Sonatus 已连续第二年赞助 Omdia 的“软件定义汽车（SDV）”调查，而此次调查发布之际，正值业界重新审视“软件定义”和“AI定义”在实践中究竟意味着什么。
经过多年雄心勃勃的发展路线图和激进的数据变现计划，2026年的数据显示，行业正朝着更务实的方向发生决定性转变——利用车辆数据来提升质量、可靠性、性能，并最终改善客户体验。这与报告中提出的观点完全一致，即该行业正从宏大的愿景转向 有条不紊的执行。
无论从地区、企业类型还是岗位职能来看，调查结果都显示出一个明显的趋势。 智能诊断和预测性维护现已超越数据变现，成为车辆数据最具价值的应用场景。 预测性维护在全球范围内占据领先地位，而智能诊断仍是AI 在非自动驾驶领域中的首要优先事项。与此同时，数据变现的占比持续下滑，降幅近14%。
这一转变标志着整个行业正在重新调整优先级——即重新定义以智能驱动的SDV价值创造的模式。
多年来，商业化一直被视为不可避免的下一个发展方向：向第三方出售遥测数据、授权车辆数据，以及在核心硬件产品之外开拓新的收入来源。调查结果清楚地表明，经济和监管方面的现实情况并未跟上炒作的步伐。隐私问题、区域性数据主权规则以及有限的收入潜力，都导致了当今更为审慎的展望。正如报告所言， “出售车辆数据既没有最初设想的那样盈利，也不像想象中那么简单。”
相比之下，运营数据在内部应用中的价值正在不断提升。整车制造商正优先考虑那些能直接提升车辆性能的应用：早期故障检测、避免召回、降低保修成本以及持续优化产品。这些能力能够强化核心业务，而非分散其注意力。这种观点与报告中强调“内部价值创造优于外部变现”的立场完全一致。
地区差异则更鲜明地反映了这一情况。
- 中国 中国展现出最显著的转变，其货币化比例下降了25个百分点，而51%的受访者将预测性维护列为优先事项。
- 北美 也呈现出类似的趋势，其中变现率降至32%，而诊断和使用分析的比重则有所上升。
- 欧洲 仍是一个特例，将车辆数据变现作为首要任务，但即便在该地区，ADAS技术的改进和网络安全措施也在不断缩小这一差距。
在此背景下，向预测性维护和智能诊断的转型既具有战略意义，又切合实际。这些应用场景不仅能在当下带来可量化的投资回报率（ROI），同时也为未来基于AI的更先进SDV功能奠定了基础。
从Sonatus 的角度来看，这一转变与我们在整个生态系统中观察到的情况相一致。整车制造商正优先制定旨在提升产品质量、加速迭代并建立长期客户信任的数据战略。智能驱动的软件定义汽车时代，其定义不在于车辆能产生多少数据，而在于这些数据被多么有效地用于改进车辆本身。
下载报告 以深入了解调查结果。