中國智能駕駛產(chǎn)業(yè)的算力巨變

文：308

編輯：經(jīng)緯

2025 年，在自動駕駛依舊在持續(xù)演進的大框架下，中國智能駕駛行業(yè)迎來了一個前所未有的算力變局。

這一變局產(chǎn)生的關(guān)鍵背景是，從軟件算法的角度，在整個行業(yè)完成面向「端到端」的技術(shù)范式演變之后，各個重要玩家在 2025 年又陷入到一個明顯的軟件算法路線紛爭中。但是，到目前為止，至少在中國市場，無論是 VLA，還是世界模型，都還無法徹底證明其在最終用戶體驗層面的碾壓性優(yōu)勢。

但更重要的變局支點，在于高階智駕商業(yè)落地層面的分化。

比如，以城市 NOA 為核心產(chǎn)品的高階智駕，在不同的價格帶中呈現(xiàn)出 K 字型的分化，智駕平權(quán)和高端向上這兩條截然不同的車型價值線，都在市場競爭的裹挾下混雜其中。這帶來了整個行業(yè)在高階智駕的車端算力落地維度上，不可避免地走向碎片化。

值得一提的是，基于智能駕駛技術(shù)的持續(xù)演變，也有玩家已經(jīng)從 L2 出發(fā)面向歸屬于 L4 體系的 Robotaxi 布局——在這種情況下，云端算力加持的作用越來越明顯。

當然，在上述一系列看似混沌的變化背后，也存在著一個相對清晰的底層邏輯：算力越來越成為智能駕駛發(fā)展的核心要素。

實際上，如果從技術(shù)演變、商業(yè)落地和產(chǎn)業(yè)分化的多個維度綜合觀察，我們可以從混沌的產(chǎn)業(yè)局面中得出一個接近于確定性的結(jié)論：無論是在車端，還是在云端，中國智能駕駛行業(yè)對于算力的需求，都越來越高。

端到端框架下的算力遷移

2023 年 8 月 26 日，馬斯克在美國硅谷進行了一場有數(shù)百萬人圍觀的自動駕駛直播。在這場直播中，馬斯克駕駛了一輛搭載 FSD Beta V12 軟件版本的 Model S，這個軟件版本采用的，正是特斯拉正在開發(fā)的端到端自動駕駛系統(tǒng)。

這場堪稱成功的直播，可以看作是特斯拉自動駕駛進入到端到端階段的一個轉(zhuǎn)折點。

值得一提的是，在這場直播中，馬斯克所駕駛的 Model S 搭載的算力硬件基礎(chǔ)是特斯拉 HW3，所以其算力配置依舊在 144 TOPS。但需要說明的是，當時，算力更強的 HW4 已經(jīng)開始逐步上車。

事實上，在特斯拉的時間線里，自 2019 年到 2023 年，這 144 TOPS 一直是它在推進智能駕駛演進過程中的算力標準——盡管在此過程中，特斯拉的軟件算法已經(jīng)發(fā)生數(shù)次重要的改變。甚至到 2023 年上半年，當特斯拉在開發(fā)端到端算法軟件并進行初步車端部署的時候，其優(yōu)先部署對象依舊是 144 TOPS 的 HW3。

不過，在特斯拉在持續(xù)推進 FSD 的算法框架在端到端這條道路上演化的過程中，HW3 的角色逐漸被 HW4 替代。

其中，在 2024 年 7 月，特斯拉推出了 FSD 的 V12.5 版本，這個版本的參數(shù)數(shù)量是 V12.4 的五倍；關(guān)鍵是，這個版本開始首先面向搭載最新 HW4 算力的車輛，然后才面向 HW3 車型進行優(yōu)化適配——由此，HW4 成為 FSD 進化過程中的優(yōu)先部署平臺。

就這樣，在端到端的技術(shù)大框架下，特斯拉順利完成了算力平臺從 HW3 到 HW4 的切換。

需要說明的是，即使是基于端到端架構(gòu)，特斯拉也一直在對 FSD 軟件進行大幅度更新，比如 FSD 從 V12.4 到 V12.5 進行了 5 倍的參數(shù)量提升，而 2024 年年底推送的 FSD V13 則進行了一次大規(guī)模的代碼重寫。

不僅如此，到 2025 年，特斯拉在 FSD V13 的基礎(chǔ)上，又推出了參數(shù)量高達 10 倍的 FSD V14，模型參數(shù)量的倍數(shù)級放大，意味著車輛能夠理解更復(fù)雜的環(huán)境信息。而同時，馬斯克還多次在社交媒體上透露，特斯拉自研的下一代 AI5 算力平臺，算力將會是 HW4（后來被命名為 AI4）的 10 倍。

回過頭來看，在大洋彼岸的中國，智能駕駛玩家們在繼續(xù)學(xué)習(xí)特斯拉的情況下，并沒有走上跟特斯拉一樣的路徑。

實際上，當特斯拉在 2023 年堅定切換到端到端的路徑之后，中國的智能駕駛玩家們，無論是小鵬、理想、蔚來這樣的新勢力，還是華為、地平線、元戎啟行等智駕方案商，都不約而同地在 2024 年邁出了擁抱端到端的步伐，這背后，自然也有向特斯拉學(xué)習(xí)的意味。

而從車端算力的角度，這些玩家們在布局端到端的路徑上，依舊是選擇基于舊有平臺的算力方案進行優(yōu)先部署；這其中，最主流的方案，無疑是總算力高達 508 TOPS 的英偉達雙 Orin-X 計算平臺。

然而，進入到 2025 年之后，當特斯拉 FSD 繼續(xù)像 V14 版本演進的時候，中國玩家們在集體意識到端到端方案本身存在的問題和局限（比如不可解釋、無法應(yīng)對長尾場景）之后，又開始探索新的算法演進路徑——這時候，紛爭出現(xiàn)了。

其中，以理想、小鵬、元戎啟行為代表的玩家們，在公開話語中選擇了發(fā)源于具身智能領(lǐng)域的 VLA（視覺語言行動模型）方案，而華為、蔚來等則更加強調(diào)世界模型。

這一方面有各家在具體實現(xiàn)路徑方面的或大或小的不同，另一方面也有市場宣傳的考量，可以說是「亂花漸欲迷人眼」。但從體驗的角度來說，很難說哪一家在真正意義上擁有了智駕上的碾壓式優(yōu)勢。

不過，盡管在軟件算法方案上各有千秋，但是，基于行業(yè)發(fā)展、技術(shù)切換和商業(yè)落地等多方面的整體節(jié)奏，各大智駕玩家們在 2025 年集中迎來了一個車端算力層面的切換周期——伴隨著這一切換過程，整個智駕行業(yè)在車端算力層面形成了三大不同的流派。

三派分流，各有千秋

算力的躍升，其實是高階智能駕駛在技術(shù)進化和產(chǎn)品落地過程中的一個必然結(jié)果。

比如，在 2022 年，在智能駕駛的落地場景從高速 NOA 向城市 NOA 進行躍升的關(guān)鍵關(guān)口，包括理想、蔚來、小鵬在內(nèi)的智能駕駛玩家都在新推出的二代車型中采用了英偉達雙 Orin-X 算力平臺（蔚來搭載了四顆 Orin-X，但模型主要在其中兩顆 Orin-X 上運行）。

在此次升級中，這些車型的算力水平相比于前代車型有了倍數(shù)級的提升，也因此支撐起其算法上的持續(xù)迭代，一直到端到端時代。到 2025 年，在高階智能駕駛進一步向 VLA 或世界模型邁進，智能駕駛的算力也迎來了一次集體躍遷。

但這一次，各家的選擇出現(xiàn)了明顯的分流態(tài)勢。

從 2025 年的情況來看，在車端落地的維度，高階智能駕駛的車端算力選擇主要分為三個流派：① 車企自研；② 英偉達系；③華為系及其他。

第一派是車企自研芯片，這一類以蔚來、小鵬、理想這三家新勢力車企為代表。

其中，蔚來先是在年初開始交付的 ET9 車型中搭載了兩顆自研的神璣 NX9031 芯片，后來又在上半年的 5566 和全新 ES8 等車型中搭載了一顆神璣 NX9031 芯片——在蔚來官方話術(shù)中，一顆神璣 NX9031 的算力水平相當于四顆 Orin-X。

小鵬自研的圖靈 AI 芯片算力為 750 TOPS，該芯片在 2025 年 7 月份以三顆組合的方式隨小鵬 G7 Ultra 版本正式上車。而在最新上市的小鵬 X9 增程版中，Max 版智駕也從原來的雙 Orin-X 芯片切換為單顆圖靈 AI 芯片。

理想的情況稍微特殊一些。到目前為止，理想已經(jīng)對外宣布自研的 M100 車端智駕芯片，但還沒有上車。理想表示，與市場上最強大的芯片相比，M100 能夠在運行大模型時提供兩倍的性能，在運行視覺模型時提供三倍的性能——該芯片預(yù)計明年將其部署在旗艦車型上并交付給用戶。

因此，到目前為止，理想在 2025 年上市的車型上依舊選擇搭載英偉達最新一代的 Thor 芯片——也就是我們所說的第二派，也就是英偉達派。

作為英偉達最新一代的車載計算平臺，英偉達 Thor 能夠提供數(shù)倍于 Orin-X 的算力，而且與英偉達的 DriveOS 操作系統(tǒng)緊密配合，可以說是市場的熱門選擇。

從落地的維度上看，除了理想旗下的車型之外，2025 年上半年，Thor 在領(lǐng)克 900、小米 YU7 等車型上落地；下半年，極氪品牌、智己品牌下的多款車型也搭載 Thor 上市。

值得一提的是，上述車型多采用單 Thor 方案，極氪 9X 車型還提供了一個搭載雙 Thor 芯片的千里浩瀚 H9 智駕方案。

當然，需要說明的是，除了以上具備算法自研能力的車企之外，類似于元戎啟行、卓馭這樣的算法供應(yīng)商也在基于英偉達 Thor 進行高階智駕方案的研發(fā)，它們的方案也會有機會在更多的車型中落地。

即使是在各大車企和方案商都在尋求搭載更高算力的計算平臺，但在現(xiàn)有的落地場景中上，英偉達依舊是在中國市場高階智駕落地層面最關(guān)鍵的算力平臺供應(yīng)商。

比如，自研芯片已經(jīng)的小鵬汽車也在發(fā)布會上明確表示，依舊會在部分車型上選擇英偉達的芯片；而蔚來在旗下樂道品牌的 L60 和 L90 車型上依舊在采用英偉達 Orin-X 平臺。

除了上述兩派之外，還有另外一類是華為和地平線這樣同時擁有軟硬件能力的供應(yīng)商。

其中，華為在通過鴻蒙智行取得成功之后，又通過華為乾崑品牌與國內(nèi)一眾車企達成了 ADS 方案合作。不過，華為本身不傾向于公開其智能駕駛平臺的算力，因此從技術(shù)維度上，華為的做法更多是基于軟件算法做迭代，加強在云端算力側(cè)的世界引擎的訓(xùn)練，從而在 ADS 4 相關(guān)車型上落地。

其中一個小變化是，盡管依舊有不少車型繼續(xù)采用 MDC 610，但類似于尊界 S800 這樣的車型則采用了算力更高的 MDC 810 計算平臺。

當然，在華為之外，地平線也在 2025 年大力推動其最新的 J6 芯片系列通過其一段式端到端 HSD 智能駕駛方案來上車，目前該方案已經(jīng)在奇瑞、長安的部分車型上成功落地。

總體來看，從車端算力的維度，整個市場隨著汽車行業(yè)本身的變化而變得更加分化，其中的變量在于，華為憑借自身的技術(shù)和品牌實力拿下了一定份額，一些新勢力車企出于自身的戰(zhàn)略考量選擇自研——整個行業(yè)也隨之迎來了前所未有的格局變化。

算力瓶頸，從車端到云端

如果從自動駕駛整體發(fā)展的角度來看，無論是在車端，還是在云端，都在呼喚著更多、更強大的算力支撐。

畢竟，在智能駕駛這片「無人區(qū)」中，技術(shù)方案雖然存在不確定性，但是也存在一個非常明確的趨勢是，智能駕駛在現(xiàn)有端到端感知能力的基礎(chǔ)上，還需要獲得更加高效和通用的「世界認知能力」的加持——無論是 VLA 還是世界模型，這都是一道無法繞過的門檻。

而認知，顯然是一個更加復(fù)雜的工程。

與此同時，在智能駕駛產(chǎn)業(yè)的集體推進中，已經(jīng)有類似于英偉達、特斯拉、小鵬、地平線、元戎啟行這樣的玩家都在推進 L2 的基礎(chǔ)上，瞄準了歸屬于 L4 框架下的 Robotaxi。

這種情況下，算力的瓶頸越來越明顯。

從車端的角度來看，多位行業(yè)人士已經(jīng)明確表示，無論是 VLA 還是端到端，從車端的角度來看，對于其實際提升最大的約束，依舊是算力。也就是說，大算力本身，依舊是智能駕駛產(chǎn)業(yè)未來進一步從 L2 向 L4 躍升的必要基礎(chǔ)。

正是因為如此，馬斯克才在公開場合表示，特斯拉 AI5 的算力將會是 HW4 的將近 10 倍。元戎啟行 CEO 周光也表示，下一代芯片將達到 5000 TOPS，甚至 10000 TOPS 級別也不遠了。不僅如此，英偉達的下一代 DRIVE 車端算力平臺也將不出意外地面向更高算力演進。

然而，相比于車端，在智能駕駛玩家們推動 L2 向 L4 演進的過程中，更重要的競爭維度其實是在云端。

實際上，在整個智能駕駛行業(yè)的演變過程中，一代又一代算法的迭代和演變都是率先在云端進行嘗試、訓(xùn)練和部署，因此云端算力本身才是智能駕駛算法進化的關(guān)鍵基石，而更大的云端算力同樣也是也是未來算法迭代的核心支撐。

一位長期關(guān)注智能駕駛產(chǎn)業(yè)的投資人告訴我們，特斯拉之所以能夠在 FSD 的演進過程中取得巨大的優(yōu)勢，除了它的工程師團隊在算法能力上確實出色之外，還有一個重要基礎(chǔ)是它擁有更加充足的云端算力加持，這為它在數(shù)據(jù)閉環(huán)、數(shù)據(jù)訓(xùn)練、仿真驗證等方面提供了巨大優(yōu)勢。

真實的情況是，在進入到端到端的技術(shù)體系后，智能駕駛的技術(shù)演進，對于數(shù)據(jù)處理和模型訓(xùn)練提出了更高的要求，并由此在云端掀起了一場算力軍備競賽。

關(guān)于自動駕駛的發(fā)展對于云端算力的依賴，英偉達全球副總裁、汽車事業(yè)部負責(zé)人吳新宙也在 2024 年北京車展期間明確表示：作為一個不可避免的未來，未來的 AI 汽車會比現(xiàn)在的自動駕駛開發(fā)簡單很多，更多地集中在云端。

實際上，這場基于云端算力的競賽在 2023 年就已經(jīng)開始，并且在 2024 年有愈演愈烈之勢——其中一位行業(yè)人士告訴我們，即使是在財務(wù)狀況不佳的 2024 年，一位新勢力車企老板還是拍板增加云端算力，結(jié)果是，這家新勢力在 2025 年出現(xiàn)智駕算法的跨越式迭代。

而到了 2025 年，這場基于云端的算力軍備競賽還是在繼續(xù)。

一位從事智駕研發(fā)的工程師表示，其實到了 2025 年，云端算力肯定是依舊不夠用的，但是各家的智駕部門要想加云端算力，其實還是要受制于每年公司能夠給出的算力預(yù)算；有了預(yù)算就可以找到云服務(wù)廠商購買算力資源。

這位工程師強調(diào)，自動駕駛發(fā)展到這個階段，要解決的依舊是長尾問題，針對這類問題的數(shù)據(jù)訓(xùn)練、仿真模擬、測試和驗證，都只能在云端完成——對此行業(yè)里也形成了共識，包括英偉達也推出了開源的 Cosmos 世界基礎(chǔ)模型、3DGRUT 等工具來助力自動駕駛在云端的開發(fā)。

上述工程師表示：「智能駕駛要想進一步演進，車端固然重要，但首先要解決的算力瓶頸，可能還是在云端」。

等待一個 L2 到 L4 的質(zhì)變點

縱覽自動駕駛一路發(fā)展而來的過程，自動駕駛技術(shù)發(fā)展的底層驅(qū)動力，往往是 AI 技術(shù)本身的變化，端到端本身也正是受到 ChatGPT 啟發(fā)而產(chǎn)生的路徑——因此，目前智能駕駛遭遇的瓶頸，其實可以看作是大模型在舊有 Scaling Law 路徑中遭遇某種發(fā)展瓶頸的一種外在折射。

這一過程中，路線的紛爭是不可避免的。

需要明確的是，這種不同，不僅僅體現(xiàn)各家的算法方案上，同時體現(xiàn)在與算法密切相關(guān)、高度匹配的車端算力上，也更體現(xiàn)在各家對于云端算力的儲備上。當然，它也是各個玩家們基于自身財務(wù)情況所做出的商業(yè)選擇。

可以說，各家也都在算力、體驗和成本的多重選項中，掙扎著做一道技術(shù)和商業(yè)的平衡題。

但與此同時，站在 2025 年年底的角度來觀察，中美的智駕產(chǎn)業(yè)玩家們其實都瞄準了一個更具確定性的方向：無論是車端算力還是云端算力，雖然已經(jīng)上了一個大臺階，但是要想向真正意義上的 L4 邁進，在 2025 年的當下，都還遠遠不夠，還存在著巨大的持續(xù)加碼的空間。

尤其是云端的角色，可能會顯得更加重要。

值得一提的是，考慮到一大批 L2 玩家正在面向以 Robotaxi 為代表的 L4 大踏步邁進，很明顯，自動駕駛行業(yè)的發(fā)展，仿佛正處于量變到質(zhì)變的前夜。

但是，從量變到質(zhì)變，談何容易。

2020 年 6 月，硅谷知名 AI 大神、時任特斯拉 AI 負責(zé)人 Andrej Karpathy（業(yè)內(nèi)簡稱為 AK）在社交媒體上發(fā)表了自己對于自動駕駛未來發(fā)展的思考，他的原話是：

Autopilot 的終極形態(tài)，應(yīng)該是將車輛管理局手冊（DMV Handbook）的內(nèi)容輸入到一個「大型多模態(tài)的 GTP-10」中，然后喂給它過去 10 秒的傳感器數(shù)據(jù)，使它跟著走。

即使是從今天的視角來看，AK 對于自動駕駛未來發(fā)展的思考依舊沒有過時——毫無疑問，雖然 GPT-10 尚且遙遠，但自動駕駛?cè)詴?AI 技術(shù)的持續(xù)發(fā)展中持續(xù)演變，這依舊是一條漫長的技術(shù)和商業(yè)之路，而車端和云端算力的雙重加持，將會變得更加不可或缺。