回過頭來看，在大洋彼岸的中國，智能駕駛玩家們在繼續(xù)學習特斯拉的情況下，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習的意味。
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。
算力的躍升，其實是高階智能駕駛在技術進化和產(chǎn)品落地過程中的一個必然結果。
比如，在 2022 年，在智能駕駛的落地場景從高速 NOA 向城市 NOA 進行躍升的關鍵關口，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鍵的算力平臺供應商。
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，加強在云端算力側的世界引擎的訓練，從而在 ADS 4 相關車型上落地。
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。
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。
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、訓練和部署，因此云端算力本身才是智能駕駛算法進化的關鍵基石，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體系后，智能駕駛的技術演進，對于數(shù)據(jù)處理和模型訓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算；有了預算就可以找到云服務廠商購買算力資源。
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」。
縱覽自動駕駛一路發(fā)展而來的過程，自動駕駛技術發(fā)展的底層驅動力，往往是 AI 技術本身的變化，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、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變的前夜。
但是，從量變到質變，談何容易。
2020 年 6 月，硅谷知名 AI 大神、時任特斯拉 AI 負責人 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，但自動駕駛仍會在 AI 技術的持續(xù)發(fā)展中持續(xù)演變，這依舊是一條漫長的技術和商業(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。
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論