Trois grandes entreprises d’État ont vendu 3,65 millions de voitures : peuvent-elles se permettre de financer le développement de leurs propres systèmes de conduite intelligente ?

Bonjour ! Je suis votre assistant d'analyse financière et commerciale. Ce rapport approfondi sur la compétition acharnée entre les trois grandes entreprises d'État chinoises, FAW, Dongfeng et Changan, pour le développement de leurs propres systèmes de conduite autonome, est très riche en informations et aborde le problème le plus crucial de l'industrie automobile actuelle : le jeu entre le contrôle technologique et les coûts de survie.

Pour que vous compreniez facilement les enjeux sous-jacents, je vais d'abord résumer les points clés, puis les expliquer de manière simple à partir de cinq dimensions.

📝 Résumé des points clés

En une phrase :

Face aux hausses de prix des fournisseurs de systèmes de conduite autonome tiers (tels que Huawei et Xpeng) et à la flambée des coûts des puces, les trois grandes entreprises d'État FAW, Dongfeng et Changan ont décidé de cesser d'acheter des solutions prêtes à l'emploi et de se lancer dans leur propre développement. Mais il s'agit non seulement d'une bataille technologique, mais aussi d'une bataille économique et temporelle.

Les principales contradictions :

• Devoir le faire vs Pouvoir se le permettre ? Les réglementations exigent que les constructeurs automobiles maîtrisent les technologies de conduite autonome, mais le développement interne coûte entre 5 et 10 milliards de yuans par an et nécessite des quantités massives de données.
• Grandes ventes vs Peu de données ? Ensemble, ces trois entreprises vendent 3,65 millions de voitures, ce qui semble considérable, mais en raison de la diversité de leurs modèles et plateformes, elles ne peuvent pas partager leurs données. Les données efficaces pour l'entraînement de l'IA sont probablement inférieures aux attentes.
• Pénurie de temps : L'industrie prévoit que le marché de la conduite autonome connaîtra un premier renouvellement en 2028, laissant aux entreprises d'État moins de deux ans pour transformer leurs ventes en compétences algorithmiques.

---

🔍 Analyse approfondie : Interprétation simple à partir de cinq dimensions

1. La mèche : Pourquoi se lancer dans le développement interne soudainement ? — Parce que l'externalisation est trop coûteuse et peu contrôlable

Auparavant, les constructeurs automobiles pensaient que la technologie de conduite autonome était trop complexe et préféraient acheter des solutions prêtes à l'emploi (comme le système ADS de Huawei ou le XNGP de Xpeng), ce qui était plus simple et moins coûteux. Mais la situation a changé :

• Hausses de prix des fournisseurs : Le prix d'achat du système de conduite autonome avancé de Huawei est remonté à 36 000 yuans, et des entreprises comme BYD, Xpeng et Li Auto ont également augmenté leurs prix. Pour les constructeurs, cela signifie que leur marge bénéficiaire diminue à chaque voiture vendue.
• Flambée des coûts matériels : Les prix des puces de stockage de niveau industriel ont augmenté de 180 % en peu de temps, augmentant directement les coûts de fabrication des voitures.
• Anxiété quant au contrôle : Si les technologies clés de conduite autonome sont entre les mains de tiers, les constructeurs se retrouvent comme des « coquilles sans âme ». En cas de rupture de fourniture ou de changement de stratégie par le fournisseur, ils sont très vulnérables.
• Conclusion : Les hausses de prix sont la mèche, mais la raison fondamentale est que les entreprises d'État réalisent qu'elles doivent maîtriser leurs technologies clés pour survivre dans l'ère de l'intelligence artificielle.

2. Le bilan économique : Combien coûte vraiment le développement interne ? — C'est un investissement sans fin

Beaucoup pensent que le développement interne consiste simplement à embaucher des programmeurs, mais ce n'est pas le cas. Le développement de systèmes de conduite autonome est un projet systémique complexe :

• Coûts humains élevés : Prenons l'exemple de Changan : bien que l'investissement total s'élève à 60 milliards de yuans, le coût annuel du seul département de développement de la conduite autonome (environ 1 500 à 2 500 personnes) s'élève à 1,5 à 3,8 milliards de yuans.
• Coûts cachés importants : En plus des salaires, il faut également acheter de la puissance de calcul (superordinateurs), effectuer l'annotation des données, construire des centres de test et maintenir des plateformes cloud. En somme, le simple maintien de ce département coûte entre 5 et 10 milliards de yuans par an.
• Difficulté à atteindre le point de rentabilité :
• Si le coût de développement interne est bas (5 milliards de yuans par an) et que le coût des solutions externes est élevé (8 000 yuans par voiture), il faut vendre 625 000 voitures pour atteindre le point de rentabilité.
• Si le coût de développement interne est élevé (10 milliards de yuans par an) et que le coût des solutions externes est bas (5 000 yuans par voiture), il faut vendre 830 000 voitures ou plus pour se rembourser.
• Réalité dure : Cela ne prend pas en compte les risques d'itération technologique. La technologie de conduite autonome doit être complètement renouvelée tous les 2 à 3 ans, ce qui signifie que les investissements sont fixes et sans limite.

3. Le piège des données : Vendre beaucoup ne signifie pas avoir beaucoup de données — Les données efficaces sont la clé

C'est le point le plus facile à mal comprendre dans cet article. Les trois grandes entreprises d'État ont vendu 3,65 millions de voitures au premier semestre, ce qui semble impressionnant, mais pour l'entraînement de l'IA, ces données peuvent être peu utiles :

• Îles de données : FAW, Dongfeng et Changan ne partagent pas le même système. Les données des voitures de Changan ne peuvent pas être utilisées par Dongfeng, et vice versa. Ainsi, les 3,65 millions de voitures ne peuvent pas partager les coûts, et chaque entreprise doit les supporter seule.
• Faible taux de conversion :
• Votre achat de voiture ne signifie pas que vous utilisez la fonction de conduite autonome (taux d'activation).
• Votre utilisation de la fonction de conduite autonome ne signifie pas que vous l'utilisez régulièrement (taux d'utilisation).
• Les données doivent pouvoir être transmises vers le cloud (autorisations de transmission).
• Les données transmises doivent être de haute qualité et pertinentes pour les scénarios réels (traitement et annotation).
• Comparaison d'exemples : Huawei dispose de 1 milliard de kilomètres de données, et Dongfeng de 1,25 million d'ensembles de données. Mais les critères de mesure sont différents, et les données ne peuvent pas être directement comparées. L'important est la proportion de données provenant de scénarios de haute valeur (comme les conditions météorologiques extrêmes ou les intersections complexes).
• La situation embarrassante de Changan : Changan lance son propre système de conduite autonome pour les prix de 80 000 à 200 000 yuans, une gamme pour laquelle la volonté des clients d'installer cette fonction est très faible (taux de pénétration de seulement 11,6 %). Plus les voitures sont vendues, et moins les clients choisissent cette fonction, moins de données efficaces sont générées, rendant difficile le fonctionnement du système de développement interne.

4. Organisation et temps : La lenteur des entreprises d'État face à la rapidité de l'industrie — La date limite de 2028 est imminente

L'industrie de la conduite autonome est comme la fabrication de fusées : l'itération est extrêmement rapide.

• Période de temps très courte : Les experts prévoient que le marché de la conduite autonome connaîtra un premier renouvellement en 2028, ne laissant que 5 à 6 acteurs. Depuis septembre 2026, les entreprises d'État n'ont que moins de deux ans pour transformer leurs ventes en avantages algorithmiques.
• Challenges liés au système des entreprises d'État :
• Longues chaînes de décision : Le développement interne nécessite des itérations rapides et des essais-erreurs, mais les processus de décision des entreprises d'État sont plus rigides et peuvent ne pas suivre le rythme des entreprises technologiques.
• Concurrence pour les talents : Les talents en IA de pointe préfèrent travailler pour des entreprises comme Huawei, Tesla ou des nouveaux acteurs du secteur. Il est difficile pour les entreprises d'État d'offrir des salaires compétitifs et de retenir ces talents.
• Trois approches différentes de développement interne :
• Changan : Approche risquée. Développement complet en interne, avec des coûts élevés, mais un contrôle et des données les plus complets.
• FAW : Approche coopérative. Réduction des coûts par le développement conjoint, mais la question de la propriété intellectuelle est délicate.
• Dongfeng : Approche prudente. Utilisation d'une approche hybride (développement interne + achat externe) pour réduire les risques, mais les ressources sont dispersées, ce qui peut nuire à l'efficacité des deux approches.

5. La question fondamentale : Le développement interne vise-t-il à économiser de l'argent ou à survivre ?

Enfin, il faut aller au-delà du bilan économique et considérer la stratégie.

• Ce n'est pas seulement une décision économique : Pour les entreprises d'État, le développement interne de la conduite autonome concerne également la sécurité de la chaîne d'approvisionnement, la réserve de compétences technologiques des actifs d'État, la conformité aux exportations (interdiction d'exportation des données), ainsi que la réponse aux politiques industrielles nationales. Même si le développement interne est plus coûteux que l'achat de solutions prêtes à l'emploi, les entreprises d'État peuvent être obligées de le faire.
• Le véritable test : Les entreprises d'État n'ont pas de problèmes de fonds ni de ventes ; ce qu'elles manquent, c'est la capacité à transformer leurs ventes en compétences algorithmiques.
• Qui peut convertir les données récoltées sur la route en modèles d'IA à moindre coût ?
• Qui peut établir des barrières technologiques suffisamment élevées avant le renouvellement de 2028 ?
• Conclusion : Ce combat ne concerne pas qui vend le plus de voitures, mais qui peut transformer rapidement ses données en compétences algorithmiques. Si l'expérience utilisateur ne suit pas, l'effet de taille n'a pas de sens ; si l'expérience utilisateur est satisfaisante, les coûts élevés du développement interne peuvent être compensés par de gros profits sur le marché.

💡 Des leçons pour le grand public

1. Lors de l'achat d'une voiture, regardez qui se trouve derrière la technologie de conduite autonome : À l'avenir, lorsque vous achetez une voiture équipée de cette fonction, il ne suffit pas de regarder la marque, mais aussi si la technologie est développée en interne ou achetée à l'extérieur. Les modèles développés en interne peuvent offrir de meilleures mises à jour par OTA et une meilleure protection de la confidentialité des données.

2. Difficulté à généraliser la technologie de conduite autonome dans les voitures à bas prix : Dans la gamme de prix de 100 000 à 200 000 yuans, les constructeurs ont du mal à réduire les coûts grâce à l'effet de taille. Par conséquent, la fonction de conduite autonome dans cette gamme de prix ne sera probablement pas aussi abordable que dans les voitures haut de gamme à court terme.

3. Un grand renouvellement de l'industrie est imminent : 2028 est une date clé. De nombreuses marques actuelles de deuxième ligne ou des fournisseurs de systèmes de conduite autonome pourraient disparaître. En tant que consommateurs, choisir des marques leaders (que ce soit des constructeurs ou des fournisseurs de technologies de conduite autonome) sera plus sûr.

J'espère que cette analyse vous aide à comprendre la logique sous-jacente à l'intelligence artificielle dans l'industrie automobile à travers ces informations financières complexes !