摘要 AI 回答汽车问题时，信源高度集中于汽车垂类媒体。在信源引用率与贡献率 TOP20 平台中，垂类媒体占比分别高达 77.2% 和 70.0%，且头部效应显著，领先平台与后续平台存在明显量级差距。 集中不等于统一：五大主流 AI 平台的信源偏好差异明显，同一平台的 PC 端与 APP 端策略亦不相同。部分平台单一信源贡献率接近 99%，而部分平台短视频信源贡献率甚至超越部分垂媒。 引用率反映内容被调取的频次与触达强度，贡献率则衡量覆盖用户问题场景的广度。结合两者分析，可有效识别单纯刷量带来的数据泡沫。 |
引言：AI 重塑汽车消费决策链路
数据显示，88.6% 的消费者在购物前会使用 AI 搜索辅助决策，其中近九成将其作为核心或重要补充工具。对于客单价高、决策周期长达 3-6 个月的汽车品类而言，用户在看车、选车、买车及用车全生命周期中频繁提问。AI 的每一次回答均基于其引用的信源池，品牌内容唯有进入该池，方能进入用户的最终决策清单。
当前主流 AI 在回答汽车相关问题时，究竟优先引用了哪些信源？
一、超七成信源份额由垂类媒体占据
2026 年 5 月，针对豆包、DeepSeek、千问、元宝、文心一言五大主流 AI 平台（含 PC 与 APP 双端）进行了大规模实测。测试覆盖 300 个主流车系及看、选、买、用四大场景，累计执行 40 万次真实模拟提问，返回百万级数据。
结果显示出高度的集中化格局：在信源引用率 TOP20 中，汽车垂类媒体占比 77.2%；在信源贡献率 TOP20 中占比 70.0%。相比之下，短视频与直播平台占比约 10%-11%，新闻资讯门户占 5%-8%，搜索引擎占 5%-6%，社交媒体不足 1.3%。
头部阵营内部同样呈现高集中度，少数几家垂类媒体占据了绝大部分席位，且与第二梯队拉开显著差距。这些头部媒体各有侧重：有的深耕消费决策与交易转化，在选买环节更具优势；有的专注内容种草与车后服务，在看车用车场景表现活跃；亦有平台各项指标均衡。
综合资讯与短视频平台虽流量巨大，但受限于汽车行业专业知识沉淀与深度内容体系的缺失，主要承担内容分发功能，在 AI 信源体系中处于辅助补充地位。
二、五大 AI 平台信源偏好存在显著差异
总榜数据掩盖了单个平台的特性，拆解后发现各平台信源偏好分化明显：
- 豆包：分布极度集中，头部单一信源贡献率两端接近 99%，引用率约 37%，远超第二名。端侧差异显著，APP 端偏好短视频信源（占比超 12%），而 PC 端该信源引用率为 0，更依赖专业垂媒与资讯。
- DeepSeek：分布相对均衡，头部两家信源引用率差距较小。TOP10 中出现了一批长尾信源，提供了更多样的引用机会。
- 千问：信源选取逻辑不区分终端，PC 端与 APP 端数据基本一致，头部梯队划分清晰稳定。
- 元宝：端侧偏好呈“错位领跑”，PC 与 APP 端的头部信源完全不同。其格局相对分散，且将微信公众号等私域生态信源纳入 TOP10。
- 文心一言：短视频类信源占比偏高，个别视频信源贡献率超越部分汽车垂媒，社交与视频类平台强势进入 TOP10。
同一份内容在不同平台的命运截然不同：有的每问必引，有的仅是选项之一，有的则需与短视频同台竞争。仅凭总榜排名无法洞察这种平台间的深层分化。
三、场景与产品维度构成第二层分化
即便在同一平台内部，信源排位也会随用户场景动态调整：
- 在部分平台的“买车”场景中，综合资讯类信源凭借高渗透率跃入头部，成为少有的非垂媒主导场景。
- 看车、选车、用车与买车四大场景中，领先信源经常发生更替，鲜有平台能由单一信源包揽全场。
- 在特定场景下，门户类信源也能跻身渗透率前列。
- 资讯类与短视频类信源在买车、用车场景中展现出明显的差异化价值。
在产品力维度上，汽车垂类媒体整体包揽九个维度的引用率前列，但各家强项不同：有的在价格、安全、动力等硬核参数上领先，有的则在智能配置、空间设计等体验维度占优。短视频平台擅长场景化动态展示，在智能配置与空间维度的引用率高于综合资讯平台，成为重要的补充信源。
这意味着，主打智驾的车型与主打性价比的走量车型，所需布局的信源策略并非同一套逻辑。
四、引用率决定触达，贡献率决定覆盖
评估 AI 信源价值需关注三个核心指标：
- 信源引用率：以引用内容 PV 为统计维度，衡量域名信源在全平台被引用内容中的占比，反映内容被模型调取复用的频次与权重。
- 信源贡献率：以独立提问 UV 为统计维度，衡量信源能覆盖解答的用户问题范围，反映其在真实问答场景中的渗透广度。
- 信源场景渗透率：贡献率的细分维度，反映信源在特定场景下的内容表现能力。
引用率与贡献率衡量的是不同维度的价值。前者关注频次，后者关注覆盖面。两者未必同步：高频引用可能仅集中在少数问题上，而低频引用却可能广泛覆盖各类问题。结合两指标分析，可判断信源是真正具备广泛解决问题的能力，还是仅靠刷量制造的数据泡沫。传统的点击与线索指标，已难以全面衡量 AI 问答阶段形成的长期品牌影响。
结语
垂类媒体之所以占据七成以上份额，核心在于 AI 在处理“哪款车值得买”等决策问题时，优先检索专业、中立且可验证的内容。相比泛资讯平台的主题杂乱、车企官网的营销属性以及 UGC 平台的主观零散，垂类媒体拥有标准化的评测体系、资深团队、多年积累的车型知识库以及 AI 可直接解析的结构化数据（如标准化车型库、千万级车主口碑系统、全场景问答库）。
本次实测的核心启示不在于排名先后，而在于三个关键问题：信源进入了哪些模型的引用池？覆盖了哪些场景与产品维度？这些位置能否持续？
鉴于汽车 3-5 年的产品生命周期与 AI 大模型 1-3 个月的快速迭代周期存在天然错配，信源地位并非一劳永逸。真实、权威、结构化的信源受算法波动影响较小，更易沉淀。因此，信源建设已从一次性优化转向持续维护：需在新车发布、价格调整等节点及时更新信息，并建立机制对 AI 生成的错误信息进行快速发现与纠正。