小鹏AI营销内幕：车图与KV生产范式重构

小鹏汽车将AIGC嵌入营销物料生产与全员协作，LoRA车图模型、Midjourney合成KV、数字员工Iron渗透率70%。这不是工具试点，而是营销供应链与组织效率的重构。

营销车图：训练车辆LoRA模型，输入文字即可快速渲染车图；3D渲染车辆+AI生成背景+光影合成与精修，突破实拍场景、时间与成本限制。

这段描述出自小鹏汽车数据智能中心设计总监王承炀在行业大会上的分享。它不是一句技术口号，而是一条已经跑通的内容生产链。小鹏汽车正在把AIGC从“尝鲜工具”变成营销物料的基础设施。本文拆解其两个可核实案例，看清车企营销供应链正在发生的结构性变化。

一、一张发布会KV，暴露了旧范式的三个死结

汽车品牌每年要产出多少张KV、多少组车图、多少条短视频？答案远超多数人的想象。新车上市、车展发布、区域促销、数字投放、社交媒体内容，每一个触点都在消耗大量视觉物料。传统生产模式下，这些物料依赖实拍或纯3D渲染，背后有三个难以绕开的死结。

第一，场景受限。实拍需要车辆到位、天气配合、场地协调。想拍雪山、沙漠、未来城市或外星地表，要么大费周章，要么直接放弃。小鹏MONA新色上市时需要一个科幻场景，如果走实拍，光是搭景和后期成本就可能吃掉整场营销预算。

第二，周期冗长。从创意提案、拍摄、修图到最终交付，一张主KV往往需要数周。车展、发布会等节点密集，物料需求集中爆发，排期冲突是常态。小鹏广州车展X9发布会的物料体系，如果完全依赖传统流程，很难在短时间内完成多版本、多尺寸的适配。

第三，成本刚性。实拍和高端3D渲染都是重投入。一次拍摄可能只产出几张可用图，后期改需求又得返工。对处于激烈价格战中的中国车企来说，营销物料成本如果降不下来，就会挤压终端价格空间。

小鹏的解法是把AIGC直接嵌入生产管线，而不是在单张图上做实验。这个选择，让营销物料的生产逻辑从“项目制外包”转向“模型化自产”。

二、小鹏的AIGC营销物料生产：从LoRA到Midjourney的混合管线

根据盖世汽车和车族时代的报道，小鹏汽车数据智能中心设计总监王承炀在2024至2025年的行业大会上，系统介绍了AIGC在品牌营销物料中的应用。核心动作可以拆成两层。

1. 训练车辆LoRA模型，把车型变成可调用的数字资产

LoRA是一种轻量化的模型微调技术。小鹏团队针对自有车型训练LoRA模型，输入文字描述就能快速渲染出符合品牌调性的车图。这等于把每一款车的视觉特征、比例、材质、光影关系，沉淀成了一个可重复调用的数字资产。

过去，设计师要得到一个特定角度、特定场景的车辆图，需要找3D模型、调材质、打灯光、渲染、后期。现在，模型已经“认识”了这款车，设计师只需要描述场景和氛围，AI就能生成基础画面，再由人工完成光影合成与精修。MONA新色上市的科幻场景，就是通过这条管线快速产出的。

2. Midjourney合成发布会KV，重构线下活动物料流程

广州车展X9发布会的主KV，背景由Midjourney生成，再与车辆空背图合成。X9空间活动中的外星场景、竖版画面补齐、AI合成车内人物等，都是围绕自有车型推广展开的。

这条管线有两个关键点。第一，AI生成背景，而不是生成整车。车辆本体依然使用真实或3D渲染的空背图，保证产品细节准确、品牌一致性不受损。第二，AI负责场景扩展和版本衍生，人工负责最终审核和精修。这种“AI生成+人工精修”的混合模式，既提升了效率，又守住了品质底线。

王承炀在分享中提到，AIGC已经赋能品牌营销、KV、线上线下活动设计等多个部门，显著缩短了物料周期。这意味着，小鹏不是让一两个设计师去用AI，而是把AI能力铺到了整个营销物料生产组织里。

三、数字员工Iron：把AI塞进每个员工的营销工作台

如果AIGC只停留在设计部门，它只是局部提效工具。小鹏的第二步，是把AI创作能力开放给全员。

2025年初，小鹏向全员配备AI数字员工Iron。根据36氪和阿里云客户故事的报道，Iron集成了44个服务台、知识库以及AI创作能力。在营销层面，Iron支持文案编写与润色、文生图、图生图、图生视频等多模态内容生成。何小鹏在内部组织进化讨论中明确表示，数字营销层面AI已经用于营销海报生成等场景。

更关键的动作是，设计团队把AI车图生成能力接入了Iron。这意味着，任何一个员工，不管是不是设计师，都可以通过简单界面生成营销车图。一个区域市场专员要做本地投放素材，不用再等总部设计排期，直接在Iron里输入需求就能拿到可用的基础画面。

2025年上半年，Iron渗透率接近70%。这个数字的意义不在于“大家都会用AI”，而在于AI能力已经嵌入日常办公和内容产出的默认路径。小鹏正在把“会用AI生成营销物料”从一项专业技能，变成一种组织基础设施。

从“工具到同事”这个表述，准确反映了小鹏对数字员工Iron的定位。它不是放在桌面上的一个软件，而是进入工作流、参与协作、承担具体任务的“同事”。营销素材的生成、修改、多版本适配，不再需要层层流转，而是在Iron里完成第一轮产出。

四、为什么小鹏的路径值得中国车企和营销负责人警惕

小鹏的案例不是孤立的AI试点，它指向一个更深的趋势：营销内容供应链正在工业化。

中国汽车市场的竞争烈度，要求品牌在更短周期内产出更多、更个性化的内容。新车发布节奏从一年一款加速到一年多款，社交媒体渠道对内容数量的需求指数级增长，区域营销和经销商体系也需要大量本地化素材。传统的“总部设计+外包拍摄”模式，已经无法支撑这种需求。

小鹏的做法，本质上是把“车图/KV生产能力”从人的经验中抽离出来，沉淀为模型资产和流程。LoRA模型是品牌资产，Iron是分发管道。前者保证品牌视觉一致性，后者保证生产效率。一旦这套体系跑顺，营销物料的边际成本会大幅下降，响应速度会从“周”压缩到“天”甚至“小时”。

对CMO和营销负责人来说，这带来一个无法回避的问题：你的营销供应链里，有多少环节可以被模型化？如果竞争对手已经把KV生产周期缩短一半，而你的团队还在等外包公司返图，差距就不只是效率，而是整个营销节奏的失配。

更值得警惕的是组织层面的变化。Iron渗透率70%的背后，是“营销内容生产权”的下放。过去只有设计部门能产出的物料，现在区域、渠道、销售、甚至人力资源部门都能生成第一版。这意味着，营销内容的质量控制、品牌一致性管理、版权和合规审核，必须从“事前审批”转向“模型约束+事后抽检”。CMO的角色，也会从“物料把关人”变成“模型与流程设计者”。

五、企业如何复制：营销AIGC基础设施四步法

小鹏的路径给了中国车企和大型消费品牌一个可参考的框架。想要复制，不能只买几个AI账号，而要按基础设施的逻辑推进。

第一步：沉淀品牌可控的模型资产

训练自有产品、自有场景的LoRA模型，或者建立Midjourney、Stable Diffusion等工具的提示词体系和风格参数库。重点是把品牌视觉规范、产品特征、核心场景变成可调用的数字资产，而不是让员工随意生成。

第二步：搭建“AI生成+人工精修”的混合管线

不要让AI直接产出终稿。车辆、产品、人物等核心元素使用真实素材或精细3D模型，AI负责背景、场景、氛围和衍生版本。人工负责光影合成、细节修正和品牌审核。这条管线既保证效率，又守住品质。

第三步：嵌入组织协作系统

把AI生成能力接入企业微信、飞书、钉钉或自研数字员工平台，让非设计岗位也能通过简单界面使用。小鹏的Iron就是典型。关键是降低使用门槛，让一线营销人员不需要理解提示词工程，也能得到可用素材。

第四步：建立度量与迭代机制

追踪物料生成数量、生产周期、成本节省、渠道使用率和内容效果数据。根据投放反馈，持续优化模型资产和提示词策略。AIGC基础设施不是上线就结束，而是需要运营和迭代。

这四步的共同目标，是把AIGC从“设计师的个人技能”升级为“组织的生产能力”。只有当模型资产进入流程、流程嵌入系统、系统覆盖全员，效率红利才能真正释放。

六、结论：营销竞争进入“模型即物料”阶段

小鹏汽车的两个案例，表面上是AIGC在车图和KV生产中的应用，实质是营销供应链的一次结构性改造。训练LoRA模型，是在积累品牌自己的视觉模型资产；引入Midjourney合成，是在重构线下活动的物料生产流程；数字员工Iron向全员开放，是在把AI创作能力变成组织默认的工作方式。

当行业还在讨论“AI能不能替代设计师”时，小鹏已经用70%的Iron渗透率给出了不同的答案：AI不是替代设计师，而是替代那些重复、低效、被流程拖累的生产环节。真正的竞争，发生在模型资产的积累速度和流程嵌入的深度上。

未来两年，车企和大型消费品牌的营销效率差距，将不再来自创意团队的多少，而来自谁先把“模型即物料”的体系建起来。小鹏至少已经在这条路上跑出了第一个可核实的版本。中国的营销负责人，没有理由继续观望。