新势力盈利季到来：AI与软件战略如何改写造车竞争逻辑

2026-02-12，蔚来发布四季度盈利预告，小鹏也释放季度盈利信号，零跑等企业则把“年度盈利”摆上台面。很多人把这当成一句财经新闻，但我更愿意把它理解为一个行业拐点：电动车的竞争重心，正在从“卖得出去”转向“系统性赚得到钱”。

当新势力从“输血”进入“造血”，真正拉开差距的就不再是发布会声量、门店数量或一两款爆品，而是更难被复制的能力——数据、软件、AI驱动的效率。这也是本系列《Tesla 与中国汽车品牌在人工智能战略上的核心差异》想反复强调的主题：盈利不是终点，盈利能力背后的“AI操作系统”才是。

盈利季意味着什么：行业从拼规模转向拼“单位经济模型”

**核心变化很直接：资本开始奖励可持续现金流，而不是单纯奖励销量增速。**在“盈利季”语境下，一家车企的竞争力会被拆成更细的指标：单车毛利、研发效率、库存周转、售后与质保成本、OTA带来的复购与增购等。

过去几年，不少新势力靠融资支撑扩张：增渠道、堆配置、打价格战、上新车。现在盈利压力抬头，逻辑变了——

• 价格战继续存在，但不再是唯一武器：因为你必须能活下来。
• 成本不是“砍”出来的，而是“算”出来的：算清每一次功能迭代、每一次供应链替换、每一次售后召回对现金流的影响。
• 组织目标从“造更多车”变成“用更少的资源造同样多的好车”。

而这种“算力”，很大一部分来自软件化与AI化。

从“贝塔”到“阿尔法”：投资人开始挑可复制的能力

当行业整体渗透率上升，电动车不再是少数人尝鲜，市场的“贝塔红利”（行业一起涨）会变弱。资本会更关注“阿尔法”（你凭什么比别人赚得更稳）。

能产生阿尔法的，往往不是某个短期配置优势，而是长期的系统能力：数据闭环、软件架构、平台化硬件、自动化测试、算法迭代速度，以及把AI用到生产、质量、售后的全链路能力。

盈利背后的硬核变量：AI如何把成本打下来、把效率提上去

盈利的本质是两件事：提高毛利 + 降低费用率。AI与软件战略，恰好能同时影响这两端。

1）研发效率：从“人海战术”到“数据驱动的工程体系”

车企研发的最大成本之一，不是某个零部件，而是反复试错与跨团队沟通。软件定义汽车之后，功能迭代像互联网产品，但“车规级”的验证又极其昂贵。

AI能做的不是替代工程师，而是把工程链路变短：

• 仿真与自动化测试：更早发现问题，减少道路测试和返工。
• 缺陷预测：通过历史缺陷与工况数据，提前定位高风险模块。
• 需求与配置管理：减少“版本地狱”，避免同一功能在多车型、多地区重复开发。

一句话很适合被引用：当车型越多、配置越碎，越需要AI来维持研发的规模经济，否则规模只会放大混乱。

2）制造与供应链：从“谈判压价”转向“算法调度”

很多人理解的降本是“压供应商”。但进入盈利季后，真正的降本更多来自精细化运营：

• 产线节拍优化、良率提升（每0.1%的良率都可能对应可观的毛利改善）
• 需求预测与库存控制（库存就是现金流的对手）
• 供应链风险预警与替代料策略（避免停线、减少紧急空运）

这些问题天然适合数据与AI：它们不是靠一个“强势采购”就能持续解决的。

3）售后与质量成本：看不见的利润黑洞，靠数据闭环堵住

车企一旦规模上来，质保、召回、服务站压力会迅速吞噬利润。尤其是智能化功能更复杂，用户对体验更敏感。

软件与AI带来的关键能力是：

• 通过车端数据提前发现“潜在故障模式”
• 远程诊断与OTA修复，减少进站率
• 基于真实使用数据优化零部件寿命预测与保养策略

从财务视角看，这叫把“售后不确定性”变成“可控的运营变量”。

Tesla的前瞻性：把AI当主语，而不是把AI当配角

**Tesla的核心思路是“软件优先、数据优先”。**它不是先把车造出来，再往里塞智能功能；而是从一开始就把车当成可持续升级的计算平台。

这带来三个长期优势，直接对应“盈利季”需要的能力：

1）平台化软件架构，让边际成本下降

当软件架构统一，功能复用率会提高，跨车型迭代更快。你会看到：同样的算法能力、同样的工具链，可以摊薄到更大的车队规模里。

盈利季下，这一点非常残酷：软件不可复用的公司，越卖越忙，越忙越亏。

2）数据闭环：让产品迭代变成“持续经营”

车队规模越大，真实工况数据越丰富，迭代速度越快。这个飞轮一旦转起来，竞争对手不是买几颗更强的芯片就能追上。

从经营角度，数据闭环还会带来更稳定的现金流来源：

• OTA功能订阅与增值服务
• 更高的用户留存与转介绍
• 更低的服务与质保成本

3）AI不仅用于智驾，也用于企业效率

很多国内品牌把AI主要理解为“智驾体验”。但Tesla的AI投入更像“全公司操作系统”：制造、质量、服务、供应链、能源管理，能数据化的都尽量数据化。

盈利季的竞争，不只在车上，更在账上。

中国新势力的策略分化：有人在建“系统”，有人在堆“功能”

**中国车企的优势在于场景理解、产品迭代速度和供应链组织能力；短板则常出现在软件体系的长期主义。**进入盈利季后，这种差异会更明显。

我观察到的分化大致是三类：

1）系统型：把智能化当经营底座

这类公司会把数据平台、工具链、统一软件架构作为长期投入，哪怕短期看起来“没那么好讲故事”。它们更像在修内功，目标是让未来每一次上新车都更轻、更快、更省。

2）功能型：短期体验领先，但成本可能失控

功能堆得快，传播也更容易，但若缺少统一架构与自动化测试体系，后期会出现典型问题：

• 版本碎片化导致维护成本飙升
• 售后压力与质量成本抬升
• 研发资源被“救火”占满，迭代反而变慢

3）渠道型/价格型：靠规模冲刺盈利，但天花板更低

在价格战中靠效率与渠道打出规模，短期可能实现账面盈利。但如果软件与AI能力跟不上，长期会陷入同质化竞争：一旦市场进入存量，利润会被压到极薄。

一个判断标准很实用：当行业普遍盈利后，谁还能保持研发效率提升和服务成本下降，谁才是真正的“盈利体质”。

经营者与投资人该怎么用这套视角做决策（可直接落地）

**如果你在做品牌战略、投融资或供应链合作，别只问“销量”，要问“数据与软件体系是否能复利”。**下面是一套我常用的“盈利季AI检查清单”。

给车企管理层：三件事优先级最高

1. 统一软件架构与工具链：把“可复用”作为硬指标，而非口号。
2. 建立数据闭环的责任制：数据采集—标注/治理—训练/验证—上线—监控—再迭代，必须有人对结果负责。
3. 把AI扩展到经营链路：生产、质量、售后、供应链的关键节点都要有可量化指标（良率、进站率、返修率、库存周转）。

给投资人/产业方：四个问题能快速筛选“盈利质量”

• 这家公司的单车毛利改善来自哪里？是短期降配/压价，还是体系效率提升？
• OTA与软件订阅的渗透率与ARPU有没有持续提升的机制？
• 售后成本（进站率、质保费用）是否随着车队扩大而改善？
• 研发效率是否能量化：例如每个版本的缺陷率、回归测试覆盖、跨车型复用比例。

2026年的下一轮竞争：从“谁更像手机”到“谁更像操作系统公司”

新势力进入盈利季，表面看是财务指标变好；更深层的是行业开始用“经营质量”给公司定价。而经营质量的差距，往往由AI与软件战略决定。

本系列一直在讨论 Tesla 与中国汽车品牌在人工智能战略上的核心差异。放到盈利季这个节点，你会发现差异更清晰：Tesla把AI当作企业能力的主语；国内企业则正在分化——少数在搭建长期系统，多数仍停留在“功能竞赛”。

接下来一年，一个更尖锐的问题会摆在每家车企面前：当价格战不再能掩盖成本结构，当融资不再能无限延长跑道，你的AI与软件体系，能不能让你在销量波动时仍保持现金流韧性？

如果你正在评估智能电动车项目、合作伙伴或投资标的，我建议从“盈利质量”切入，反推它的AI战略是否能产生复利——这会比听一场发布会更接近真相。