「卖爆」的小米SU7，眼里其实只有一个对手

文丨曹思颀

让所有人期待了小半年之后，北京时间 3 月 28 日晚，小米汽车首个车型——小米 SU7 的最后一个悬念终于揭晓。

21.59 万元起售，比雷军一周前在微博上提到并对标的特斯拉 Model 3 入门款便宜了整整 3 万元。此外还有 24.59 万元的 Pro 版本和 29.99 万元的 Max 版本。

雷军在发布会后的媒体采访环节透露，定价是在前一天晚上 7 点才最终敲定的:

「原来的思考是定 23.9 万，顶配 35 万。」

定价带来了最直接的反馈。

当晚，小米公布了第一轮战绩:4 分钟大定破万；7 分钟大定破 2 万；27 分钟，大定 50000 台。

需要说明的是，这 5 万「大定」订单中，除去 5000 台限量的「创始版」车型，消费者可以选择在 7 天「犹豫期」内更改配置或者退款。也就是说，真正准确的第一条战报还需要再等一周才能出炉。

但这样的成绩也大概率已经超过了雷军和小米此前的预期。

在小米 2023 年业绩会上，小米集团总裁兼合伙人卢伟冰对外透露的短期目标，是「进入纯电豪华轿车单款产品的前三名」——这是一个模糊的品类，如果我们把 Model 3、极氪 001、蔚来 ET5/ET5T 等都归入这个品类，那么推测小米 SU7 的年度目标大约在 6 万台左右。

从去年 12 月 28 日召开技术发布会以来，中国智能电动汽车市场也迎来了新一轮的价格战，小米汽车一度被认为面临行业里诸多对手的集体「围堵」。

公布售价和拿下订单只是万里长征的第一步，接下来，雷军和发布会坐在台下的蔚小理、长城、北汽们，要一起面对更真实和残酷的竞争。

「蔚小理」三家创始人来到现场为小米汽车助阵

定好参考系，选准目标用户

对于小米，大多数消费者最久远也是最深刻的认知，是那个 10 年前凭借极致性价比走进千家万户的国产智能手机品牌。

某种程度上，这种品牌心智一直延续到了现在。所以当雷军和小米集团高管多次在公开场合表示小米汽车「可能会有点贵」的时候，我们总能看见这样的调侃:「米粉只是长大了，并不是变有钱了」。

不过，事实上现在小米汽车，连同众多国产新势力造车品牌，所面临的行业环境，本质上和 10 多年前雷军推出小米手机时别无二致。市场两级分化严重:一类是品质和溢价同样高的国际品牌；一类是智能化程度逐渐跟不上时代节奏的廉价产品。

只是现在小米所售卖和交付的产品，从千元机直接跳跃了两个数据量，变成了售价动辄接近 20 万的智能电动汽车。对于任何一个消费品牌来说，这也都是一件困难的事。尽管雷军反复强调「造车真的很费钱」，但要完成第一步的启动和销售目标，在战略和战术上，还是需要选好对比的参考系，并且要更精准地圈定第一批目标客户。

小米第一款车的参考系，是一年在中国卖出接近 15 万辆，全球超过 50 万辆的特斯拉 Model 3。

而雷军在发布会上提到的几类目标用户，第一类也正是「在观望 Model 3 的消费者」。在官方介绍里，SU7 可以提供更好的智能座舱和智能驾驶体验——后者其实是特斯拉的优势，但是在现阶段里，由于数据采集等复杂原因，特斯拉的智能驾驶相关功能还无法在国内落地。

至于那款售价接近百万的保时捷纯电轿跑 Taycan，小米应该从来没有把它真正当成过对标对象。它只是在风阻和审美的角度，为后来者做了一个纯电车型的外观「参考」。要知道，根据相关市场调研，Model 3 的用户里，有相当一部分的购车原因来自于外观。

第二类用户，小米则瞄准了传统豪华品牌 BBA 的「34C」车主。易车研究院的数据显示，2021-2026 年，中国车市「增换购」趋势明显，增换购的主导地位有望升至 80%。小米用更好的能源经济性和更低的品牌溢价两张牌，瞄准了这个巨大的市场。

很难说，在智能电动汽车时代里，小米和中国造车新势力们是否打赢了第一场战役。但至少从目前美国和欧洲的相应政策里可以看出，中国新势力已经在产业层面引起了它们的重点关注。

在消费市场上，新品牌们也为自己和国内消费者迎来了全新的定价权和选择权。从这一点来看，21.59 万的小米，和新势力们其实一起迈向了智能硬件的性价比 2.0 时代。

从首日的订单数据来看，这款「比 Model 3 便宜 3 万」且拥有「米时捷」外型的新车，应该达到了初期的目标。

从拼参数，到拼体验

如果用挑剔的角度去审视小米 SU7，这台车在智能层面达到了不错的配置，但确实也没有什么「突破性」的创新。

因为单从数据来看，无论是智能座舱所搭载的 8295 芯片，还是 Max 版本所搭载的双 Orin X 芯片，以及 700-830km 的 CLTC 续航，每一项在市场同价位的车型里，都可以找到可以匹配甚至超越的车型。

所以，所谓「没有重大突破」不仅是小米汽车一家在这个阶段面对的问题，某种程度来说，这是一个技术局限。

在智能驾驶领域，小米在 2023 年投入了 75 亿元，并且组建了超过 1000 人的研发团队，并且提出在 8 月全国开通城市辅助驾驶的目标。不过尽管如此，我们必须指出，影响智驾的因素不止是由人决定的「算法」水平，还要受到「算力」和「数据」的限制。

在算力层面，如果只看硬件配置，小米 SU7 Max 版搭载了两颗英伟达 Orin X 芯片，车端算力达到 508TOPS，在行业里属于绝对的高配。但这个算力，目前依然处在高速 NOA 有余，城市 NOA 不足的尴尬阶段。

何小鹏前段时间在中国汽车百人会上的发言也证实了这个现状:目前城区智驾平均百公里接管次数大于 10 次，远高于高速智驾百公里 0.1 次接管的水平，体验不佳。

何小鹏认为，目标是在未来 18-36 个月里，把城区智驾的百公里接管次数降低到 1 次以上——而这个时间，恰恰和英伟达新一代智驾平台 Drive Thor 推出的时间契合。

算力需要依靠芯片能力的升级，而数据则需要更多实车的积累。

据雷军介绍，小米 SU7 前期投入了超过 500 台测试车，积累了超过 1000 万公里的测试数据。在测试期间，这是一个很高的数据，但随着量产车发布，1000 万公里也许只是一天的训练数据。所以，智能驾驶领域的体验，也是随着数字逐渐提升的过程。

电池领域同样如此。小米 SU7 共有 3 种不同的电池配置方案，分别对应着 73.6kWh 磷酸铁锂、94.3kWh 神行电池和 101kWh 麒麟电池。和同级别的其他竞争对手 Model 3、极氪 007、小鹏 P7 等产品相比，不同 SKU 下的续航里程各有胜负。但同样，技术并没有达到临界点。并且，在高度协作化的当下，这些数字大概率不会成为某个厂商「一家独大」的竞争优势。

所以，比起拼芯片算力、比拼在不同温度、路面条件、驾驶习惯下不同的续航表现，不如比拼实际的用户体验。

真正的核心差异化，往往就体现在细微之处。在现场演示小爱同学上车的语言交互时，小爱同学就展示了在多模态下，极强的问答能力和指令执行能力。

不要小看智能语音这个功能，某种程度上，它也许会定义未来智能汽车上全新的交互模式——毕竟无论是类似智能手机的触屏操作，还是传统汽车里的实体按键，都需要占用驾驶员的注意力，而语音也许是驾驶时最丝滑的控车方式。这也是小米比起传统汽车厂商的优势所在。

雷军对「从参数到体验」的这一套竞争逻辑也并不陌生。小米手机初期，正是凭借着高性价比和高参数迅速发展。然而当市场逐渐饱和，供应链逐渐成熟之后，产品用户体验成为了核心竞争力。最明显的表现就是，市场占有率最大的「千元机」越来越少，而旗舰机型却越来越多。

开门红了，然后呢？

稍显遗憾的是，在这场持续超过 2 个小时的发布会里，雷军应该再多几次主动邀请用户进店试车。

在小米前 10 年里，最大的成功经验之一就是利用互联网销售模式，降低成本造出了售价更低的产品。

汽车行业很难完全复制这样的经验。毕竟卖车和卖手机，最大的不同就在于用户需要更直观感受产品，才能支持远高于数码产品单价的「重」消费决策。

无论是前文提到了智能座舱、智能驾驶、智能语音，还是雷军多次提到的汽车机械能力，这些都无法仅仅通过一场发布会，或者媒体的试驾视频来呈现。

举个简单的例子，对于增换购用户来说，加速和制动踏板的脚感，稳态转向时车辆悬架提供的支撑，在不同路面时底盘对于路面信息的筛选和过滤，都是非常主观的感受。

所以，3 月 28 日公布的售价，既是开门红的关键影响因素，放在未来一段时间里，又不是唯一的关键因素。

雷军在此前专门发了一条微博，除了提到准备发布会外，还透露了两个重点工作:确定第二批线下销售网络的选址；尽快提升工厂产能，确保尽早交付。

前者对应着零售行业里门店的选址逻辑。小米不缺乏这样的经验，2016 年 10 月，雷军提出「新零售」的概念，目标就是线上线下同价，让数码产品更多触达线下客户。雷军曾经在 2017 年接受采访时表示，小米的年坪效做到了 27 万元/平米。

后者则对应着一条制造业的逻辑。小米手机曾经经历过一次产能危机，但汽车领域的难度只会更高。雷军在发布会上展示了小米汽车工厂的智能制造能力，这座工厂很快就要面对 9 种不同外观配色、4 种内饰配色的排列组合考验——幸运的是，似乎小米汽车没有其他友商那么复杂的内饰选配，毕竟很多配件都可以通过 CarIoT 的方式由用户手动配置。

发布会结束后，网络上传出一张小米汽车高级顾问胡峥楠的对话截图，表示「庆功酒也喝不下了」，因为「一年产能都用完了」。它未必 100% 真实，但却反应出市场对小米汽车此时的情绪:恭喜开门红，然后欢迎来到一个魔鬼战场。

三年前 3 月末，雷军宣布进入人生中最后一次重要创业。3 年后的当下，他交付了第一份短期答卷。明天开始，他过往在产品、技术、零售、制作、生态合作方面的种种数据，还等待着被调用和处理。

这场创业就像是训练一个复杂的模型一样，GPU 还要一刻不停地持续运转。