【算力产业科普系列】算力应用场景三:自动驾驶——轮子上的数据中心

大家好，我是老张。

在【算力产业科普系列】的上篇我们讲了具身智能，这篇来聊聊自动驾驶——AI在交通领域最核心的落地场景之一。

自动驾驶和前面聊的AIGC、具身智能有个本质区别：它在车端同时承载了两套算力系统——一套在车上跑实时决策（端侧推理），一套在云端训练大模型。

用老张的话说：自动驾驶是“轮子上的数据中心”。一台L4级自动驾驶汽车，每天产生的数据量可能高达数TB，相当于把一台数据中心搬上了四个轮子。

这篇文章，老张带你拆解自动驾驶的算力架构，以及国内外产业发展的最新格局。

一台“24小时高速运转的边缘智算中心”

想象你正坐在一台自动驾驶出租车里，车速80公里/小时，没有司机，方向盘在自己转动。

这台车的“脑子”里正在发生什么？摄像头每秒拍摄30帧画面，激光雷达每秒发出数十万束激光，毫米波雷达不断扫描周围障碍物——所有这些传感器数据必须在10毫秒内完成融合、识别、决策和规划，然后输出转向、加速、制动的指令。10毫秒是什么概念？你眨一下眼睛需要约300毫秒，它比眨眼快了30倍。

这个“脑子”的算力有多强？目前市面上主流的高阶智驾车型，车端算力普遍在数百到上千TOPS（TOPS是“Tera Operations Per Second”的缩写，即每秒万亿次运算，是衡量AI芯片算力的常用单位）。一台高配L4级Robotaxi的算力配置，峰值接近3000TOPS——相当于把一台中型服务器的计算能力塞进了一个巴掌大的芯片里。

更夸张的是后台。特斯拉的Cortex算力中心已拥有超过5万块GPU，即将突破10万块大关，跻身全球前五大超级计算中心。自动驾驶的算力战争，正在从“每辆车配多少TOPS”的单车算力竞赛，演变为“车队规模 × 数据价值”的分布式算力生态博弈。

（一）从L2到L4：算力需求的跃升阶梯

自动驾驶的分级标准，可以直接换算成算力需求。

L2级（部分自动驾驶） ：系统能同时控制方向和速度，但驾驶员必须全程监控路况。常见的ACC自适应巡航、车道保持就属于L2。实现L2级部分自动驾驶通常需要数十TOPS的AI算力。

L3级（有条件自动驾驶） ：系统能在特定条件下（如高速公路）完全接管驾驶，但驾驶员需要随时准备接管。2026年被业界视为“L3自动驾驶商用元年”。迈向L3级有条件自动驾驶则需要数百TOPS。业内普遍认为，L3级自动驾驶需要约500-1000+TOPS算力。

L4/L5级（高度/完全自动驾驶） ：系统能在绝大部分场景下独立完成所有驾驶任务，无需人类干预。完全自动驾驶的算力需求高达数千TOPS。要达到L4/L5级别的可靠性和安全性，芯片算力需要达到约5000TOPS。

不过，算力并不是越高越好。高算力芯片往往意味着更高的功耗和散热成本。行业正在从“算力军备竞赛”转向“每瓦特TOPS”的能效比拼。

（二）车端芯片：全球格局与国产突围

英伟达：全球算力“头号玩家”

英伟达凭借DRIVE Orin和DRIVE Thor系列，在全球智驾芯片市场占据领先地位。Thor平台采用Blackwell架构，相比前代DRIVE Orin实现了约7.5倍的性能提升。单颗Thor芯片最高可提供2000 TFLOPS的FP4性能，两颗互连最高算力可达4000 TFLOPS。

英伟达已被梅赛德斯-奔驰、沃尔沃、捷豹路虎等全球汽车巨头集成到2026年旗舰车型中，更被比亚迪、小鹏、蔚来、极氪等中国电动车领军企业大规模采用，Thor已成为高端智能汽车事实上的标准。英伟达在中国智驾芯片市场的份额接近50%。不过，英伟达的Thor芯片从最初宣传的2000TOPS缩水至实际交付的700TOPS，存在散热难、交付延迟等问题。

高通：舱驾融合的另一极

高通凭借Snapdragon Ride平台构建了另一条技术路线——舱驾融合。骁龙8775作为全球首款同时支持智能座舱与ADAS的单SoC平台，已获9款车型定点。骁龙汽车平台至尊版（包括骁龙8397和骁龙8797）NPU算力比前代提升12倍，CPU速度提升约3倍。

在英伟达的GPU优势之外，高通依托智能手机芯片的深厚积累，在中央计算和舱驾融合方向开辟了另一条路径。

地平线：国产智驾芯片第一梯队

地平线征程6系列算力覆盖约18TOPS到560TOPS，旗舰型号征程6P具备高达560TOPS峰值算力。征程6M单芯片即可实现128TOPS AI算力，具备支持高速NOA、城区NOA与全场景泊车的能力，已适配包含理想L系列、比亚迪秦L EV、吉利银河A7等百余款车型。

2026年1月，理想AD Pro 4.0推送，成为行业首个基于单颗征程6M芯片的端到端城市NOA方案。截至2025年8月，地平线征程家族累计量产已突破1000万套。

黑芝麻智能：千T时代的国产新锐

黑芝麻智能2026年发布华山A2000系列，采用7nm制程，旗舰型号A2000X等效算力1000TOPS。A2000X的算力为英伟达Thor-U的1.5倍，集成了自研NPU与ISP，核心架构自主可控，历经美国商务部11个月审查后于2026年1月获得全球销售许可。

黑芝麻已获得头部车企量产定点，覆盖L2+至L3全场景智驾，预计2026年下半年装车。

比亚迪璇玑A3：车企自研的样本

比亚迪在2026年5月发布了中国首款4nm车规级智驾芯片“璇玑A3”，三颗协同总算力突破2100TOPS，算力利用率较行业常规水平提升100%，可支撑L3、L4级高阶自动驾驶。比亚迪由此成为全球唯一掌握从产品定义到晶圆制造全流程能力的车企。

（三）云端训练：万亿参数驱动的算力“黑盒”

自动驾驶的算力不只是“车端跑模型”，更庞大的部分在云端——训练一个端到端自动驾驶大模型，需要PB级别的驾驶数据、数千张GPU卡的并行训练周期，往往以周或月为单位。

特斯拉是全球云端训练自动驾驶的先行者。其Cortex算力中心已拥有超过5万块GPU，即将突破10万块大关。

特斯拉规划了AI5芯片，单颗算力瞄准2000-2500TOPS，计划2026年完成工程样品试制、2027年全面量产。AI5推理性能相比AI4提升约50倍，具备支持复杂无监督自动驾驶算法的能力。

（四）产业趋势：智驾平权与商业化落地

2025年中国自动驾驶市场规模达4502亿元，同比增长17.5%，预计2026年将达5293亿元。2025年L2级及以上辅助驾驶渗透率超60%，长安、北汽等主机厂已获得L3级准入。“智驾平权”趋势加速——比亚迪宣布全系标配高阶智驾，功能下探至10万元以下车型市场，推动L2及以上渗透率全面提升。

在L4层面，多家公司已在标杆项目中兑现经济效益，商业化正在加速。Robotaxi市场年均复合增长率达74.0%，2030年中国Robotaxi市场规模有望达到2700亿元。

总结收尾

今天这篇，大家记住三点：

• 第一，从L2到L4，算力需求从数十TOPS跃升到数千TOPS，且端到端大模型正在重塑自动驾驶的计算范式；
• 第二，车端芯片市场正在形成“英伟达主导、高通追赶、国产突围”的三足鼎立格局，地平线、黑芝麻、华为等国产力量已经进入千TOPS时代；
• 第三，自动驾驶的算力竞争已从“单车算力竞赛”演变为“车端推理+云端训练”的双轨竞速，特斯拉的Dojo探索与转向折射出行业对算力效率的重新思考。

另外值得一提的趋势是——特斯拉马斯克提出了“庞大分布式推理车队”设想，数以千万计的闲置自动驾驶汽车可以组成一个巨大的分布式算力网络，每辆车提供约一千瓦的计算能力，这个网络的总能力可能达到100吉瓦的推理级别。当每一辆车都不只是交通工具，而是算力网络的一个节点时，整个产业的算力版图将再次被重塑。

下一篇《算力产业科普系列》，咱们聊聊AI4S——当AI遇上科学。从蛋白质预测到气象预报，从新材料设计到药物发现，AI正在改写科学探索的范式。下回见。

【算力产业科普系列】

从芯片到智算中心，从训练到推理，老张带你拆解算力产业链的每一个环节。持续更新中，欢迎关注，一起看懂算力这盘大棋。

本文提及的所有公司、产品、营收数据和市场份额，均来自公开财报、第三方行业研报及产业链调研信息，仅用于产业格局分析和技术科普，不构成任何形式的投资建议。资本市场有其自身的运行逻辑，历史业绩不代表未来表现。任何投资决策，请基于你自己的独立研究和风险判断。

如需商务合作→ 关注公众号，然后加WX（sanfengaiyingyong），备注“合作”。如需加入读者群，备注“入群”即可。