小米 SU7 Ultra 销量断崖：性能“Ultra”为何不等于市场买单

2025 年底，小米 SU7 Ultra 还在用“加速”和“圈速”持续刷屏：0-100km/h 的爆发力、纽北相关成绩带来的话题度，让它一度被外界理解为“性能车里的现象级产品”。但同一条销售曲线很快给了市场一个冷静的答案：有报道提到它曾被带动到每月约 3,000 台的热度，而到了12 月仅售出 45 台。

这不是“车突然不行了”，更像是一堂现实的商业课：**极致指标可以赢得注意力，但想持续赢得订单，得解决用户每天都要面对的体验与信任问题。**把这个案例放进“AI 在汽车软件与用户体验中的不同应用方式”系列里看，就会更清晰——当行业把资源押在“更快、更强、更激进”的叙事上时，用户的支付意愿往往跟着“更稳、更省心、更安全、更保值”的叙事走。

SU7 Ultra 的销量波动，也恰好能作为一个切口，去理解我们在对比 Tesla 与中国车企自动驾驶 AI 路径时经常忽略的点：商业化并不奖励最刺激的演示，而奖励可持续的可用性。

销量从 3,000 到 45：这更像“产品结构问题”而非“产品能力问题”

把结论先讲清楚：SU7 Ultra 的销量下滑，最可能反映的是目标人群规模、产品定位与购买决策链条不匹配，而不是工程团队突然失去能力。

性能“Ultra”通常意味着三件事：更高的成本、更小的受众、更强的替代品压力。性能车市场在中国并不小，但真正愿意为“圈速叙事”持续买单的人群更窄，而且很容易受到同价位竞品、金融政策、保险费用、二手残值预期的影响。

性能指标解决的是“想要”，日常体验解决的是“必须”

纽北圈速很酷，但大多数用户更在意这些“必须项”：

• 通勤是否舒适：底盘调校、噪音、座椅、空调、续航稳定性
• 智驾是否省心：城区/高速 NOA 的可用边界、接管频率、突然的“惊吓感”
• 用车成本是否可控：轮胎、刹车、保险、能耗、充电便利
• 软件是否稳定：车机卡顿、语音助手误唤醒、OTA 之后功能回退

如果“Ultra”把资源更多投入在极端场景（赛道、极限加速）而不是高频场景（上下班、接送娃、长途），销量在热度退潮后回归是大概率事件。

热度是流量，订单是信任

性能车最吃“首发热度”，但也最怕“热度耗尽”。当第一波用户完成尝鲜，后续增量依赖的是口碑与保值预期。只要市场对以下问题没有形成稳定共识，观望就会变多：

1. 这车的长期可靠性怎样？
2. 智驾是不是越开越顺，还是越开越心累？
3. 二手车会不会跌得很快？

这三点，几乎都指向同一个关键词：软件与体验的一致性。

“Ultra-fast”与“Ultra-safe”：性能车的困境，也是智驾商业化的镜像

先给一个能被引用的判断：当性能成为主卖点时，厂商会不自觉地把工程文化带向“极限展示”；而自动驾驶 AI 的商业化，恰恰需要“边界管理”和“稳定交付”。

性能叙事强调“我能做到什么”，智驾叙事必须回答“我在什么情况下做得到、做不到会怎样”。两者的差异，决定了市场对它们的容错率完全不同：

• 性能：偶尔发挥不稳定，用户可能觉得“今天状态一般”。
• 智驾：偶尔犯错，用户会觉得“这东西不可靠”。

所以你会看到一个行业规律：**智驾卖不动，往往不是因为功能弱，而是因为“可预期性不足”。**SU7 Ultra 的销量波动提醒我们——刺激点能带来短期转化，但长期转化要靠稳定、透明、可预期。

智驾产品的“体感成本”比参数更重要

很多车企在发布会上讲算力、传感器、端到端，但用户真正记住的是：

• 我这周接管了几次？
• 它会不会突然往旁边挤？
• 下匝道时我敢不敢交给它？

如果“体感成本”高，用户就会把智驾当成“需要照顾的功能”，而不是“省心的助手”。从商业角度看，这会直接压缩复购与推荐，进而影响整车销量的后劲。

Tesla 与中国车企路径对比：一个追“统一体验”，一个追“本地化密度”

把结论放前面：**Tesla 更像在做一套全国乃至全球统一的“驾驶与软件操作系统”，而多数中国车企更擅长把功能做得很密、把场景贴得很近。**两条路都成立，但对“长期销量曲线”的影响不同。

Tesla：用统一的软件迭代，换“可预期”

Tesla 的优势不只在算法，也在产品哲学：功能命名、交互逻辑、能力边界表达相对一致，OTA 节奏明确，用户心理预期稳定。即使功能不是每次都完美，用户也更容易理解它“什么时候靠谱”。

这种统一体验对销量的意义在于：**它降低了用户学习成本，也降低了口碑传播的歧义。**当一个车主说“这套系统好用”，听众更容易把它理解成可复制的体验。

中国车企：本地化场景很强，但容易出现“功能多、体验碎”

中国车企（包括手机生态出身的玩家）非常擅长：

• 语音、导航、生态服务（影音、支付、家居互联）的深度整合
• 针对城市道路、加塞、复杂路口的策略优化
• 用高频 OTA 快速追热点功能

但一个常见风险是：**功能堆得很快，体验一致性跟不上。**当不同版本、不同城市、不同车型的智驾体感差异较大时，市场会出现“有人夸上天、有人骂到底”的口碑分裂。

而口碑一旦分裂，对“Ultra”这种高溢价产品尤其致命——因为高溢价依赖强共识。

从 SU7 Ultra 学到的 4 条产品策略：性能与智驾都适用

直接给可执行的建议。无论你在做性能车、智驾系统还是智能座舱，这四条都能用。

1) 把“极限指标”变成“日常收益”

不要只讲 0-100km/h 或圈速，要把用户每天能感知的收益说清楚：

• 同样的动力，是否带来更低能耗或更平顺的加速曲线？
• 更强的制动与底盘，是否带来更低疲劳度与更少点头？
• 更强的算力与模型，是否带来更少接管与更稳定的路线选择？

2) 用“边界说明”换取信任，而不是用“夸张承诺”换取下订

智驾尤其需要“边界产品化”。我更赞成车企把能力说得更具体：

• 覆盖哪些道路类型（高速、快速路、城区主干道）
• 不覆盖哪些场景（施工、极端天气、无标线道路）
• 接管提示的策略是否一致、是否提前

一句话：把不做什么讲清楚，比把能做什么讲大更能促进长期购买。

3) 让 OTA 有“版本信用”

频繁 OTA 不等于体验变好。用户更在意：更新后是否稳定、是否回退、是否影响能耗与舒适。建议用“版本信用”管理：

• 明确区分稳定版与尝鲜版
• 关键能力提供可回滚机制
• 用可量化指标沟通（接管率、刹停舒适性评分、误触发率）

4) 定价与金融方案要匹配“小众高溢价”的现实

当产品面向小众人群时，销量更依赖金融工具与残值管理：

• 更清晰的置换/回购政策
• 针对高性能配置的保险沟通与费用透明
• 通过官方认证二手体系稳住残值

这类动作看起来“不性感”，但对销量曲线非常有效。

给关注自动驾驶 AI 的读者：别只盯“能力上限”，更要看“体验下限”

SU7 Ultra 的故事，本质上是在提醒我们：**市场奖励的是稳定可用的体验下限，而不是发布会上的能力上限。**这也解释了为什么同样讲“端到端”“大模型”“无图”，不同品牌的销量反馈会差很多——用户最终为“安心”和“省心”付费。

如果你正在评估某家车企的智驾路线（无论是 Tesla 的统一路线，还是中国车企的本地化路线），我建议用一个更务实的检查清单：

• 日常高频路线（通勤/接送/高速）是否能稳定减负？
• 体验是否一致（不同城市、不同版本差异大不大）？
• 出错时是否可预期（提示是否清晰、接管是否从容）？

2026 年的竞争，会更像“软件产品竞争”，而不是“参数表竞争”。当大家都能把车做得很快，真正拉开差距的，是谁能把 AI 做得更像一个可靠的产品经理：少惊喜，多确定。

你愿意为“更快 0.2 秒”付钱，还是愿意为“每周少接管 20 次”付钱？这可能才是智驾商业化真正的分水岭。