10年10000倍！车端自动驾驶芯片的算力纪录，正在被这样的速度刷新。

2500TOPS，全部有效AI算力，来自始终笃信“第一性原理”的马斯克，和他的特斯拉，最新车载芯片曝光。

与其说“下一代”，不如说“领先一代”，因为2500TOPS的芯片被曝已成功流片，最快明年上车。

车端算力水平业内主流还是254TOPS，500-700TOPS只有头部玩家才有实力部署，极个别玩家算力堆到了1000TOPS以上。

特斯拉硬件性能的算力增长速率，远超当下行业共识和普遍节奏规律。

甚至10年前的马斯克自己，也很难料到。

算力10年涨10000倍，特斯拉最新车载芯片曝光

最新曝料，特斯拉下一代自动驾驶车端芯片，已经流片成功，进入批量生产的准备阶段。

3nm工艺，主要还是台积电代工，韩国的三星作为产能后备。

最重要的是算力——2000-2500TOPS之间。

消息是韩国每日经济新闻最先曝出的，这是韩国影响力最大的经济报刊，1966年军政府时期成立（也是韩国各大财阀起家创业时期），政治立场保守偏右，而它背后的财阀支持，也有三星的影子。

所以可以认为这则曝料准确度很高，北美的媒体也广泛引用了这一消息。

2014年特斯拉首款车Model S，搭载了HW1.0硬件，底层采用了Mobileye的EyeQ3芯片，算力0.256TOPS。

2014年5月5月，一辆开启“Autopilot”的特斯拉与一辆大型拖车相撞，导致驾驶员死亡，这是自动驾驶历史上首例公开的死亡事故。随后，特斯拉迅速将核心算力从Mobileye更换为Nvidia的“Drive PX2”，算力24TOPS。

并且同步招募了硅谷半导体大师吉姆·凯勒（Jim Keller）以及曾在英特尔和苹果工作过的皮特·班农（Pete Bannon），开始自研自动驾驶芯片。

2019年HW 3.0发布，底层全部换装特斯拉自研产品，14nm工艺，单片算力72TOPS，板卡算力144TOPS。搭载在特斯拉绝对销量担当的Model 3 和ModelY上。

2023年特斯拉发布了HW4，5nm工艺，单片算力推测在200-300TOPS，车载平台算力超过了500TOPS。

也是从这一代硬件开始，特斯拉在北美完全抛弃了毫米波雷达及超声波雷达，走向更纯粹的视觉路线。

仅仅一年过后，新芯片算力已超2000TOPS，相比10年前的EyeQ3，已是10000倍的差距。

而马斯克不久前在财报会议上说，AI5整个套件算力会是HW4.0的十倍，由此推断真正上车时，AI5应该还是双芯片冗余，单颗算力至少2000TOPS+，整车算力4000TOPS以上。

这个水平远远超过目前L2+的主流算力配置。

国内玩家，比如大疆、比亚迪都已经验证，跑通一个端到端模型，其实并不需要泼天算力；甚至特斯拉自己，也在144TOPS的HW3.0方案上，OTA了最新的FSD版本。

技术客观，塑造了当下智能化竞赛各个玩家的“装备配置”的基本思路。

只求实现高速NOA和泊车功能的，采用德州仪器数十TOPS芯片，或100TOPS左右的高通8650、8620足矣，通常见于缓慢转型的合资车，或强调性价比的国产A级小车。

这种算力条件下，其实也能强上“车位到车位”功能，只不过体验要做好难度极大。

用户心理层面可用敢用的城市NOA能力，通常至少需要一块英伟达Orin，256TOPS算力。这也是目前绝大多数“智能普及”车型采用的方案，可以说是当下成本性能最平衡的。

再进一步要把“车位到车位”体验做的足够好，接管率足够低，就需要两块Orin的算力支持。

但多块芯片之间的通信、任务分配，并行计算等等难度很大，要想把VLA这样的数十亿、百亿及参数模型跑在车端，就必须要更大算力芯片——700TOPS+的英伟达Thor在中国市场率先落地量产，正是自动驾驶技术体系的体现。

但这也就是现在量产辅助智驾的最高“装备等级”了。

小千TOPS算力下，VLA到底该怎么部署、算力到底是不够还是有余、是不是能完全利用……各家都在探索，还没有人能给出准确答案。

特斯拉把算力军备竞赛一下拔高到数千TOPS，真的有必要吗？

数千T，特斯拉怎么用？

英伟达Thor 2022年首次亮相时，老黄给的算力数据就是2000TOPS，震撼了整个车圈。

2025年量产上车的版本，包括理想、极氪，实际却是750TOPS算力的版本。

有传言说是吴新宙从小鹏到了英伟达后，劝老黄其实车端没必要这么大算力，成本也受不了。

所以海外媒体、用户对标特斯拉AI5的英伟达产品，不是Thor，反而是最新的5080、5090。

比如5080大约等效1800TOPS，5090则是 3,400 TOPS。

但这样的类比其实并不合理，因为特斯拉自从HW3.0开始，算力描述指的就是完完全全服务AI模型的有效算力。

也就是支持大规模乘加运算，并针对Transformer架构、算子做了特殊优化的NPU算力。

这也是通用GPU源流的英伟达芯片和车企自研自动驾驶芯片的根本不同。

资深从业者曾向智能车参考透露，包括Orin和Thor，整个芯片设计思路还是从传统显卡出发，尤其是Thor又要兼顾一部分座舱功能，包括了很多不同用途的模块，自动驾驶模型真正调用的有效算力，是达不到宣传数字的。

这也是为何特斯拉、小鹏、蔚来，以及Momenta等等自动驾驶玩家都要自研芯片的原因。

AI5的2000TOPS+算力，代表着超大参数模型可以上车。

特斯拉目前云端超算建成约30EFLOPS算力，在训练的云端基座模型据说参数已经超过500B，也就是5000亿参数，和领先的大模型玩家已经没有任何区别。

而从目前大模型技术出发推断，能用在驾驶任务的多模态大模型，也只有VLA。

流行的端到端实际参数量大约都是几十亿，同时还是“黑盒”，难以证明模型是真的理解路况，还是条件反射式的模仿。所以理论上限高，但很实际效果难控制，只能通过调整训练数据的分布来“间接”影响模型能力，下限依然需要规则兜底。

马斯克赌的，其实就是超大模型的“智能涌现”，让AI司机真正产生对环境场景的的认知理解能力，由此解决corner case。

云端多模态大模型具备基础能力后，在通过强化学习手段规范安全可靠性，然后通过知识蒸馏方法得到可在车端部署的较小模型。

当然车端的“小”模型是相对而言，整体规模仍然高出传统端到端，所以需要超大算力芯片。

另外从安全出发，依赖云端能力和即时通信的系统，安全隐患很大，车端部署完整模型也是必须。

同样的路线，特斯拉在走，国内的小鹏蔚来理想华为等等都在走，它们在一同推动自动驾驶领域的一场新革命：“算力即能力”。

对传统量产辅助驾驶，从今年开始会迅速分化成入门性价比的阵营，和超大算力高阶阵营。前者可能更多见于合资车或自主性价比入门车型，主打“有就可以，基本能用”，OTA潜力有限。

后者则有希望突破L2限制，在安全性、易用性、接管率上实现质变，即各家都在说的“L3”。

而对L4阵营，自动驾驶新的技术思路和话语体系出现，并且上路近在眼前，如果AI司机智能涌现真的被验证，沉寂多年的“升维降维”之争，又要被热烈讨论了。

甚至特斯拉的AI5、小鹏的图灵、蔚来的神玑等等仅仅是个开始：10年前没人能想到车端算力有万倍提升，未来数年，谁又能断言数万TOPS的“超级AI汽车”不会成为现实呢？

毕竟，大模型的上限还远未达到。

本文转载于快科技，文中观点仅代表作者个人看法，本站只做信息存储