上个月一个搞私募的朋友半夜给我发语音，嗓子都是哑的。他说刚参加完一个会，累倒不是最要命的，要命的是他发现自己好像听不懂别人说话了。“台上三十分钟，AI这个词出现了大概四十来次，我硬是没跟上他们的逻辑。”他说的那个会，就是2026年4月证券市场汽车资本大会。我当时还笑他，至于吗？直到我翻出会议回放，看了两段，说实话，我也愣住了。
一个本不该出现的冷场
这次大会跟往年不太一样。往年大家聊的是销量、毛利率、产能爬坡，今年话题全跑了偏。我记得有个圆桌环节，主持人问几位投资人：2026年下半年最大的不确定性是什么？按以往套路，答案应该是政策变动、原材料价格或者地缘冲突。结果第一位回答的嘉宾直接说：“AI对整车研发体系的颠覆，我们还没完全定价。”后面几位也跟着往这个方向走。你细想，这不是专业论坛突然跑题，而是所有人都意识到，有些东西已经实质性改变了。
资本市场从来不会为概念集体买单太久，除非数据真的在动。会上有人披露了一个细节：某头部新势力车企，自从把30%的研发资源转向AI驱动的自动驾驶架构后，算法迭代速度提升了差不多两倍，但研发总成本反而降了17%左右。这种效率差已经不是“未来趋势”了，它就是现在每个季度的财报里实实在在的数字。
但问题也跟着来了。我那朋友后来跟我吐槽：“我们看一家车企，以前是看它的工厂、供应链、渠道，现在你告诉我，我得先去理解它的数据闭环能力？这不对吧，这不成了科技公司估值逻辑了吗？”我当时觉得他这话说得挺对，但后来又想了想，可能不是逻辑错了，而是我们习惯的那个参考系，已经过期了。
两种叙事，哪个更接近真相？
会上关于AI的讨论，其实分成了两派。一派偏乐观，认为AI会重演当年电动化对燃油车的降维打击；另一派很谨慎，觉得目前大部分所谓的“AI上车”还停留在智能座舱的语音交互优化，或者自动泊车的场景扩充，离真正的“决策智能”还很远。两派都有支持者，也都有数据佐证。
乐观派这边，有人提到一个案例：一家二线电池企业，之前一直被头部压着打，去年开始用AI做电解液成分的模拟筛选，研发周期从平均14个月压缩到了9个月，而且意外发现了一个新的配方组合，能量密度提升了大概8%。这个幅度单看不大，但在材料科学领域，这属于“非共识突破”。消息传出去后，这家企业的股价在两个月内涨了60%多。你看，资本对AI带来的效率改善，反应是非常直接的。
谨慎派的论据也很有意思。一位分析师当场反问：如果AI真的那么强，为什么过去一个季度，搭载所谓“高阶智驾”的车型，平均事故率并没有明显低于传统车型？他觉得现在很多AI功能更像是“增配项”，而不是“必需项”，消费者愿意为此多付的钱其实很有限。另外还有两个佐证：一个是某国际调研机构的报告，说目前真正能用好AI研发工具的车企工程师，全球加起来可能不到3000人；另一个是我自己看到的，上个月有个车企发布的AI概念车，现场演示时连续卡了两次，场面相当尴尬。
所以这次大会给我的最大感受，不是哪一派赢了，而是所有人都在重新寻找一个锚点。以前看汽车股，你看的是“车造得怎么样”；现在得加上一句“数据用得好不好”。但这套新打法，连很多从业者自己都还在摸索，更别说我们这些看财报的普通人了。
四个还没答案的疑问
从会上带回来的，与其说是结论，不如说是一堆更具体的问题。我试着列了几个，不一定对，但如果你也在关注2026年4月2026证券市场汽车资本大会热议AI这个话题，这些疑问可能会给你一些思路。
第一，AI能力的评估标准是什么？以前我们说一家车企技术强，可以看专利数量、研发投入占比，或者某个零部件的自研率。但AI不一样，它是个系统能力，涉及算力、数据质量、模型迭代速度、甚至标注团队的效率。这些东西在财务报表里几乎看不到，那投资人该怎么判断？
第二，先发优势会不会变成陷阱？有嘉宾提过一个很现实的风险：现在大家都在抢着上AI，但如果技术路线明年就变了呢？比如从大模型转向更高效的小模型，那前面投入的几十亿算力成本，可能就成了沉默成本。这种技术路线的“不可知性”，在汽车这种长周期行业里，风险其实被放大了。
第三，数据归属问题怎么解决？会上没怎么公开讨论这个，但私下交流时好几个基金经理都在问。一辆车产生的数据，到底属于用户、车企，还是提供算法的第三方？如果权属不清，那数据的商业价值就很难真正释放。这个问题不解决，AI在汽车领域的应用就会一直有道玻璃墙。
第四，安全责任边界在哪里？当事故是由AI决策导致的，责任该算谁头上？车企、芯片供应商、算法公司，还是用户自己？这个链条一天不清晰，资本对AI相关业务的估值就会一直打折扣。我记得美国有个案例，去年自动驾驶致伤事故，光律师费就耗掉了相关方近2000万美元，这还是没判出最终结果的前提下。
常见问题：2026年4月证券市场汽车资本大会到底达成了什么共识？
说实话，没有共识。这是我问了好几个参会者后得到的统一答案。但有一个默契是所有人都认同的：AI在汽车产业的应用已经从“可选项”变成了“必选项”，区别只在于节奏和路径。有人觉得2027年就会看到明显效果，有人觉得要等到2028年之后。另外，一个不成文的结论是：未来两年，能讲好AI故事的汽车公司，在资本市场上会获得明显的估值溢价，哪怕它的车卖得没那么好。这听起来有点荒诞，但资本就是这样，它买的是“可能性”。
我那朋友后来给我发了个消息，说他准备把团队里一个做量化的年轻人调到汽车组去，专门盯AI相关的技术动态。“可能我现在看不懂，但总得有人先看懂。”我觉得他这个思路挺对的。面对一件正在发生但还没完全成型的事，最好的姿态不是立刻下判断，而是保持在场，持续观察。
至于我自己，看完那些回放和材料后最大的收获，反而是意识到自己的知识结构有缺口。以前看汽车行业，我能聊三天三夜不重样，但现在突然发现，如果不把AI的底层逻辑补上，可能再过一年，连别人的提问都听不懂了。
上周我又试着看了一遍那个圆桌论坛，发现还是有几个地方没完全跟上。但这回我没那么焦虑了。有些东西本来就是边跑边学的，你说是吧？
