2024年下半年,中国汽车品牌乘用车出口量有望达到250万辆,全年总量将达450万辆,同比增长29%。受欧盟关税政策和新能源车需求下降的影响,中国纯电动车型出口增速将放缓至9%(86万辆),出口占比将从2023年的22.5%下降至2024年的19.0%。与此同时,插电混合动力汽车(PHEV)和油电混合动力汽车(HEV)的出口占比将实现三年来首次超10%,分别达到31万辆和24万辆。拉丁美洲和欧洲是推动中国汽车品牌插电混合动力汽车和油电混合动力汽车出口增长的主要区域。

Canalys高级分析师刘策源表示:“乘用车出口预计将在2024年保持强劲增长,增速达24%,出口总量将达到310万辆。MG、奇瑞和长城汽车在海外燃油车市场中的成功,证明中国汽车品牌在燃油车技术上的显著提升。其中,奇瑞和长城汽车抓住了国际品牌退出俄罗斯市场的机遇,实现市场份额迅速扩张。东风、广汽等厂商全新全球拓展策略的逐步落地,进一步推动了中国市场出口增长。2024年,预计两个品牌的出口量将分别增长四倍和两倍,占中国汽车品牌出口量10%。 ”

2024年前三季度,中国汽车品牌乘用车出口量增长27%,达310万辆。受欧盟对中国新能源汽车加征关税影响,欧洲是唯一出口量下降的区域市场,降幅为4%。随其他区域出口量增加,欧盟从2023年中国汽车品牌最大出口市场下降至2024年的第四大市场。
刘策源继续表示:“尽管出口量下降且新能源车需求疲软,欧盟仍是中国新能源车最大出口市场,占出口总量28.4%。欧洲新能源车需求变弱以及政治不确定性将放缓中国汽车厂商在该地区的投资进程,但欧洲仍是中国厂商全球化过程中的核心市场。中国汽车厂商正通过迅速推出油电混合动力车型来丰富出海产品矩阵,以规避关税并满足当地消费者对经济型车辆的需求,同时扩大品牌认知度,为本地新能源汽车需求回升做好准备。上汽集团凭借MG3和MG ZS两款混合动力产品,意在挑战日系车在欧洲市场地位。 ”
刘策源补充道:“中国汽车出口总量增长迅速,但厂商出海依然面临诸多不确定性。各厂商渠道体系能力,以及产品本地化能力的不同导致了其在海外市场的实际销量和库存情况差异显著。而相关能力在当前纯贸易出口受限、厂商布局海外建厂并寻求本地产业链融合的背景下尤为重要。 ”

尽管中国汽车在电动化和智能化技术上实现全球领先。然而在欧洲市场,ADAS和智能座舱技术的竞争优势尚未完全显现。在长周期的产业发展背景下,中国厂商应理性看待 “新能源汽车弯道超车”的概念,谨慎评估直接复制中国市场成功路径到全球市场的可能性。尽管日韩车企在华市场份额逐渐缩小,其全球化路径仍值得中国厂商重点研究。
Canalys首席分析师刘健森表示:“欧盟与中国在新能源汽车关税问题上的争端对全球汽车行业的电气化进程带来了重大阻碍。地缘政治紧张局势可能会阻碍双方厂商的专业知识分享以及投资联合研发。如果争端升级,欧盟可能会削弱其新能源汽车生态系统发展的竞争力,从而在全球汽车和绿色能源领导地位中失去位置。然而,我们仍然乐观地认为,中国市场将依然保持开放,并为全球市场提供新能源汽车技术和供应链提供合作机会。同时两个区域的市场潜力,将吸引两个地区持续密切合作以寻找长期的解决方案。 ”
*电动汽车(又称EV):纯电动车型(BEV)和插电混动车型(PHEV)
智能汽车分析
Canalys紧随智能汽车行业的创新步伐,将目光瞄准电动化及智能技术与移动行业的交汇领域,重点关注电动汽车到智能汽车的转变,包括互联性,便利性,安全性及辅助驾驶等。我们提供全球最全面、最详细的数据分析及预测,细化至品牌和车型在全球汽车市场表现,同时提供定性和定量的专业见解。Canalys智能汽车分析,帮助技术供应商、汽车OEM、一级供应商、服务供应商和汽车生态系统参与者在全球战略发展,产品规划和营销等方面做出重要决策,以及选择正确的渠道伙伴,参与到全球市场的发展,以促进智能汽车的普及。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。