中國儲能網(wǎng)訊：“國內(nèi)自媒體總說，自主品牌車企的智能輔助駕駛（實力）遠超特斯拉，但事實是特斯拉先提概念，我們隨后跟進。從算力上論，國內(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?，中國汽車工業(yè)協(xié)會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)對智能輔助駕駛算力、算法的關(guān)注。
“特斯拉2016年啟動自動駕駛自主研發(fā)，我們2018年跟進；特斯拉2021年發(fā)布FSD Beta，我們2023年推出類似功能，這種時間差背后是算力基建的代差?！蓖跻岬降乃懔Σ罹?，在多大程度上影響智能輔助駕駛的發(fā)展？對于這個問題，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)動路徑密不可分。
與ChatGPT、Deepseek等聊天機器人模型主要以圖片、文本不同，自動駕駛系統(tǒng)的數(shù)據(jù)訓(xùn)練需要真實的駕駛視頻，相比之下占用空間大得多。海量的實時視覺信息處理、復(fù)雜場景的模擬預(yù)測、神經(jīng)網(wǎng)絡(luò)模型的快速迭代訓(xùn)練，每一項都對自動駕駛的底層算力提出指數(shù)級增長需求。
尤其特斯拉的目標(biāo)不只是FSD，還有Robotaxi及無人駕駛。在2023年二季度公司財報電話會上，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，要實現(xiàn)無人駕駛需要很高的計算能力，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駕駛需求開發(fā)的高性能計算系統(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每日采集的約1600億幀視頻數(shù)據(jù)。這些視頻需要逐一進行分析、標(biāo)記和處理，幫助FSD不斷學(xué)習(xí)新的邊緣場景（即不可預(yù)測的罕見情況）。
正因為采用純視覺方案發(fā)展自動駕駛，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。因為一旦獲得成功，特斯拉FSD的訓(xùn)練效率將從根本上實現(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的“訓(xùn)練瓦”上，以提供9千萬億次計算能力（9PFLOPS），其中120個“訓(xùn)練瓦”聚集在幾個服務(wù)器機柜中，提供10PFLOPS的運算能力。
根據(jù)最新消息，特斯拉Dojo第2代芯片量產(chǎn)進入倒計時，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年實現(xiàn)規(guī)模化運營。這些進展很可能會讓特斯拉FSD實現(xiàn)“自產(chǎn)自訓(xùn)”，從此完全擺脫英偉達的“束縛”，進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)練速度猛增一個數(shù)量級，這也意味著FSD的優(yōu)化將再上一個臺階。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)增長點——向外部企業(yè)提供強大的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)進入智能化發(fā)展的“下半場”，算力基建與之“強掛鉤”。隨著市場競爭逐漸進入同質(zhì)化階段，誰能率先以技術(shù)創(chuàng)新突出重圍，誰就更有希望站上價值鏈的制高點。
國內(nèi)車企對于特斯拉在AI算力上的投入反應(yīng)敏銳，長城、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最大的自動駕駛智算中心“扶搖”，用于自動駕駛模型訓(xùn)練。據(jù)悉，“扶搖”基于阿里云智能計算平臺，算力可達600PFLOPS，將小鵬自動駕駛核心模型的訓(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)計到年底將超30億公里；當(dāng)前訓(xùn)練算力達到5.39EFLOPS（1EFLOPS相當(dāng)于1000PFLOPS），預(yù)計到年底將超過8EFLOPS?！拔覀冋J為，自動駕駛訓(xùn)練所需的算力最終要達到100EFLOPS量級，折合成投入每年要超過10億美元?！彼Q。
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算中心AIDC啟動運營。作為SenseCore商湯AI大裝置計算基礎(chǔ)設(shè)施的重要組成部分，AIDC一期工程的設(shè)計算力為每秒3740PFLOPs，預(yù)計每天可處理時長2.36萬年的視頻，占地面積13萬平方米，一期機柜數(shù)量達5000個，號稱“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)計將不低于50億港元。
華為則于近日在2025世界人工智能大會上首次線下展示了昇騰384超節(jié)點真機，通過全互聯(lián)架構(gòu)實現(xiàn)芯片高效協(xié)同，提供高達300PFLOPS的密集算力。
雖然國內(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，有市場研究機構(gòu)分別對國內(nèi)車企及特斯拉的算力情況進行了統(tǒng)計與對比，發(fā)現(xiàn)差距確實存在。
值得關(guān)注的是，與2022~2023年車企密集建設(shè)超算中心不同，雖然算力競爭越來越白熱化，但車企自建的趨勢似乎悄然弱化。有行業(yè)人士分析認為，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：一是芯片路線突變，英偉達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)進化，分布式集群替代單一中心。
國內(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，分享了這樣的觀點：“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，基于語言模型的VLM/VLA端到端大模型仍處于起步階段，對訓(xùn)練算力的需求尚未完全爆發(fā)。僅從智能輔助駕駛來說，中國車企也還不到大范圍鋪算力的時候，具體需要調(diào)動多少算力，還要與算法掛鉤?！?/span>
算力差距背后的深層次原因，還要從技術(shù)路線、實際需求以及未來趨勢等方面抽絲剝繭地探究。
首先，技術(shù)路線差異是根本所在。特斯拉堅持純視覺路線，這種解決方案先天存在逆光、弱光、測距等缺陷，必須依賴海量數(shù)據(jù)訓(xùn)練彌補感知不足，這直接催生了其對算力的瘋狂渴求。而國內(nèi)車企根據(jù)不同的產(chǎn)品定位，多采用視覺、激光雷達+視覺融合兩套方案。其中，激光雷達提供的3D環(huán)境直接測量能力，可大幅降低對數(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?！?/span>
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)于自動駕駛，更與其大語言模型、場景生成等AI業(yè)務(wù)協(xié)同。特斯拉自研的Dojo平臺正在探索“世界模型”技術(shù)，通過生成式AI模擬罕見駕駛場景，這類大模型訓(xùn)練天然需要指數(shù)級的算力支撐。
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的收集，更多來自虛擬世界的仿真與強化學(xué)習(xí)。這也解釋了為何特斯拉對算力有如此大的需求。
在記者的采訪中，不少行業(yè)人士都認為，技術(shù)路線與實際需求的差異，意味著國內(nèi)汽車行業(yè)不必非要在算力上與特斯拉一較高下。就目前國內(nèi)組合輔助駕駛的推廣情況來看，國內(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，讓國內(nèi)車企不必單打獨斗，協(xié)同優(yōu)勢下甚至在某些方面領(lǐng)先特斯拉幾個“身位”。
據(jù)了解，國內(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，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。
智能輔助駕駛競爭靠什么
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)對算力、算法、架構(gòu)、數(shù)據(jù)究竟應(yīng)先補齊哪塊短板的討論，尤為重要和必要。
孫輝認為，在討論這個問題之前，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、成本、適配方案等。”
在孫輝看來，以數(shù)據(jù)為主的要素將是下一個關(guān)鍵競爭點。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，人才流動或技術(shù)來源會讓創(chuàng)新快速擴散，企業(yè)很難長期維持‘護城河’。”
有鑒于此，數(shù)據(jù)在深層次的行業(yè)競爭中體現(xiàn)出更高的價值。擁有百萬級實車數(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)制的競爭力：一是解決“交互博弈”難題，例如車輛對加塞、搶道等行為的擬人化決策，需海量真實路況訓(xùn)練；二是優(yōu)化“長尾場景”，國內(nèi)復(fù)雜路況下特有的三輪車、移動路障等場景，依賴大量本土化數(shù)據(jù)積累。孫輝認為，這是新入局者或外來者無法擁有的優(yōu)勢，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優(yōu)化。
此外，孫輝還補充說，人才密度事關(guān)落地效率，人才是決定智能輔助駕駛市場競爭力的另一個核心要素。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)實的“鴻溝”，“100種加塞場景，需要100套人工規(guī)則兜底”。目前，行業(yè)頭部企業(yè)的智駕團隊已達數(shù)千人規(guī)模，遠超早期的算法研發(fā)需求。因此，企業(yè)如何高效組織工程師團隊打造數(shù)據(jù)閉環(huán)、開展規(guī)則校驗，正在成為智能輔助駕駛市場競爭新焦點。
即使擁有同等算力資源，不同團隊的算法效率和最終的系統(tǒng)性能也可能天差地別。就職于某造車新勢力企業(yè)的工程師李光（化名）向記者強調(diào)了算法的重要性：“算法效率是杠桿，例如DeepSeek以同行1/10的算力達到同等體驗效果。算法效率高，可以不需要那么大的算力。現(xiàn)在大家都在‘卷’算力，本質(zhì)上是因為算法不夠優(yōu)?！彼J為，在技術(shù)路線上，國內(nèi)車企通過激光雷達以“硬件補算法”，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)化的長期價值。
總之，算力是一個核心競爭要素，但不是全部，還有感知、算法、數(shù)據(jù)等要素。系統(tǒng)級最優(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?！?/span>
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。
從長遠來看，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)模與前瞻儲備的平衡?！崩罟獗硎?，例如對特斯拉、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)”、小鵬推進的人形機器人、特斯拉涉及的能源等其他業(yè)務(wù)，都對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，車輛產(chǎn)生的數(shù)據(jù)將呈指數(shù)級增長，車企對于算力基建的儲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，強調(diào)了算力基建的重要性：“小米集團有個獨立的‘小愛’業(yè)務(wù)部，專門負責(zé)AI基座大模型的設(shè)計與開發(fā)。這一模型要統(tǒng)一支撐手機、IoT、汽車等多業(yè)務(wù)，算力復(fù)用率遠高于單一車企。因為小米以智能手機起家，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)擴容應(yīng)對車型銷量增長產(chǎn)生的數(shù)據(jù)處理與產(chǎn)品智能化升級需求?！?/span>
面對算力差距，簡單的“買卡建機房”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)展行動計劃》通知，要求到2025年，算力規(guī)模超過300EFLOPS。我國“東數(shù)西算”工程有序推進，一批國家級智算中心在多地拔地而起，從而構(gòu)建覆蓋全國的算力網(wǎng)絡(luò)。在芯片層面，盡管面臨先進制程限制，華為昇騰、寒武紀(jì)等國內(nèi)廠商也在持續(xù)迭代技術(shù)與產(chǎn)品，努力提升國產(chǎn)芯片的性能和構(gòu)建產(chǎn)業(yè)生態(tài)。
中國汽車產(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，行業(yè)也需要獨立思考與創(chuàng)新性思維，在技術(shù)落地應(yīng)用與構(gòu)建未來競爭力之間尋找平衡。
