在上海舉行的第二十一屆上海國際汽車工業展覽會（2025上海車展）上，汽車智能化成為國內外參展商共同的展示重點。人工智慧（AI）技術的快速迭代與技術突破也在汽車行業引發迴響，讓智能輔助駕駛從高端市場走向主流市場，成為贏得消費者青睞的重要一環。

自去年以來，汽車市場競爭焦點從價格向智能化轉移，且競爭日益激烈。中國電動汽車百人會發佈日前發佈的《汽車智能化發展報告（2024）智駕篇》報告認為，高階智駕（輔助駕駛）已經邁過“嘗鮮期”，高速NOA（導航輔助駕駛）、城市NOA等功能，正向10萬-20萬元的主流價格區間普及。預計到2025年年底，乘用車NOA滲透率將達到20%，與2024年上半年相比，提升近一倍。

在業內人士看來，這場圍繞智能輔助駕駛的角逐不僅考驗著車企的演算法創新能力，更將算力基礎設施的完備性推向了競爭中心。無論是海量數據的訓練、計算能力的演進還是重感知能力的達成與用戶體驗的提升，都離不開安全、可靠的算力基礎設施。

國內一家汽車科技的系統總監近日表示，複雜城區場景是當前開發難度最大的地方，依賴傳統的感知模型很難去解決此類長尾場景。各個企業都在嘗試開發訓練VLM模型（視覺語言模型），而這需要極大的雲端算力及數據訓練成本。

今年年初，特斯拉的智能輔助駕駛（FSD）功能正式在中國市場推出。之所以能成為全球智能輔助駕駛的引領者之一，特斯拉在算力領域的深厚積累與巨大投入功不可沒。據美國媒體報導，特斯拉在得州超級工廠部署的Cortex超算集群已集成5萬個GPU，預計年內將擴容至10萬個，躋身全球前五大AI訓練集群。馬斯克本人曾在社交媒體透露，這10萬塊GPU均是英偉達公司的H100和H200晶片。

同時，特斯拉的Dojo超級電腦也承擔了10%的智能輔助駕駛訓練負載，而研製中的新一代Dojo超級電腦的算力較上一代將提升10倍。

據統計，目前，吉利、比亞迪等部分中國車企選擇了與特斯拉相同的路徑——自建算力平臺，其餘企業則選擇與雲計算廠商合作，利用後者成熟的算力平臺。無論走上哪一條道路，汽車智能化進程中對算力的需求都離不開安全與高效兩個關鍵字。

智能輔助駕駛自誕生之日起就與安全性緊密綁定。一方面，車企在模型訓練的過程中要保證敏感數據的安全，以及訓練狀態的持續穩定。更重要的是，車企需要不斷提升智能輔助駕駛功能的安全性，這是這項技術的核心與生命線。

目前，智能輔助駕駛的開發包括從數據採集到數據篩選、打標、模型訓練、回放性驗證、仿真測試等。通過在海量數據基礎上不斷地重複訓練與驗證，車輛對道路環境的認知水準逐漸趨近於真實情景，判斷的準確性在這一過程中不斷提升。

不難看出，可靠、完備、算力充足的算力平臺對於智能輔助駕駛的安全性提升有著直接影響。同時，以目前智能輔助駕駛中的核心NOA為例，其每一次迭代都需要消耗大量算力，而每一次及時的更新和推送，都意味著駕駛者與乘客有著多一份的安全。

在安全可靠的前提下，智能輔助駕駛技術的訓練效率越高，迭代越快，贏得市場的希望就越大，這意味著對智算平臺以及其構成有著較高技術要求。以AI行業論壇上不時出現的一個問題——為何4090不能代替A100進行大模型訓練——為例，雖然4090有著較高的單卡算力，且價格相比A100等GPU更加低廉，但它記憶體較小、不支持NVLink互聯技術等不足容易在大模型訓練中遭遇瓶頸。

有AI行業開發者分析稱，雖然4090看上去有著較高性價比，但其根本上是用於遊戲等場景的消費級顯卡，僅適合小型AI專案或獨立開發者使用。相比之下，A100、H100等GPU專為數據中心設計，面向的就是大規模計算和企業級用戶。

上述開發者還補充表示，一些案例顯示，消費級顯卡的故障率在規模化部署中顯著上升，隱性成本不斷增加。此外，採用4090組建數據中心也可能面臨合規問題。

這樣的對比也證明，紙面上的數據堆砌並不等於高質量的算力平臺，還可能從智能化發展的“助推器”搖身一變成為“絆腳石”。

2025年，汽車行業的智能化發展仍將如火如荼，這是新的機遇，也是更激烈的競爭。特別是當眾多企業發展規劃路徑愈發趨同時，如何打造屬於自己的核心競爭力成為一個關鍵挑戰。

從當下發展狀況來看，這些核心競爭力將包括數據積累與處理能力和演算法與模型優化能力，歸根結底是算力平臺的效能之爭，為此進行長遠規劃和大力投入是必須的。正如一名業內人士所言，“智駕（輔助駕駛）不是選擇題，是未來出行的必答題。”而答好這道題，首先要在算力問題上做好準備。

來源：環球網