近期汽车产业在AI赛道上呈现出显著的分化态势。一方面，特斯拉因人形机器人Optimus量产受阻导致自由现金流首次转负，市值大幅波动；另一方面，吉利汽车试图通过AI技术重构硬派越野体验，寻找智驾之外的新溢价点。这不仅是两家企业的战略差异，更折射出全球车企在AI商业化落地过程中，面临的供应链制约与应用场景探索的双重博弈。
特斯拉的财务阵痛源于其对人形机器人赛道的激进押注。2026年二季度，尽管整车交付量创下同期新高，营收同比增长26%至282亿美元，但营业利润不足4亿美元，自由现金流净流出10.9亿美元。资本开支飙升至57.9亿美元，全年预计达250亿美元，主要用于Optimus产线改造。然而，由于缺乏成熟供应链，单台机器人物料成本高达13.1万美元，是接入中国产业链成本的近三倍。欧美供应商无法支撑大规模量产，导致新建产线闲置，资金持续消耗。相比之下，国内人形机器人产业依托长三角、珠三角集群优势，核心零部件国产化率突破75%，整机产量有望破10万台，单机价格已降至3万元以内。特斯拉受限于合规与战略顾虑，难以全面绑定中国核心供应链，陷入“高投入、低产出”的困局，直接引发资本市场对其盈利能力的重估。
这一事件需置于全球AI基础设施投资回报周期拉长的大背景下审视。英伟达等“卖铲人”业绩亮眼，但下游应用端普遍面临变现难题。Meta、谷歌等科技巨头均出现AI业务拖累利润或现金流的情况。在汽车领域，智能驾驶辅助的高溢价早已消失，FSD付费用户增长虽稳但未达转折点。车企亟需寻找新的AI叙事逻辑。与此同时，戴尔科技虽AI服务器营收创纪录，股价却逆势下跌，表明市场已从“业绩验证”切换至“估值审视”模式。这意味着，单纯讲述AI故事已不足以支撑高估值，投资者更关注技术能否转化为可持续的毛利与现金流。特斯拉的困境正是这一宏观趋势的缩影：当AI从概念走向工程化，供应链成熟度与成本控制能力成为决定生死的关键变量。
利益相关方的立场在此轮分化中愈发清晰。对特斯拉而言，维持汽车主业利润以反哺机器人研发是底线，但资本市场的耐心正在耗尽，若Optimus不能在2027年前实现成本大幅下降，融资压力将加剧。对中国机器人供应链企业来说，虽具备成本与效率优势，但进入国际头部客户核心体系仍受非市场因素制约，短期内更多服务于本土整机厂。对吉利等中国车企而言，避开与特斯拉在通用AI领域的正面竞争，转而将AI深度耦合于细分场景（如越野），是一种务实策略。其全新智能越野技术通过一体式大梁、三电机四驱与AI地形感知系统，将硬派越野的门槛从“老炮专属”转向“大众可及”，试图在60万元以上市场建立新认知。消费者层面，对AI的期待正从“炫技”回归“实用”，无论是机器人的可靠性还是越野车的易用性，最终都需以产品力兑现承诺。监管层则需在鼓励创新与防范过度投机之间保持平衡，尤其对跨境供应链合作提供稳定预期。
未来推演显示，两条路径的成败取决于不同关键变量。特斯拉的中期拐点在于能否突破供应链瓶颈：若能在2026年底前验证中国非核心部件的规模化适配性，或通过自研降低执行器成本30%以上，现金流压力或可缓解；否则，可能被迫放缓机器人节奏，重新聚焦汽车主业盈利。吉利的挑战则在于市场验证：银河战舰700需在2026年四季度交付后，真实用户反馈是否认可“AI越野”带来的体验增量，而非仅视为营销话术。若成功，或可开辟20万-40万元智能越野新品类；若失败，则AI投入将沦为沉没成本。行业层面，2027年或将成为AI商业化分水岭——拥有垂直整合能力或精准场景定义能力的企业将存活，而盲目跟风者将被淘汰。值得注意的是，中国完备的制造业生态正成为全球AI硬件落地的隐性基础设施，即便在地缘政治摩擦下，其效率优势仍难以被替代。
车企的AI竞赛已进入深水区，胜负不再取决于谁讲的故事更宏大，而在于谁能以更低的成本、更准的场景，将技术转化为真实的商业价值。