文 | 智见 Time，作者 | 308，编辑 | 经纬

2025   年，在自动驾驶依旧在持续演进的大框架下，中国智能驾驶行业迎来了一个前所未有的算力变局。

这一变局产生的关键背景是，从软件算法的角度，在整个行业完成面向「端到端」的技术范式演变之后，各个重要玩家在   2025   年又陷入到一个明显的软件算法路线纷争中。但是，到目前为止，至少在中国市场，无论是   VLA，还是世界模型，都还无法彻底证明其在最终用户体验层面的碾压性优势。

但更重要的变局支点，在于高阶智驾商业落地层面的分化。

比如，以城市   NOA   为核心产品的高阶智驾，在不同的价格带中呈现出   K   字型的分化，智驾平权和高端向上这两条截然不同的车型价值线，都在市场竞争的裹挟下混杂其中。这带来了整个行业在高阶智驾的车端算力落地维度上，不可避免地走向碎片化。

值得一提的是，基于智能驾驶技术的持续演变，也有玩家已经从   L2   出发面向归属于   L4   体系的   Robotaxi   布局——在这种情况下，云端算力加持的作用越来越明显。

当然，在上述一系列看似混沌的变化背后，也存在着一个相对清晰的底层逻辑：算力越来越成为智能驾驶发展的核心要素。

实际上，如果从技术演变、商业落地和产业分化的多个维度综合观察，我们可以从混沌的产业局面中得出一个接近于确定性的结论：无论是在车端，还是在云端，中国智能驾驶行业对于算力的需求，都越来越高。

端到端框架下的算力迁移

2023   年   8   月   26   日，马斯克在美国硅谷进行了一场有数百万人围观的自动驾驶直播。在这场直播中，马斯克驾驶了一辆搭载   FSD Beta V12   软件版本的   Model S，这个软件版本采用的，正是特斯拉正在开发的端到端自动驾驶系统。

这场堪称成功的直播，可以看作是特斯拉自动驾驶进入到端到端阶段的一个转折点。

值得一提的是，在这场直播中，马斯克所驾驶的   Model S   搭载的算力硬件基础是特斯拉   HW3，所以其算力配置依旧在   144 TOPS。但需要说明的是，当时，算力更强的   HW4   已经开始逐步上车。

事实上，在特斯拉的时间线里，自   2019   年到   2023   年，这   144 TOPS   一直是它在推进智能驾驶演进过程中的算力标准——尽管在此过程中，特斯拉的软件算法已经发生数次重要的改变。甚至到   2023   年上半年，当特斯拉在开发端到端算法软件并进行初步车端部署的时候，其优先部署对象依旧是   144 TOPS   的   HW3。

不过，在特斯拉在持续推进   FSD   的算法框架在端到端这条道路上演化的过程中，HW3   的角色逐渐被   HW4   替代。

其中，在   2024   年   7   月，特斯拉推出了   FSD   的   V12.5   版本，这个版本的参数数量是   V12.4   的五倍；关键是，这个版本开始首先面向搭载最新   HW4   算力的车辆，然后才面向   HW3   车型进行优化适配——由此，HW4   成为   FSD   进化过程中的优先部署平台。

就这样，在端到端的技术大框架下，特斯拉顺利完成了算力平台从   HW3   到   HW4   的切换。

需要说明的是，即使是基于端到端架构，特斯拉也一直在对   FSD   软件进行大幅度更新，比如   FSD   从   V12.4   到   V12.5   进行了   5   倍的参数量提升，而   2024   年年底推送的   FSD V13   则进行了一次大规模的代码重写。

不仅如此，到   2025   年，特斯拉在   FSD V13   的基础上，又推出了参数量高达   10   倍的   FSD V14，模型参数量的倍数级放大，意味着车辆能够理解更复杂的环境信息。而同时，马斯克还多次在社交媒体上透露，特斯拉自研的下一代   AI5   算力平台，算力将会是   HW4（后来被命名为   AI4）的   10   倍。

回过头来看，在大洋彼岸的中国，智能驾驶玩家们在继续学习特斯拉的情况下，并没有走上跟特斯拉一样的路径。

实际上，当特斯拉在   2023   年坚定切换到端到端的路径之后，中国的智能驾驶玩家们，无论是小鹏、理想、蔚来这样的新势力，还是华为、地平线、元戎启行等智驾方案商，都不约而同地在   2024   年迈出了拥抱端到端的步伐，这背后，自然也有向特斯拉学习的意味。

而从车端算力的角度，这些玩家们在布局端到端的路径上，依旧是选择基于旧有平台的算力方案进行优先部署；这其中，最主流的方案，无疑是总算力高达   508 TOPS   的英伟达双   Orin-X   计算平台。

然而，进入到   2025   年之后，当特斯拉   FSD   继续像   V14   版本演进的时候，中国玩家们在集体意识到端到端方案本身存在的问题和局限（比如不可解释、无法应对长尾场景）之后，又开始探索新的算法演进路径——这时候，纷争出现了。

其中，以理想、小鹏、元戎启行为代表的玩家们，在公开话语中选择了发源于具身智能领域的   VLA（视觉语言行动模型）方案，而华为、蔚来等则更加强调世界模型。

这一方面有各家在具体实现路径方面的或大或小的不同，另一方面也有市场宣传的考量，可以说是「乱花渐欲迷人眼」。但从体验的角度来说，很难说哪一家在真正意义上拥有了智驾上的碾压式优势。

不过，尽管在软件算法方案上各有千秋，但是，基于行业发展、技术切换和商业落地等多方面的整体节奏，各大智驾玩家们在   2025   年集中迎来了一个车端算力层面的切换周期——伴随着这一切换过程，整个智驾行业在车端算力层面形成了三大不同的流派。

三派分流，各有千秋

算力的跃升，其实是高阶智能驾驶在技术进化和产品落地过程中的一个必然结果。

比如，在   2022   年，在智能驾驶的落地场景从高速   NOA   向城市   NOA   进行跃升的关键关口，包括理想、蔚来、小鹏在内的智能驾驶玩家都在新推出的二代车型中采用了英伟达双   Orin-X   算力平台（蔚来搭载了四颗   Orin-X，但模型主要在其中两颗   Orin-X   上运行）。

在此次升级中，这些车型的算力水平相比于前代车型有了倍数级的提升，也因此支撑起其算法上的持续迭代，一直到端到端时代。到   2025   年，在高阶智能驾驶进一步向   VLA   或世界模型迈进，智能驾驶的算力也迎来了一次集体跃迁。

但这一次，各家的选择出现了明显的分流态势。

从   2025   年的情况来看，在车端落地的维度，高阶智能驾驶的车端算力选择主要分为三个流派：①   车企自研；②   英伟达系；③华为系及其他。

第一派是车企自研芯片，这一类以蔚来、小鹏、理想这三家新势力车企为代表。

其中，蔚来先是在年初开始交付的   ET9   车型中搭载了两颗自研的神玑   NX9031   芯片，后来又在上半年的   5566   和全新   ES8   等车型中搭载了一颗神玑   NX9031   芯片——在蔚来官方话术中，一颗神玑   NX9031   的算力水平相当于四颗   Orin-X。

小鹏自研的图灵   AI   芯片算力为   750 TOPS，该芯片在   2025   年   7   月份以三颗组合的方式随小鹏   G7 Ultra   版本正式上车。而在最新上市的小鹏   X9   增程版中，Max   版智驾也从原来的双   Orin-X   芯片切换为单颗图灵   AI   芯片。

理想的情况稍微特殊一些。到目前为止，理想已经对外宣布自研的   M100   车端智驾芯片，但还没有上车。理想表示，与市场上最强大的芯片相比，M100   能够在运行大模型时提供两倍的性能，在运行视觉模型时提供三倍的性能——该芯片预计明年将其部署在旗舰车型上并交付给用户。

因此，到目前为止，理想在   2025   年上市的车型上依旧选择搭载英伟达最新一代的   Thor   芯片——也就是我们所说的第二派，也就是英伟达派。

作为英伟达最新一代的车载计算平台，英伟达   Thor   能够提供数倍于   Orin-X   的算力，而且与英伟达的   DriveOS   操作系统紧密配合，可以说是市场的热门选择。

从落地的维度上看，除了理想旗下的车型之外，2025   年上半年，Thor   在领克   900、小米   YU7   等车型上落地；下半年，极氪品牌、智己品牌下的多款车型也搭载   Thor   上市。

值得一提的是，上述车型多采用单   Thor   方案，极氪   9X   车型还提供了一个搭载双   Thor   芯片的千里浩瀚   H9   智驾方案。

当然，需要说明的是，除了以上具备算法自研能力的车企之外，类似于元戎启行、卓驭这样的算法供应商也在基于英伟达   Thor   进行高阶智驾方案的研发，它们的方案也会有机会在更多的车型中落地。

即使是在各大车企和方案商都在寻求搭载更高算力的计算平台，但在现有的落地场景中上，英伟达依旧是在中国市场高阶智驾落地层面最关键的算力平台供应商。

比如，自研芯片已经的小鹏汽车也在发布会上明确表示，依旧会在部分车型上选择英伟达的芯片；而蔚来在旗下乐道品牌的   L60   和   L90   车型上依旧在采用英伟达   Orin-X   平台。

除了上述两派之外，还有另外一类是华为和地平线这样同时拥有软硬件能力的供应商。

其中，华为在通过鸿蒙智行取得成功之后，又通过华为乾崑品牌与国内一众车企达成了   ADS   方案合作。不过，华为本身不倾向于公开其智能驾驶平台的算力，因此从技术维度上，华为的做法更多是基于软件算法做迭代，加强在云端算力侧的世界引擎的训练，从而在   ADS 4   相关车型上落地。

其中一个小变化是，尽管依旧有不少车型继续采用   MDC 610，但类似于尊界   S800   这样的车型则采用了算力更高的   MDC 810   计算平台。

当然，在华为之外，地平线也在   2025   年大力推动其最新的   J6   芯片系列通过其一段式端到端   HSD   智能驾驶方案来上车，目前该方案已经在奇瑞、长安的部分车型上成功落地。

总体来看，从车端算力的维度，整个市场随着汽车行业本身的变化而变得更加分化，其中的变量在于，华为凭借自身的技术和品牌实力拿下了一定份额，一些新势力车企出于自身的战略考量选择自研——整个行业也随之迎来了前所未有的格局变化。

算力瓶颈，从车端到云端

如果从自动驾驶整体发展的角度来看，无论是在车端，还是在云端，都在呼唤着更多、更强大的算力支撑。

毕竟，在智能驾驶这片「无人区」中，技术方案虽然存在不确定性，但是也存在一个非常明确的趋势是，智能驾驶在现有端到端感知能力的基础上，还需要获得更加高效和通用的「世界认知能力」的加持——无论是   VLA   还是世界模型，这都是一道无法绕过的门槛。

而认知，显然是一个更加复杂的工程。

与此同时，在智能驾驶产业的集体推进中，已经有类似于英伟达、特斯拉、小鹏、地平线、元戎启行这样的玩家都在推进   L2   的基础上，瞄准了归属于   L4   框架下的   Robotaxi。

这种情况下，算力的瓶颈越来越明显。

从车端的角度来看，多位行业人士已经明确表示，无论是   VLA   还是端到端，从车端的角度来看，对于其实际提升最大的约束，依旧是算力。也就是说，大算力本身，依旧是智能驾驶产业未来进一步从   L2   向   L4   跃升的必要基础。

正是因为如此，马斯克才在公开场合表示，特斯拉   AI5   的算力将会是   HW4   的将近   10   倍。元戎启行   CEO   周光也表示，下一代芯片将达到   5000 TOPS，甚至   10000 TOPS   级别也不远了。不仅如此，英伟达的下一代   DRIVE   车端算力平台也将不出意外地面向更高算力演进。

然而，相比于车端，在智能驾驶玩家们推动   L2   向   L4   演进的过程中，更重要的竞争维度其实是在云端。

实际上，在整个智能驾驶行业的演变过程中，一代又一代算法的迭代和演变都是率先在云端进行尝试、训练和部署，因此云端算力本身才是智能驾驶算法进化的关键基石，而更大的云端算力同样也是也是未来算法迭代的核心支撑。

一位长期关注智能驾驶产业的投资人告诉我们，特斯拉之所以能够在   FSD   的演进过程中取得巨大的优势，除了它的工程师团队在算法能力上确实出色之外，还有一个重要基础是它拥有更加充足的云端算力加持，这为它在数据闭环、数据训练、仿真验证等方面提供了巨大优势。

真实的情况是，在进入到端到端的技术体系后，智能驾驶的技术演进，对于数据处理和模型训练提出了更高的要求，并由此在云端掀起了一场算力军备竞赛。

关于自动驾驶的发展对于云端算力的依赖，英伟达全球副总裁、汽车事业部负责人吴新宙也在   2024   年北京车展期间明确表示：作为一个不可避免的未来，未来的   AI   汽车会比现在的自动驾驶开发简单很多，更多地集中在云端。

实际上，这场基于云端算力的竞赛在   2023   年就已经开始，并且在   2024   年有愈演愈烈之势——其中一位行业人士告诉我们，即使是在财务状况不佳的   2024   年，一位新势力车企老板还是拍板增加云端算力，结果是，这家新势力在   2025   年出现智驾算法的跨越式迭代。

而到了   2025   年，这场基于云端的算力军备竞赛还是在继续。

一位从事智驾研发的工程师表示，其实到了   2025   年，云端算力肯定是依旧不够用的，但是各家的智驾部门要想加云端算力，其实还是要受制于每年公司能够给出的算力预算；有了预算就可以找到云服务厂商购买算力资源。

这位工程师强调，自动驾驶发展到这个阶段，要解决的依旧是长尾问题，针对这类问题的数据训练、仿真模拟、测试和验证，都只能在云端完成——对此行业里也形成了共识，包括英伟达也推出了开源的   Cosmos   世界基础模型、3DGRUT   等工具来助力自动驾驶在云端的开发。

上述工程师表示：「智能驾驶要想进一步演进，车端固然重要，但首先要解决的算力瓶颈，可能还是在云端」。

等待一个   L2   到   L4   的质变点

纵览自动驾驶一路发展而来的过程，自动驾驶技术发展的底层驱动力，往往是   AI   技术本身的变化，端到端本身也正是受到   ChatGPT   启发而产生的路径——因此，目前智能驾驶遭遇的瓶颈，其实可以看作是大模型在旧有   Scaling Law   路径中遭遇某种发展瓶颈的一种外在折射。

这一过程中，路线的纷争是不可避免的。

需要明确的是，这种不同，不仅仅体现各家的算法方案上，同时体现在与算法密切相关、高度匹配的车端算力上，也更体现在各家对于云端算力的储备上。当然，它也是各个玩家们基于自身财务情况所做出的商业选择。

可以说，各家也都在算力、体验和成本的多重选项中，挣扎着做一道技术和商业的平衡题。

但与此同时，站在   2025   年年底的角度来观察，中美的智驾产业玩家们其实都瞄准了一个更具确定性的方向：无论是车端算力还是云端算力，虽然已经上了一个大台阶，但是要想向真正意义上的   L4   迈进，在   2025   年的当下，都还远远不够，还存在着巨大的持续加码的空间。

尤其是云端的角色，可能会显得更加重要。

值得一提的是，考虑到一大批   L2   玩家正在面向以   Robotaxi   为代表的   L4   大踏步迈进，很明显，自动驾驶行业的发展，仿佛正处于量变到质变的前夜。

但是，从量变到质变，谈何容易。  

2020   年   6   月，硅谷知名   AI   大神、时任特斯拉   AI   负责人   Andrej Karpathy（业内简称为   AK）在社交媒体上发表了自己对于自动驾驶未来发展的思考，他的原话是：

Autopilot   的终极形态，应该是将车辆管理局手册（DMV Handbook）的内容输入到一个「大型多模态的   GTP-10」中，然后喂给它过去   10   秒的传感器数据，使它跟着走。

即使是从今天的视角来看，AK   对于自动驾驶未来发展的思考依旧没有过时——毫无疑问，虽然   GPT-10   尚且遥远，但自动驾驶仍会在   AI   技术的持续发展中持续演变，这依旧是一条漫长的技术和商业之路，而车端和云端算力的双重加持，将会变得更加不可或缺。