導言：這個春節(jié)，當所有人沉浸在歡樂喜慶的氛圍中時，一家中國AI初創(chuàng)公司深度求索僅憑1/3的算力，就讓DeepSeek追平Open AI的GPT-4級性能，震驚業(yè)界。這套“四兩撥千斤”的組合拳，不僅打破了AI行業(yè)“算力-算法”的死亡螺旋，還意外擊中了汽車自動駕駛行業(yè)的敏感神經(jīng)——當特斯拉僅用144TOPS算力實現(xiàn)FSD落地的時候，國內(nèi)很多車企卻在1000+TOPS算力的軍備競賽中不可自拔，這和DeepSeek的故事何其相似。自動駕駛的終極路線，究竟藏在芯片的晶體管數(shù)量里，還是算法的數(shù)學模型中？

2025開年的大熱點，無疑是屬于兩位成功的80后的，一個是餃子（楊宇），他的《哪吒2》一躍成為中國影史票房最高的作品；另一個是梁文峰，他帶領團隊開發(fā)的DeepSeek大模型用極低算力和比肩GPT-4級的性能震撼全球AI產(chǎn)業(yè)。

算法改變游戲規(guī)則

DeepSeek的突圍依賴于兩項關鍵技術：動態(tài)稀疏化激活與多模態(tài)數(shù)據(jù)融合生成技術，實現(xiàn)了計算效率的指數(shù)級提升，相較于傳統(tǒng)Transformer模型減少了70%的冗余計算，幾乎以一己之力將國內(nèi)外AI發(fā)展模式從“規(guī)模依賴”轉(zhuǎn)向了“效率優(yōu)先”。這種情況在汽車行業(yè)其實已有先例：2021年，特斯拉在自動駕駛系統(tǒng)中采用了HydraNet架構(gòu)，其多任務學習算法構(gòu)建了一個具有多頭的主干網(wǎng)絡，系統(tǒng)運行更簡潔，避免了大量冗余和重復編碼操作，不僅讓自動駕駛處理流程更高效，更為后續(xù)的端到端大模型訓練打下了扎實的基礎。

DeepSeek通過動態(tài)稀疏化激活與多模態(tài)數(shù)據(jù)融合生成技術，實現(xiàn)計算效率的指數(shù)級提升

一枚英偉達Orin芯片的算力是254TOPS，售價大約400美元；一枚特斯拉FSD（1代）芯片的算力是144TOPS，售價大約是190美元。蔚來ET7等具有高階智駕的車型需要堆疊4顆Orin芯片，以1016TOPS的算力，才能支撐全場景智駕能力，而做到這一點，特斯拉只需要一顆FSD芯片。

從生產(chǎn)制造行業(yè)的機器人到公路上的自動駕駛汽車，算法優(yōu)化始終是推動效率提升的關鍵

根據(jù)IEEE 2024自動駕駛算力報告的數(shù)據(jù)，特斯拉通過優(yōu)化算法，將每TOPS算力的數(shù)據(jù)處理能力做到了其他車企的4.2倍。可見，來自優(yōu)化算法獲得成本和效率的優(yōu)勢，對于單純拼算力的模式就是“降維打擊“，難怪理想汽車推遲采購英偉達最新Thor芯片的同時轉(zhuǎn)向自研認知大模型，其CTO謝炎同樣主張通過算法來提升自動駕駛的系統(tǒng)效率，而非單純依賴硬件堆疊。

純視覺路線背后的算法霸權

馬斯克早在2019年就宣稱純視覺方案才是自動駕駛的正確路線，按照第一性原理，他認為最好的自動駕駛是像人類一樣駕駛，人類能用兩只眼睛安全駕駛，機器也應該這樣，為什么需要激光雷達？作為全球唯一實現(xiàn)端到端自動駕駛閉環(huán)的企業(yè)，讓特斯拉堅持純視覺路線的底氣，一方面來自巨大的數(shù)據(jù)信息，另一方面來自算法優(yōu)勢。

特斯拉Cybercab僅用攝像頭就能實現(xiàn)完全自動駕駛，單車成本控制在3萬美元，也避免了各種雷達造成的尷尬犄角

自創(chuàng)辦以來，特斯拉全球累計交付量已接近700萬臺，這背后是累計100億英里的真實路測數(shù)據(jù)集，隨著交付量的不斷累積，這個數(shù)據(jù)還在加速增長，并形成護城河，這為訓練自動駕駛大模型提供了得天獨厚的優(yōu)勢。

特斯拉FSD的純視覺感知方案不依賴激光雷達，而是基于攝像頭和AI算法，核心邏輯是通過深度學習模型對攝像頭捕捉的圖像數(shù)據(jù)進行處理，實現(xiàn)對環(huán)境的感知。通過BEV+Transformer框架，將8個攝像頭的畫面轉(zhuǎn)化為帶速度矢量的立體拓撲圖，實現(xiàn)了4D時空建模，精度超過了激光雷達點云。特斯拉還通過AI算法優(yōu)化了攝像頭在不同極端環(huán)境下（比如逆光、強光）和極端天氣（比如雨霧、雪天）下的障礙物識別率。

特斯拉Dojo超級計算機

這些能力源于特斯拉Dojo超算的算法訓練革命：通過時空并行計算架構(gòu)，其訓練效率是傳統(tǒng)GPU集群的4倍以上，7天迭代的效果，相當于傳統(tǒng)方案的30天，再加上巨量真實行駛數(shù)據(jù)的投喂，確保了系統(tǒng)效能的持續(xù)領先性。

中國自動駕駛的算力通貨膨脹

我們可能經(jīng)常在新車發(fā)布會上看到大家動不動就卷算力，小鵬、小米卷到508TOPS，蔚來就卷到1016TOPS；延期的英偉達新一代車規(guī)級芯片Thor單顆算力甚至達到了2000TOPS，未來算力軍備競賽的烈度可想而知。但有意思的是，無論這些車企采用兩顆還是四顆英偉達Orin芯片，他們能實現(xiàn)的功能幾乎沒什么區(qū)別。甚至于，很多傳統(tǒng)車企在使用2.5TOPS算力的Mobileye Eq4芯片或同等算力的博世方案時，加一個單目攝像頭，也能實現(xiàn)NOA導航輔助駕駛。

很多車企實際路測數(shù)據(jù)不足，只能采取堆硬件、高度依賴高精地圖和激光雷達的方法

當然，自動駕駛系統(tǒng)供應商會告訴我們，大算力、多硬件配置的方案意味著高冗余、高穩(wěn)定性，還為日后功能升級保留了空間。但不能否認的是，要做到目前主流水平的城市NOA或高速NOA導航輔助駕駛，根本不需要上千TOPS的算力。地平線創(chuàng)始人兼CEO余凱此前表示過：智能汽車的競爭有點偏離理性，他們以大算力作為宣傳點，但在大算力背后為用戶提供的功能價值卻并不高，但用戶卻需要為大算力以及相應的硬件成本買單。

英偉達新一代車規(guī)級芯片Thor單顆算力達到了2000TOPS，繼續(xù)推高算力軍備競賽

核心癥結(jié)在于：中國車企實際路測數(shù)據(jù)普遍不足1億公里，面對擁有上百億英里實際路測數(shù)據(jù)的特斯拉，只能采取暴力策略：高精地圖、激光雷達、大算力芯片一起上，最終導致單車成本暴增。

算法密度對硬件冗余的降維打擊

到目前為止，高階自動駕駛輔助系統(tǒng)基本只能基于導航路線的引導，而不能完全自主地另辟蹊徑，但這種情況已經(jīng)被特斯拉打破了。有媒體1月份在美國實測FSD V13.2系統(tǒng)，發(fā)現(xiàn)它居然可以不聽導航的話，在既定導航線路之外，根據(jù)自己的判斷走了另一條路，導航也只能根據(jù)FSD的選擇重新規(guī)劃路線；而且，F(xiàn)SD還目的地附近引導車輛在地圖上不存在的一個停車場，找到一個停車位自己停了進去。特斯拉FSD V13.2系統(tǒng)不僅全程運行穩(wěn)定，遵規(guī)守法，而且還能像人類駕駛員一樣靈活決策、執(zhí)行，這大概就是基于人工智能的終極自動駕駛應該努力的方向吧。

基于純視覺自動駕駛路線的特斯拉Cybercab

然而，實現(xiàn)這樣的測試表現(xiàn)，特斯拉使用的芯片算力，也沒有大到逆天的程度：自研AI4芯片，算力720TOPS，這在當下動不動就1000+TOPS的算力市場中并不突出。特斯拉持續(xù)深耕算法密度，不走硬件冗余的路線；無獨有偶，中國頭部造車新勢力也逐漸認識到智能駕駛的終局之戰(zhàn)，算法才是出路，蔚小理這些深度自研智能駕駛的品牌已逐漸轉(zhuǎn)向輕地圖、雷達，重算法的路線中，將此前多個小模塊規(guī)劃算法的架構(gòu)提升到端到端算法架構(gòu)，規(guī)劃算法逐步切換為和特斯拉類似的時空聯(lián)合規(guī)劃算法，在同樣算力支持下，實現(xiàn)更高效率的路線規(guī)劃和執(zhí)行能力。反而是一些自動駕駛研發(fā)基礎薄弱的車企，還在不停為新產(chǎn)品堆疊更多硬件，芯片一顆不夠就兩顆，激光雷達一個不夠就兩顆甚至三顆。

馬斯克心中自動駕駛的終極形態(tài)：沒有方向盤、沒有踏板

當手機廠商沉迷于鍵盤手感的時候，喬布斯用觸摸屏重新定義了移動交互邏輯；當人工智能大模型行業(yè)陷入算力陷阱時，DeepSeek和特斯拉用算法優(yōu)勢顛覆了行業(yè)對算力的盲目追求。正如衡量一個智慧生物，更多看的是大腦容量而不是肌肉含量，真正的智能不在于算力，而在于如何用更好的算法優(yōu)雅地解決數(shù)學問題。汽車自動駕駛應用的研發(fā)，拼算力還是拼算法？從大多數(shù)中國汽車廠商對英偉達Thor芯片延遲交付表現(xiàn)出的平靜心態(tài)能看出，他們已經(jīng)有了清晰的認知路線。

自動駕駛技術的下一個應用熱點——具身機器人，對AI算法的要求更高了

歡迎線上購買《汽車之友》雜志

北京時尚

成都雜志鋪

掃碼進店，線上購買，快遞到家

獲取更多圖文資訊，歡迎關注《汽車之友》微信公眾號

獲取更多視頻資訊，敬請關注《汽車之友》視頻號