同一个 9 月,两个机构差了 60 个百分点:新能源产销 +42.7% 与零售 -16.7% 该怎么读
导航目录 · 6 节
结论先行:2026 年 9 月的中国汽车数据出现了一个极端的口径分裂。中国汽车工业协会口径下,9 月新能源汽车产销分别完成 161.7 万辆和 160.4 万辆,同比分别增长 42.7% 和 45.6%;乘联分会口径下,9 月新能源乘用车零售 108.4 万辆,同比下降 16.7%。同一个月份、同一个品类、两个都具备权威性的数据源,同比增速一个 +45.6%、一个 -16.7%,差了超过 60 个百分点。这不是数据出错,而是四个口径维度叠加的结果——不把这四个维度拆开,任何基于单一口径的结论都不可靠。
一、先把两组数字原样摆出来
| 指标 | 中国汽车工业协会 | 乘联分会 |
|---|---|---|
| 9 月新能源产销 | 161.7 万辆 / 160.4 万辆 | —— |
| 9 月新能源同比 | 产销 +42.7% / +45.6% | 零售 -16.7% |
| 9 月新能源环比 | —— | 零售 +7.8% |
| 9 月新能源厂商批发(预估) | —— | 167 万辆,同比 +12%、环比 +11% |
| 新能源占新车总销量比重 | 49.7%(新车销量口径) | 零售渗透率 67.0%、批发渗透率 65.4% |
| 1—9 月累计 | 产销约 1260 万辆,占有率接近一半 | 新能源乘用车零售 775.8 万辆,同比 -12.8% |
| 统计对象 | 汽车(含乘用车与商用车) | 乘用车 |
两组数字并列之后,第一件该做的事是把「统计对象」「计量口径」「基期」「来源性质」四条线拆开。有意思的是,乘联会自己给出的 9 月新能源厂商批发预估是 167 万辆、同比 +12%——这个数字与中汽协的 160.4 万辆在总量上已经相当接近,但同比增速仍有 30 多个百分点的差距。这说明差异不只来自「零售 vs 批发」,还叠加了统计范围与基期。
二、第一条分界:乘用车与汽车全口径
中汽协的统计对象是「汽车」,涵盖乘用车与商用车;乘联会的统计对象是「乘用车」。这是最容易被忽略但影响最大的一条分界。
新能源商用车在 2026 年是增速最快的细分市场之一。城市物流车、港口牵引车、短途重卡的电动化渗透在持续推进,而这类车型的单车带电量是乘用车的数倍。当新能源商用车以远高于乘用车的增速扩张时,把它计入总量会显著抬高整体增速——一辆纯电重卡的带电量可以相当于七八辆乘用车,虽然台数不多,但对「产销辆数」的同比贡献是实打实的。
因此,中汽协口径的 +42.7% 衡量的是「中国新能源汽车产业(含商用车)的出厂规模」,乘联会口径的 -16.7% 衡量的是「乘用车终端零售」。两者不是同一件事,也没有理由相等。
三、第二条分界:批发、零售与上牌
三个词经常被混用,但指向完全不同的统计环节:
| 口径 | 计量环节 | 是否含出口 | 主要用途 |
|---|---|---|---|
| 产量 | 主机厂下线 | 含(未分流向) | 产能与工业增加值分析 |
| 批发销量 | 主机厂向渠道/出口发货 | 含出口 | 产业链景气度、车企出货 |
| 零售销量 | 终端交付给消费者 | 不含 | 真实需求、渗透率 |
| 上牌量 | 交管登记 | 不含 | 最终消费确认 |
中汽协的「销量」是批发口径,并包含出口——9 月新能源汽车出口 22.2 万辆,这是一个相当可观的量级。乘联会的「零售」是终端交付口径,不含出口。出口与零售之间的差额,天然构成两个口径的系统性偏差;当出口高速增长时,批发口径的增速就会系统性高于零售口径。
这也解释了为什么乘联会的批发预估(167 万辆、+12%)仍然低于中汽协的同比(+45.6%):批发预估同样是乘用车口径,出口的商用车部分与商用车基数差异仍在其中。
四、第三条分界:基期不同,方向可以相反
同比增速的分母是去年同期。而 2025 年 9 月恰恰是一个被政策扭曲过的月份——部分省份补贴退出,催生了集中抢补贴的行情,形成了异常高的对比基数。这个高基数主要落在终端零售上,因此乘联会的零售同比被压得很低。
批发端的情况不同。去年补贴抢购对批发的拉动弱于零售,因此今年批发口径的基数低得多,同比自然好看。这是同一件事在两个统计环节上留下的不同痕迹:抢补贴让去年的零售冲高,但没有让去年的批发同步冲高。
乘联会自己也对这一现象有明确说明,并在解读中把 9 月数据的主线概括为「燃油加速萎缩、新能源韧性领跑」,同时提示高基数的影响。这一点很重要:机构公布数字时附带的口径说明,往往比数字本身更有信息量。
五、第四条分界:企业与渠道数据的性质差异
中汽协的数据来自企业产销快报——这是企业上报的一手数据,口径统一、覆盖全,但反映的是「企业认为自己卖了多少」。乘联会的零售数据来自渠道与上牌口径,其中部分为测算与预估(文本中会出现「预估」字样)。
两类数据没有优劣,但使用时的注意事项不同:企业上报数据的时效性好、覆盖全,但需注意压库现象会造成批发与真实需求的时滞;渠道数据的真实需求指向更强,但预估成分意味着存在后续修正的可能。
遇到两个权威口径给出相反结论时,正确的反应不是选一个相信,而是先问「它统计的是哪个环节、哪个范围、哪段基期」——这三个问题一问,矛盾通常就自行消解了。
六、读汽车数据的四条规则
第一,先看口径,再看数值。 任何一份引用了销量数据的报告,都应标明口径(批发/零售/上牌)、范围(乘用车/汽车全口径)与是否含出口。缺了这三项,数字无法比较。
第二,同比看基期,环比看季节性。 同比降幅大不等于需求崩塌,要先确认去年同期是否存在政策扰动;环比增长也不等于向好,因为汽车销售存在明显的季节节奏(9 月本身就是旺季)。
第三,交叉验证时找「总量接近、增速不同」的组合。 本例中乘联会批发 167 万辆与中汽协 160.4 万辆总量接近,说明生产与出货规模基本一致;增速的分歧来自基数与范围,而不是「谁算错了」。这是最有价值的一致性检查。
第四,警惕用单一渗透率数字下结论。 「49.7%」与「67.0%」这两个渗透率同时存在且都正确——前者是新能源汽车占汽车新车销量的比重,后者是新能源乘用车在乘用车零售中的渗透率。在向合作方或管理层汇报时,不标注口径的渗透率数字是最容易引发误判的一类问题。
微信分享
微信扫一扫,或复制链接发送给朋友
版权声明转载请说明出处 —— 本文为 VEXIA新势力 原创整理,版权归 VEXIA新势力 所有,转载请注明来源 blog.vexia.cn
