同一个 9 月，渗透率能读出 49.7% 到 67.9%：四个口径差在哪

二、差异一：分母里有没有商用车

这是 49.7% 与 57.8% 之间差距的主因。 49.7% 的分母是「汽车新车总销量」，包含商用车；57.8% 的分母是「狭义乘用车零售量」，不含商用车与出口。

关键在于商用车的新能源渗透率显著低于乘用车。重卡、轻卡的电动化受补能网络、载重与吨公里成本约束，渗透速度远慢于乘用车。当一个整体口径把渗透率更低、体量不小的商用车纳入分母时，算出来的数字必然被拉低。

实务含义：如果你做的是乘用车零部件配套，应该用乘用车口径；如果判断的是充电桩、动力电池总需求量，则需要用包含商用车的整体口径——两个场景用错口径，误差方向完全相反。

三、差异二：预估值不能当实测值用

65.7% 这个数字的本源是月度中旬的行业预估——按照当时的周度零售进度，推算全月新能源零售约 111 万辆、渗透率有望达到 65.7%。

这里有两个坑：

第一，预估基于阶段性进度外推。 月中预估假设了后续周的节奏分布，但月末冲量、地方补贴截止日、新车交付节奏都会让实际值偏离预估。

第二，预估与实测的分母可能不一致。 预估常以当月的零售总量预测值为分母，而实际公布的渗透率用的是最终核定的零售总量。分母一变，渗透率就变。

因此看到渗透率数字的第一件事，是确认它是「预计」还是「公布」，这两个词在数据可靠性上不是同一量级。

四、差异三：时间窗决定可比性

67.9% 来自当月前三周的累计口径。周度数据的波动天然大于月度：月初通常受节假日与工作日数量影响，月末往往有冲量效应。

用前三周数据推全月，需要额外假设第四周的节奏与前几周一致。这个假设在正常月份大致成立，但在有长假、有补贴截止、有新车集中交付的月份会明显失效。

一条实用原则：跨企业、跨月份做对比时，必须使用同一时间窗与同一发布口的数据。 用甲机构的前三周数据去比乙机构的全月数据，得到的「趋势」是统计假象。

五、下游企业该怎么用这些数字

数据报告里最贵的错误，不是没有数字，而是把一个口径的数字放进另一个口径的结论里——分母差一点，判断就差一个身位。

VEXIA新势力 持续跟踪汽车行业数据口径与方法论，帮助供应商在销量预测与产能规划中正确使用公开数据。