吉利1月销量逼近比亚迪：自动驾驶AI拼的不是口号

2026-02-03 的一组数据把中国新能源车（NEV）市场的“默认剧本”改写了：比亚迪1月总销量205,518辆，但其中出口100,482辆，意味着国内NEV销量约105,036辆；而吉利系（银河、领克、极氪）1月NEV交付124,252辆。口径上“销售 vs 交付”并不完全等价，但只要把出口因素放进来，结论已经足够刺眼：在中国本土，吉利很可能在2026年开年就把比亚迪逼到了一个需要解释的位置。

这不是单纯的销量八卦。站在本系列《Tesla 与中国汽车品牌在人工智能战略上的核心差异》的视角，销量意味着两件更硬核的东西：装机量（传感器与算力的“分母”）和数据量（端到端与大模型训练的“燃料”）。当一个车企在国内市场突然上量，它在自动驾驶AI上的牌面就会跟着变化。

下面我用这份1月榜单做一个“反直觉”的拆解：2026年的自动驾驶竞争，越来越像一场供应链+数据闭环+规模运营的综合战，而不是发布会上的功能对比。

1月NEV榜单最值得盯的，不是名次而是“结构”

先把关键数字摆在桌面上（均为2026年1月，同比为原文口径）：

• 比亚迪：1月总销量205,518辆；出口100,482辆；国内约105,036辆（推算）；文中提到其纯电品牌全球领先但1月“很伤”。
• 吉利系（银河+领克+极氪）：NEV交付124,252辆。其中国内占比大概率较高（领克、极氪海外仍属“温和规模”）。
• 吉利银河：82,990辆（同比看似小幅下滑，但受去年春节月份错位影响）。
• 小米：同比+77%，处在“前排”；SU7产线据称为春季改款切换；YU7带动增量预期。
• 零跑：32,059辆，同比+27%。
• 理想：27,668辆，同比-8%，i6延后对节奏不友好。
• 极氪：23,852辆，约为去年1月两倍。
• 广汽埃安：23,591辆，同比+64%。
• 方程豹：21,581辆，同比+247%。
• 蔚来：ES8单车17,646辆，占蔚来品牌销量约84.4%，结构“偏科”。
• 小鹏：20,011辆，同比-34%，需要3月强势反弹。

我更关心的不是谁第一，而是三种结构性信号：

1. 出口与国内的再平衡：比亚迪出口首次明显压过国内，这会影响它在国内数据采集与功能迭代的节奏（尤其是需要本地场景密度的城市NOA类能力）。
2. 集团多品牌“并联上量”：吉利不是靠一款爆车，而是银河+极氪+领克一起堆出124k交付。并联上量的好处，是能把算法、域控、传感器、地图与运营体系做成“平台化”。
3. 补贴退出后的筛选：文中提到补贴撤出带来收缩，但头部与强运营品牌更能扛住波动。对自动驾驶AI来说，抗波动=持续装机=持续数据。

吉利为什么“看起来更像在为自动驾驶AI备粮”？

答案很直接：规模带来数据，数据带来迭代速度，迭代速度反过来支撑规模。

1）装机量是自动驾驶AI的“资金流”

自动驾驶不是一个只靠研发经费就能赢的赛道，它更像一门“现金流生意”：

• 车卖得出去，才能把传感器、域控、线控底盘等“硬件账”摊薄。
• 装机量上来，才能形成稳定的数据回流与长尾场景覆盖。

1月吉利系124,252交付的意义在于：即便各品牌的智驾方案不完全一致，集团层面也能把数据治理、标注体系、仿真体系、OTA发布节奏做成“中台能力”。这会让“单点爆款”的竞争对手很难在节奏上压住它。

2）多品牌并联，比单品牌更利于“算法复用”

很多人以为多品牌会把研发摊薄。现实是：只要架构统一，多品牌反而能提高复用率。

举个具体例子：

• 银河主打走量，能快速覆盖通勤、城郊、县乡道路等高频场景。
• 极氪偏高端，用户更愿意为智驾付费，能推动更激进的功能上线与反馈。
• 领克介于两者之间，适合做“功能与成本”的折中验证。

这三者叠加，构成一个更完整的“数据漏斗”：从高频到长尾，从保守到激进，从免费到付费。对训练端到端模型或多任务感知网络来说，这比单一用户画像更有效。

3）销量波动，反而暴露了比亚迪的“结构性选择题”

原文提到比亚迪为了避免“网约车品牌”印象，把部分车型分拆到新品牌“灵辉”。这个动作从品牌角度可以理解，但从AI角度会带来一个微妙问题：

• 网约车其实是自动驾驶/辅助驾驶最优质的数据来源之一：里程高、覆盖广、场景多、驾驶行为可控。
• 当你刻意把这部分需求在品牌上“隔离”，你需要确保数据仍能在集团内合规流转，否则会损失训练效率。

比亚迪并不弱，它的问题更像是：国内与海外、品牌与渠道、规模与溢价，2026年要同时兼顾。而“同时兼顾”往往意味着决策更复杂、节奏更难统一。

Tesla 与中国车企：AI路线差异，会被“销量与交付节奏”放大

在本系列里我们反复强调一个判断：Tesla 的优势在“软件优先+数据闭环+统一栈”；中国车企的优势在“产品迭代速度+供应链整合+场景密度”。

1月数据让这个差异更具体：

统一栈 vs 多栈协同

• Tesla更像“一个大模型喂一个大车队”，软硬件收敛，更新节奏一致。
• **中国集团车企（如吉利）**更像“多品牌多价位并行，但通过平台化把共性能力集中”。

我的观点很明确：**2026年在中国市场，多栈协同不会天然输给统一栈，前提是平台化做得足够彻底。**吉利1月的交付结构，正好说明它有机会把“多品牌”变成“多入口数据”。

场景密度，是中国市场对AI最友好的天然土壤

中国道路环境更复杂、交通参与者更多样、城市更新更快。对自动驾驶AI而言，这些不是坏事，而是训练素材。

当销量集中在国内，本地场景的密度更高；当销量大量转向海外，数据会更分散、合规更复杂、迭代链路更长。比亚迪1月出口占比很高，这会让它在国内的“场景密度优势”需要被重新经营。

2026年开年：哪些品牌的“AI潜力”在上升，哪些在掉队？

我更愿意用“是否具备持续迭代的条件”来分组，而不是简单看交付量。

上升组：节奏对、结构对

• 极氪（23,852，翻倍增长）：增长意味着装机量增加，且高端用户更愿意参与新功能测试与反馈。
• 广汽埃安（23,591，同比+64%）：提到换电网络（宁德时代 Choco-SEB）带动产品吸引力。对智驾来说，补能稳定会提升用户开启辅助驾驶的意愿与使用时长。
• 小米（同比+77%）：手机生态与车机体验的组合很容易形成“软件驱动”的产品心智。只要后续能把智驾体验做稳，数据回流会非常快。

结构风险组：单车依赖、节奏受阻

• 蔚来：ES8占比过高（约84.4%）说明产品矩阵与需求覆盖出现偏差。对AI训练而言，车型与场景多样性不足会让数据分布变窄。
• 理想：i6延后意味着纯电关键节点后移；如果用户期待落空，短期数据增长会受影响。
• 小鹏（20,011，同比-34%）：如果2月受春节影响、3月不能强势拉回，迭代节奏容易被市场叙事压住。

品牌定位挑战组：技术堆满但“心智不成立”

• 智界/ Luxeed（4,506，同比-65%）：原文直指“营销、身份、细分市场都可能有问题”。我赞同：AI能力再强，卖不出去就没有数据；没有数据，AI能力只会停留在PPT。

给关注自动驾驶的人：从销量数据里读出三个可操作的判断

如果你是投资人、从业者，或者只是想判断“谁更可能把智驾做成”，我建议用这三个检查点：

1. 看“国内装机量”而不是总销量：自动驾驶功能的迭代往往更依赖本地场景密度与法规环境。出口做得好是能力，但不等于本地智驾迭代更快。
2. 看“车型结构”而不是单月爆点：单车撑起大盘的品牌，数据分布可能失衡；多车型稳定贡献的品牌，更容易做平台化训练。
3. 看“补能与使用时长”：换电/超充网络、车机体验、OTA稳定性，会直接决定用户是否长期开启辅助驾驶。使用时长就是数据。

一句话版本：销量是AI的供给侧，使用时长是AI的需求侧；两者同时强，智驾才会真的变强。

下一步：吉利与比亚迪的胜负手，可能不在“功能清单”

2026年开年最有意思的地方在于：吉利的交付势头让“国内第一”的悬念出现，而比亚迪的出口结构让它必须在品牌与渠道上做更精细的切分。对自动驾驶AI来说，这意味着两条不同的路：

• 吉利更像在用规模把AI的地基打厚：多品牌并联，数据入口多。
• 比亚迪更像在用全球化把边界推大：但国内场景密度与品牌结构需要重新平衡。

如果你正在评估自动驾驶方案、规划传感器与域控配置，或者想把“智驾能力”变成可量化的业务指标，我建议把“销量/交付”纳入你的AI路线图，而不是只盯着发布会上的“开城数量”。

接下来一个更尖锐的问题会越来越重要：当中国车企用规模与场景密度快速堆出数据护城河时，Tesla 的统一栈优势会在哪些场景被放大，又会在哪些场景被削弱？

（本系列后续我会专门写一篇，把“统一栈”与“多栈平台化”拆到数据治理与组织结构层面。）