Stellantis借力零跑：加拿大工厂背后的中式电动化路径

2026-04-02，这条消息在北美汽车圈炸得不轻：据彭博社披露，Stellantis 正与中国合作伙伴零跑（Leapmotor）进行早期谈判，计划在加拿大安大略省布兰普顿（Brampton）一座停工的工厂里组装零跑电动车。更“刺眼”的背景是——这家工厂原本要为 Jeep 产线改造，且已拿到超过5亿加元的政府补贴。

反对声几乎同步出现：安省省长 Doug Ford 公开表示强烈反对；代表约3000名被裁工人的 Unifor 工会也迅速施压。表面看是“在哪儿造车”的政治与就业争端，实际更像一场全球电动化与自动驾驶竞争的缩影：中国电动车正在通过合作与供应链输出，改变北美车企的制造决策；而Tesla则坚持以AI驱动的软件路线，试图把自动驾驶能力做成“核心产品”。

这篇文章放在《人工智能在汽车制造》系列里看，价值不在八卦，而在方法论：当电动化与智能化叠加，制造体系、供应链、数据闭环和政策风险，会直接决定一家公司能不能把“自动驾驶AI”落到量产与盈利。

这件事真正说明了什么：北美造车逻辑正在被“合作式中国方案”改写

最直接的结论是：北美传统车企在电动车时代越来越依赖“外部成熟平台”来缩短周期与降低资本开支。 Stellantis 与零跑的讨论，符合当下全球车企的共同焦虑——电动车平台研发、软件栈、电子电气架构（EEA）与电池供应链的投资太重，回报周期却越来越不确定。

从制造角度看，“在本地组装中国伙伴车型”是一种典型的折中方案：

• 保住本地就业与产能利用率：工厂停摆一天，固定成本就多烧一天。
• 用合作方成熟平台换时间：新平台自研往往要3-5年才能稳定量产。
• 供应链可分层本地化：先 CKD/SKD（散件组装）起步，再逐步提高本地零部件比例。

但这也解释了为什么反对声会那么大：当“拿了补贴的产线”变成“组装中国车”，政治叙事立刻从产业升级变成了“补贴是否被正确使用”。

一句话概括：电动车的竞争已经从“谁会造车”变成“谁能用更少的钱、更快地把车造出来并持续迭代”。

为什么是零跑：不只卖车，更在输出供应链与工程能力

很多人对零跑的第一印象仍是“国内新势力之一”。但放到全球合作语境里，零跑更像一种“可被打包交付”的能力：平台、三电、EEA、域控、软件与制造工程的组合。

零跑的优势更像“可复制的工程包”

在跨国合作中，甲方（传统车企）最怕的是两个问题：

1. 车能不能稳定量产（质量一致性、供应稳定性）
2. 版本能不能持续迭代（软件更新、故障闭环、成本优化）

中国电动车企业过去几年练出来的能力，恰恰是“快迭代+强供应链协同”。这背后离不开AI在制造与供应链的应用：

• 质量检测AI：机器视觉检测焊点、涂胶、缝隙面差，降低返工率与漏检。
• 预测性维护：用时序数据预测设备故障，减少停线。
• 供应链需求预测：以订单、区域政策、竞品价格变动为输入，提高备料准确性。
• 工艺参数优化：通过历史数据与仿真（数字孪生）找出最佳工艺窗口。

对于 Stellantis 这类集团型车企，“买来一个能跑起来的电动车项目”比“从零自研一套体系”更现实。

这不是“技术崇拜”，而是财务纪律

电动车的残酷之处在于：价格战会吞噬毛利，而软件与自动驾驶的投入还在上涨。能否控制 BOM 成本、提升良率、缩短爬坡时间，直接决定现金流。

所以，与零跑的合作不只是产品层面，更是制造与供应链方法的输入——这正是中国车企全球化的常见路径：先以平台/整车合作进入，再向核心零部件与软件生态延伸。

加拿大布兰普顿工厂：补贴、就业与“本地制造”的三重拉扯

先把争议拆开看：

• 政府视角：补贴的目标通常是“本地产业能力与就业”。如果最终成了“组装进口技术”，在选民面前难交代。
• 工会视角：工人关心的是岗位数量、薪资结构、培训体系与长期产量承诺。
• 企业视角：Stellantis 需要在北美尽快补齐电动车产品与产能缺口，否则市场份额会被特斯拉与本土/日韩电动车蚕食。

真正的关键问题是：“本地制造”到底指什么？

如果只是最终组装，价值链很薄；但如果能够把电池包、驱动总成、关键电子件以及软件测试与数据闭环的一部分留在本地，就会出现新的博弈空间：

1. 本地化比例路线图：第一年组装，第二年导入本地供应商，第三年实现关键零部件本地生产。
2. 岗位再技能培训：从传统燃油车装配转向高压电安全、域控测试、线束与热管理相关工种。
3. 质量与合规体系重建：北美法规、碰撞标准、网络安全合规（车载软件）都要求更严格的流程化验证。

这也是《人工智能在汽车制造》系列里反复强调的一点：AI不是“装到车上才叫AI”，把AI用在制造过程、质量体系、供应链协同，同样决定智能汽车的交付能力。

把这件事放到“自动驾驶AI路径之争”里看：Tesla vs 中国车企的两条路

结论先说：Stellantis-零跑模式更像中国车企常见的“多传感器+多伙伴+制造协同”的系统工程；Tesla更像“以端到端AI为核心、通过规模化车队数据闭环持续提升”。 两者各有代价。

Tesla：单栈强推，靠数据与算力滚雪球

Tesla的路线特点是：

• 强调统一的软件栈与数据闭环
• 通过车队规模收集数据，持续训练模型
• 制造端高度标准化，追求极致效率

优势是迭代快、体验一致；短板是对政策与安全舆论更敏感，一旦出现事故或监管变化，策略空间更小。

中国车企：多传感器、更现实的合作生态

中国市场的现实是：道路环境复杂、车型碎片化、用户对功能“立刻可用”的期待高。因此很多车企选择：

• 多传感器（摄像头+毫米波雷达+激光雷达的组合常见）
• 多供应商协同（芯片、域控、算法、地图、云服务）
• 更强调量产交付与成本控制的平衡

这条路看起来“不够纯粹”，但在全球化合作里很吃香：它更像可被拆分交付的模块化能力，适合传统车企用合作方式快速补课。

站在制造视角，我更倾向于认为：未来3-5年，全球更多“传统车企+中国电动平台”的组合会出现，因为它更符合财务与产能现实。

对企业决策者的实操清单：想把合作造车做成，先把AI与制造底座补齐

如果你所在企业正评估类似“引入中国电动车平台、本地组装”的策略，我建议优先盯住下面五件事。它们决定合作是“救急项目”还是“长期竞争力”。

1. 数据闭环归属：车辆数据、故障数据、OTA日志到底归谁？能否用于本地质量改进与自动驾驶迭代？
2. 软件发布节奏与责任边界：版本发布、回滚机制、网络安全响应流程要提前定好。
3. 质量体系融合：APQP/PPAP（量产质量流程）如何与合作方的快速迭代节奏兼容？
4. 关键零部件双供策略：电池、电驱、功率半导体、域控芯片，哪些必须双供？库存策略怎么设？
5. AI在工厂的落地优先级：
   • 先上机器视觉检测（ROI最快）
   • 再做预测性维护（减少停线）
   • 最后做数字孪生与全流程优化（周期长但上限高）

把这些谈清楚，合作才不至于变成“组装生意”，而能形成可持续的制造能力。

写在最后：这不是一场关于“谁更强”的口水战，而是新秩序的信号

Stellantis 想在加拿大停工厂组装零跑电动车，看似是一次临时性的产能安排，实则暴露了更深的趋势：中国电动车企业正在用“平台+供应链+制造方法”影响全球汽车工业，而自动驾驶AI的竞争，也越来越离不开制造端的效率与数据闭环。

如果你关注的是“自动驾驶到底哪家会赢”，不妨把视角再往下沉一层：谁能更快把车造出来、更稳定交付、更低成本迭代软件，谁就更可能把AI能力变成真实的市场份额。

接下来值得观察的是：布兰普顿工厂如果真的推进，会采取怎样的本地化路线图？加拿大与安大略省会把补贴条件收紧到何种程度？以及——这种合作模式会不会成为北美传统车企电动化的“标准动作”。