准确地理解主题的含义和内涵。观察每个主题的词汇分布图，可以得出以下 5 个主题：1） 汽车生产影响；2） 企业销量下降；3） 成本上升；4） 车辆停产；5） 零部件短缺。这表明，芯片短缺对新能源汽车行业的主要影响集中在新能源汽车市场和企业产销环节。值得注意的是，主题 3 和主题 5 之间的距离较近，表明两者具有较高的相似性，暗示零部件短缺可能导致生产成本上升，进而影响销量下降。

3 芯片短缺对新能源汽车行业影响分析

芯片短缺对我国新能源汽车行业带来了严峻的挑战，对车企的产销量、利润和零部件制造都造成了深远影响，具体表现在以下三个方面：首先，芯片短缺导致国内外许多整车企业停产或生产受限。芯片短缺妨碍了整车企业的正常生产线运作，生产线陷入停滞状态，因缺乏足够零部件供应而导致许多整车企业不得不暂停生产或推迟生产计划，直接影响了它们的业务和销售。上汽、长城、广汽集团等多家新能源汽车企业因芯片短缺被迫减产甚至停产，部分企业的半年报表现不尽如人意，尽管营收有所增长，但盈利能力却下滑。一些企业不得不减少生产规模或限制生产线运行时间，导致车辆产能受到限制，无法满足市场需求。

其次，芯片短缺导致芯片价格上涨，进而影响了企业的利润和产销量。由于芯片短缺，芯片价格飙升，新能源汽车市场竞争激烈，同时原材料价格也上涨，导致上游成本增加，推高了整车企业的成本。由于下游无法提价，企业购买昂贵的芯片会导致制造成本上升，降低利润率，增加了企业的经营压力。价格上涨可能迫使一些消费者推迟或取消购买，对企业的产销量造成负面影响，进一步影响利润。

最后，芯片短缺导致零部件供应不足。新能源汽车依赖大量的电子部件和芯片来控制和管理各种系统，如动力电池管理、电动驱动控制、车载娱乐系统等。由于全球范围内的芯片短缺，供应链受到限制，新能源汽车制造商面临着零部件供应不足的情况，导致一些生产线停产或生产规模减少，因为缺少关键组件而无法完成车辆的生产。同时，芯片短缺也推高了零部件的价格，给制造商带来了额外的成本压力。

4 对策建议

芯片短缺对新能源汽车行业产生了显著影响，然而随着经济逐渐恢复和供应链逐渐稳定，这些问题可能会逐渐减轻。以下是一些对新能源汽车行业有益的应对策略和建议：

第一，增强供应链的弹性。芯片短缺凸显了新能源汽车行业的薄弱环节。为此，企业需要加强与供应商的交流与合作，构建灵活多样的供应链，以减少企业的亏损和风险。

第二，探索新的商业模型。随着新能源汽车产业的发展，传统的经营模式已经不能满足新能源汽车产业发展的需要。企业通过对共享经济、服务化、直销等新的商业模式进行研究，以期更好地满足消费者的需要。

第三，建议各芯片厂商加大对已有产品可靠性的研究，特别是针对薄弱环节的技术难点进行重点攻克。因此，建议可以考虑通过对国外汽车芯片公司的并购，来使我国的汽车芯片行业逐渐变得更加完善，这样才能使国内的芯片技术得到提高，使整个行业得到整体的升级和发展。

第四，为了促进国产汽车芯片在自主品牌汽车上的广泛应用，政府应加强在政策引导和扶持方面的作用。这一举措涉及多个方面，包括组织国内整车企业与芯片厂商进行供需对接，确保国产汽车芯片的供应能够满足自主品牌汽车制造的需求。同时，政府还应着重关注技术和质量方面的提升，以确保国产汽车芯片达到可接受的水平，从而增强自主品牌汽车的竞争力和可持续发展能力。政府可以通过提供资金支持、税收优惠、技术培训等方式，鼓励企业增加在国产汽车芯片领域的投入和研发力度。此外，政府还可以建立相关的政策和标准，规范国产汽车芯片的生产和质量控制，以提高其竞争力和可靠性，从而推动其在自主品牌汽车上的广泛应用。

总之，虽然芯片短缺对新能源汽车行业造成了重大冲击，但新能源汽车企业可以通过多方面的措施来应对这些挑战，并获得更好的发展机遇。

5 结论

本文提出的基于事理图谱和主题聚类分析方法对以往分析方法进行了创新，构建了芯片短缺影响事理图谱，并将其可视化。实验结果表明该方法可行有效，能客观反映芯片短缺对新能源汽车市场以及车企产生的影响。

本文的方法为芯片短缺影响研究提供了新的视角。通过事理图谱和主题聚类方法，能够全面呈现芯片短缺对新能源汽车市场以及车企的影响。根据事理图谱，可以找出受影响较大的节点，为新能源汽车企业的发展提供有效参考。研究结果对政府制定有针对性的政策和措施提供了借鉴，促进新能源汽车市场的稳步发展需要政府和企业共同努力。