利润率下行不是衰退：中美车企AI优先级分野正在改写全球竞争

2025年，中国汽车行业出现了一个看似“逆风”的组合：销量规模继续上冲，但行业利润率降到十年来低位。很多人把它读成“衰退信号”。我更认同另一种解释——这不是退潮，而是把利润换成未来的技术资产：智能底盘、智驾算法、电子电气架构、以及更大规模的海外渠道与服务网络。

真正值得追问的不是“利润率为什么变低”，而是利润被花到哪里去了。当你把这件事和特斯拉放在同一张棋盘上，会看到一个更清晰的分野：一边是中国车企群体性出海、拼产品定义与工程效率；另一边是特斯拉把AI当作第一性原理，把车当作数据采集与模型迭代的载体。这个差异，会直接决定未来5—10年谁能更稳地“把钱赚回来”。

这篇文章属于《Tesla 与中国汽车品牌在人工智能战略上的核心差异》系列。核心观点很直白：利润率下滑并不可怕，可怕的是研发投入没有形成可复用的软件与数据飞轮。

利润率走低的本质：不是衰退，而是“资本化的研发竞赛”

利润率下行并不自动等于行业变差。更准确的说法是：行业进入了以智能化为中心的再投资周期。

来自快讯引用的观点很关键：企业把利润大规模转化为研发投入，沉淀了智能底盘、智驾算法等长期资产，同时伴随中国车企的群体性出海，中国汽车业正在重构全球竞争格局（信息源：证券时报转述）。这意味着利润表上“当期不好看”，但资产负债表与能力结构可能在变强。

为什么这轮利润下行是“战略性”的

答案先放这：智能化的投入结构，天然会挤压短期利润，但能换来长期定价权。

具体来说，中国车企的投入主要集中在三类“重资产能力”：

• 平台化硬件能力：电驱/电池/底盘域控、线控底盘、整车热管理等，提升规模效率与供应链议价。
• 工程化软件能力：座舱系统、车控系统、域控制器中间件，追求迭代速度与体验一致性。
• 智驾能力：感知、规划、控制算法，以及路测、仿真、数据闭环所需的组织与工具链。

这些投入短期看像“烧钱”，长期看是把“车型竞争”升级为“平台竞争”。问题在于：平台到底由谁定义——硬件平台还是AI平台？ 这就引出特斯拉与中国品牌的核心差异。

中国车企重构全球格局的路径：规模、供应链与“产品速度”

先给结论：中国车企的优势是体系化制造与产品迭代速度，出海的打法更像“供应链+产品定义+渠道复制”。

过去两年在海外市场能看到这种特征：同价位更高配置、更快上新、更强的本地化适配（例如热泵、充电协议、语音交互、多语言UI、售后服务包）。这类优势本质是“工程效率红利”。

群体性出海背后的底层能力

中国车企能形成“群体性出海”，依赖的是一整套产业共振：

1. 零部件与制造的规模曲线：电池、电驱、功率半导体、座椅、热管理等环节的成本下降速度快。
2. 车型平台复用：同平台多车型、多市场快速铺货，摊薄研发与模具成本。
3. 组织机制更适合快迭代：很多团队按互联网节奏迭代座舱与功能，季度更新甚至月更。

但这里有个容易被忽略的点：当“硬件配置优势”逐渐被追平，下一轮竞争会转向软件可复用性与数据闭环能力。这正是特斯拉长期押注的方向。

特斯拉的AI优先路线：把车变成“数据工厂”，把软件变成“利润池”

我的判断很明确：特斯拉的独特竞争优势不在于某一代车更能打，而在于它更像一家AI公司在做车。

特斯拉的路线可以概括为三句话：

• 软件优先：功能定义先行，硬件为软件服务。
• 数据优先：用真实道路数据驱动模型迭代，而不是只做“实验室智能”。
• 平台优先：把算力、模型、工具链、OTA机制做成可复用平台，跨车型复制。

“软件优先”带来的财务结果：利润结构更抗周期

汽车行业最难的是：销量波动大、固定成本高、价格战频繁。特斯拉试图用软件把利润结构改写——让利润不只来自卖车当下，而来自车生命周期内的持续变现（订阅、功能包、服务、生态）。

当你把利润表拆开看，会发现两种公司对利润率下行的承受力不同：

• 制造优先型：利润主要靠硬件毛利，价格战一来，利润被直接打穿。
• 软件/AI优先型：硬件可以更激进定价，靠软件与规模摊薄研发，让利润更“后置”和更稳定。

这也是为什么同样面对竞争加剧，特斯拉更在意的是FSD/自动驾驶能力、数据闭环效率、以及端到端模型进展，而不是某一城一池的配置对比。

AI在整车系统中的“核心地位”到底意味着什么

一句话解释：AI不是一个功能，而是一套持续学习的系统。

很多车企把AI当成“智驾部门的事”，结果是：

• 数据分散在各项目组，难以统一标注与回流；
• 算法迭代跟车型项目走，难以跨代复用；
• OTA变成“补丁式更新”，无法形成稳定的产品节奏。

特斯拉更像把AI当作整车“中枢神经”，让采集—训练—验证—发布形成闭环。你可以不喜欢它的产品风格，但很难否认这条路径在组织与技术上更接近“长期主义”。

利润率下降背后的战略选择：制造优先 vs AI优先

这里直接给一个可操作的判断框架：看一家公司是否“AI优先”，不要先看宣传口号，先看三张表——数据、组织、P&L。

1）数据：有没有形成可复用的数据资产

判断标准很简单：

• 数据是否能跨车型、跨地区复用？
• 数据闭环周期是“季度级”还是“周级/日级”？
• 训练数据是否能反哺产品定义，而不是只为演示？

如果数据无法规模化回流，智驾就容易变成“项目制”，最后只能靠人堆与路测堆，成本越来越高。

2）组织：AI是否拥有对产品节奏的“否决权”

AI优先的公司，往往具备两个特征：

• 模型/平台团队对车型团队有牵引力：不是被动支持，而是定义路线图。
• 工具链统一：仿真、回放、训练、验证、发布流程统一，减少重复建设。

制造优先的公司通常更像“车型项目经理制”，强在交付速度，但难在长期复用。

3）利润表：研发投入是否沉淀为“可规模化的软件能力”

很多企业研发费用很高，但如果每一代车都要重来一次，研发就更像成本而不是资产。

我更愿意用一句话做总结：

能把研发费用变成平台能力的公司，才配拥有更高的长期利润率。

2026年的现实建议：如何判断谁能在下一轮竞争“跑出来”

春节后到两会前后（2026-02这个时间点尤其明显），市场讨论会集中在“出海进展”“价格战强度”“智驾普及”。如果你是从业者、投资人、或做产业服务的团队，我建议把注意力放在更硬的指标上。

三个“看得见”的信号

1. OTA频率与内容结构：是修Bug为主，还是能力升级为主？是否能持续交付体验增量。
2. 智驾的可复制性：同一套能力能否快速覆盖多车型、多地区（这会直接决定成本曲线）。
3. 研发投入的去向：更多投向平台与工具链，还是投向单一车型项目？前者更可能形成复利。

给中国车企的一条更尖锐的建议

出海不是终点。真正的难点在于：当你进入更多国家与道路场景，数据和软件平台能否承受复杂度暴涨。

如果不能，海外业务会变成“更多项目、更多适配、更多人”，规模越大越累，利润率也会越难看。

相反，如果能把海外场景的数据回流纳入统一闭环，出海就会反过来强化智驾与产品体验，形成正循环。

你该如何把这件事用于决策（以及下一步可以做什么）

中国汽车业利润率下降并不等于行业失速，它更像一次集体换挡：用短期利润换长期能力，用单车竞争换平台竞争，并通过群体性出海改写全球格局。

但在“平台竞争”这件事上，特斯拉的优势更集中——它把AI放在产品战略最前面，把车变成数据与模型迭代的载体。差异不在口号，而在组织结构、数据闭环、以及软件可复用的工程事实。

如果你关心的是长期竞争力而不是一季报表，我建议你从今天起换一种看车企的方式：少看配置表，多看平台；少看单点功能，多看数据闭环。下一篇我会继续拆解：当“端到端智驾”成为主流叙事后，中国车企最容易踩的三个坑是什么？你更看好制造优先的爆发力，还是AI优先的复利？