“國(guó)內(nèi)自媒體總說，自主品牌車企的智能輔助駕駛（實(shí)力）遠(yuǎn)超特斯拉，但事實(shí)是特斯拉先提概念，我們隨后跟進(jìn)。從算力上論，國(guó)內(nèi)所有車企AI（芯片）的顯卡加起來都沒有特斯拉Dojo多?！鼻安痪?，中國(guó)汽車工業(yè)協(xié)會(huì)副總工程師王耀在行業(yè)論壇上的一番話，再次引發(fā)行業(yè)對(duì)智能輔助駕駛算力、算法的關(guān)注。

“特斯拉2016年啟動(dòng)自動(dòng)駕駛自主研發(fā)，我們2018年跟進(jìn)；特斯拉2021年發(fā)布FSD Beta，我們2023年推出類似功能，這種時(shí)間差背后是算力基建的代差。”王耀提到的算力差距，在多大程度上影響智能輔助駕駛的發(fā)展？對(duì)于這個(gè)問題，行業(yè)專家和企業(yè)人士給出了自己的解答。

特斯拉追求算力的自研賬

走純視覺路線的特斯拉，對(duì)算力有著近乎瘋狂的追求。這與其技術(shù)路線選擇和數(shù)據(jù)驅(qū)動(dòng)路徑密不可分。

與ChatGPT、Deepseek等聊天機(jī)器人模型主要以圖片、文本不同，自動(dòng)駕駛系統(tǒng)的數(shù)據(jù)訓(xùn)練需要真實(shí)的駕駛視頻，相比之下占用空間大得多。海量的實(shí)時(shí)視覺信息處理、復(fù)雜場(chǎng)景的模擬預(yù)測(cè)、神經(jīng)網(wǎng)絡(luò)模型的快速迭代訓(xùn)練，每一項(xiàng)都對(duì)自動(dòng)駕駛的底層算力提出指數(shù)級(jí)增長(zhǎng)需求。

尤其特斯拉的目標(biāo)不只是FSD，還有Robotaxi及無人駕駛。在2023年二季度公司財(cái)報(bào)電話會(huì)上，特斯拉創(chuàng)始人兼首席執(zhí)行官馬斯克談及FSD Beta的開發(fā)。他表示，要實(shí)現(xiàn)無人駕駛需要很高的計(jì)算能力，Dojo將提供更高效的神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練。

Dojo是特斯拉為滿足純視覺自動(dòng)駕駛需求開發(fā)的高性能計(jì)算系統(tǒng)，于2023年7月正式投產(chǎn)。該系統(tǒng)采用特斯拉自研的D1芯片構(gòu)建分布式架構(gòu)，主要處理特斯拉全球車隊(duì)每日采集的約1600億幀視頻數(shù)據(jù)。這些視頻需要逐一進(jìn)行分析、標(biāo)記和處理，幫助FSD不斷學(xué)習(xí)新的邊緣場(chǎng)景（即不可預(yù)測(cè)的罕見情況）。

正因?yàn)椴捎眉円曈X方案發(fā)展自動(dòng)駕駛，特斯拉走上了自研芯片、打造高性能視頻訓(xùn)練的超算之路。因?yàn)橐坏┇@得成功，特斯拉FSD的訓(xùn)練效率將從根本上實(shí)現(xiàn)躍遷。

在此背景下，第一代Dojo及其自研芯片D1在2021年特斯拉AI Day上首次亮相，不過當(dāng)時(shí)還只是Demo。最早的D1芯片，采用7納米制程工藝制造。特斯拉將一組這樣的芯片放在單獨(dú)的“訓(xùn)練瓦”上，以提供9千萬億次計(jì)算能力（9PFLOPS），其中120個(gè)“訓(xùn)練瓦”聚集在幾個(gè)服務(wù)器機(jī)柜中，提供10PFLOPS的運(yùn)算能力。

根據(jù)最新消息，特斯拉Dojo第2代芯片量產(chǎn)進(jìn)入倒計(jì)時(shí)，性能比第一代產(chǎn)品提高10倍；Dojo第3代芯片，將于明年推出；此外，Dojo超算有望2026年實(shí)現(xiàn)規(guī)模化運(yùn)營(yíng)。這些進(jìn)展很可能會(huì)讓特斯拉FSD實(shí)現(xiàn)“自產(chǎn)自訓(xùn)”，從此完全擺脫英偉達(dá)的“束縛”，進(jìn)而甚至向外部提供算力。

特斯拉表示，Dojo 2超算能讓數(shù)據(jù)訓(xùn)練速度猛增一個(gè)數(shù)量級(jí)，這也意味著FSD的優(yōu)化將再上一個(gè)臺(tái)階。更具戰(zhàn)略意義的是，富余的算力潛能可能轉(zhuǎn)化為新的業(yè)務(wù)增長(zhǎng)點(diǎn)——向外部企業(yè)提供強(qiáng)大的AI訓(xùn)練服務(wù)，特斯拉自身則由此向“AI基礎(chǔ)設(shè)施服務(wù)商”悄然轉(zhuǎn)型。

自建算力中心的興起與弱化

汽車行業(yè)進(jìn)入智能化發(fā)展的“下半場(chǎng)”，算力基建與之“強(qiáng)掛鉤”。隨著市場(chǎng)競(jìng)爭(zhēng)逐漸進(jìn)入同質(zhì)化階段，誰(shuí)能率先以技術(shù)創(chuàng)新突出重圍，誰(shuí)就更有希望站上價(jià)值鏈的制高點(diǎn)。

國(guó)內(nèi)車企對(duì)于特斯拉在AI算力上的投入反應(yīng)敏銳，長(zhǎng)城、吉利、小鵬和理想等也開始籌建自己的超算中心。

2022年8月，小鵬汽車宣布在烏蘭察布建成中國(guó)最大的自動(dòng)駕駛智算中心“扶搖”，用于自動(dòng)駕駛模型訓(xùn)練。據(jù)悉，“扶搖”基于阿里云智能計(jì)算平臺(tái)，算力可達(dá)600PFLOPS，將小鵬自動(dòng)駕駛核心模型的訓(xùn)練速度提升近170倍。

要把汽車打造成“硅基家人”的理想，提出“ALL in AI”戰(zhàn)略后，也聚焦算力中心的打造，僅算力訓(xùn)練一年就投入10億元。2024年9月，理想汽車智能駕駛研發(fā)副總裁郎咸朋曾透露，該公司目前累積的訓(xùn)練里程已超22億公里，預(yù)計(jì)到年底將超30億公里；當(dāng)前訓(xùn)練算力達(dá)到5.39EFLOPS（1EFLOPS相當(dāng)于1000PFLOPS），預(yù)計(jì)到年底將超過8EFLOPS?！拔覀冋J(rèn)為，自動(dòng)駕駛訓(xùn)練所需的算力最終要達(dá)到100EFLOPS量級(jí)，折合成投入每年要超過10億美元。”他稱。

汽車行業(yè)算力基建的參與者除了車企，還有華為、商湯科技等產(chǎn)業(yè)鏈上游供應(yīng)商。2022年，商湯科技宣布旗下人工智能計(jì)算中心AIDC啟動(dòng)運(yùn)營(yíng)。作為SenseCore商湯AI大裝置計(jì)算基礎(chǔ)設(shè)施的重要組成部分，AIDC一期工程的設(shè)計(jì)算力為每秒3740PFLOPs，預(yù)計(jì)每天可處理時(shí)長(zhǎng)2.36萬年的視頻，占地面積13萬平方米，一期機(jī)柜數(shù)量達(dá)5000個(gè)，號(hào)稱“亞洲最大的超算中心之一”。目前，AIDC已成為商湯科技挑大梁的業(yè)務(wù)，公司2025年算力租賃收入預(yù)計(jì)將不低于50億港元。

華為則于近日在2025世界人工智能大會(huì)上首次線下展示了昇騰384超節(jié)點(diǎn)真機(jī)，通過全互聯(lián)架構(gòu)實(shí)現(xiàn)芯片高效協(xié)同，提供高達(dá)300PFLOPS的密集算力。

雖然國(guó)內(nèi)汽車行業(yè)的算力基建不斷加速，但王耀的擔(dān)憂并不是空穴來風(fēng)。2024年，有市場(chǎng)研究機(jī)構(gòu)分別對(duì)國(guó)內(nèi)車企及特斯拉的算力情況進(jìn)行了統(tǒng)計(jì)與對(duì)比，發(fā)現(xiàn)差距確實(shí)存在。

值得關(guān)注的是，與2022~2023年車企密集建設(shè)超算中心不同，雖然算力競(jìng)爭(zhēng)越來越白熱化，但車企自建的趨勢(shì)似乎悄然弱化。有行業(yè)人士分析認(rèn)為，這一現(xiàn)象的背后是行業(yè)技術(shù)路線、成本策略和算力部署模式的系統(tǒng)性轉(zhuǎn)變，主要受以下5大因素驅(qū)動(dòng)：一是芯片路線突變，英偉達(dá)Thor芯片延期與車企自研芯片崛起打破原有規(guī)劃；二是算力部署策略轉(zhuǎn)變，車企從自建轉(zhuǎn)向混合云與專業(yè)化服務(wù)；三是成本壓力倒逼，車企從重資產(chǎn)投入轉(zhuǎn)向輕量化協(xié)作；四是技術(shù)重心遷移，車企從算力堆砌轉(zhuǎn)向大模型與數(shù)據(jù)閉環(huán)落地；五是超算形態(tài)進(jìn)化，分布式集群替代單一中心。

國(guó)內(nèi)的算力需求尚未爆發(fā)

清華大學(xué)蘇州汽車研究院智能網(wǎng)聯(lián)中心技術(shù)總監(jiān)孫輝在接受記者采訪時(shí)，分享了這樣的觀點(diǎn)：“智能輔助駕駛的發(fā)展還在路上，由于車端部署算力的限制，基于語(yǔ)言模型的VLM/VLA端到端大模型仍處于起步階段，對(duì)訓(xùn)練算力的需求尚未完全爆發(fā)。僅從智能輔助駕駛來說，中國(guó)車企也還不到大范圍鋪算力的時(shí)候，具體需要調(diào)動(dòng)多少算力，還要與算法掛鉤?！?/p>

算力差距背后的深層次原因，還要從技術(shù)路線、實(shí)際需求以及未來趨勢(shì)等方面抽絲剝繭地探究。

首先，技術(shù)路線差異是根本所在。特斯拉堅(jiān)持純視覺路線，這種解決方案先天存在逆光、弱光、測(cè)距等缺陷，必須依賴海量數(shù)據(jù)訓(xùn)練彌補(bǔ)感知不足，這直接催生了其對(duì)算力的瘋狂渴求。而國(guó)內(nèi)車企根據(jù)不同的產(chǎn)品定位，多采用視覺、激光雷達(dá)+視覺融合兩套方案。其中，激光雷達(dá)提供的3D環(huán)境直接測(cè)量能力，可大幅降低對(duì)數(shù)據(jù)訓(xùn)練的依賴。孫輝直言：“純視覺路線下，堆算力是特斯拉惟一的出路。”

其次，不能忽略特斯拉在戰(zhàn)略布局上的更大“野心”。特斯拉的算力投入不僅服務(wù)于自動(dòng)駕駛，更與其大語(yǔ)言模型、場(chǎng)景生成等AI業(yè)務(wù)協(xié)同。特斯拉自研的Dojo平臺(tái)正在探索“世界模型”技術(shù)，通過生成式AI模擬罕見駕駛場(chǎng)景，這類大模型訓(xùn)練天然需要指數(shù)級(jí)的算力支撐。

在2025上海車展期間，地平線創(chuàng)始人兼首席執(zhí)行官余凱曾提及，特斯拉的數(shù)據(jù)來源除了用戶與自己車隊(duì)的收集，更多來自虛擬世界的仿真與強(qiáng)化學(xué)習(xí)。這也解釋了為何特斯拉對(duì)算力有如此大的需求。

在記者的采訪中，不少行業(yè)人士都認(rèn)為，技術(shù)路線與實(shí)際需求的差異，意味著國(guó)內(nèi)汽車行業(yè)不必非要在算力上與特斯拉一較高下。就目前國(guó)內(nèi)組合輔助駕駛的推廣情況來看，國(guó)內(nèi)頭部車企與特斯拉并不存在明顯差距，算力溝壑在應(yīng)用層面的表現(xiàn)并不突出。而產(chǎn)業(yè)生態(tài)的差距，讓國(guó)內(nèi)車企不必單打獨(dú)斗，協(xié)同優(yōu)勢(shì)下甚至在某些方面領(lǐng)先特斯拉幾個(gè)“身位”。

據(jù)了解，國(guó)內(nèi)車企推廣組合輔助駕駛普遍采用分層策略，高端車型配裝激光雷達(dá)，中低端走純視覺路線，并依托供應(yīng)商提供算力基建。這種分工合作讓車企無需獨(dú)立承擔(dān)超算中心的建設(shè)成本。特斯拉則受限于北美供應(yīng)鏈環(huán)境，只能選擇全棧自研的“重投入”路徑。

智能輔助駕駛競(jìng)爭(zhēng)靠什么

不必陷入算力焦慮，更不必落入自證陷阱，在智能輔助駕駛加快落地的過程中，行業(yè)對(duì)算力、算法、架構(gòu)、數(shù)據(jù)究竟應(yīng)先補(bǔ)齊哪塊短板的討論，尤為重要和必要。

孫輝認(rèn)為，在討論這個(gè)問題之前，要先精準(zhǔn)定位產(chǎn)品。他表示：“智能輔助駕駛系統(tǒng)畢竟是一款產(chǎn)品，要與車輛本身結(jié)合統(tǒng)籌考慮，確定設(shè)計(jì)、成本、適配方案等?！?/p>

在孫輝看來，以數(shù)據(jù)為主的要素將是下一個(gè)關(guān)鍵競(jìng)爭(zhēng)點(diǎn)。聚焦智能輔助駕駛本身，他分析道：“算法同質(zhì)化已成定局，從BEV、OCC（占用網(wǎng)絡(luò)）架構(gòu)到端到端大模型，核心技術(shù)框架已高度趨同，一條路線以純視覺為主，另一條路線是融合感知方案。算法無法被壟斷，人才流動(dòng)或技術(shù)來源會(huì)讓創(chuàng)新快速擴(kuò)散，企業(yè)很難長(zhǎng)期維持‘護(hù)城河’。”

有鑒于此，數(shù)據(jù)在深層次的行業(yè)競(jìng)爭(zhēng)中體現(xiàn)出更高的價(jià)值。擁有百萬級(jí)實(shí)車數(shù)據(jù)的企業(yè)，正通過收集到的海量數(shù)據(jù)，構(gòu)建不易復(fù)制的競(jìng)爭(zhēng)力：一是解決“交互博弈”難題，例如車輛對(duì)加塞、搶道等行為的擬人化決策，需海量真實(shí)路況訓(xùn)練；二是優(yōu)化“長(zhǎng)尾場(chǎng)景”，國(guó)內(nèi)復(fù)雜路況下特有的三輪車、移動(dòng)路障等場(chǎng)景，依賴大量本土化數(shù)據(jù)積累。孫輝認(rèn)為，這是新入局者或外來者無法擁有的優(yōu)勢(shì)，缺乏本土數(shù)據(jù)的支撐將直接制約智能輔助駕駛的體驗(yàn)優(yōu)化。

此外，孫輝還補(bǔ)充說，人才密度事關(guān)落地效率，人才是決定智能輔助駕駛市場(chǎng)競(jìng)爭(zhēng)力的另一個(gè)核心要素。端到端大模型并未減少工程復(fù)雜度，反而需要更多研發(fā)人員處理算法與現(xiàn)實(shí)的“鴻溝”，“100種加塞場(chǎng)景，需要100套人工規(guī)則兜底”。目前，行業(yè)頭部企業(yè)的智駕團(tuán)隊(duì)已達(dá)數(shù)千人規(guī)模，遠(yuǎn)超早期的算法研發(fā)需求。因此，企業(yè)如何高效組織工程師團(tuán)隊(duì)打造數(shù)據(jù)閉環(huán)、開展規(guī)則校驗(yàn)，正在成為智能輔助駕駛市場(chǎng)競(jìng)爭(zhēng)新焦點(diǎn)。

即使擁有同等算力資源，不同團(tuán)隊(duì)的算法效率和最終的系統(tǒng)性能也可能天差地別。就職于某造車新勢(shì)力企業(yè)的工程師李光（化名）向記者強(qiáng)調(diào)了算法的重要性：“算法效率是杠桿，例如DeepSeek以同行1/10的算力達(dá)到同等體驗(yàn)效果。算法效率高，可以不需要那么大的算力?，F(xiàn)在大家都在‘卷’算力，本質(zhì)上是因?yàn)樗惴ú粔騼?yōu)?！彼J(rèn)為，在技術(shù)路線上，國(guó)內(nèi)車企通過激光雷達(dá)以“硬件補(bǔ)算法”，雖能短期內(nèi)能夠奏效，卻推高了單車成本，反觀特斯拉的純視覺路線印證了算法優(yōu)化的長(zhǎng)期價(jià)值。

總之，算力是一個(gè)核心競(jìng)爭(zhēng)要素，但不是全部，還有感知、算法、數(shù)據(jù)等要素。系統(tǒng)級(jí)最優(yōu)，才是最優(yōu)。一位智能輔助駕駛企業(yè)人士也向記者表示：“‘?dāng)?shù)據(jù)質(zhì)量+訓(xùn)練’策略也很重要，‘海量數(shù)據(jù)+大算力’不是惟一解，肯定還有更優(yōu)解?！?/p>

算力基建是復(fù)雜性系統(tǒng)工程

就當(dāng)前情況來看，算力并不是直接“卡脖子”的因素，但要深耕汽車智能化賽道，這張“道具牌”也不能等閑視之。

從長(zhǎng)遠(yuǎn)來看，汽車行業(yè)算力基建有不可忽視的戰(zhàn)略意義?！霸贫怂懔ㄔO(shè)本質(zhì)是業(yè)務(wù)規(guī)模與前瞻儲(chǔ)備的平衡?！崩罟獗硎荆鐚?duì)特斯拉、理想、小鵬等車企而言，算力不只服務(wù)于智能輔助駕駛——理想打造的“理想同學(xué)”、小鵬推進(jìn)的人形機(jī)器人、特斯拉涉及的能源等其他業(yè)務(wù)，都對(duì)大模型算力有著很高的要求。

而且，隨著智能汽車銷量的逐步增長(zhǎng)，車輛產(chǎn)生的數(shù)據(jù)將呈指數(shù)級(jí)增長(zhǎng)，車企對(duì)于算力基建的儲(chǔ)備需求也必然將提上議事日程。

李光借助小米業(yè)務(wù)板塊的例子，強(qiáng)調(diào)了算力基建的重要性：“小米集團(tuán)有個(gè)獨(dú)立的‘小愛’業(yè)務(wù)部，專門負(fù)責(zé)AI基座大模型的設(shè)計(jì)與開發(fā)。這一模型要統(tǒng)一支撐手機(jī)、IoT、汽車等多業(yè)務(wù)，算力復(fù)用率遠(yuǎn)高于單一車企。因?yàn)樾∶滓灾悄苁謾C(jī)起家，所以在算力基建方面有較深的基礎(chǔ)。而理想等車企因業(yè)務(wù)單一且起步較晚，更需持續(xù)擴(kuò)容應(yīng)對(duì)車型銷量增長(zhǎng)產(chǎn)生的數(shù)據(jù)處理與產(chǎn)品智能化升級(jí)需求。”

面對(duì)算力差距，簡(jiǎn)單的“買卡建機(jī)房”思維顯然不足以為繼。構(gòu)建真正支撐AI生態(tài)的算力基建，是一項(xiàng)涉及多維度協(xié)同的復(fù)雜性系統(tǒng)工程。2023年，工業(yè)和信息化部等六部門印發(fā)關(guān)于《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動(dòng)計(jì)劃》通知，要求到2025年，算力規(guī)模超過300EFLOPS。我國(guó)“東數(shù)西算”工程有序推進(jìn)，一批國(guó)家級(jí)智算中心在多地拔地而起，從而構(gòu)建覆蓋全國(guó)的算力網(wǎng)絡(luò)。在芯片層面，盡管面臨先進(jìn)制程限制，華為昇騰、寒武紀(jì)等國(guó)內(nèi)廠商也在持續(xù)迭代技術(shù)與產(chǎn)品，努力提升國(guó)產(chǎn)芯片的性能和構(gòu)建產(chǎn)業(yè)生態(tài)。

中國(guó)汽車產(chǎn)業(yè)的智能化突圍之路，必然是算力基建的全力追趕與數(shù)據(jù)算法等核心能力躍升的“多軌并行”。在正視差距的同時(shí)，行業(yè)也需要獨(dú)立思考與創(chuàng)新性思維，在技術(shù)落地應(yīng)用與構(gòu)建未來競(jìng)爭(zhēng)力之間尋找平衡。

文：張雅慧 編輯：龐國(guó)霞 版式：李沛洋