汽车行业正在加速布局车载AI功能，但真正能够转化为收入的案例仍然不多。多家车企近年来持续投入语音助手、车联网和预测类系统等领域，不过，功能使用率提升的同时，也在加重运营成本压力，盈利能力正成为行业必须直面的核心问题。

据Cryptopolitan于24日（当地时间）援引SBD Automotive网络研讨会的实时投票结果，目前能够产生实际收益的车载AI功能，占比仅约18%。这一结果显示，车企在推动AI上车之后，真正的挑战已转向商业化落地。

此前，车企已将语音识别工具、预测类系统、数字购物功能以及互联服务等多类AI技术引入车辆。但业内普遍认为，技术落地并不等于能够形成持续收入。SBD Automotive的Robert Fisher表示，车载AI并不是一个新概念，难点在于如何让相关功能覆盖自身成本。

在行业看来，最大的压力主要来自持续性的运营支出。车载硬件在完成初始搭载后，新增成本相对有限；但AI功能每被调用一次，往往都会带来云端计算成本。无论是语音指令处理、路线推荐、预测功能，还是连接服务，只要使用频次上升，相关成本也会随之增加。

SBD Automotive的Andy Chiu表示，这不仅是技术问题，更是盈利问题和损益管理问题。车载AI面临的关键课题，归根结底仍是盈利能力。他指出，AI功能越受欢迎、使用越频繁，企业承担的成本压力反而可能越大。因为用户每次与AI功能交互，都会触发云端计算成本，这不是一次性资本开支，而是持续发生的日常运营支出。

报道指出，如果相关AI功能未能落地，企业只能消化前期研发投入；即便功能获得用户认可、带动使用量上升，也可能引发运营成本快速攀升。因此，车企必须证明这些功能能否通过订阅收费、带动车辆销售，或提升客户忠诚度等方式，带来足够回报。

但问题在于，许多车企至今尚未对单项AI功能建立足够精细的盈亏核算体系，因此往往难以判断，究竟哪些功能真正贡献了收入，哪些功能正在持续侵蚀利润。

SBD Automotive将车载AI功能划分为四类：兼具用户价值和盈利能力的“英雄型”；用户满意度较高、但市场普遍期待免费提供的“工具型”；使用频率不高、维护成本却偏高的“僵尸型”；以及反而损害用户体验的“招致反感型”。业内认为，这一分类反映出车载AI竞争重点正从“堆功能”转向验证可持续盈利模式。

与此同时，盈利压力还与近期电动车市场放缓相互叠加。Nissan旗下零部件公司Jatco因欧洲电动车需求低于预期，已撤回在英国桑德兰推进电动车动力总成生产项目的计划。按原计划，Jatco拟投资4870万英镑，年产量最高可达34万套电动车动力总成单元。

另一方面，消费者对AI的使用确实正在增加，但信任问题并未消失。Cars.com调查显示，在正在考虑购车或近期购买新车的消费者中，44%表示使用过AI汽车搜索工具；71%表示，对AI提供车辆信息“有一定信任”。

不过，这种接受度尚未转化为对AI建议的直接采纳。即便是在定期使用AI的消费者中，认为自己能够轻松接受AI推荐车型和价格的比例也只有约一半；另有63%担心，AI搜索工具可能给出带有偏向性的推荐。

从最终决策渠道来看，消费者仍然更信任汽车销售平台和专业评测网站。约三分之二受访者表示，更相信汽车销售网站和专业评测网站提供的信息；即使使用了AI搜索工具，仍有41%的人会进一步访问经销商门店或制造商官网。

业内据此认为，车载AI竞争已从单纯比拼功能数量，转入筛选哪些功能能够带来真实收入并推动用户转化的阶段。对车企而言，在提升使用便利性的同时，如何控制“用得越多、成本越高”的结构性压力，正成为下一阶段的关键课题。