同一款车型在DeepSeek和豆包中的推荐理由可能完全不同——DeepSeek关注中关村在线28.9%的技术参数信源，豆包大量引用抖音12.0%的生活化内容。AI平台的内容偏好差异，直接决定了品牌在不同入口中的“存在感”形态。重庆大学与数说故事联合发布的这份白皮书，通过监测DeepSeek、豆包、通义千问、Kimi、文心一言、腾讯元宝六大AI平台，首次系统揭示了汽车行业AI推荐逻辑的平台差异、信源偏好与内容形态规律。

白皮书通过大量GEO监测数据，归纳出汽车行业AI推荐逻辑的三大特征。第一是场景化：AI推荐深度绑定用户使用场景——户外自驾游场景中坦克300提及率79%、普拉多76%；市区代步场景中海鸥77%、宏光MINIEV 71%。第二是对比化：筛选类问题中，AI大量引用“竞品对比”（DeepSeek中占比51.2%）和“榜单推荐”（34.1%）内容形态，追求快速可比较的答案。第三是信源集中化：Top 3平台（汽车之家、太平洋汽车网、懂车帝）占比42.4%，Top 10平台占比68.2%，头部效应显著。

不同AI平台的引用内容格局差异显著。DeepSeek偏好硬核技术参数类信源：中关村在线28.9%、汽车之家27.0%、易车20.6%、太平洋汽车网19.7%。其回答风格偏“对比/参数/技术评估”，在场景/人群类问题中产品介绍占比27%、使用指导11.5%、用户口碑5.3%；筛选类问题中竞品对比占比51.2%、榜单推荐34.1%。
豆包则强字节生态绑定，大量引用抖音（12.0%）、懂车帝（6.2%）、易车（6.0%）、今日头条（5.8%）的生活化、资讯类内容，更贴合大众传播场景。通义千问和DeepSeek类似，文心一言和豆包类平台更榜单化。这些平台差异意味着：同一段品牌内容在不同AI平台中的表现可能完全不同，品牌需要分平台、分问题类型制定差异化策略。

白皮书显示，不同问题类型中AI引用的内容类型差异明显。场景/人群类问题：提供产品介绍（27.0%），辅以使用指导（11.5%）和用户口碑（5.3%），整体呈现“教育型+经验参考”风格，帮助用户理解产品如何匹配场景。筛选类问题：主要依赖竞品对比（51.2%）和榜单推荐（34.1%），追求快速、可比较的答案。产品属性类问题：调用深度评测（9.9%）、行业宏观趋势（9.7%），服务政策也在此类中特有，表明属性评估问题更需要涉及标准、政策、技术进步等背景信息补充。
这一规律为品牌GEO内容策略提供了明确的方向：针对不同问题类型，需要准备不同类型的内容素材——场景类问题需要经验分享和使用指导，筛选类问题需要对比分析和榜单，属性类问题需要深度评测和行业趋势分析。

白皮书对比了AI推荐车型与实际销量的差异。20-30万SUV中，AI推荐前列车型为理想L6和比亚迪唐，与实际销量排名并不完全一致。30-40万SUV中，领克900和宝马X3在AI推荐中领先于部分高销量车型。这说明AI推荐不仅看销量，还综合考量车型热度、产品力、用户口碑等综合因素。
这一“错位”恰恰说明了AI心智的可干预性——品牌可以通过优化信源质量、内容结构和分发渠道，影响AI在特定问题中的推荐倾向，而不仅仅依赖销量数据的自然积累。