北京车展前瞻:大型SUV混战、华为生态扩张、线控底盘元年——谁将受益?

本周五，2026北京车展即将开幕。

本届车展标志着中国新能源汽车竞争进入"下半场"——从"电动化"转向"智能化"，从"单品爆款"转向"体系化较量"。

我们梳理了几点关键信息，以供思考。

一、大型SUV重新洗牌：从双寡头到群雄混战

过去三年，大型SUV市场经历了一场静悄悄的革命。原本问界与理想凭借家庭定位与智能化优势，打破了海外豪华品牌长期垄断的格局，成为细分市场的双寡头。但到本届车展，局面彻底变了。

智己LS8、零跑D19、极氪8X、蔚来ES9、魏牌V9X、比亚迪大唐——自主阵营的主流品牌悉数推出全新旗舰SUV，形成"围攻高端"的态势。

最值得关注的是零跑的"价格屠夫"策略

D19作为全尺寸六座SUV，定价21.98万元起（增程版400尊享版），顶配26.98万元（纯电版680三电机性能版），直接比竞品便宜15-25万。

4月16日上市后，周订单迅速达到7500台，带动零跑总订单突破2.2万台，稳居新势力销量榜首。

价格的定价权说到底还是掌握供应链，零跑的底气来自全栈自研。LEAP 4.0架构、双高通8797芯片、1280TOPS算力、VLA辅助驾驶——这些原本属于40万+车型的配置，被零跑下放到22万区间。

这意味着大型SUV的价格锚点正在重构。50万级国产新能源SUV的产品力，已经可以对标BBA百万级车型。国产定价天花板被打开，该细分市场可容纳2-3个品牌实现月销8000台以上。

二、智驾进入"冗余"时代：激光雷达堆料与线控底盘元年

都说新能源车的下半场比的就是智能驾驶，而本届车展最直观的变化是激光雷达数量。

• 新款问界M9首发6颗激光雷达（1个896线+4个固态+1个舱内）

• 理想L9 Livis搭载4颗激光雷达

• 极氪8X、岚图泰山X8跟进多雷达方案

多颗激光雷达已成为许多品牌的选择，成本下降、供应链成熟是一方面，更深层的原因是"法规预埋"——中国L3级自动驾驶在特定区域逐步试点，提前进行硬件预埋，才能通过OTA解锁更高级别功能。

另一个关键信号是线控底盘。2026年被称为"线控底盘元年"。智己LS8、蔚来ES9、小鹏GX、理想L9 Livis等旗舰车型全部搭载全线控底盘（线控转向+线控制动+主动悬架+后轮转向）。

新国标《汽车转向系 基本要求》（GB 17675—2025）已于2026年1月27日发布，正式取消了机械连接的强制要求，并将于2026年7月1日起正式实施。技术成熟，成本下探，线控底盘正从"高端标签"转向"智能标配"。预计明年30万以上车型将快速普及这一技术。

三、华为的两张牌：界系列 vs 华境/尚界

本届车展，华为系产品将迎来"大混战"。

一方面，"界"系列持续扩张：问界M6/M9、智界V9、尊界S800形成覆盖20-100万价格带的矩阵。另一方面，"境"系列首次亮相：华境S（五菱合作）、尚界Z7/Z7T（上汽合作）以供应商模式进入车展。

"界"系列是深度绑定——华为与车企联合，鸿蒙座舱、"乾崑智驾"深度集成，华为对产品有较强话语权。

"境"系列是供应商模式——华为提供智驾方案（乾崑ADS Pro增强版、ADS 4.1 WEWA架构），车企主导产品定义。

根据某专家访谈会议透露的关键信息：华为正快速回归供应商定位。大量外资、合资及经营遇困的国企车企，希望引入华为方案提升产品力。一汽-大众A6L e-tron、凯迪拉克凯威德、别克至境E7、日产NX8——这些合资/外资品牌的新车型，都在宣传中重点突出华为智驾。

但隐患也随之而来。问界、智界、尊界各自独立运营，华为无法决定产品售价及体系发展方向，大量成本消耗在内部沟通与内耗上。同时，多家车企将华为作为供应商宣传焦点，稀释了华为自身的品牌用户群体，也让消费者对"华为系"车型的定位感知混乱。预计本届车展，将是观察华为合作模式分化的关键窗口。

四、产业链：三个增量环节

一是激光雷达：多雷达配置成为高端车型标配，行业从"1颗够用"进入"4-6颗冗余"阶段。禾赛、速腾聚创等头部厂商将持续受益。

二是线控底盘：新国标落地+旗舰车型标配，明年30万以上车型快速渗透。伯特利、拿森等国产供应商迎来放量窗口。

三是车载音响：

蔚来ES9的47扬声器、魏牌V9X的31扬声器、小鹏GX的33扬声器——座舱声学体验被提升到与智能驾驶同等重要的战略高度。上声电子等供应商有望受益。

五、同质化之后，谁将引领下一代汽车的发展？

几乎所有新车都在讲激光雷达数量、大模型座舱、800V平台，参数表上的数字越来越接近，产品定义越来越雷同。"卷"到尽头，方向在哪？

每个品牌的产品线都已完备，每个车型的功能几乎一样。除了互相"致敬"，往后汽车产品的形态到底是什么？现在我们找不到标准答案。

但可以确定的是，随着人工智能的深入发展，下一阶段的胜负手，不再取决于谁在参数表上堆得更高，而在于谁能在AI技术、硬件工程与商业闭环之间找到最优解，率先将"物理AI"从概念带入真实的生产与出行场景。