新势力迈入盈利季：AI如何改写与特斯拉的竞争逻辑

2026-02-12 凌晨，蔚来发布四季度盈利预告，小鹏也释放季度盈利信号，零跑等企业更是把“年度盈利”写进目标里。对外界来说，这不只是几家公司的财报拐点，而是一个更硬核的信号：造车新势力正从“规模优先”切换到“效率优先”，竞争逻辑开始换挡。

我一直觉得，新能源汽车行业真正的分水岭不是“谁先把车卖到十万台”，而是“谁能在智能化投入不降速的情况下持续赚钱”。当“输血”时代结束，资本不再为单纯的销量故事买单，车企必须拿出更可复用、可扩张的能力。这个能力的核心，就是AI在整车系统里的位置。

这篇文章放在《Tesla 与中国汽车品牌在人工智能战略上的核心差异》系列里看，会更清晰：**盈利季来临，恰好暴露了特斯拉与中国品牌在AI战略上的分歧——一个更“软件优先”，一个更“数据驱动+工程落地”。**而接下来三年，谁能把AI变成利润表里的“正贡献”，谁就更可能穿越周期。

盈利季意味着什么：从“拼规模”变成“拼现金流”

**盈利季的本质，是行业从“扩张竞赛”进入“经营竞赛”。**当外部融资更谨慎、价格战常态化，车企的胜负手不再是“能不能烧钱冲量”，而是“同样的销量，谁的毛利更稳、费用率更低、现金流更健康”。

从经营角度看，盈利季会带来三件事：

1. 研发投入要更可解释：不能只说“我们在做智能驾驶”，而要回答“这能带来多少付费渗透、降本多少、事故率下降多少”。
2. 供应链与制造要更精细：同平台复用、零部件通用化、产线节拍与良率提升，会直接写进利润。
3. 软件服务必须变成现金流：订阅、增值功能、车联网服务、保险与后市场，开始从“可选题”变成“必答题”。

这里的关键矛盾是：智能化越来越贵，盈利压力越来越大。于是行业必须寻找一种办法，让智能化既能“更强”，又能“更省”。这恰好把AI推到了C位。

竞争逻辑怎么变：AI从“卖点”变成“经营系统”

**当销量增速放缓，AI的价值会从“功能展示”转向“系统性降本增效”。**过去两年大家更爱比“城区NOA覆盖多少城、座舱大模型多会聊天”，但盈利季之后，管理层与投资人会更在意AI到底帮企业做了哪些“硬活”。

AI的三张账：成本账、效率账、风险账

把AI放进利润表，可以拆成三张账：

• 成本账（降本）：
  • 训练与推理成本能否下降（模型蒸馏、端侧部署、算力采购策略）。
  • 智驾硬件是否走向“更少的传感器 + 更强的端到端能力”或“更低成本的方案组合”。
• 效率账（提效）：
  • 研发效率：自动化测试、仿真、数据闭环速度。
  • 制造效率：视觉质检、设备预测性维护、工艺参数优化。
  • 运营效率：线索评分、金融风控、售后工单自动分流。
• 风险账（控风险）：
  • 智驾安全与合规成本（事故率、投诉率、召回概率）。
  • 数据合规与隐私治理（跨域数据、采集授权、脱敏与审计）。

一句话概括：盈利季要求AI“可量化”，否则就是费用。

特斯拉 vs 中国品牌：AI战略差异被“盈利”放大

**盈利季会放大路径差异，因为每一种AI路线最终都会反映在单位经济模型（unit economics）里。**在我看来，特斯拉和中国品牌的差异不在“谁更重视AI”，而在“AI在组织里的第一性位置”。

特斯拉：软件优先，把车当成“可迭代计算平台”

特斯拉的典型特征是：产品定义、数据闭环、软件发布节奏高度统一。

• 软件优先：先定义软件能力边界，再倒推硬件形态，长期追求平台化。
• 统一栈与极致标准化：车型、电子电气架构、软件栈尽量统一，便于快速迭代和规模摊薄。
• 数据闭环强绑定：从车端数据采集、标注、训练、灰度发布到回收验证，形成高频循环。

在盈利季，这种模式的优势是明确的：研发投入更容易被“复用”，单车成本更容易被规模摊薄，软件收入的毛利也更漂亮。

中国品牌：数据驱动更强，但容易“工程碎片化”

中国品牌（尤其新势力与头部自主）这几年在数据与工程落地上其实很激进：

• 场景理解更本地化：复杂路况、混行、非标场景的覆盖速度很快。
• 供应链整合与落地速度强：从激光雷达到域控方案，组合能力强。
• 营销与产品迭代快：配置上新、座舱体验、渠道打法更灵活。

挑战也很现实：如果每一代车、每一套智驾方案、每一个供应商组合都像“定制项目”，就会出现：

• 软件栈难统一，导致维护成本上升；
• 数据口径不一致，导致闭环效率下降；
• 版本碎片化，导致OTA成本与质量风险上升。

盈利季之后，企业会被迫回答一个更尖锐的问题：

你做的AI，到底是在造“平台资产”，还是在堆“项目交付”？

盈利转型中的AI关键动作：四个最该投、也最容易做错的地方

**想在价格战里还能赚钱，AI投入必须围绕“可复用能力”设计。**下面这四个方向，是我观察到最值得投、也最容易走偏的地方。

1）把“数据闭环”当成产线，不当成口号

数据闭环不是多采点数据，而是像工厂一样有节拍：采集—清洗—标注—训练—验证—发布—回收。

可落地的指标建议直接定量：

• 关键场景的闭环周期：例如从发现问题到灰度上线，目标从“4周”压到“2周”。
• 自动标注比例：标注自动化从20%提升到60%，才会真正影响成本结构。

2）座舱大模型要服务“转化率”，不只服务“演示效果”

盈利季里，座舱大模型如果不能提升经营指标，就会被财务拉清单。比较实用的目标是：

• 提升试驾转化：让导购话术、车型对比、金融方案讲解更一致。
• 降低售后成本：基于知识库与车况诊断，减少重复咨询与不必要进站。

3）智能驾驶的“成本曲线”要明确：每增加1%的能力，成本增加多少？

智驾竞争会继续，但公司会更在意边际成本。建议用“能力—成本曲线”做管理：

• 高速/城市/泊车分别核算：算力、传感器、验证里程、事故风险。
• 端侧推理与云端训练拆账：推理成本会长期影响毛利，必须提前规划。

4）用AI做制造与供应链优化，这是最容易被低估的利润来源

很多人把AI等同于智驾，其实盈利季里更“立竿见影”的常常来自工厂：

• 视觉质检：减少返工与报废，改善良率。
• 预测性维护：减少停线，提升设备稼动率。
• 需求预测与库存优化：降低资金占用，改善现金流。

一句话：别只在车上算AI的账，也要在工厂里算。

读者最关心的三个问题（直接回答版）

Q1：新势力“盈利”是不是意味着竞争结束了？

不是。盈利只是进入下一阶段的门票。接下来比的是持续盈利能力：毛利稳定性、费用率控制、现金流结构，以及AI带来的可复用资产。

Q2：特斯拉的优势会因为中国品牌盈利而削弱吗？

短期会被“配置与速度”冲击，但长期优势仍在于统一软件栈与平台化复用。真正的对手不是某一款车，而是能否建立类似的平台能力。

Q3：中国品牌要追上特斯拉的AI战略，最先做什么？

先做减法：统一架构、统一数据标准、统一发布节奏。没有统一，就没有闭环效率；没有闭环效率，AI就更像成本中心。

写在最后：盈利不是终点，AI才是分水岭

蔚来、小鹏等释放盈利信号，说明新势力开始跨过“成年门槛”。但成年之后日子更现实：价格战、渠道成本、出海不确定性、监管与安全要求，都在挤压利润。这个阶段，靠喊口号没用，靠堆配置也很难持久。

我更愿意把2026年看作一个新的起点：**行业会从“谁更会卖车”转向“谁更会经营一套AI驱动的汽车系统”。**特斯拉的软件优先路线与中国品牌的数据驱动路线，都会继续演进；差别在于，谁能把AI沉淀成平台资产，并持续写进现金流。

下一篇我会继续拆解：当资本从追“贝塔”转向找“阿尔法”，车企的AI指标该怎么设，才能既跑得快、又不把利润跑没？