AI回答汽车问题时信源引用的格局：垂类媒体拿走七成份额
艾瑞咨询实测五款主流AI平台后发现，汽车垂类媒体占据七成以上信源份额，且各平台信源偏好差异明显。
艾瑞咨询于 2026 年 5 月 18 日至 28 日期间，在豆包、DeepSeek、千问、元宝、文心一言五个平台的 PC 与 APP 双端执行了 40 万次真实用户提问，覆盖 4 万个问题、300 个主流车系以及看车、选车、买车、用车四大场景。测评人员全程人工模拟提问，不走 API 直调、不做引导性修饰，最终回收百万级数据。报告首次系统呈现了主流 AI 平台在回答汽车相关问题时对信源的引用偏好。
整体格局：垂类媒体拿走七成份额
从汇总数据看，AI 回答汽车问题时高度依赖汽车垂类媒体。信源引用率 TOP20 平台中，汽车垂类媒体占 77.2%；信源贡献率 TOP20 中占 70.0%。短视频与直播平台在两个榜单分别占 10.5% 和 11.5%，新闻资讯门户占 5.0% 和 8.1%，搜索引擎占 4.9% 和 6.0%，社交媒体不足 1% 和 1.3%。
头部内部的集中度同样很高。引用率与贡献率排名靠前的席位基本被少数几家汽车垂类媒体占据，头部平台与其后平台之间往往相差一个量级。这些头部垂媒内容侧重不同：有的偏消费决策与交易转化，在选车、买车场景更被倚重；有的偏内容种草与车后服务，在看车、用车场景更活跃；也有的各项指标较为均衡。
综合资讯与短视频平台虽然流量能力突出，但缺少汽车行业的专业知识沉淀与深度内容体系，在 AI 信源中处于辅助补充位置。
平台分化：五个 AI 信源偏好各异
总榜是五个平台平均后的结果，单看每个 AI 平台，差异立即显现：
- 豆包：分布高度集中，头部单一信源的贡献率两端接近 99%、引用率约 37%，与第二名差距悬殊；APP 端相对偏好短视频类信源，PC 端更依赖专业垂媒与资讯类信源——同一类短视频信源在 PC 端引用率为 0，在 APP 端却超过 12%。
- DeepSeek：分布相对均衡，头部两家信源的引用率差距较小（约 23.8% 与 18.6%）；TOP10 中出现了一批总榜上看不到的名字，长尾信源获得更多引用机会。
- 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。
- 元宝：端侧偏好差异显著，PC 端与 APP 端各自的头部信源并不相同，呈「错位领跑」；头部信源之间场景渗透率差距小于其他平台，格局相对分散，微信公众号等私域生态信源也进入 TOP10。
- 文心一言：短视频类信源占比偏高，个别短视频信源的贡献率超过部分汽车垂类媒体，社交、视频类平台也进入 TOP10。
仅按总榜排名理解各平台，会忽略这种平台间的分化。
场景与维度：第二层分化
同一平台内部，信源排位还会随场景变化。
- 在有的平台的买车场景里，综合资讯类信源凭借较高渗透率跃入头部；
- 在有的平台上，看车、选车、用车与买车各场景的领先信源会发生更替；
- 买车场景中，门户类信源也能跻身场景渗透率前列；
- 买车、用车场景中，资讯类与短视频类信源分别展现出差异化价值。
产品力维度方面，汽车垂类媒体整体包揽九个维度的引用率前列，但不同垂媒的内容强项各有侧重：有的在价格、安全、动力配置、性能表现、能耗等维度更靠前，有的在智能配置、空间、外观设计、内饰等维度更有优势。短视频平台擅长场景化动态展示，在智能配置、空间等维度的引用率高于综合资讯平台，成为垂类媒体之外的重要补充信源。主打智驾的车型与主打价格、保值率的走量车型，需要布局的信源并不重合。
引用率与贡献率：衡量两件不同的事
报告区分了三个核心指标：
- 信源引用率：以引用内容 PV 为统计维度，衡量某域名信源在全平台被引用信源中的占比，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，衡量该信源能覆盖解答的用户问题范围，反映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。
引用率与贡献率衡量的不是同一件事：前者关注被引用的频次，后者关注能覆盖的问题面。两者未必同步——一个信源可能被频繁引用，却只集中在少数问题上；也可能引用频次一般，却广泛出现在各类问题的回答里。把两个指标放在一起看，可以判断一个信源究竟是被广泛用于各类问题，还是只在少数问题上被反复引用；后者往往对应单纯刷量带来的数据泡沫。
结语
垂类媒体拿走七成以上信源份额，源于 AI 在回答「哪款车值得买」「不同车型怎么选」这类决策问题时，会优先调用专业、中立、可验证的内容。垂类媒体拥有标准化的专业评测体系、资深编辑与测试团队、多年积累的车型知识库，以及可直接解析调用的结构化数据。
汽车 3-5 年的产品生命周期与 AI 大模型 1-3 个月的迭代周期天然错配，引用位置并不会一次形成就长期稳定。真实、权威、结构化的信源受算法迭代影响较小，更容易沉淀下来；信源建设也因此从一次性优化转向持续维护——在新车发布、价格调整等节点及时更新信息，并对 AI 给出的错误信息及时发现、纠正。