——为什么销量第一的省份不是建站第一？为什么换了电却跑不上高速？

数据基准时点：2026 年 10 月　|　本次整理在运营站点：1678 座　|　覆盖 30 个省级行政区 · 281 个城市 · 832 个区县

注：每一个点位对应一座本次核实到的在运营重卡换电站；底图为中国市级行政边界。

关于重卡换电站，公开渠道能看到的说法通常是这样的：「国内已建成换电站超过 X 千座」「主要分布在华北、华东」「未来三年将高速增长」。这些话没有错，但它们没法帮你做任何一个决策——你不知道站挨着哪条国道，不知道它每天给什么货服务，不知道一度电到底收多少钱，更不知道为什么河北有 148 座、而卖了更多车的广东只有 59 座。

这篇文章不打算给你一个「大约」的答案。我们把 2026 年 10 月这一时点上、逐条核实过的1678 座在运营重卡换电站全部落到地图上，每一座都拆出了它所在的高速编号、国道编号、省县乡道编号、服务领域、站点规模与实时价格；再把它与同一时期的新能源重卡保有量 60.75 万辆、前三季度新增上险 227,537 辆逐省对齐。结果是：那些"大概如此"的常识，有一半被数据推翻了。

先给三个结论：第一，站点空间分布与车辆销量只有中度相关（相关系数 0.646），销量解释不了全部布局；第二，决定站点位置的第一变量不是车，而是货的闭环——煤、钢、矿石、建材这类闭环运输，才是真正的建站发动机；第三，高速只覆盖了一半站点，接近三分之一的站扎根在省县乡道上，所谓"干线换电网络"目前并不成立。

先把三个数字摆在一起，它们不在同一个量级，但恰恰是这种量级差，藏着整个行业的阶段性特征：新能源重卡保有量 60.75 万辆（截至 2026 年 9 月末，较 2025 年底增长 104%，也就是说过去不到一年时间里存量翻了一倍）；2026 年前三季度新增上险 227,537 辆；本次整理到的在运营重卡换电站 1678 座。

做一道最简单的除法：每座站平均要摊到 362 辆保有新能源重卡；如果只看今年新上的车，则是每座站摊 136 辆新车。这意味着什么？意味着今天在路上跑的重卡换电车辆，绝大多数并不是靠公共换电站补能的——它们要么在企业自建的封闭场站里换电，要么使用的是充电模式，要么干脆仍在用柴油。公共重卡换电网络的真实覆盖率，远比"几千座"这个数字给人的直觉要低。

图 1　三个量级：保有量、新增上险与在运营站点（对数刻度）

数据来源：保有量与上险为 2026 年前三季度口径；站点为本次逐条核实的在运营站点

注：纵轴为对数刻度，用于在同一张图里呈现三个数量级；柱标签为原始数值。

再看第二个容易被忽略的事实：车辆是三年滚出来的存量，站点却是一年内砸出来的增量。保有量较年初翻倍，背后是 2025 年下半年到 2026 年上半年集中释放的一批牵引车订单；而换电站的建设周期通常在 4 到 8 个月——从拿地、报装到通电。两个完全不同节奏的东西被放在同一个时点上比较，天然会出现错位。所以本文后面反复使用的一个指标，不是"站多不多"，而是"站有没有跟上它应该服务的那批货"。

第三个换算，是粒度。1678 座站分布在 30 个省级行政区、281 个城市、832 个区县里，看起来很分散，但集中度差异极大：省份前 10 名占了 59.7%，而城市前 10 名只占16.2%，前 20 名也仅 26.5%，区县级则更扁平——前 20 个区县只占 11.0%。换句话说：省级层面已经出现了明显的"换电大省"，但落到城市层面，换电网络还是一张均匀铺开的薄饼，没有一个城市形成真正的密度优势。这也是为什么多数运营商在单城层面仍在亏损：站是有的，但站与站之间还没到能让司机"随便跑"的密度。

图 2　三级粒度的集中度曲线：省、市、区县

横轴为累计排名的个数，纵轴为该范围内的站点占总量百分比

注：省份仅 30 个一级单位，前 30 名即 100%；城市 281 个、区县 832 个，曲线越靠上代表集中度越高。

地图 2　全国重卡换电站密度热力图：华北与西北两个高密度核心

颜色越暖代表单位面积内站点越密集

注：热力密度按点位空间聚集度计算，用于识别连片区域，不代表单站服务能力。

在展开后面的分析之前，必须先把口径说死，这也是本文与多数报告最不一样的地方——我们把数据的边界和缺失率原样交代：

交代完这些，我们可以正式开始：先看这份布局"不合理"的地方。

前面一章算的是"换电自己"的账。但如果只盯着换电看，很容易得出一个过度乐观的判断——1678 座站、覆盖 30 个省，听起来已经是一张像样的网络了。要判断换电到底是不是趋势，必须把它放到整个新能源重卡补能版图里去量：重卡除了换电，还有充电这条路线，而且充电才是当前的主流。

先看公开的行业口径（以下外部数据来自央视网 2025 年 12 月报道及公开行业研究，时点为 2025 年底，非本次采集，仅作量级参照）：全国重卡充电站约 5000 座、重卡专用充电桩约 8.4 万根、重卡换电站超过 1200 座、已建成充换电干线 40 余条。另有行业口径称，截至 2025 年 10 月全国已建成重卡换电站 1349 座。值得注意的是，两个公开口径本身就差了 100 多座（1200 余座 vs 1349 座），说明行业至今没有一份公认的完整名录。所以这里必须提醒一句：不能把「1200 余座」与本文的 1678 座直接相减当成年度增量——两者采集口径不同，本文经过多源交叉去重与停业剔除，覆盖面可能更全，差额里既有过去一年的真实新增，也有名录补漏。可以确定的是方向而非幅度：换电站仍在快速增加，而"到底有多少座"这个问题，行业自己还没回答清楚——这也正是本文坚持逐条核实并公开缺失率的原因。

但换个分母，结论就变了。换电站数量大约只有重卡充电站的三分之一（1678 对约 5000）；如果按"桩"来算，差距更悬殊：本次样本中有 1251 座站填报了充电桩数，合计 12,736 根，而全国重卡专用充电桩约 8.4 万根，比例约 1 比 6.6。再看单站规模：重卡充电站约16.8 根桩/站（8.4 万根 ÷ 约 5000 座）；换电站按有填报的站计算约10.2 根桩/站，即便把未填报桩数的站点按 0 计入、用 1678 座做分母，也只有7.6 根桩/站。无论取哪个口径，换电站的单站桩数都明显低于充电站。这不是"换电落后"，而是两种技术路线对"站"的定义根本不同——充电站靠堆桩数提高吞吐，换电站靠换电池把时间转移走，因此不需要那么多桩，它需要的是电池仓位和周转次数。

图 3　换电与充电的设施规模对照（对数刻度）

充电站与充电桩为 2025 年底公开行业口径；换电站与配套桩为本次 2026 年 10 月整理口径

注：纵轴为对数刻度，用于在同图呈现两个数量级；柱标签为原始数值。

真正值得警惕的不是存量比例，而是份额的变化方向。2025 年全年，换电在纯电动重卡销量中的占比是30.39%；到 2026 年上半年，这个数字降到24.59%，一年时间收缩了近 6 个百分点。同期充电路线的占比升到 68% 以上，行业普遍用"充换电销量比约 7 比 3"来描述当前格局。也就是说：换电不是不重要，而是它的相对份额正在被充电吃掉。

图 4　换电在纯电动重卡中的占比正在下滑

数据来源：公开行业研究口径，非本次采集数据

注：2025 年新能源重卡销量 23.11 万辆、同比 +182%、渗透率 28.89%；2026 年上半年渗透率升至 33.7%。

那么被吃掉的到底是哪部分市场？公开研究的结论与本文后面的数据完全对得上：充电吃掉的是"门槛最低"的那一块——固定线路、夜间回场、对时间不敏感的场景；换电则退守到钢厂、港口、矿山这三大封闭场景，三者合计占换电重卡销量的七成以上。回到我们手上的 1678 座站：生产流程型场景（工业制造、物流仓储、电力能源、化工建材、钢铁冶金、矿山运输）合计 684 座、占 40.8%；31.7% 的站紧贴省县乡道；区域短途运输场景里 88.8% 的站落在省县乡道上。这些数据指向同一个事实——换电网的形态，本来就是一张"封闭场景网络"，不是一张"干线网络"。它不是没长成干线，而是它服务的货物根本不需要干线。

政策端也没有站在任何一条路线上。2026 年 5 月，交通运输部等 11 部门印发《推动新能源重卡规模化应用实施方案》，给出的目标是：到 2030 年新能源重卡渗透率 40%、保有量突破 160 万辆、支持引导建设重卡充换电站 3000 个左右、打造约 3 万公里零碳公路运输通道。注意这里的措辞是"充换电站"——政策统计的是补能能力，不区分技术路线。更早的 2025 年 7 月，四部门已提出到 2027 年底全国大功率充电设施超过 10 万台。把 3000 个这个目标和 1678 座的现状放在一起看：增量空间仍然是数倍量级，但这部分增量不会全部落到换电头上。

把这条前提立住之后，我们再回到空间布局本身——先看省一级的错位。

把 30 个省级行政区的"站点数"与"新能源重卡新增上险量"放进同一张表，第一眼看到的是错位。河北卖了全国最多的新能源重卡（前三季度新增上险 23,620 辆），站点 148 座排第二；而在这场产销榜上排第二的广东（23,474 辆），站点只有 59 座，排到全国第十三；站点数第一的内蒙古，新增上险只有 5,840 辆，连前十三名都进不去。

把 30 组数据做一次相关性检验：皮尔逊相关系数只有 0.646。这是一个"中度相关"的水平——说明销量确实影响建站，但它解释不了全部的布局逻辑。剩下那三成多的解释力在哪里？答案要在"运什么货"和"走什么路"里找。这也是本文后面两章的任务。

图 5　30 个省级行政区的在运营重卡换电站数量

柱标签为站点数（座）

注：为本次整理到的在运营站点口径，西藏本次未采到站点。

河北（148 站 / 23,620 辆）是全国唯一在销量和建站两个维度同时冲到顶端的省份。它的站点高度集中在唐山（31 座）、石家庄（28 座）、保定（27 座）、沧州（17 座）这条"钢铁—港口"轴线上：唐山曹妃甸区一个区就有 8 座站，服务的几乎全是钢厂到港口之间的短倒运输——铁矿石进厂、钢材出厂、再通过唐山港和黄骅港下水。沧州黄骅市 9 座站则是这条链条的下游接口。这类运输有个决定性特征：线路固定、里程固定、班次固定、货主固定。对换电运营商来说，这是最理想的一类客户——你不需要预测车会去哪，因为它每天跑的是同一条线。

山东（129 站 / 17,459 辆）的结构又不一样。它的第一大站群在青岛黄岛区——一个区 14 座站，全国区县级密度第一。黄岛区是青岛港集疏运的核心腹地，集装箱卡车在这里的作业半径通常不超过 80 公里，一天要进出港区 3 到 5 趟。这种"高频次、短半径、强时间约束"的场景，恰恰是充电最难满足而换电最容易吃下的：司机不接受一次补能耗掉 1 小时，这是山东密度高的根本原因，而不是因为山东的车多。

山西（138 站 / 19,549 辆）则是第三个版本。它的站点分散在大同（21 座）、忻州（20 座）、临汾（19 座）、晋城（17 座）这一串城市里——这些城市之间有明显的共性：都是煤炭主产区或煤运通道节点。山西全省面积 15.67 万平方公里，单位面积站点密度 8.81 座/万平方公里，是所有非直辖市省份中最高的。而它的服务领域构成里，"区域短途运输"占 14 座、"城市配送"17 座、"公路干线运输"59 座——也就是说，即便是标着"干线"的站，服务的也很可能是从煤矿到集运站那几十公里的短途重往返。

图 6　站点数与前季度新增上险：两条曲线并不重合（TOP15 省）

柱为站点数（左轴，座），折线为新增上险量（右轴，辆）

注：若两者完全同步，折线应与柱高度走势一致；图中明显背离处即后文所说的"错位省"。

我们构造了一个简单但很有解释力的指标：按新增上险份额，每个省"应该有"多少站。把 1678 座站按各省的车辆份额摊一遍，再与实际站数相减，得到"偏离度"。结果非常极端。

内蒙古（152 站 / 5,840 辆）是全国最大的"超前户"：按车辆份额它只需要 43.1 座站，实际有 152 座，超出 108.9 座，相对偏离 +252.9%，相当于每千辆新车配套 26.03 座站，是广东的十倍还多。这不是盲目投资。看它的城市分布就明白了：鄂尔多斯 44 座、包头 28 座、乌海 17 座——三个城市加起来 89 座，占了全区的 58.6%。再往下钻到区县级：鄂尔多斯达拉特旗 13 座、鄂托克旗 11 座、鄂托克前旗 7 座，乌海海南区 10 座。这些名字连在一起，就是中国最典型的一条煤炭短倒链条：矿区装车 → 洗煤厂/集运站 → 铁路或电厂。这条链条上的重卡，一天跑 4 到 8 个往返，单程常常只有 20 到 50 公里，但一天要补能两三次。对这种工况，换电几乎是唯一解——充电在时间上根本排不开。

值得注意的是：内蒙古的新能源重卡保有量增速达到 95.3%（较 2025 年底），接近翻倍。也就是说，超前建设的站点正在被快速增长的车辆填实——这是一场对的时间差赌博。同理还有海南（33 站 / 1,200 辆，偏离 +272.9%，保有量增速 226.1%），它是全国增速最快的省级市场之一，且岛屿地形天然形成封闭运输场景，单程运距短、跨省干扰为零，政策上对清洁能源车辆又高度倾斜，属于典型的"政策+地理"双驱动超前布局。

新疆（96 站 / 5,780 辆，偏离 +125.2%）、辽宁（47 站 / 2,285 辆，+178.9%）、甘肃（34 站 / 1,779 辆，+159.2%）则是同一逻辑的另外三个版本：幅员辽阔、资源型货运为主、运距长且替代方案少。但这里要泼一盆冷水——幅员辽阔不等于密度足够。新疆虽然有 96 座站，但按面积算是0.58 座/万平方公里，若粗略按均匀分布估算，站间距高达约 148.6 公里；内蒙古 152 座站摊在 118.3 万平方公里上，密度也仅 1.28 座/万平方公里，粗略站间距接近 100 公里。对一个标载 49 吨、满载续航普遍在 200 公里出头的换电重卡来说，这个间距意味着离开固定线路几乎无法运营。所以这些省份的站不是"网络"，而是一个个彼此孤立的闭环孤岛。

图 7　每千辆新增上险对应的站点数（站/千辆）

数值越高，代表相对车流量的站点供给越超前

注：共 30 个省级单元，按站点数排序展示。

图 8　偏离度：实际站数减去"按车辆份额应有站数"

正值（红）代表站点超前于车辆，负值（蓝）代表车辆超前于站点

注：应有站数 = 1678 × 该省新增上险 ÷ 30 个有站点省级单元的新增上险合计 227,428 辆；西藏本次未采到站点，不计入分子与分母。

反过来看另一端。广东（59 站 / 23,474 辆）是全国最大的负偏离：比应有数量少 114.2 座，相对缺口 -65.9%，每千辆新车只有 2.51 座站，倒过来说就是一座站要服务 398 辆前三季度新增的重卡。这看起来像是巨大的市场空白，但真要进去会发现三堵墙：

第一是货的问题。珠三角的重卡货源以集装箱集疏运、快递快运、城市配送为主，平均运距远短于北方资源运输，很多车一天只跑 150 到 250 公里，夜间回场充电即可满足，换电节省的时间价值被大大稀释。

第二是地的问题。一座重卡换电站通常需要 800 到 2000 平方米场地，还要有进出方便的转弯半径——在珠三角，靠近港口、物流园的这类地块年租金是唐山的数倍。

第三是电的问题。单站功率动辄 2000 到 4000 千瓦，需要单独报装。广东工商业电价高、峰谷价差相对北方部分省份小，换电的度电经济性优势被削弱。

浙江（50 站 / 17,445 辆，偏离 -61.1%）是更值得警惕的一个样本：它的保有量增速高达351.0%，是全国增速最猛的省份之一，车在飞速增加，站却只增加了有限的数量，缺口正在被快速拉大。同样逻辑的还有四川（-34.9%，13,739 辆）。而最极端的是北京：5,194 辆新车对应仅 4 座站，偏离 -89.6%，一座站要摊 1,298.5 辆新车——但这恰恰说明北京的新能源重卡主要流向市政环卫、渣土、城市配送这类有固定场站、夜间慢充就能解决的场景，公共换电在这个市场天然没有位置。

图 9　四象限：新增上险量 vs 站点数（气泡大小＝站/千辆密度）

横轴：前三季度新增上险（辆）；纵轴：本次整理在运营站点（座）

注：右上角为"车多站多"成熟区，左上角为"站超前"区，右下角为"车超前"待补区。

把上面的分析收敛成一句话：换电站跟着"货的闭环"走，而不是跟着"车的销量"走。销量决定的是一个省有多少车需要补能，闭环决定的则是这些车能不能被一座固定站点稳定覆盖。凡是货主集中、线路固定、班次密集的场景，哪怕车少，也值得先把站建起来；凡是货主分散、线路随机、里程波动的场景，哪怕车多，站也难以盈利。理解了这条主线，下一章的道路分析就有了抓手——因为道路正是"闭环"的物理载体。

图 10　另一个视角：按国土面积的站点密度（座/万平方公里）

已剔除面积数据参考值差异较大的口径，按公开国土面积近似值计算

注：直辖市与海岛省份面积基数小、密度天然偏高，应结合站点绝对数一并判读。

地图 3　市级粒度热力图：高密度区几乎全是资源型与港口型城市

按城市行政单元聚合后的站点密度

注：与地图 2 对照可见，密度高点集中在鄂尔多斯、包头、唐山、榆林等城市，而非省会或经济中心。

如果说货运场景给出了"为什么要建站"的答案，那么道路就是"站到底建在哪里"的物理答案。我们对每一座站做了缓冲区分析，判断它落在哪一级道路上，并按高速 / 国道 / 省县乡道三个层级分别计数。需要说明的是，一座站可以同时贴近多条道路，因此三个比例之和大于 100%，这正是我们想展示的事实：换电站不是非此即彼地属于某一级路网，它往往卡在两层路网的接口上。

在 1678 座站中，覆盖高速的有 861 座，占 51.3%；覆盖国道的有 789 座，占 47.0%；覆盖省县乡道的有 532 座，占 31.7%；三者都不沾边的只有 5 座（0.3%）。

换句话说，接近一半的换电站根本不在高速辐射半径内。这和行业里流传的"重卡换电 = 高速服务区换电"叙事差距很大。真正的重卡换电主力，长在国道上和工业园区边上，而不是高速公路的服务区里。原因并不复杂：重卡在高速上跑长途时，往往一次发车就跨越两三个省，途中停一次补能的收益远不如在起点或终点的固定站点；而国道上跑的短倒车辆，一天反复经过同一个点，才会形成稳定的补能习惯。

更值得注意的组合结构："三级道路全覆盖"的枢纽型站点数量为 0。也就是说，目前没有一座重卡换电站同时贴近高速、国道和省县乡道三个层级。绝大多数站是"贴着某一层路网生长"的：仅覆盖高速的 477 座、仅覆盖国道的 389 座、仅覆盖省县乡道的 298 座，三层合计占了全部站点的 69.4%。这个数字直接说明了今天这张网络的真实形态——它不是一张网，而是一堆彼此分离的"点—线"结构。每一个点服务一条特定的运输闭环，点与点之间还没有串联成可以让司机放心随意规划路线的网络。

图 11　三级道路覆盖率：没有一层占据压倒多数

同一站点可同时归属多层道路，故比例之和大于 100%

注：覆盖判定为站点缓冲区与道路中心线相交。

地图 4　换电站与主要运输道路的空间叠合

点位与高速、国道、省道骨架叠加

注：可直观看到站点沿路网呈"串珠状"分布，而非均匀铺开。

图 12　道路层级组合：近七成站点只贴一层路网

按互斥组合拆分的站点数（座）

注："三级均有"为 0 座——目前不存在同时覆盖高速、国道与省县乡道的枢纽站。

本次样本覆盖了195 个高速公路编号（含国家高速与省级高速）。把 861 座"覆盖高速"的站摊到 195 个编号上，平均每条高速仅约 4.4 座站。这个平均值本身就是结论：所谓"高速换电走廊"，目前只在少数几条干线上勉强成型。

排在最前面的是G30 连霍高速（40 座）——这条横贯东西的主动脉从连云港一直到霍尔果斯，把河南、陕西、甘肃、新疆的资源腹地与出海口连在一起，沿线站点几乎全部服务于煤炭、矿石和农资的长距离外运。第二名G6 京藏高速（35 座）则是内蒙古和宁夏煤炭外运的生命线。G15 沈海高速（34 座）、G4 京港澳高速（33 座）、G5 京昆高速（28 座）、G56 杭瑞高速（26 座）、G25 长深高速（26 座）紧随其后。这七条高速合计承载了 222 座站，占全部"覆盖高速"站点的 25.8%。

不要忽略榜单里那些省级高速的身影，比如排在第 13 位的S11（17 座）和第 16 位的S31（15 座）。它们提醒我们一件事：省级高速才是区域短倒真正的作业面。国家高速解决"过路"问题，省级高速解决"到达"问题，而重卡的运费是按到达计算的。

图 13　高速编号 TOP20：哪些高速真的跑着换电重卡

柱标签为该高速编号辐射范围内的站点数（座）

注：全部 195 个高速编号的平均约为 4.4 座站，头部 7 条合计 222 座。

地图 5　换电站与高速公路网的空间叠合：覆盖率仅过半的直观证据

高速路网与点位叠加

注：与正文 51.3% 的高速覆盖率对应——大量点位明显落在高速走廊之外。

国道的平均负载明显高于高速：121 个国道编号承载了 789 座站，平均每条国道 6.5 座，比高速高出约 48%。原因在于国道不封闭、不收费、直接穿城穿厂，对那些需要"顺路补能"的重卡天然友好。

榜首是G107（39 座），这条从北京一路向南到深圳的国道被称为"最繁忙的重载走廊"，它串联的城市几乎都是制造业和商贸集散地。G228（30 座）是沿海国道，串联起港口与临港工业，和前面提到的山东、江苏、福建、广东的港口集疏运高度对应。G110（29 座）和G312（29 座）——前者是北京到银川的煤运通道，后者是从上海横穿到新疆霍尔果斯的东西大动脉。G109（25 座）、G210（24 座）、G108（23 座）也都在 20 座以上。

把国道榜单和高速榜单叠在一起看，会发现一个重要现象：G30 和 G312 高度同源（连云港—霍尔果斯的东西大通道），G6 和 G110 高度同源（北京—银川的西北走廊）。这两组"高速+国道"的并行通道，恰恰是中国重载最密集、也最应该优先加密换电的两条轴线。

图 14　国道编号 TOP20：平均负载显著高于高速

柱标签为该国道编号辐射范围内的站点数（座）

注：121 个国道编号平均约 6.5 座站，高于高速的 4.4 座。

地图 6　换电站与主要运输国道的空间叠合：真正的重载走廊

国道骨架与点位叠加

注：G107、G110、G312、G228 等国道沿线点位的密集程度显著高于高速公路。

最底层的情况最能说明问题。242 个省县乡道编号、532 座站，平均每个编号只有 2.2 座站。排在最前面的 S301（17 座）、S201（16 座）、S206（15 座）、S216（12 座）、S103（11 座）、S217（11 座），全部在 10 到 17 座之间，再往后迅速衰减到个位数。

这 532 座站的意义不在"网络"，而在"最后一公里"。它们的服务对象几乎全部是：矿区到集运站、搅拌站到工地、电厂到灰场、园区到铁路专用线这类完全封闭的短驳。这些站点从来没打算连成网，它们是某个特定企业的补能配套设施，只是同时也对外开放。理解这一点很重要：用"网络覆盖率"去评价这一层站点是没有意义的，它们的价值由所属闭环的运量决定，而不是由位置决定。

图 15　省县乡道 TOP15：平均每个编号仅 2.2 座站

柱标签为站点数（座）

注：全部 242 个编号合计 532 座站，长尾极长。

把三层路网放在一起看：高速层平均 4.4 座/编号、国道层 6.5 座/编号、省县乡道层 2.2 座/编号。没有任何一层达到"成网"的密度。今天我们说的"重卡换电网络"，本质上是一批互相不连通的运输闭环，各自供养着自己那一小批站点。下一章要看的就是：这些闭环，到底在运什么货。

如果只能用一个变量解释"这座站为什么建在这里"，答案既不是省份也不是道路，而是它每天服务的是什么货。我们对每一座站做了服务领域标注，一共分出 13 类：公路干线运输、工业制造、物流仓储、电力能源、区域短途运输、工程基建、化工建材、城市配送、港口集疏运、钢铁冶金、机场铁路枢纽、矿山运输，以及少量待核实项。其中 1676 座明确标注、仅 2 座未标注，且每座站只归属一个主场景——这让后面所有交叉分析都非常干净。

公路干线运输 615 座，占 36.65%，是唯一超过三分之一的类别。第二梯队是工业制造 223 座（13.29%）和物流仓储 205 座（12.22%）——这两类加起来超过了三分之一，它们共同代表一种模式：站是企业生产线的一部分，不是公共基础设施。第三梯队从 5.84% 一路排到 1.91%：电力能源 98 座、区域短途运输 89 座、工程基建 82 座、化工建材 74 座、城市配送 71 座、港口集疏运 70 座、钢铁冶金 52 座、机场铁路枢纽 32 座、矿山运输 32 座。

把中间这六类（工业制造、物流仓储、电力能源、化工建材、钢铁冶金、矿山运输）加总，一共684 座，占 40.8%。这批站有一个共同点：它们服务的不是一个"运输市场"，而是一个"生产流程"。钢厂、水泥厂、电解铝厂、化工厂、火电厂、露天矿——这些场景里的重卡数量不算多，但线路固定、班次密集、几乎 365 天不停歇。对一个运营商来说，这类站点的利用率可以做到很高，前提是能拿到那个货主的合同。

图 16　13 类服务领域分布：一个巨头 + 一群专业户

柱标签为站点数（座）

注：每座站只归属一个主服务领域；图中 13 类合计 1676 座、占 99.9%，另有 2 座未标注未计入。

把"服务领域"和"道路层级"交叉，你会发现一个极其干净的分层规律——不同场景几乎各自独占一种路权。

区域短途运输（89 座）是最极端的例子：88.8% 落在省县乡道上，而只有 10.1% 覆盖高速、9.0% 覆盖国道。这批站几乎不上高等级路网，它们的世界就是园区门口那条县道，跑的是 10 到 30 公里的反复往返。与之形成鲜明对照的是工业制造（223 座）：72.2% 覆盖高速，国道 41.7%、省县乡道 26.5%——工厂既要有原材料进来（往往走高速或省道），又要有成品出去（往往上高速），所以站点选址必须离家门口那条高速近。

矿山运输（32 座）是另一个有趣样本：国道覆盖率高达71.9%，是全部场景中国道依赖度最高的，而高速只有 37.5%，省县乡道 43.8%。原因很直白——矿区几乎从来不在高速互通口旁边，它们沿着国道分布，矿石用重卡走国道到最近的处理厂或铁路站台。城市配送（71 座）则相反：国道 59.2% 最高、高速 47.9%、省县乡道 36.6%，这是典型的"穿城走街"特征——不封闭的国道才是城市配送车辆的日常。

最有意思的是公路干线运输（615 座）本身：它的高速覆盖率只有 41.1%，国道反而高达 52.7%，省县乡道也有 25.9%。一个标注为"干线"的类别，高速覆盖率竟然低于全部样本 51.3% 的平均水平，这个反差值得所有从业者停下来想一分钟。它说明的现实是：中国大量的"干线重卡业务"，实际上并不是在高速上完成的。为了省通行费、为了靠近装卸点、为了避开高速的轴重与时段限制，很多所谓干线的实际轨迹是"国道为主、高速为辅"。因此，如果按"服务区逻辑"去布局重卡换电，大概率会错过真正的车流。

图 17　服务领域 × 道路层级：不同场景各自独占一种路权

数值为该场景站点的道路覆盖率（%，可重叠）

注：仅统计站点数≥30 的场景；区域短途的县乡道依赖与工业制造的高速依赖形成鲜明对比。

接下来这张矩阵，是想纠正一种常见的偷懒：看到"公路干线运输占 36.65%"就以为这是一个同质市场。把前 8 类场景在站点数最多的 10 个省份里拆开，会看到完全不同的经济地理。

同为"公路干线运输"：内蒙古 57 座、山西 59 座、河北 56 座——这 172 座站拉的是煤、焦炭、铁矿石；而江苏 25 座、四川 33 座拉的则是制造业中间品、设备和消费品。它们的运距、计费方式、车龄、司机结构完全不同，对应的站型也不该一样。

更明显的分化在细分场景里：物流仓储在山东有 24 座（对应港口腹地的仓储集群）、湖北 18 座、内蒙古 16 座，而在山西只有 4 座；城市配送在山西高达 17 座（煤运城市的城市短驳需求被严重低估）、山东 8 座，而云南仅 1 座、河南为 0 座；电力能源在江苏 10 座居首，说明江苏这批站更多服务于电力侧储能与调峰场景而非单纯的运输；区域短途运输在山西 14 座、河北 11 座、内蒙古 9 座，而江苏为 0 座——长三角的短驳更多由城市配送承担。

工业制造这一列很能说明"资源省 vs 制造省"的差异：河北 21 座、云南 15 座、新疆 16 座、山西 14 座——这些省站的"工业制造"标签背后，是钢铁、电解铝、多晶硅、水泥；而江苏只有 4 座。同样是"工业"，实物吨位与运输频次的差别，决定了换电站能不能吃饱。

图 18　前 8 类场景 × 站点数 TOP10 省份：标签相同，内容完全不同

堆叠柱为该省内各场景站点数（座）

注：仅含前 8 类场景，故堆叠总高度低于该省站点总数。

前面五章讨论的都是"需求侧"的问题——车在哪、货是什么、路怎么走。这一章回到供给侧：这些站是谁建的？在本次样本的 1678 座站中，一共出现9 家运营主体。按此前约定，本文不对品牌做评价与褒贬，一律使用「运营主体 A–I」的匿名编码，完整对照表放在文末数据包中。

集中度是这样的：运营主体 A 一家 1059 座，占 63.1%；B 417 座，占 24.9%；两家合计 88.0%。剩下的七家加起来只有 202 座、占 12.0%——C 47 座（2.8%）、D 40 座（2.4%）、E 30 座（1.8%）、F 28 座（1.7%）、G 21 座（1.3%）、H 21 座（1.3%）、I 15 座（0.9%）。这是一个典型的"双层结构"：两家全国性网络 + 七家区域性或厂商背景的补位者。

对车队和地方来说，这个结构有三层含义。第一层是效率：两家主体撑起近九成站点，意味着跨省干线的服务能力主要集中在它们手上，谈全国性框架协议时对象非常清晰，谈判成本反而低。第二层是风险：网络的可用性高度依赖两家主体的经营状况，任何一家的战略收缩都会在数月传导到具体线路上——重卡车队通常按线路签运输合同，一旦某条线上的站点停摆，整条线路的运力安排都要重来。第三层是碎片化：九家主体的电池包规格、锁止机构、结算接口并不统一。车一旦买了某家的电池包，就基本被锁定在这家的网络里。这也是为什么很多车队在选车时会先问"你这套电池在 XX 线沿途能不能换"，而不是先问车价。

图 19　9 家运营主体的集中度：CR2 = 88.0%

柱为站点数（左轴，座），折线为累计占比（右轴，%）

注：运营主体以匿名编码 A–I 表示，仅客观陈述集中度，不代表任何评价。

在讨论"该不该建站"之前，得先看清楚"一度电能赚多少钱"。本次样本里，1415 座站能提供充电费报价（有效样本 84.3%），817 座能提供服务费报价（有效样本 48.7%）——这两个数字本身就是行业透明度的一面镜子：超过一半的站点没有把服务费挂到公开渠道上，说明价格仍然是一个"要打电话问"的非标信息。

先看电费。最低充电费的中位数是 0.76 元/kWh（均值 0.840），其中770 座（54.4%）报价低于 0.8 元，351 座甚至低于 0.6 元；但也有 208 座（14.7%）超过 1.2 元，21 座超过 2.0 元。最高充电费的中位数是 1.07 元/kWh（均值 1.091），超过四成集中在 1.0 到 1.5 元区间，另有 10.0% 超过 1.5 元。两个中位数之间的0.31 元/kWh 差，就是这些站点的峰谷执行能力差——能不能拿到低谷电、能不能把充电排到谷段，直接决定这一毛能不能变成利润。

图 20　充电费价格带分布：谷段能力的差距写在分布里

有效样本 1415 座，柱标签为站点数（座）

注：同一站点的"最低"通常为谷段电价、"最高"为峰段电价。

再看服务费——这是运营商真正留在手里的那部分钱。817 座有效样本的中位数是 0.32 元/kWh（均值 0.364）。分布上：低于 0.20 元的有 142 座（17.4%），0.20–0.30 元 192 座（23.5%），0.30–0.40 元 175 座（21.4%），0.40–0.50 元 187 座（22.9%），超过 0.50 元的有 121 座（14.8%）。把这组数字连同上一段的电费一起读，结论呼之欲出：超过四成的站，服务费收不到 0.35 元。在一个需要承担土地、电力增容、电池资产折旧、运维人力的行业里，这个水平的服务费几乎不支持重资产回收——除非站点的日换电次数足够高，或者背后有整车销售、电池租赁、运力业务做交叉补贴。

图 21　服务费价格带分布：四成站点收不到 0.35 元

有效样本 817 座，柱标签为站点数（座）

注：仅统计公开渠道可查到服务费报价的站点。

1251 座站填报了充电桩数（有效样本 74.6%），合计 12,736 根，单站中位数 8 根、均值 10.18 根，最大值达到 180 根（这是极少数的大型综合能源站）。分布上：4 到 8 根这个区间集中了 482 座站（38.5%），是最主流的配置；13 到 20 根有 252 座（20.1%）；超过 20 根的有 85 座（6.8%）。

另外两个字段虽然样本很少，但很有信息量：516 座填报了枪数（30.8%），中位 10 把；73 座填报了电池仓位数（4.4%），中位 7 个、最大 14 个。一座典型换电站配置 7 个左右电池仓位意味着什么？——它是按"每 2 到 3 小时轮换一批电池"来设计的，换句话说，站的设计逻辑是让电池在站里慢充、让车在站里快换。这也是重卡换电相对充电最本质的价值主张：把时间成本从车上转移到电池上。

图 22　单站充电桩数配置：中位 8 根，主流集中在 4–8 根

有效样本 1251 座，柱标签为站点数（座）

注：合计 12,736 根，均值 10.18 根/站。

把上面的价格数据代入一个典型运输场景。以下为本文基于公开参数的示例测算，不是任何官方口径，参数请按你的实际工况替换。

设定：单车年行驶里程 12 万公里；电动重卡百公里电耗按 130 kWh 计；同级柴油重卡百公里油耗按 35 L 计，柴油单价按 7.5 元/L 计。换电综合单价 = 充电费 + 服务费，取三个情景：① 谷段为主 = 最低充电费中位 0.76 + 服务费中位 0.32 =1.08 元/kWh；② 混合时段 = 最高充电费中位 1.07 + 0.32 =1.39 元/kWh；③ 峰段为主 =1.50 元/kWh。

算下来：柴油车年燃料支出约 315,000 元；换电在三种情景下分别为168,480 元 / 216,840 元 / 234,000 元。也就是说，年度燃料节省在 81,000 到 146,500 元之间。即便在最差的峰电情景下，节省幅度仍有 25.7%。

但这里必须补三句实话。第一，上述测算不含电池租赁费用——在车电分离模式下这是另一笔月度固定支出，会吃掉相当一部分节省额。第二，不含购车差价——换电牵引车的初始购置支出与同级柴油车的差额，需要在运营若干年后才能回收。第三，也是最容易被忘的一点：省下来的钱只有在车辆出勤率足够高时才成立。如果因为换电排队、绕行补能、线路不覆盖导致每天少跑一趟，那么再低的电价也补不回损失。这就是前面所有空间分析最终要回答的问题：站点分布到底能否支撑足够的出勤。

图 23　单车年度燃料支出测算：柴油 vs 换电三情景

作者测算示例，非官方数据；柱标签为年支出（元）

注：测算参数见正文；不含电池租赁、车辆购置差价与维保差异。

省级数据容易让人误判，因为它把省内的巨大差异平均掉了。把镜头拉到城市，会看到一个非常扁平的分布：281 个城市、CR10 只有 16.2%、CR20 只有 26.5%、CR50 也只有 49.2%。这意味着没有任何一个城市形成压倒性的换电密度，即便排第一的城市也只占全国站点的 2.6%。

但头部 20 名构成了一份极有辨识度的名单：鄂尔多斯 44 座、唐山 31 座、重庆 29 座、包头 28 座、石家庄 28 座、保定 27 座、天津 24 座、大同 21 座、忻州 20 座、临汾 19 座、昌吉 19 座、乌鲁木齐 18 座、金华 18 座、上海 17 座、乌海 17 座、榆林 17 座、晋城 17 座、沧州 17 座、西安 17 座、青岛 16 座。这份名单里几乎没有一座城市是靠 GDP 排进来的——它们是靠吨公里排进来的。鄂尔多斯、包头、乌海、大同、忻州、临汾、榆林、晋城，这八座城市全是煤炭或煤化工主产区；唐山、石家庄、保定、沧州是河北钢铁与港口体系的组成部分；重庆、金华、青岛、西安则分别代表西南枢纽、专业市场集群、港口腹地和西北集散。

一句话总结：换电城市建设的第一驱动变量从来不是城市经济体量，而是单位面积内的实货周转强度。一座年吞吐几千万吨煤炭的城市，哪怕经济体量排不进全省前三，也会长出全国最多的换电站；而一座服务业占比极高的城市，即便车辆登记数很多，也不一定养得起站点。这对运营商的选址方法论是一个直接提示：看货流，别看车流。

图 24　城市 TOP20：没有一个城市的占比超过 3%

柱标签为站点数（座）

注：全部 281 个城市的 CR10 = 16.2%、CR20 = 26.5%。

再往下钻到区县级，资源属性更加赤裸。832 个区县、CR10 只有 6.4%、CR20 只有 11.0%，极度扁平；但前 15 名的名单几乎是一份中国重工业的索引：青岛黄岛区 14 座（港口集疏运）、鄂尔多斯达拉特旗 13 座与鄂托克旗 11 座（煤炭）、榆林神木市 12 座（煤炭）、天津滨海新区 11 座（港口）、乌海海南区 10 座（煤焦化）、吐鲁番托克逊县 9 座（新疆资源运输）、沧州黄骅市 9 座（港口）、黄石大冶市 9 座（矿产与建材）、黄冈浠水县 9 座，以及宣威市、包头昆都仑区、大同云冈区、晋城阳城县、唐山曹妃甸区各 8 座。15 个区县里，至少 11 个可以直接对应到煤、钢、矿、港四类货源。

图 25　区县 TOP15：一份中国重工业索引

柱标签为站点数（座）

注：全部 832 个区县的 CR20 仅 11.0%，头部区县的绝对数也普遍在 8–14 座之间。

最后用一个指标把前面所有分析收口：每座站要服务多少辆前三季度新增的重卡。这个数值不是精确的经营数据（毕竟不是所有新车都依赖公共换电），但它是一个有效的相对标尺——越高，说明相对车辆规模的站点供给越紧张；越低，说明站点越可能"吃不饱"。

两端都非常极端。最高的是北京 1298.5 辆/站、广东 397.9 辆/站、浙江 348.9 辆/站、上海 291.5 辆/站；最低的是海南 36.4 辆/站、内蒙古 38.4 辆/站、辽宁 48.6 辆/站、黑龙江 50.4 辆/站、甘肃 52.3 辆/站。差了三十多倍。

但这两个极端都不简单等于"好"或"坏"。高的一侧要分两种情况：如果是因为充电或自有场站已经满足了需求（北京、上海的市政类车辆多数夜间回场慢充），那这个高值只是说明公共换电在这个市场没有位置，不代表机会；如果是因为换电需求真实存在但供给没跟上（浙江的保有量增速高达 351.0%，车辆在飞速堆积，站点只有 50 座），那就是明确的机会窗口。低的一侧则是纯粹的风险信号：站点数量远超当前车辆规模，除非这些站绑定的运输闭环本身运量足够大，否则利用率撑不住折旧。

综合前面八章的所有交叉结果，对 2026 年剩余时间与 2027 年，我们给出四条区域判断（本文观点，不代表任何机构预测）：

第一，补密度区——河北、山西、山东。这三个省同时具备"货源充足"（即大量固定线路的循环运输）与"站点已有基础"（148/138/129 座）两个条件，单位面积密度已排进非直辖市前四（7.84 / 8.81 / 8.28 座每万平方公里），新增站点的边际收益最高，重点是加密而不是圈地。

第二，补通道区——内蒙古、新疆、甘肃。站点绝对数不低（152 / 96 / 34 座），但粗略估算的平均站间距分别约 99.5 / 148.6 / 126.3 公里，网络没有闭合。这里的正确动作不是继续增加孤点，而是沿着已识别的主走廊（G6、G7、G30、G110）补断点。

第三，验证型机会区——浙江、四川、贵州、湖南。车辆增长快（浙江 +351.0%、贵州 +75.4%、湖南 +42.6%），但站点相对滞后（浙江 -61.1%、四川 -34.9%）。进入之前必须先回答一个问题：这些增量车辆是不是处在某个固定闭环里？如果是（比如贵州的磷化工短驳、四川的矿石运输），机会真实；如果分散在城市配送与个体运输，仍需等待。

第四，谨慎区——广东、北京、上海。车辆规模大、占比负偏离明显，但这些市场的补能路径已经被自建场站、慢充和城市配送的短半径需求替代。公共重卡换电在这里的商业模式尚未被验证，贸然按"车辆/站"的数字去推市场规模会严重高估。

图 26　每座站需要服务的前三季度新增重卡数（辆/站）

数值越高代表相对车辆的站点供给越紧张

注：代理指标，不等于实际服务车辆数；仅用于省际相对比较。

① 先选线路，再选车。这是本文最核心的一条建议。请把你常跑的 3 到 5 条线拿出来，逐条核实现有站点的位置与服务领域标注。本次整理的 1678 座站里，「仅覆盖省县乡道」的有 298 座、「仅覆盖国道」的有 389 座——很多站在地图软件上看起来"就在路附近"，实际可能离你真正走的那条路还有十几公里。买车之前先查站，比买车之后找站便宜得多。

② 把"能否跨主体换电"写进采购合同。本次样本涉及 9 家运营主体，电池包规格与锁止机构并不互通。一旦选定某家的电池包，后续线路扩张就基本被限制在它的网络覆盖范围内。谈车价的时候多问一句"这条线沿途能不能换"，比在车价上让两个点更有价值。

③ 用含电池租金的全周期成本做决策。第七章的测算显示燃料端每年可省 8.1 万到 14.7 万元，但车电分离模式下还有月度电池租金、是否有最低换电次数承诺、超出后如何计费这些条款。请把它们全部摊进每公里成本再判断，不要只盯度电价格。

① 把服务对象从"过路车"改为"签约货主"。通常情况下，生产流程型站点（工业制造、物流仓储、电力能源、化工建材、钢铁冶金、矿山运输合计 684 座、占 40.8%）是利用率最有保障的一类，前提是先锁定运量合同，再动土建。靠"过路车"自然流量的站，在 0.32 元/kWh 的服务费水平上很难算过账。

② 重新评估"高速服务区"路线的优先级。标注为公路干线运输的 615 座站中，高速覆盖率只有 41.1%，国道覆盖率反而有 52.7%。重卡的真实轨迹大量分布在国道与省道上，服务区是"过路"逻辑，与"到达"逻辑存在错位。把钱投在国道与园区接口上，通常比投在服务区里更接近真实需求。

③ 峰谷执行能力就是利润。最低与最高充电费的中位差为 0.31 元/kWh，而服务费的中位数是 0.32 元/kWh——这 0.31 元基本等于多数站点服务费的全部或大半。谁能把充电排到谷段、谁能拿到更低的容量电价，谁就多出一整条利润线。

① 卖车前先交付一份"沿途补能地图"。本文多个省份的问题都不是"有没有车"，而是"这条线路能不能跑"。浙江保有量增速高达 +351.0%，车辆在飞速堆积，如果补能跟不上，首批用户的口碑会直接决定后续销量。② 电池包互换性比账面参数更重要。在头部两家占 88.0% 的格局下，锁死接口等于主动放弃跨网络运营的客户。谁先在这个问题上给出开放方案，谁就拿到了下一轮增量。

① 按"场景"给政策，不要按"数量"给补贴。同样是建站，服务于煤炭短倒的站（集中在华北与西北资源省份）与服务于城市配送的站（依赖穿城国道），在用电、用地、通行权上的需求完全不同，用同一套补贴标准只会鼓励凑数。② 优先打通"高速＋国道"的并行通道。G30 与 G312、G6 与 G110 是两组高度同源的东西向与西北重载走廊，沿着它们加密，比撒胡椒面更有效。③ 真正卡住落地速度的往往不是资金，而是电力增容与土地性质。一座典型站从拿地到通电通常需要 4 到 8 个月，把这两个环节的审批做成标准化流程，比再给一笔补贴更能改变结果。

① 不要用"车桩比"估值。本文的数据已经说明，站与车的匹配度在省际之间可以相差十倍以上（内蒙古 26.03 座/千辆、广东仅 2.51 座/千辆），统一用全国车桩比推算市场规模必然失真。② 只看两个核心指标：日换电次数与绑定货源合同。在服务费中位仅 0.32 元/kWh、四成站点收不到 0.35 元的前提下，只有高出勤率的闭环站点才可能覆盖重资产折旧。③ 关注集中度的另一面——尾部七家。它们合计 202 座、占 12.0%，多数有区域或厂商背景，往往是被整合的第一批标的；真正值得押注的不是它们的站点数，而是它们是否握有某个区域内的独占货源。

整篇文章我们只做了一件事：把每一座站的坐标、道路、货源、价格都落实到具体字段上，然后老老实实做交叉。得到的多数结论——站点与销量只有中度相关（相关系数 0.646）、高速覆盖率仅 51.3%、标注为干线的站国道依赖反而更高（52.7% 对 41.1%）、服务费中位只剩 0.32 元/kWh——都不是"方向性判断"，而是可以直接拿去做决策的具体数字。

我们坚持把数据的边界讲清楚：这是本次整理到的、处于运营状态的 1678 座站，不是全国总量口径；每一张涉及缺失字段的图都标了有效样本量；省级保有量绝对值这一项我们没有采用，因为它的口径问题比它提供的信息更多。这不是谦虚，这是让数据能被使用的最低要求。

2026 年剩下的这两个月，竞争会从"有没有站"转向"站能不能吃饱"。下一轮真正拉开差距的，不是谁公布的站点数更多，而是谁先把手上那批站点的日换电次数做到盈利线以上。而这个能力，恰恰写在货物、道路与空间这三者的匹配关系里——也就是本文用 26 张图反复交叉的那件事。

数据包预览：随表附赠的地图分析工具（界面截图）

拿到数据之后怎么用？下面三张截图来自随数据包附赠的地图分析工具——它把 1678 条记录直接上图，支持按省份/城市/区县/运营商筛选、按聚合点位/分类/热力图/网格图/蜂巢图切换显示，并可与高德底图叠加。也就是说，你不需要自己搭 GIS 环境，打开就能查。

工具截图 1　总览视图：站点聚合显示 + 右侧统计看板

左侧为图层样式与筛选条件，右下为换电站明细列表

注：看板同时给出总站数、总枪数、运营商数量与交直流构成。

工具截图 2　分类视图：按运营商字段着色，叠加底图查看分布

支持聚合样式、点位图、分类样式、热力图、网格图、蜂巢图六种渲染方式

注：可在左侧切换高德标准/卫星/影像标注三类底图。

工具截图 3　筛选视图：按高速/国道编号反查沿线站点

支持按道路编号、运营商、区域组合筛选并导出

注：图中编号列表即为可勾选的道路编号，用于快速定位某条走廊沿线的换电站。

工具支持"数据上图 / 图层分析 / 表格预览"三种模式，筛选结果可一键导出为表格，方便你按自己的线路做二次分析。