2025年汽车行业分析：重卡北斗融合加速落地，保险数字化重塑风险定价新格局

1. 北斗定位规模化落地，推动重卡行业结构升级

北斗强制装机为重卡加装了厘米级定位与智能视频“数字底座”，驱动车辆管理从人 工经验走向实时数据。终端持续上传位置、驾驶行为与工况信息，云平台据此实施动 态调度、超速超载管控，并通过 ADAS 系统提升安全与效率。完整的数据链还能支持 预测性维保与油耗优化，为重卡智能化升级提供可复制、可扩展的技术基石。

1.1行业修复周期开启，重卡市场集中度稳步提升

当前重卡行业正处于销量向上修复阶段，随着市场需求回暖和以旧换新政策逐步落 地，市场体量逐步恢复。同时，排放升级、环保合规要求提高、融资环境收紧以及智 能化投入门槛的提升，或进一步提升市场集中度。市场份额持续向具备规模、技术与 渠道优势的头部企业集中，这些企业在价格和配置方面的话语权也同步提升。行业结 构的收敛不仅提高了整体运营效率，也有望为后续智能网联与数据化服务的深度渗 透奠定了主导格局。

1.1.1 销量周期底部抬升，行业复苏动能渐强

重卡行业在 2015 年至 2024 年间经历了两轮快速增长阶段。2016 年开始国家加大力 度治理超限超载，单车运力下行带来物流重卡需求提升，叠加 2018 年以来蓝天保卫 战提前淘汰京津冀国三及以下排放标准重卡、排放法规升级到国六等因素，重卡行业 经历 2017-2021 年上半年连续 5 年高景气阶段，2021 年下半年进入周期尾声。2020 年，在“国三淘汰”政策推动及逆周期基建投资的带动下，年销量达到 161 万辆的高 点。然而，受高基数效应、排放标准从“国五”切换至“国六”导致的购车真空期， 以及疫情对货运需求的压制等多重因素影响，2022 年销量下滑至 67 万辆。2023 年， 内需驱动叠加出口共振，我国商用车市场实现恢复性增长，销量回升至 91 万辆；2024 年销量持在 90 万辆左右。2025 年上半年重卡销量同比增速已回升至 5.8%，自 2 月 以来整体呈现温和复苏态势，行业修复节奏逐步推进。

在“国六”排放标准切换与新能源政策推动下，国内重卡新车市场正逐步从传统柴油 车型向“国六+新能源”双主导结构转型。2017 年至 2020 年期间，市场以“国五” 车型为主，其占比长期维持在 90%左右，“国四”车型逐步退出。自 2021 年 7 月全面 实施“国六”排放标准后，“国六”车型迅速取代“国五”，成为市场主流，2022 年后 “国四”及以下车型基本消失。与此同时，受相关政策影响，新能源（以电动为主） 车型销量占比自 2021 年起快速上升，至 2024 年已接近 20%，预计 2025 年有望进一 步提升。这一结构转变体现了政策引导与市场升级的协同效应。

重卡板块迎来多重利好支撑。投资约 1.2 万亿元的雅鲁藏布江下游水电工程已于 7 月 19 日正式开工，作为全球大型水利水电项目之一，我们认为有望带动大量工程用 车需求，从而拉动重卡市场。随着换车补贴政策加速落地，叠加基建投资持续推进， 重卡行业销量实现快速回升。2025 年 6 月，重卡销量达到 9.2 万辆，同比增长 29%， 环比增长 3.6%。其中，2025 年 1-5 月，电动重卡占比突破 26%。受益于低基数效应 及“以旧换新”政策拉动，预计行业景气度或将在下半年延续提升趋势。企业端反馈 积极，整体呈现“淡季不淡”的运行格局，体现行业对市场回暖的信心在持续增强。

1.1.2 结构调整与更新换代有望驱动重卡销量增长

中国重型载货车保有量总体保持增长趋势，并自 2021 年起进入高位稳定阶段。2016 年全国重卡保有量为 569.48 万辆，年增长率为 7.4%；此后持续增长，2017 年突破 630 万辆，同比增长 11.6%。至 2020 年，保有量达到 840 万辆，较 2015 年增长近 60%。2021 年保有量达到峰值 907 万辆后，行业进入平台期。2022–2023 年连续两年 小幅回落，分别为 894 万辆和 882 万辆，同比均下降约 1.4%。当前保有量维持在高 位，结构优化与更新换代有望成为市场的主要驱动力。我们认为，2025 年以来随着 以旧换新政策以及内需驱动等多种因素影响下，我国重型载货车保有量整体有望保 持稳定。

1.1.3 头部企业份额稳中有升，行业集中趋势延续

国内重卡行业竞争格局高度集中，头部五家企业长期占据超八成市场份额。截至 2025 年 5 月，中国一汽以 23.7%的份额稳居第一，东风汽车占比 20.7%，中国重汽为 17.8%， 福田汽车（含戴姆勒）10.4%，陕西汽车为 10.3%。2025 年 1-5 月，前五企业合计市 场份额达到 82.9%，行业集中度处于高位。福田汽车与中国重汽近年来增长稳健；中 国一汽表现稳定；东风汽车份额虽有波动，但整体维持在 20%左右；陕西汽车自 2020 年起回落后又回升。其余企业市场份额从 2019 年的 20.2%缩减至 2024 年的 15.3%， 2025 年小幅回升至 17.1%。竞争格局略有松动，但头部企业优势仍较为稳固。

1.2北斗定位加速落地，重卡智能网联产业链进入兑现期

北斗定位与智能视频终端的大规模装机，正加速推动重卡从“网联试点”迈向“商业 兑现”。在政策红利与补贴资金的支持下，硬件升级安装进程提速，运营商与设备商 实现快速批量交付，车端高频生成定位、视频及驾驶行为等实时数据。伴随装机量提 升，数据平台进入放量阶段，为保险风控、智慧调度、高精度地图等场景提供可交易 的数据要素，催生持续性收费与增值服务。技术落地、场景应用与数据变现三线共振， 产业链有望进入加速发展新阶段。

1.2.1 车载定位技术三十年演进，驶入“5G+北斗”融合新时代

中国重卡通信与定位技术起步于 2G/GPS 阶段，经过三十余年发展，正迈向“5G+北 斗”融合新时代。90 年代 2G 网络进入中国。2009 年 3G 商用推动车联网发展，2013 年 4G 牌照发放并叠加交通运输部的终端安装政策，联网监管逐渐成为行业刚性要求。 2018 年，北斗地基增强系统完成基本系统研制建设，具备为用户提供广域实时米级、 分米级、厘米级和后处理毫米级定位精度的能力。2019 年 5G 商用启动，2020 年开启 2G/3G 退网进程，定位服务逐步从依赖 GPS 向北斗自主转变。 2020 年，北斗三号提前半年完成全球组网，自主导航精度和覆盖范围进一步提升。 2022 年国务院发布《新时代的中国北斗》白皮书，2024 年中国移动发布《中国移动 5G+北斗系统发展与应用白皮书》，为未来应用场景和技术演进明确方向。2025 年, “5G+北斗”有望在交通运输领域进一步普及，视频监控、风险预警和智能驾驶等功 能也有望深度融合。

1.2.2 政策助力，北斗终端装机进入全面推进阶段

随着政策落地与产业协同加深，北斗车载终端正加速从试点示范迈向规模化应用。 2012 年交通运输部规定，从 2013 年起，各示范省份在用的旅游包车、大客车、危险 品运输车辆需要更新北斗兼容车载终端。2014 年政策进一步明确，2015 年底前重型 货车须完成卫星定位设备安装并接入符合要求的监控平台。2020 年交通运输部提出 加快推动北斗车载终端升级及新一代北斗终端的研发与推广；2022 年国务院安委办 发文，强调北斗高精度定位、图像识别、5G+AI 等技术在交通安全治理中的深度应用； 2024 年多部门联合印发《交通运输大规模设备更新行动方案》，大力推进先进装备与 北斗终端普及，有望为智能调度、风险预警与合规监管提供核心数据基础。 重卡车载定位方案正向新一代北斗定位系统升级。相比原定位方案，新一代北斗导航 系统在硬件上实现了精简、数据链单一的优势，从而显著降低成本。依托全国北斗增 强网，系统已达到厘米级至后处理毫米级精度，满足监管与调度需求。更为重要的是， 新一代北斗导航系统自主可控，避免了对海外 GPS 的依赖。从成本、性能、安全及政 策导向等多维度来看，新一代北斗导航系统有望成为当前国内重卡定位更优的技术 路径。

全国北斗终端规模化推广正在加速推进，但各地运维模式和执行方式差异明显。广 西全面推进广西籍“两客一危”车辆、重型货车（用于公路营运的半挂牵引车和总质 量为 12 吨及以上的普通货运车辆）、城市公交车、巡游出租车免费换装使用智能安 防服务设备，接入自治区统一监管平台，并计划在 2025 年内，运用广西重型货车北 斗智能视频监管系统的技术服务，将“北三”单模与智能视频技术深度融合和应用， 对全区 22 万辆重型货车进行监管。

中汽院与信息发展合作，正式启动北斗+ASLM 规模应用重点营运车辆智能网联系统项 目。双方明确，到 2025 年 12 月 31 日全面完成 20 万套北斗车载智能终端的安装任 务。宁波市在 2022 年则采取设备升级补贴策略，交通和财政部门联合给予每车 100 至 400 元补贴，推动终端加装进度。总体来看，财政补贴及示范项目成为主要推广路 径，但各地执行节奏和资金支持力度存在差异。

1.2.3 北斗赋能下的重卡产业链重构与多环节受益

在国家北斗规模化应用终端装机与补贴机制的推动下，“北斗+重卡”产业链已形成 从政策驱动到数据变现的完整闭环路径。政策端通过硬性装机要求和专项资金支持 提供初始动力，交通运输管理部门则借助招标采购和年检挂钩确保政策落地，创造稳 定的终端需求。在设备端，北斗服务商与运营商合作实现批量交付，同时配套提供通 信、运维及 SaaS 平台服务，持续采集车辆的高频定位、视频和驾驶行为等核心数据。 这些数据经过标准化处理后，被应用于保险定价和智慧交通等商业场景，不仅创造额 外收益，还能推动服务商在算法与硬件上的迭代升级。

北斗重卡行业迈入投资回报期。硬件成本持续优化，车路协同方案加速商用化进程； 政策端强制安装与补贴政策双轮驱动，有效拉动终端设备更新需求。运营服务形成稳 定现金流，车联网通信及 SaaS 运维贡献持续收入。关键突破在于行车数据的商业化应用，保险风控和智慧交通方案或可实现盈利变现。当前行业格局中，运营商与数据 平台协同构建竞争壁垒，而补贴发放、数据交易机制完善及市场回暖或是成为短期发 展关键变量。 信息发展作为“北斗+重卡”产业链中数据变现的关键服务商，地位持续加强。其技 术布局已从单一定位升级至“北斗+L2 级辅助驾驶”融合体系，包括 AEBS 自动紧急 制动、DSM 驾驶员状态监测与 ADAS 辅助驾驶等关键功能，助力构建智能化终端标准。 截至 2025 年 7 月信息发展终端签约量已超百万套，累计发货超 40 万台，前装端成 功打通主机厂的系统壁垒，覆盖全国 20 余省。其多元化的保险合作模式（包括降赔 分润、UBI 服务、护航收费等）构建了稳定的变现路径，保险降赔对应实际降赔部分 的提成比例大概在 50%-80%。

2. 重卡保险困局与数字化破题路径

重卡保险面临高风险、高赔付与上险难等困境，传统模式难以为继。随着政策推动与 北斗终端的普及，数字化手段成为破局关键。基于北斗采集的精准运行数据并借鉴 UBI 模式，构建“定价-控损-管理”全流程闭环，有望提升风控能力，推动车险从粗 放走向精细。

2.1重卡保险现状：上险难、赔付率高，供需失衡严重

当前重卡保险市场面临显著的结构性矛盾，旺盛的投保需求与持续萎缩的商业险供 给形成对立。事故风险高、赔付成本重、数据不透明等问题叠加，使保险公司大幅收 缩承保范围，统筹互助机制快速发展，行业整体陷入高风险与低保障并存的困境。

2.1.1 上险难、赔付率高并存，保险市场供需矛盾突出

近年来重卡保险需求增多。重卡尤其是新能源重卡在物流运输、城市配送等场景中的 渗透加快，带来了更强的保险保障需求。保费贵，重卡业务在车险市场的保费占比约 12%。然而，在实际操作中，大量新能源重卡仅能投保交强险。车损险、三者险等商 业险种普遍面临投保受限，部分车主因无法购买商业险，在事故发生后被迫承担十几 万元的赔偿责任，运营压力骤增。传统重卡车主同样存在上险诉求，但因保险方案收 紧，部分车辆陷入“无险可投”的困境。在事故风险高企的重卡运营场景下，投保意 愿与有限的保险可得性之间矛盾日益突出。

保险公司的承保意愿持续下降。重卡整体出险率和赔付金额长期居高不下，中重型货 车年均司机死亡人数超 2 万人；在冷链运输、电商快递等细分场景中，货损赔付责任 难以界定、理赔频发，进一步放大了不确定性风险。在高赔付、高波动、定损难的多 重压力下，保险公司将重卡保险归类为“高赔低收”的“垃圾业务”，大幅压缩承保 范围。同时，新能源货车赔付率较燃油车高出约 40%，随着其在重卡中的销量持续上 升，整体赔付风险也进一步加剧。总体来看，重卡车险市场正陷入“强需求、弱供给” 的结构性困境，供需矛盾日益加剧。

2.1.2 信息不对称、定价受限加剧承保难题

信息不对称问题导致重卡风险难以量化。由于存在信息不对称问题，保险公司较难对 重卡风险进行有效识别与评估。如在技术迭代领域，电池、电驱、智能驾驶技术快速 升级，保险公司或缺乏历史理赔数据支撑精准定价。信息不对称不仅体现在保险公司 与车主之间，也存在于保险公司与主机厂、平台企业之间，严重影响了风险管理能力。 定价机制僵化、运营风险高企使得承保意愿持续下滑。现行车险政策对定价机制设 限，车险折扣系数被严格控制在 0.5-1.5 之间，即使车主存在超速、疲劳驾驶等高风 险行为，保费上浮空间也十分有限。此外，部分重卡运营平台存在商业模式粗放、司 机培训机制薄弱、人员流动性大的问题，使车辆处于高强度、高频率运行状态，事故 率居高不下。多重因素叠加下，保险公司在早期响应政策推动下虽一度扩大承保，但 在连续亏损后不得不主动收缩业务，重卡保险市场的承保能力持续下滑。

2.1.3 统筹互助机制盛行，行业治理难度加大

统筹互助机制扩张带来新的风险隐患。在商业险供给持续收缩的背景下，以“车辆安 全统筹”“车队互助”等为代表的统筹互助机制快速扩张。这类统筹互助模式最早由 大型运输企业内部自建，用于车辆之间的互保互助，但随着运营逐步放开且缺乏监管， 部分组织频繁出现卷款跑路、赔付无保障等问题，市场信任度不断下滑，赔付风险反 而进一步扩大。 供给受限与监管趋严双重挤压投保通道。部分保险公司虽在监管压力下不公开拒保， 但存在设置高额附加费用、限制网点、系统故障等手段“变相劝退”客户的情况，抬 高投保门槛。部分卡车司机为节省保费，选择异地投保作为替代路径，但随着监管机构加大对异地投保的整治力度，该空间也迅速被压缩。正规保险体系与统筹互助机制 之间的结构性矛盾持续加深，反映出当前保险行业在应对重卡高风险市场时，亟需建 立更稳定、规范、可持续的制度供给与治理机制。

2.2降赔方案：数字驱动的车险降赔路径

综上所述，当前重卡车险正处于数字化转型关键期。在政策推动和监管引导下，北斗 终端可实现对车辆全生命周期的高频数据采集，推动车险风控从静态定价向动态闭 环管理演进。同时，借鉴海外 UBI 实践经验，融合我国北斗技术优势，有望逐步构建 以“数据驱动—差异定价—实时控损—风险管理”为核心的智能化降赔路径，既提升 保险公司的盈利能力，也助力交通安全水平的整体提升。

2.2.1 政策与监管双轮驱动，推动重卡车险风控数字化转型

政策推动北斗终端强制安装。国家近年来出台多项政策，要求“两客一危”等重点营 运车辆必须加装具有定位与监控功能的北斗车载终端，实现对车辆运行状态的动态 监管。这一政策为保险公司获取驾驶行为、载重合规、车辆运行轨迹等关键风险数据 提供了前提条件，使风险控制能力从“事后理赔”向“事前预警”与“过程干预”转 型成为可能。 监管端鼓励风险系数下调指标。监管机构在车险综合改革中明确支持运用生物科技、 图像识别、人工智能、大数据等科技手段，引导行业将“自主渠道系数”和“自主核 保系数”整合为“自主定价系数”，并通过费率回溯与产品纠偏机制，推动赔付控制 和保障提升。

2.2.2 借鉴海外 UBI 模式，构建数据驱动的差异化管理体系

UBI（Usage-Based Insurance）车险模式是提升商业车险风险管理效率的重要路径。 该模式以美国、欧洲为代表，通过采集车辆实时运行数据，如车速、急刹车、转向频 率、驾驶时段等关键指标，构建个体化风险模型，实现保费动态定价、行为激励机制 与差异化理赔策略，从而显著降低赔付率、优化风险结构。以美国前进保险公司为例， 其率先探索基于驾驶行为的车险定价体系，已在大规模用户群体中实现精细化风险 评估与差异化定价，成为 UBI 模式落地应用的典型代表。近年来，欧洲主要保险机构 也广泛应用 UBI 技术，推动车险从“人群平均定价”向“个体精准定价”转型，覆盖 范围逐年扩大，风险管控能力持续增强。 以特斯拉 UBI 为例，UBI 模式有效提升了风险定价的精准度和理赔效率。特斯拉利用 自有车辆传感器和 Autopilot 系统，实时采集多维度驾驶行为数据，结合安全评分 （Safety Score）体系，对用户实施动态保费调整，实现精准风险管理。车主可通过 Tesla App 完成全流程在线投保和管理，省去了传统中介环节，提升了用户体验。该 服务已在美国多个州正式上线，具有重要的示范和借鉴意义。

Lemonade 则通过 2021 年收购 UBI 车险科技公司 Metromile，快速构建“AI+数据” 驱动的智能车险体系。Lemonade App 可采集驾驶行为数据，构建动态定价模型，提 供远程信息处理、碰撞检测与紧急援助等功能，显著提升用户体验。基于收购整合，Lemonade 打通从承保、定价到理赔的端到端自动化流程，降低运营成本，提高核保 效率。其 UBI 模型已在风控、定价等环节实现提效控损，验证了“AI+数据”在车险 业务中的可行性与商业化路径。 我国重卡保险市场可借鉴 UBI 模式以构建差异化管理体系。一方面，北斗终端和车 联网系统的普及为数据采集提供条件；另一方面，赔付率高企、定价粗放等现实痛点 亟需差异化手段进一步改善。

2.2.3 险前、险中、险后全覆盖，北斗有望助力重卡保险实现闭环式降赔

险前利用北斗终端数据构建个性化定价体系。通过北斗终端持续采集车辆的驾驶行 为（如急刹车、急加速、转向）、运行区域、载重频次和行驶时长等多维度数据，建 立基于个体风险的精细化定价模型。这种数据驱动的定价方法能够突破传统车险折 扣系数 0.5–1.5 的限制，更准确地反映每辆车及其驾驶员的实际风险水平，实现公 平合理的差异化保费定价，降低低风险车主的保费负担，同时促使高风险行为得到有 效管理。 险中实现实时风控与智能定损，提升理赔效率。北斗终端提供的实时车辆运行数据可 以监测异常驾驶行为和潜在风险，及时发出预警，辅助保险公司进行动态风险控制。 在事故发生时，详尽的事故轨迹和车辆状态信息为定损提供精准依据，有效提升理赔 速度和准确性。同时，丰富的数据支持也加强了反欺诈能力，减少虚假索赔和理赔纠 纷，保障保险资金的合理使用。

险后构建驾驶行为风险画像，推动风险动态管理。通过对长期积累的驾驶行为数据和 出险记录进行分析，保险公司能够形成全面的风险画像，实现对车队及个体驾驶员的 动态分层管理。基于风险画像，可以制定有针对性的续保政策、差异化的理赔方案和 个性化的驾驶员管理措施，帮助降低整体赔付率，提升车险业务的可持续发展能力。 北斗大数据平台盈利模式主要涵盖“布终端、搭平台、建生态、强服务”四个环节。 首先，通过终端设备发行业务获取收入，实现数据采集的基础；其次，平台建设带来 系统服务收入，支撑数据的存储、处理与分析能力；第三，依托精准的保险赔付分润 机制，实现保险公司与平台的共赢；最终，通过数据服务与数据产品的提供，形成多 方共赢的闭环生态。

具体来看，数据服务和产品收入来源于多个维度。保险公司基于驾驶行为数据开发个 性化保险产品，提升风险管理和定价精度；车辆管理企业利用数据进行人员风险控制 和车辆运营优化；驾驶员通过行为改善降低事故风险；政府监管部门借助数据监控有 效降低人员伤亡。平台通过满足各方需求，实现数据价值最大化，推动整体业务的可 持续盈利。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）