传统车企面对全球不确定性和行业数智化加速的趋势，该何去何从？本文提出需要重新定义品牌价值，依靠“SED模型”，即通过智能化（Smartization）、生态化（Ecosystemization）和数据化（Datafication）三大战略路径重塑品牌竞争优势。
传统车企处于剧变之中
在国内市场上，传统车企正站在转型发展的十字路口：一方面，比亚迪、“蔚小理”等新势力快速崛起，小米等科技公司自带庞大用户基础和系统优势跨界入局，压缩了传统车企的市场份额和利润空间；另一方面，一些老牌外资车企的营收走软，品牌吸引力有所减弱。激烈的竞争格局正在加剧本土和外资传统车企所面临的一系列深层次、结构性的挑战。具体表现在以下三个方面。
第一，智能化趋势重塑品牌定义，年轻消费者的关注点从“机械豪华”转向“智能豪华”，品牌溢价能力受到冲击。
机械性能、工程美学和品牌历史曾是老牌车企的核心竞争力，但随着年轻一代消费者从“买车”到“买服务”的需求不断上升，为用户提供智能化体验成为了车企必争之地。根据J.D. Power的《2023中国新车购买意向研究》，智能化体验在购车决策中的影响权重从前一年的12%升至14%，成为仅次于汽车质量（18%）和性能（16%）的第三大影响因素。中国电动汽车百人会2025年发布的调研结果显示，90%的消费者愿意为高阶智驾服务额外付费，其中约30%甚至愿意支付超过1万元。“蔚小理”等本土品牌之所以能迅速构建品牌认同感，就是因为在智能化方面反应迅速，自动驾驶、语音交互、大屏交互等核心卖点精准击中了年轻一代的消费偏好。
同时，不同于传统车企试图为汽车这一“身体”植入智能“大脑”的演化路径，很多新玩家本身已拥有强大的数智基础，进军汽车领域是让已有“大脑”长出“身体”的反向实践。例如，华为将HarmonyOS打造成鸿蒙智行生态中枢，利用其既有的终端用户基础与软硬一体化能力快速切入市场。这些企业所具备的系统集成与用户体量优势是传统车企难以复制的，这也是为何吉利选择收购魅族Flyme，以补齐自身在智能终端上的短板。
第二，全球供应链动荡叠加新能源玩家异军突起，老牌车企不得不开始思考谁能成为新的产业链核心伙伴。
表面上看，很多外资车企构建了从原材料采购、零部件制造到整车装配的高度全球化的供应网络，但实际运作仍离不开“本土研发、海外代工”的逻辑。这种架构的脆弱性在地缘政治环境下日益暴露，很多车企不得不转向“本地制造、就近服务”原则。例如，宝马X系SUV原本主要在美国生产并出口至中国，但在关税上升和物流延迟的双重压力下，只能加大在沈阳工厂的产能。奥迪则通过深化与上汽集团的合作，加快国产节奏，以应对进口渠道的不稳定性。2025年以来，中美互征关税的不确定性显著上升，预计会进一步推动外资车企的本土化布局。
本土新能源企业也在改变行业规则。在燃油车时代，整车厂掌握核心技术，Tier1（车厂一级供应商）负责配套，产业链呈金字塔形。步入新能源时代后，底层技术的更迭让核心部件供应商走向前台。以动力电池为例，宁德时代不仅服务于特斯拉、宝马、理想等车企，还通过设立合资工厂、共享数据等方式直接参与产品规划和技术演进。整车品牌正在失去对供应链的控制力，亟须从传统的控制型合作转向共创型生态。
最后，虽然数据成为汽车产业的新“石油”，但传统车企对数据资产的开发相对谨慎，很难在监管合规、用户信任和数据价值变现之间取得平衡。
在监管合规层面，中、美、欧等主要经济体都在强化数据治理，数据跨境流动的规则约束不断升级。中国的《数据安全法》《个人信息保护法》、欧盟的《通用数据保护条例（GDPR）》以及美国多个州的隐私立法都将数据视为关乎公民权利的资源，合规门槛提高。
在用户信任层面，用户越来越关心他们的数据是否得到隐私保护，在被使用时是否安全可控，这成为了他们对品牌的新期望。思科公司于2023年发布的《消费者隐私调查》显示，62%的受访者对企业在人工智能中使用其个人数据表示担忧。
在数据价值变现层面，车企仍处于商业模式探索阶段。虽然一些车企已经在OTA升级和功能订阅等方面有所尝试，但基于数据驱动的产品与服务创新仍然相对有限。当前，数据的性质更像是IT部门的技术资产，而不是价值创造的养料，其所能带来的竞争红利还没有被充分挖掘和利用。
面对这些结构性困境，我们提出了“SED模型”——通过智能化（Smartization）、生态化（Ecosystemization）和数据化（Datafication）三大战略路径重塑汽车品牌价值，帮助车企破局重振。（见图1）
重构智能化价值逻辑
车企之间的竞争正在从硬件转向软件。越来越多车企意识到，用户关心的不仅是机械性能，更是全方位的驾驶体验。整车交付不再代表产品周期的终点，而是服务开始的信号。车企不能再依靠零件组合和功能堆叠吸引消费者，而要想办法打造一个围绕用户使用场景的一站式体验闭环。这一逻辑下，工程师主导的封闭线性研发模式可能不再有效，在从工业化走向智能化的时代中，强调跨界协同、敏捷开发和用户共创的产品经理思维更能满足产品创新的个性化和时效性需要。（见图2）
智能化的发展趋势是强化人与汽车之间的情感连接。这种归属感可以来自三个层次的驾驶体验。
第一层是“汽车懂我”。汽车要能感知用户状态并提供相应服务。比如华为问界M9可以根据用户说的非指令语句如“我有点冷”自动调节空调，蔚来的NOMI系统能根据语气判断驾驶者的情绪，配合地播放音乐或讲笑话。“懂我”还意味着记住用户习惯并预先作出反应。比如理想汽车能识别驾驶者身份，自动调整座椅、空调和导航路线，小鹏的XNGP系统会学习用户的开车习惯，从而推荐出最符合用户偏好的路线。
第二层是“汽车可信任”。汽车不仅要聪明，更要可靠。可靠的基石是技术安全。对此，理想汽车的做法是构建冗余。其AD Max系统采用双重传感器和算法通道，哪怕主系统失灵，备用方案也可以接管。而比亚迪的做法之一是增强电池安全。做了特殊设计的刀片电池在面对高温和撞击时也能保持稳定，在多次测试中能展现出比传统电池更优越的性能。汽车还要让用户相信它们会成长。特斯拉、蔚来、小鹏等都定期通过OTA更新系统，用户能够体验到自己的车在不断进化。同时，固定的更新节奏还让他们对进化的发生有所预期。
第三层是“汽车由我塑造”。智能化要有温度，就要有互动。车企要努力创造用户参与价值共创的机会，让用户在塑造汽车的过程中感受到主动参与感。例如，小鹏会邀请用户参与智能语音和城市导航等新功能测试，收集的反馈被用来改进产品；蔚来设有用户顾问委员会，活跃用户能定期和产品经理面对面交流；华为在HarmonyOS车机系统里开放了建议入口，用户的一些建议会被采纳并变成新功能。
从“懂我”“可信任”到“由我塑造”，汽车与用户之间将不再是工具与人的关系，而会发展出一种更为深刻的伙伴关系。（见图3）
融入生态化协同体系
对于大多数传统车企而言，从控制型合作转向共创型生态的最大挑战是难以放心地将整车的“大脑”——即操作系统、自动驾驶算法、数据控制平台等技术模块交由合作伙伴主导，而自身仅承担“身体”的角色。核心技术的外包容易导致被科技供应商完全锁死核心能力，形成路径依赖，从而削弱企业的长期创新自主性与系统安全性。为实现自主控制与生态协同的平衡，我们提出了生态系统思维的“三步走”。（见图4）
第一步是找准自身生态位。车企必须首先明确自身的生态角色与功能定位，才能基于此构建生态网络。传统车企可以在不同的产品线上差异化安排生态位。在大众化产品线上，传统车企更适合扮演标准制定者和质量审核者，通过外部代工、贴牌生产或与本地企业合作生产来压缩成本、提高效率，从而增厚利润空间。而在高端产品线上，则应保持精益制造者和资源集成者的角色，在发挥核心制造优势的基础上加大科技投入。宝马就在进行生态角色的分层：在高端线上，宝马推出“Neue Klasse”新世代平台，自研电子电气架构、车载操作系统、数字化架构以及更高阶的辅助驾驶能力；而在大众线上，宝马则与长城汽车合作成立光束汽车，共同生产Mini品牌电动车，面向年轻、价格敏感型消费群体。
第二步是选择互补型生态合作伙伴。生态系统不是一个朋友圈，而是一张价值网络。传统车企要跳出Tier1合作思维，积极与本土科技企业、新能源电池厂商、高精地图公司等一起构建跨领域的互补网络。宝马与华为的合作就很有代表性。华为带来了自动驾驶方面的完整解决方案，包括MDC计算平台、算法、高精地图、芯片等；而宝马则提供了硬件底座、高算力支撑和软硬件接口，让鸿蒙座舱系统真正落地。这不是简单的“供应—采购”，而是基于技术资源互补性实现的双边价值共创。
第三步是明确生态伙伴的互动规则。合同驱动的线性协作模式已经跟不上生态伙伴互动的节奏，更好的治理机制是平台驱动型合作模式，也就是通过开放平台、数据接口和技术标准，搭建协同共创的技术基础设施。来自蔚来汽车的典型例子是它允许生态成员参与联合研发、共建场景应用并共享销售收益和用户数据资源。但是在充电桩领域，尚未与蔚来达成互联互通合作的品牌的用户无法直接使用蔚来的充电桩，使这一宝贵资产无法发挥最大价值。这说明仅仅开放平台是不够的，统一标准也是提升创新活力的必要基础。
推动数据化成果变现
数据价值变现是衡量车企数字化转型深度和质量的重要标志，可以打破购车的买断性收入模式，拓展服务型盈利渠道。但数据价值变现并非从技术到市场的简单延伸，它受多重因素影响，如合规要求、隐私保护、用户信任等。我们认为，车企需要将“负责任的数据使用”上升为品牌价值观，并通过本土化、产品化、协同化来促进数据价值变现。（见图5）
车企要提升数据本地化治理能力。首先，数据的采集、传输、处理到存储和分析，都要有明确的控制机制。其中，本地化数据治理的关键是就地处理车载数据，确保关键数据不出境、敏感数据可控、个人数据合规可用，从而在提升数据处理效率的同时降低政策风险。其次，车企最好设立专门的数据合规部门，牵头落实数据相关政策、规范内部流程和组织员工数据意识培训，以确保数据运营活动符合动态的数据政策要求。此外，车企还应积极参与本地数据政策制定和行业标准建设，与地方政府、行业协会、数据监管机构等建立长期信任关系，推动数据使用既合规，又灵活。
车企要加快开发车载数据产品。车企应准确理解甚至预判用户需求，将大量高频和实时的数据资源转化成具体可用的产品和服务。从实践来看，一种思路是基于用户行为数据打造个性化交互体验。比如小鹏汽车分析用户语音、驾驶、娱乐等行为，不断优化语音助手，推出定制化导航、内容包等功能；理想汽车把驾驶数据应用于健康管理，识别驾驶员的疲劳状态并发出提示。另一种思路则侧重于基于数据能力推出差异化付费功能。例如特斯拉推出FSD测试包，集合了智能泊车、变道、召唤等功能，用户需额外付费。特斯拉还基于高精地图提供增强导航服务，精准覆盖复杂路况。
车企要尝试推动数据价值跨行业外溢。汽车数据不仅可以推动自身产品优化，还具有外溢价值。车企要主动打破行业边界，构建更加开放的跨行业数据生态。比如在车险场景下，蔚来与平安保险、太保财险等保险机构合作，推出了UBI（Usage-Based Insurance）模式，通过分析车速、刹车、驾驶时间等行为，为车主制定更精准的保费策略。而在能源场景下，2025年4月，国家发展改革委联合多个部委发布首批新能源汽车与电网融合互动的规模化应用试点，推动电车与电网之间的智能互动。蔚来等车企已经开始探索电动汽车向电网反向供电的可行性。依托算法，车企可以对用户的充放电需求进行预测，使车主夜间低价充电，白天以高电价将电力回馈给电网，提升车主经济收益和电力系统稳定。这些实践表明，车企完全可以在合规前提下跨行业分享数据资源红利，向平台型组织转型。
在外部环境的动态变化和技术的不断演进中，车企品牌竞争的焦点从性能指标转向了谁能率先实现更有温度的价值主张、搭建更开放的生态系统、拓展更多元的数据成果变现途径。在传统车企主动转型的过程中，智能化、生态化与数据化将是其重塑品牌价值的战略必经之路。
孙易是剑桥大学工程系制造研究院博士生。王开美是剑桥大学博士。石涌江是剑桥大学工程系制造研究院副教授、博导。戎珂是清华大学社会科学学院经济学研究所教授、所长。
孙易 王开美 石涌江 戎珂 | 文 李全伟 | 编辑