网上天天讲崩直线的是电车，但搞了半天，零百最快的量产车其实是个油车：Dodge Demon 170 在 prepped 赛道上跑出约 1.7 秒的零百。零百成了电车的招牌指标，就像手机跑分成了芯片的招牌指标。问题是，为什么偏偏是零百，不是纽北圈速，不是 100-200 km/h 加速，不是连续十圈不掉功率？
因为零百是电车最容易赢的指标。低速起步主要看轮胎抓地、四驱扭矩分配和瞬时扭矩响应。电车扭矩从零转就给满，四驱控制用软件就能调，所以一台两吨半的电动轿车也能把零百刷到 2 秒以内。这个指标不需要驾驶技术，不需要赛道经验，不需要对车辆动态的完整理解。它只需要一个足够大的电机和一个足够聪明的 launch control。
但零百之所以被反复拿出来说，不只是因为它容易赢，还因为它最适合”赛博斗蛐蛐”。大多数人没有综合评价一台车优劣的能力，圈速要看赛道条件，驾驶反馈要看个人体感，保值率要看时间，这些都太主观、太复杂、太难争。零百不一样，一个数字，谁高谁低，一目了然。粉丝不用懂底盘，不用开过赛道，只要自己支持的品牌数字更大就能宣布胜利。这就是赛博斗蛐蛐的核心：选一个人人都能理解的客观指标，然后在这个指标上互相争，争的是粉丝身份，不是产品判断。
赛博斗蛐蛐能争出谁的支持者声音更大，但争不出一个更有用的问题：这东西到底值多少钱。零百能告诉你动力系统强不强，但一辆车卖多少钱，从来不只取决于某一个数字。
高性能电车的造法，和美式肌肉车是同一个套路。大电池、大功率电机、大刹车、宽胎，围着一个离唐的动力数字堆。这和 Hellcat、Demon 的逻辑一模一样：先塞一个大排量机械增压 V8 进去，再围着它补传动、补悬挂、补轮胎、补冷却。技术介质变了，精神没变：用压倒性动力解决问题。
之前那篇关于底盘的文章讲过电车”大力出奇迹”的工程哲学：电池太重，战略层被锁死，只能在战术层面发动军备竞赛。这个判断在底盘层面成立，放到整个产品定义层面也成立。电车不是从零开始设计一台跑车，而是先给一个离谱的马力数字，再用大刹车、大胎、大冷却、软件控制去把这个数字勉强驯服。
肌肉车从来没卖贵过。Hellcat 起价 7 万美元，Demon 170 也就 20 多万。这个价格区间不是偶然。单点极端的产品，定价天花板天然很低，因为你牺牲了其他所有维度来喂这一个指标。重量上去了，热管理难了，刹车脚感差了，驾驶反馈没了，日常可用性妥协了。买家拿到的是一张成绩单，不是一台完整的车。
赛道是单点极端路线的试金石。保时捷 911 GT3，502 马力，纽北 6 分 59 秒。仰望 U9 Xtreme，超过 3000 马力，纽北 6 分 59 秒。功率六倍，圈速一样。
U9 Xtreme 不是普通 U9。BYD 为这辆车重新做了冷却系统，换了碳陶刹车，装上 GitiSport 半热熔胎，限量 30 台。它跑出 6:59 已经是电车工程的硬成绩。但这个成绩说明的不是”电车比油车强”，而是”大力出奇迹在赛道上有效率天花板”。GT3 用 502 马力做到同样的圈速，靠的是重量、空气动力、底盘几何、制动一致性和热管理的矩阵效率。每一匹马力都发挥到了极致，而不是靠多出来的两千多匹马力去硬怼物理。
Car and Driver 在 Virginia International Raceway 的 Lightning Lap 数据也能说明问题。Corvette Z06 跑出 2 分 38 秒，比 Ferrari 296 GTB、Lamborghini Huracán Performante 都快，起价 11 万美元。Ferrari 296 GTB 在英国起价 25 万英镑以上。如果圈速快就该卖贵，Corvette 应该卖最贵。但圈速和价格之间没有线性关系。
2026 年 7 月，Ferrari 发布了 12Cilindri Manuale：830 马力自然吸气 V12，六速手动挡，限量 1499 台，起价 59 万欧元。标准版 12Cilindri 用自动双离合，起价 39.5 万欧元。手动挡比自动挡贵 50%，极速还更低：手动模式 315 km/h，自动模式 340 km/h。更慢、更贵、更难开。这在”可量化”框架里完全说不通。手动挡没有自动挡快，换挡有延迟，离合器有学习成本，堵车时累人。但在 Ferrari 的框架里，它说得通：手动挡不可复制。自动双离合可以被任何厂商采购，被任何工程师调校。手动 V12 加 gated shifter 加离合踏板，是 Ferrari 七十年叙事的一个具体物件。它不是在卖性能，是在卖一段你只能在这里买到的东西。
Lamborghini 走的是另一条路。它从来没跑过 F1，圈速从来不是同级最强。但 V12 自然吸气发动机、剪刀门、低宽夸张的造型，站在那里就是社交货币。它卖的不是赛道成绩，是戏剧性和符号价值。你买一台 Lambo，买的不是零百快 0.2 秒，是”我开的是 Lambo”这件事本身。
可量化的强必然被追平。肌肉车的零百被电车追平了，电车的圈速会被下一个大功率电车追平。一旦一个维度可以被量化、可以被比较，竞争就会收敛到成本，定价权归零。
卖得贵的东西，贵在不可复制。Ferrari 的不可复制来自 F1 七十年的叙事积累、限量分配策略、客户审查制。你不是给钱就能买，你得是”合格的 Ferrari 客户”。LV 包装东西不如蛇皮袋，但定价权碾压蛇皮袋，因为百年工艺叙事和品牌符号不可复制。Maybach 的不可复制来自”不跟你比参数”这个姿态本身：它不跟你讲马力，不跟你讲圈速，它讲一个穿西装的人从私人飞机上走下来坐进后座的画面。
工业品逻辑是：可量化到可复制到竞争收敛到成本到定价权归零。手工艺品逻辑是：不可量化到不可复制到竞争不收敛到定价权存在。可量化是入场券，不是定价权。你得先有一个过得去的零百、一个过得去的圈速、一个过得去的 benchmark 分数，才有资格上桌。但上桌之后，决定你能不能卖贵的，是那些不能被复制的东西。
AI benchmark 文化就是零百文化。哪个模型在 MMLU 上最高，在 SWE-bench 上最强，在 HumanEval 上领先，就被当成”最强 AI”。这和车迷拿零百斗蛐蛐是一回事：选一个数字，谁的数字大谁就赢，不用懂工程，不用看实际效果，粉丝直接宣布胜利。
技术人员面对”AI 很难 evaluate”时，第一反应是刷榜单，这完全可以理解。用户和投资人需要锚点，你说”我的模型体验更好”但拿不出数字，他们连候选名单都不让你进。对 Ferrari 来说，它可以不比圈速，因为它有七十年的赛事叙事和稀缺性积累。但一个新品牌没有这个积累，用户第一反应是你凭什么进候选名单。所以 benchmark 是入场券：先证明你不是玩具，才有机会坐下来谈。
但刷上去的那一刻，你就把自己放进了比价货架。你说自己 MMLU 91 分，采购马上会问：另一个模型 89 分但便宜 40%，我为什么买你？这和肌肉车卖不贵是同一个逻辑。Hellcat 零百再快也卖不出 Ferrari 的价格，因为它把自己放进了马力、加速、价格这张表里，而那张表里永远有更便宜的对手。你选择了在一个可量化的维度上竞争，竞争就会收敛到性价比。
更麻烦的是，benchmark 是公开的测试集，模型可以针对它做专门优化，甚至在训练数据里混入测试题，把分数刷高。一旦这种事被普遍知道，分数就从证据降级成线索。汽车圈看零百已经会追问轮胎、地面、rollout、海拔；AI 用户也会追问训练集污染、prompt 模板、cherry-pick。到那一步，单个高分反而会触发尽调。真正有用的不是榜单上的数字，是用户能在自己数据上重跑的 eval，是失败案例的透明度，是产品在自己的工作流里跑起来之后到底好不好用。
MIT 一项研究跟踪了 OpenRouter 上五个月的模型用量，把这个困境的数字摊在了台面上。开源模型性能达到闭源模型的 90%，成本只有六分之一，发布后 13 周内就能追平闭源模型的 benchmark 分数。但闭源模型仍然占 80% 的用量和 96% 的收入。Benchmark 差距已经很小了，但定价权仍在闭源模型手里。这和车一样：零百的差距已经很小了，Demon 170 约 1.7 秒，Plaid 约 1.9 秒，GT3 约 2.9 秒，但定价权不在零百最强的车手里。
Benchmark 能解释注意力从哪里来，解释不了钱为什么留下。它是流量入口，不是资产负债表。
MIT 那个 13 周的数据还有一层含义：如果你是做闭源模型的 AI Builder，你的 benchmark 优势保质期只有 13 周。开源会追上你的分数，但追不上你在这 13 周里接入的客户数据、调好的权限系统、沉淀的 eval、嵌入的工作流。继续刷下一个榜单会让你永远停在赛道上，每次领先只够撑一个季度。这 13 周是施工期，不是收割期。把高分转化成默认集成位置，才可能在分数归零后继续收费。
最危险的策略不是刷榜，也不是不刷榜，而是购买前有优势、购买后没有惯性。用户因为榜单排名慕名而来，试用后发现产品接不住真实工作流，两周内流失干净。这和肌肉车一模一样：展厅里零百吓人，开回家发现不是一台完整的车。真正致命的是获客故事和留存故事分裂：前者靠分数，后者却没有任何不可替代的使用惯性。
那 benchmark 测不了的东西到底怎么卖？真正有定价权的 AI 产品，在 context 基础设施的质量、反馈闭环的可靠性、工作流嵌入的深度、用户信任的积累这些地方竞争。这些东西不能上一个 spec sheet，不能被对手”做到人有我优”，所以它们才能锚定价格。但用户不会因为你写”context 管理更好”就买单。不可量化的东西要先做成可体验的东西。用户导入一个真实项目后，AI 指出三个只有老同事才知道的约束，这个 aha moment 传递的就是”context 基础设施好”这个不可量化的价值。cold start 的解法不是解释能力，而是设计一个 20 分钟内必然发生的体验差异。
AI 产品也有自己的”矩阵”。一个好用的 AI 产品不只是模型本身，还有上下文获取、工具调用、权限边界、延迟、成本、可观测性、纠错机制、UI 工作流和团队协作。这些维度协同工作的效率，才是决定产品好不好用的关键。一个中等模型配上优秀的 repo map、任务分解、测试反馈和可回滚执行，实际产出可能超过一个裸奔的旗舰模型。GT3 的快不来自马力，来自刹车、底盘、轮胎和空气动力一起工作。AI 产品的快也不来自 benchmark 分数，来自整个矩阵的协同效率。
13 周后开源追上来，如果你留下的只有一张过期截图，benchmark 追平会直接摧毁你的定价。但如果这 13 周里用户已经把工作流迁进来了，benchmark 追平改变的只是你的底层模型采购价，不是你的客户关系。一个 benchmark 刷到第一但实际用起来不靠谱的模型，和一个零百跑 1.7 秒但赛道跑不过 500 马力 GT3 的车，是同一种东西。它们都是单点极端的系统次优解。它们的跑分有意义，但跑分不是定价权。