EV 充电行业里最难的两个问题是：“我该在哪里建站？”以及“我的运营到底做得怎么样？”前者我们用location score回答，后者我们用execution score回答。但在每一场投资人会议和董事会材料里，总会反复出现第三个问题：这个市场到底要到什么时候，才大到足以赚钱？
这正是需求模型要回答的问题。它是 Pulse 的基础需求组件——那条 S 曲线，决定你的 2028 商业计划到底是预测，还是幻想。
S 曲线——以及那个已经走完整条曲线的市场
BEV 渗透从来不是线性的，也不可能是线性的。每一种技术——智能手机、宽带、LED 照明、彩色电视——走的都是 logistic curve。起步慢，中段加速，顶部趋平。也就是 S 曲线。
挪威给了我们完整样本。2010 年 BEV 销量占比只有 0.3%，到 2025 年达到 96%。从头到尾，15 年。它是 EV 充电行业里最有价值的参考市场——不是因为挪威有多典型，而是因为只有在这里，我们看到了整部电影。
这条曲线的形状说明了一切。前五年几乎没什么变化（0.3% 到 5.2%）。然后拐点出现——从 5% 到 50%，只用了六年（2013–2020）。过了 50% 之后，随着市场接近饱和，曲线开始变平。最后那 16 个百分点，又花了五年。
这很关键，因为充电需求增长最快的窗口，出现在一个非常具体的区间——大致是 BEV 销量占比从 10% 到 60%。现在欧洲大多数市场，要么正处在这个区间，要么马上就要进入。
挪威是参照，不是上限
很多人很容易把挪威的曲线当成速度上限。其实不是。真要说，它更像是下限。因为有两个结构性变化，意味着后发市场在曲线最陡的那一段，可能会跑得更快。
供给侧已经彻底变了。2013 年挪威的早期用户，基本是在两种车之间选：一辆真实续航 120 km 的 Nissan Leaf，或者一辆价格比很多公寓还贵的 Tesla Model S。今天，德国或西班牙的消费者走进市场，面对的是覆盖各个细分市场的几十款有竞争力的 BEV——从低于 €24 000 的 Citroën ë-C3，到续航 500+ km 的电动 SUV。车更好、更便宜，而且真的买得到。这拿掉了早期曲线上最大的刹车。
经济性正在取代政策，成为首要驱动力。挪威早期的爬坡，靠的是政策加燃料：VAT 免税、过路费减免、公交车道通行。这些激励确实有效，但成本高，而且高度依赖政治环境。如今进入陡峭阶段的市场，越来越多是由一种更持久的力量驱动：消费者经济性。随着电池成本下降、BEV 与 ICE 车型达到价格平价，购车决策就变成了一张电子表格，而不是一种意识形态。这比任何补贴方案都更可持续。
我们认为，长期 EV 渗透的核心驱动力，归根结底还是经济性。其他一切——减排、能源安全、空气质量——当然都是加分项。但当开电车就是更便宜时，S 曲线自然会自己推进。
同一片大陆，不同的时钟
同一条曲线，不同的时间表。下面是 2025 年欧洲主要市场所处的位置：
挪威已经跑完了。荷兰和瑞典已经深度进入加速阶段。英国、德国和法国正在进入。西班牙还处在早期爬坡。同一片大陆，同一出戏的五个不同幕次。
实际影响很直接：如果你是一家跨市场运营的 CPO，你的德国资产组合即将进入挪威在 2014–2020 年经历过的增长阶段。而你的西班牙资产组合，还要再等三到四年才会看到那一段。同一家公司，资本时间线却完全不同。
我们如何构建预测
我们不用单一预测。我们会拟合三种情景——低位、中性和高位——使用一条 logistic curve，并基于两件事做校准：
- 历史拟合。曲线锚定在各市场真实的 BEV 销量数据上。数据点越多，拟合越紧。
- 参考曲线归一化。我们会把每个市场的轨迹与挪威及其他成熟 S 曲线市场——荷兰、瑞典、冰岛——做对比。如果一个市场更接近挪威的节奏，曲线就会更陡；如果走势更保守，我们就向下调整。
我们还会把这些形状参数与其他技术渗透曲线做交叉验证——智能手机普及、宽带铺开、LED 照明采用。所有重大技术都遵循 logistic curve，而且增长窗口惊人地相似：在发达市场里，从 10% 到 80% 的跃迁通常需要 6–10 年。挪威的 BEV 渗透走完这一段用了七年。这不是巧合——当基础设施和经济性对齐时，技术渗透就是这个规律。
那政治因素呢？
这个问题我们几乎天天被问到。美国新一届政府回撤 EV 强制政策。霍尔木兹海峡关闭导致油价飙升。某国政府一夜之间取消购车补贴。难道这些不会把曲线打断吗？
短期看，会。德国在 2024 年因补贴取消，从 18.3% 掉到 13.5%，数据就摆在那里。但把视角拉远，模式并没有变：2025 年又恢复到 19.1%，而底层经济性并没有改变。电池持续变便宜，车型续航持续提升，按每公里成本算，电价依然比汽油便宜。
我们的判断是：政治和宏观事件会给曲线制造噪音，但不会制造另一条曲线。它们可能让拐点提前或推迟一两年，但不会改变根本方向。当开电车更便宜——而欧洲大多数市场已经到了或接近这个点——渗透就会变成一种经济必然。三种情景就是用来覆盖这种不确定性的：低位情景计入持续的政治逆风，高位情景计入顺风，中性情景则假设真正干重活的是经济性。
德国的情况大致如下：
德国在 2025 年的 BEV 占比是 19%——正好站在曲线最陡那一段的起点。注意 2024 年补贴取消后的下滑：真实、痛苦，但已经修复。中性情景下，德国到 2030 年达到 50%，到 2035 年达到 78%。低位情景：2030 年 28%。高位情景：66%。
在中性情景下，德国公共充电需求在 2025 到 2030 年之间大致会增长到 3 倍。低位情景下，则只是勉强翻倍。这两个未来之间的差距，最终会体现在每一家在该市场运营的 CPO 还要承受多少年的负现金流。
从销量占比到充电需求
BEV 销量占比告诉你车队更新得有多快。但充电需求取决于存量——路上实际跑着多少 BEV——而不只是今年卖了多少。德国在 2025 年卖出 545 000 辆 BEV，但总保有量是 2 million。这只占德国道路上 49 million 辆汽车的 4%。
从销量占比到充电收入，转换链条是这样的：
- BEV 销量占比 (%) → 道路上的累计 BEV 保有量
- BEV 保有量 × 单车年均 kWh 用电量 → 总电力需求
- 总需求 × 公共充电占比 → 公共充电需求池
- 公共充电需求池 ÷ 已安装 charger 容量 → 系统利用率
最后这个数字——系统利用率——决定了一家 CPO 能不能赚钱。而它取决于需求增长与供给增长的比值。今天欧洲大多数市场里，供给（已安装 chargers）的增长快于需求（BEV 车队）的增长，所以利用率被压得很低。但 S 曲线保证需求终会追上来——问题只是什么时候。
Pulse 公式，补全了
需求模型提供的是随 S 曲线增长的国家级需求池。location score再根据站点质量，把这部分需求分配到网络中。execution score则对运营商表现做调整。
三个组件，各自对应：
• 基础需求——本文讲的就是这个。由 S 曲线驱动的国家级需求池。
• Location score——我们如何给每个 charging station 打分。基于交通、人口、配套设施的站点质量。
• Execution score——我们如何给每个运营商评分。也就是 CPO 自己能控制的部分：定价、uptime、品牌吸引力。
这三个变量放在一起，我们就能在任何市场、任何需求情景下，估算任意站点的充电量。这就是每一份 Pulse 估值、每一次资产组合分析、每一版盈利预测背后的引擎。
钱什么时候到账？
这里就进入实操了。在我们的项目工作里——估值、网络规划、M&A 尽调——被问得最多的问题是：这个资产组合什么时候开始盈利？
答案不只和需求有关。更关键的是需求相对于供给的关系。而这正是充电市场结构开始起作用的地方。
寡头问题
EV 充电是一个寡头市场。在大多数欧洲市场，3 到 5 家运营商控制着大部分 fast charger 容量。这意味着，竞争对手的决策会直接影响你的盈利能力。整个市场的总需求，要在整个市场的总供给之间分配——如果市场过度建设，所有人的利用率都会下滑。
这正是让 CPO CFO 夜不能寐的场景。你可以选到极好的位置，运营几乎无可挑剔，定价也很有竞争力——但如果整个市场集体装了超过需求能消化的容量，你照样会亏钱。S 曲线保证需求最终会追上来，但当你还在为已部署硬件偿还债务时，“最终”这个词可能非常昂贵。
当然，反制办法也有：选更好的位置，执行得比同行更好。一个location score显著高于市场平均的 CPO，即便在过度建设情景下，也能拿到超过“应得份额”的需求。但风险是真实存在的，任何诚实的盈利预测都必须把它算进去。
我们如何在 Projects 里建模
在我们的 Projects 模块里——也就是我们用来做 CPO 估值和网络开发分析的工具——我们不会只孤立地预测需求。我们还会向前估算单 bay 吞吐量，依据一个基本原则：任何市场的长期建设速度，最终都会向该市场的 breakeven 利用率水平靠拢。
逻辑很简单。如果利用率远低于 breakeven，理性的运营商会放慢扩张——或者直接退出。如果利用率高于 breakeven，回报就会吸引新进入者，加快部署。时间一长，市场会自我修正，走向一个均衡点：边际站点大致处于 breakeven。正是这种“引力”，塑造了每一个充电市场的演化路径。
因此，吞吐量预测取决于两个输入：一是来自我们 S 曲线模型的需求预测，二是定义该次分析 breakeven 的盈利要求。
下面是德国在中性情景下的需求轨迹，以及不同资产组合质量对应的示意性盈利门槛：
在德国，如果一家 CPO 拥有 premium locations（location score 位于前四分位），那么在中性情景下，大约会在 2027 年跨过盈利门槛——也就是需求相较今天大致翻倍的时候。平均水平的资产组合，大约在 2030 年达到，也就是需求增长到 3 倍时。低于平均的位置呢？最早也要到 2033 年。
但别忘了：这些门槛默认市场会向均衡自我修正。如果出现过度建设情景——也就是运营商在低利用率下仍持续部署——这些门槛就会整体上移，盈利日期也会继续往后推。在低需求情景叠加激进竞争对手扩张的情况下，一些低于平均水平的站点，可能永远都过不了线。
需求模型告诉你蛋糕有多大。location score 和 execution score 告诉你你能分到多少。而竞争格局则决定这块蛋糕是 3 家分，还是 13 家分。一个规模更小、但点位更优的资产组合，往往会比铺在一堆平庸站点上的大网络提前数年实现盈利——而且对竞争性过度建设的抗压能力也强得多。
Chargalytics 上的每个 CPO 档案都包含其运营市场的 Pulse 需求预测。Projects 模块则允许你基于自己的 breakeven 假设，构建定制化盈利分析——不是按我们的口径，而是按你的。
开启 7 天免费试用，查看覆盖 24 个欧洲市场的完整需求模型。