你坐上了一辆自动驾驶的车仪表盘上写着算力剩余 30%周末你坐上了朋友新买的那辆新能源车。高速上他把手从方向盘上拿开靠在座椅上刷手机。你下意识瞄了一眼仪表盘——那块大屏上跳出一行字“算力剩余 30%”。这啥意思你问。就是车里那颗大脑还有三成力气没使完。朋友头也不抬。你突然意识到这辆车的脑子正在同时处理好几件事前方的车道线、后视镜边上的大货车、远处突然并线的小轿车、红绿灯的倒计时、驾驶员有没有走神……而它只用了七成功力。你开始好奇这 30% 背后到底藏了多少东西TOPS 是什么先把这个单位拆开聊很多人第一次看到TOPS这个缩写心里大概是懵的。放心你不是一个人。TOPS 是Tera Operations Per Second的缩写中文叫每秒万亿次操作。这里的操作你可以简单理解为做一次加法或者乘法。所以 1 TOPS 就是芯片每秒能干 1 万亿次这样的基础运算。光说数字可能还是抽象。让我打个比方普通人打算盘一秒能拨几下大概两三次。一台普通电脑的 CPU大概是每秒几十亿次运算也就是几百 GOPS——比你快上亿倍。而车载智能驾驶芯片要做到每秒几万亿次运算比你快了几十亿倍。为什么需要这么快因为车在马路上遇到的情况是真正的时间赛跑。车子以 120 码的速度行驶每秒前进大约 33 米。如果前方突然出现障碍物芯片需要在不到 0.1 秒的时间内完成识别这是个什么东西是塑料袋还是石头判断它的运动轨迹计算最优的刹车力度或者绕行路线然后发出指令。这整个过程摄像头可能同时在输入 8 个摄像头的高帧率画面毫米波雷达和激光雷达也在发数据——芯片每秒要处理几亿个像素处理完还得想明白这里面谁是谁、该不该停车。这不是普通计算这是实时的人工智能推理。254 TOPS 的 Orin X为什么成了行业标杆聊到车载芯片NVIDIA 是一个绕不开的名字。2019 年NVIDIA 推出了 Xavier算力 30 TOPS算是试探性的一步。2022 年Orin X来了一下拉到254 TOPS——这是当时量产车规级芯片的天花板。254 TOPS 是什么概念拿小鹏 G9、蔚来 ET7、理想 L9 这些旗舰车型来说它们不约而同选择了 Orin X 作为核心大脑。小鹏的 XNGP 城市导航辅助驾驶用的就是四颗 Orin X 组合算力峰值 1016 TOPS号称全栈自研天花板。但这里有个细节值得玩味——254 TOPS 是峰值算力。什么意思就像你家的空调制冷能力可以标到 3 匹但如果你只开了一档其实只用了不到一半。Orin X 的 254 TOPS代表的是芯片在最理想条件下、短时间内能达到的上限。真正开车的时候温度会上去、功耗会受限实际能稳定输出的算力大概只有峰值的40%~60%。这并不是 Orin X 的问题这是整个行业的共同困境。国产势力崛起地平线征程6改写游戏规则就在 Orin X 横扫高端市场的那几年一家中国公司悄悄在背后积累了实力。地平线Horizon Robotics成立于 2015 年创始人余凯曾是百度深度学习研究院的负责人。这家公司的路线很清晰只做 AI 芯片专注边缘计算而且从一开始就把汽车当成了核心战场。2020 年征程 3 推出5 TOPS定位 L2 辅助驾驶。2022 年征程 5 发布128 TOPS开始和 Orin X 正面竞争。2024 年征程 6 系列来了——这是真正让行业震动的一代。征程 6 系列分了四个型号6E、6M、6H、6P覆盖从 10 TOPS 到560 TOPS的完整区间。其中最猛的是征程 6P单芯片算力560 TOPS。注意这个数字560是 Orin X 的两倍多。更重要的是这不是纸面参数——征程 6P 采用了纳什架构专门针对 Transformer 模型做了硬件级优化在 BEVBird’s Eye View鸟瞰图这类大模型上的实际推理效率领先 Orin X 不少。2025 年地平线官方公布累计出货突破 1100 万套。这是什么概念在中国道路上跑着的智能汽车里差不多每三辆搭载前视辅助驾驶的国产车就有一辆用的是地平线的芯片。这个数字背后是长安、比亚迪、吉利、奇瑞等一系列主流车企的订单在支撑。地平线用农村包围城市的策略从性价比车型切入逐步向上渗透最终在 2025 年站上了和 NVIDIA 正面对话的擂台。华为昇腾 610Pro另一个不可忽视的玩家华为在车载芯片上的布局经历了一个曲折但结果不错的故事。早年间华为海思的麒麟芯片在消费电子领域风生水起后来因为众所周知的外部限制手机芯片那条路基本断了。汽车业务成了一个新的出口。昇腾 610Pro是华为 MDC 智能驾驶计算平台的核心芯片官方宣传算力达到200 TOPS。它基于华为自研的达芬奇架构和华为盘古大模型、鸿蒙座舱系统形成了生态闭环。华为的优势在于软硬一体。芯片只是底座上面还有自研的 MDC 平台、操作系统 AOS/VOS以及一整套感知-规划-控制的全栈方案。车企如果选择华为的整套方案从芯片到算法到云端训练都能打通。但这也是一把双刃剑——华为的方案相对封闭车企在上面的定制空间有限。所以目前和华为深度合作最紧密的还是问界、智界、阿维塔这些亲儿子品牌。高通 Snapdragon Ride Flex手机厂商的跨界逻辑你可能会想高通不是做手机芯片的吗怎么也来凑汽车的热闹这其实很合理。手机芯片厂商做汽车有一个天然的优势功耗控制。Snapdragon Ride Flex 是高通在汽车领域的第一款集成式 SoC单芯片算力 360 TOPS而且主打舱驾融合——也就是把智能座舱娱乐、导航、语音和智能驾驶感知、决策、控制合并到一颗芯片上。这个思路很有意思。传统方案里车里有两套甚至三套独立的芯片座舱用一颗智驾用一颗功能安全芯片再来一颗。芯片之间用 CAN 总线通信延迟高、集成度低、成本也贵。舱驾融合的目标就是一颗芯片打天下。高通 Ride Flex 的逻辑是手机芯片本来就擅长处理多任务、图像渲染、语音识别这些聪明的事把它延伸到汽车座舱领域只要解决车规级认证和功能安全ASIL-D的问题就能大幅简化EE架构降低整车成本。目前搭载 Ride Flex 的车型还不多主要是一些概念阶段的项目。但舱驾融合是行业大趋势这点基本没有争议。峰值算力 vs 有效算力为什么数字越大越焦虑回到开头那个数字——“算力剩余 30%”。这块仪表盘背后其实藏着整个行业最核心的焦虑算力到底够不够用这里就要区分两个概念峰值算力和有效算力。峰值算力你可以理解为芯片的百米冲刺成绩——芯片在实验室里、理想温度、理想散热的条件下最快能跑多快。TOPS 这个单位测的就是这个。但车开在路上是另一个故事芯片持续工作会产生热量温度高了会降频就像你手机发烫了会变卡车载环境温度范围是零下 40 度到零上 85 度散热条件远比数据中心恶劣真实场景中芯片跑的是 Transformer、BEV、Occupancy 等大型模型这些模型对内存带宽的要求极高不是光靠算力堆叠就能解决的所以行业里开始越来越重视一个指标TOPS per Watt也就是每瓦特能产生多少算力。这才真正决定了芯片在车上能稳态运行多久。地平线在这一点上下了大功夫。征程 6 系列强调的能效比核心观点是560 TOPS 不是用来跑满的而是用来保证在各种corner case极端情况下系统依然能流畅运行不会因为算力不够而出现决策延迟。这也是为什么很多车企在宣传智驾系统时开始把有效算力利用率作为核心卖点——峰值 254 TOPS实际能稳定发挥 160 TOPS还是 200 TOPS这里面差了不止一个量级。舱驾融合为什么特斯拉走了一条不一样的路说到算力焦虑有一个有意思的对比。特斯拉从 2021 年开始就用FSD 芯片144 TOPS支撑 Autopilot 和整个座舱系统的运行。他们没有区分驾驶芯片和座舱芯片而是把两块功能集成在同一个计算平台上。这套方案争议很大但从架构逻辑上看特斯拉走的是中央计算平台的路线整车只有少数几个域控制器所有感知、决策、娱乐、通讯都汇总到中央大脑。好处是硬件简单了成本下来了数据流通更顺畅了。坏处是一旦中央平台出问题整车所有功能一起瘫痪安全风险集中。目前行业的主流选择还是域分离逐步融合智能驾驶和智能座舱暂时保持相对独立的芯片架构但通过更高带宽的通信链路比如千兆以太网来协同工作为将来的融合留出过渡空间。NVIDIA 的 Thor 芯片单芯片算力 2000 TOPS正是瞄准了这个趋势。Thor 的设计目标就是一颗芯片搞定所有——驾驶、座舱、车身控制全部集成支持舱驾融合的中央计算架构。但 Thor 的量产时间表一直在推迟。2022 年发布的时候说 2024 年量产后来推到 2025 年再推到 2026 年。这个延期本身也说明了集成度越高的芯片面临的工程挑战越大。自动驾驶到底需要多少算力答案没那么简单说了这么多可能你还是想问到底需要多少 TOPS 才够说实话这个问题没有标准答案。不同级别的自动驾驶对算力的需求差异巨大L2 辅助驾驶自适应巡航车道保持10-30 TOPS 足够了征程 3 和高通 QCM6490 都能搞定L2 高阶辅助驾驶高速 NOA、城市记忆路线需要 50-200 TOPSOrin X 和征程 5 是这个区间的选手L3/L4 有条件自动驾驶城市全场景 NOA200-500 TOPS 是门槛征程 6P 和多芯片 Orin 阵列在这个段位L5 完全自动驾驶理论上需要 1000 TOPS目前没有芯片能稳定满足这个需求但这里有一个反直觉的现象算力高不等于体验好。小米SU7 Ultra 用的 Orin X254 TOPS但小米的智驾体验和算力利用率长期被评价为硬件拉满、软件欠佳。而华为问界用的昇腾方案算力参数并不总是最高的但实际体验却常被用户认可。这说明一个道理算力是基础算法是灵魂工程化能力是桥梁。同样一块 254 TOPS 的 Orin X在不同车企手里可以跑出完全不同的智驾水平。这里面有算法模型大小的原因有数据闭环效率的原因也有工程团队对芯片底层架构理解深度的原因。我的观点算力竞争已经进入下半场回顾这几年车载芯片的发展有一个明显的脉络上半场算力为王谁的 TOPS 高谁就是旗舰。各家车企以首发高性能芯片为荣消费者也把芯片算力当成了购车的核心参考指标之一。下半场纯堆算力的玩法开始失灵。用户开始意识到200 TOPS 的车开起来可能还不如 100 TOPS 的车顺畅。行业开始关注有效算力利用率、每瓦特性能、软硬协同效率这些更务实的指标。地平线的崛起是这个趋势最好的注脚。用一颗 560 TOPS 的单芯片替代原本需要两颗 Orin X 才能完成的感知任务成本降了功耗降了智驾体验反而更稳定了——这才是真正有价值的创新。而 NVIDIA 的 Thor 虽然算力惊人但它要解决的不仅是芯片本身还有整个汽车EE架构的重构、车企供应链的调整、以及功能安全的完整验证体系。这些事情比造一颗最强芯片要复杂得多。写在最后焦虑背后是对安全的敬畏回到开头那个算力剩余 30%。你可能会想为什么这辆车不把算力用满是芯片不够强吗不是。是因为工程师在设计这套系统时做了一个重要的选择永远给系统留出足够的余量用来处理那些没见过的场景。雨夜、强光、路面反光、前车突然掉落货物、山路急弯上的行人——这些场景在训练数据里可能只出现几次但智驾系统必须能在真实遇到时做出正确反应。算力余量就是这个正确反应的安全垫。所以下次你再看到仪表盘上那个算力剩余 30%不要觉得这是浪费——那 30%是工程师留给你的最后一道安全防线。本文数据来源NVIDIA 官方产品规格、地平线官方发布会及公开融资材料、华为昇腾官网、高通 Snapdragon Ride Flex 白皮书。算力数据为截至 2025 年底的公开峰值参数实际表现因车型、算法版本和环境而异。
你坐上了一辆自动驾驶的车仪表盘上写着算力剩余 30%周末你坐上了朋友新买的那辆新能源车。高速上他把手从方向盘上拿开靠在座椅上刷手机。你下意识瞄了一眼仪表盘——那块大屏上跳出一行字“算力剩余 30%”。这啥意思你问。就是车里那颗大脑还有三成力气没使完。朋友头也不抬。你突然意识到这辆车的脑子正在同时处理好几件事前方的车道线、后视镜边上的大货车、远处突然并线的小轿车、红绿灯的倒计时、驾驶员有没有走神……而它只用了七成功力。你开始好奇这 30% 背后到底藏了多少东西TOPS 是什么先把这个单位拆开聊很多人第一次看到TOPS这个缩写心里大概是懵的。放心你不是一个人。TOPS 是Tera Operations Per Second的缩写中文叫每秒万亿次操作。这里的操作你可以简单理解为做一次加法或者乘法。所以 1 TOPS 就是芯片每秒能干 1 万亿次这样的基础运算。光说数字可能还是抽象。让我打个比方普通人打算盘一秒能拨几下大概两三次。一台普通电脑的 CPU大概是每秒几十亿次运算也就是几百 GOPS——比你快上亿倍。而车载智能驾驶芯片要做到每秒几万亿次运算比你快了几十亿倍。为什么需要这么快因为车在马路上遇到的情况是真正的时间赛跑。车子以 120 码的速度行驶每秒前进大约 33 米。如果前方突然出现障碍物芯片需要在不到 0.1 秒的时间内完成识别这是个什么东西是塑料袋还是石头判断它的运动轨迹计算最优的刹车力度或者绕行路线然后发出指令。这整个过程摄像头可能同时在输入 8 个摄像头的高帧率画面毫米波雷达和激光雷达也在发数据——芯片每秒要处理几亿个像素处理完还得想明白这里面谁是谁、该不该停车。这不是普通计算这是实时的人工智能推理。254 TOPS 的 Orin X为什么成了行业标杆聊到车载芯片NVIDIA 是一个绕不开的名字。2019 年NVIDIA 推出了 Xavier算力 30 TOPS算是试探性的一步。2022 年Orin X来了一下拉到254 TOPS——这是当时量产车规级芯片的天花板。254 TOPS 是什么概念拿小鹏 G9、蔚来 ET7、理想 L9 这些旗舰车型来说它们不约而同选择了 Orin X 作为核心大脑。小鹏的 XNGP 城市导航辅助驾驶用的就是四颗 Orin X 组合算力峰值 1016 TOPS号称全栈自研天花板。但这里有个细节值得玩味——254 TOPS 是峰值算力。什么意思就像你家的空调制冷能力可以标到 3 匹但如果你只开了一档其实只用了不到一半。Orin X 的 254 TOPS代表的是芯片在最理想条件下、短时间内能达到的上限。真正开车的时候温度会上去、功耗会受限实际能稳定输出的算力大概只有峰值的40%~60%。这并不是 Orin X 的问题这是整个行业的共同困境。国产势力崛起地平线征程6改写游戏规则就在 Orin X 横扫高端市场的那几年一家中国公司悄悄在背后积累了实力。地平线Horizon Robotics成立于 2015 年创始人余凯曾是百度深度学习研究院的负责人。这家公司的路线很清晰只做 AI 芯片专注边缘计算而且从一开始就把汽车当成了核心战场。2020 年征程 3 推出5 TOPS定位 L2 辅助驾驶。2022 年征程 5 发布128 TOPS开始和 Orin X 正面竞争。2024 年征程 6 系列来了——这是真正让行业震动的一代。征程 6 系列分了四个型号6E、6M、6H、6P覆盖从 10 TOPS 到560 TOPS的完整区间。其中最猛的是征程 6P单芯片算力560 TOPS。注意这个数字560是 Orin X 的两倍多。更重要的是这不是纸面参数——征程 6P 采用了纳什架构专门针对 Transformer 模型做了硬件级优化在 BEVBird’s Eye View鸟瞰图这类大模型上的实际推理效率领先 Orin X 不少。2025 年地平线官方公布累计出货突破 1100 万套。这是什么概念在中国道路上跑着的智能汽车里差不多每三辆搭载前视辅助驾驶的国产车就有一辆用的是地平线的芯片。这个数字背后是长安、比亚迪、吉利、奇瑞等一系列主流车企的订单在支撑。地平线用农村包围城市的策略从性价比车型切入逐步向上渗透最终在 2025 年站上了和 NVIDIA 正面对话的擂台。华为昇腾 610Pro另一个不可忽视的玩家华为在车载芯片上的布局经历了一个曲折但结果不错的故事。早年间华为海思的麒麟芯片在消费电子领域风生水起后来因为众所周知的外部限制手机芯片那条路基本断了。汽车业务成了一个新的出口。昇腾 610Pro是华为 MDC 智能驾驶计算平台的核心芯片官方宣传算力达到200 TOPS。它基于华为自研的达芬奇架构和华为盘古大模型、鸿蒙座舱系统形成了生态闭环。华为的优势在于软硬一体。芯片只是底座上面还有自研的 MDC 平台、操作系统 AOS/VOS以及一整套感知-规划-控制的全栈方案。车企如果选择华为的整套方案从芯片到算法到云端训练都能打通。但这也是一把双刃剑——华为的方案相对封闭车企在上面的定制空间有限。所以目前和华为深度合作最紧密的还是问界、智界、阿维塔这些亲儿子品牌。高通 Snapdragon Ride Flex手机厂商的跨界逻辑你可能会想高通不是做手机芯片的吗怎么也来凑汽车的热闹这其实很合理。手机芯片厂商做汽车有一个天然的优势功耗控制。Snapdragon Ride Flex 是高通在汽车领域的第一款集成式 SoC单芯片算力 360 TOPS而且主打舱驾融合——也就是把智能座舱娱乐、导航、语音和智能驾驶感知、决策、控制合并到一颗芯片上。这个思路很有意思。传统方案里车里有两套甚至三套独立的芯片座舱用一颗智驾用一颗功能安全芯片再来一颗。芯片之间用 CAN 总线通信延迟高、集成度低、成本也贵。舱驾融合的目标就是一颗芯片打天下。高通 Ride Flex 的逻辑是手机芯片本来就擅长处理多任务、图像渲染、语音识别这些聪明的事把它延伸到汽车座舱领域只要解决车规级认证和功能安全ASIL-D的问题就能大幅简化EE架构降低整车成本。目前搭载 Ride Flex 的车型还不多主要是一些概念阶段的项目。但舱驾融合是行业大趋势这点基本没有争议。峰值算力 vs 有效算力为什么数字越大越焦虑回到开头那个数字——“算力剩余 30%”。这块仪表盘背后其实藏着整个行业最核心的焦虑算力到底够不够用这里就要区分两个概念峰值算力和有效算力。峰值算力你可以理解为芯片的百米冲刺成绩——芯片在实验室里、理想温度、理想散热的条件下最快能跑多快。TOPS 这个单位测的就是这个。但车开在路上是另一个故事芯片持续工作会产生热量温度高了会降频就像你手机发烫了会变卡车载环境温度范围是零下 40 度到零上 85 度散热条件远比数据中心恶劣真实场景中芯片跑的是 Transformer、BEV、Occupancy 等大型模型这些模型对内存带宽的要求极高不是光靠算力堆叠就能解决的所以行业里开始越来越重视一个指标TOPS per Watt也就是每瓦特能产生多少算力。这才真正决定了芯片在车上能稳态运行多久。地平线在这一点上下了大功夫。征程 6 系列强调的能效比核心观点是560 TOPS 不是用来跑满的而是用来保证在各种corner case极端情况下系统依然能流畅运行不会因为算力不够而出现决策延迟。这也是为什么很多车企在宣传智驾系统时开始把有效算力利用率作为核心卖点——峰值 254 TOPS实际能稳定发挥 160 TOPS还是 200 TOPS这里面差了不止一个量级。舱驾融合为什么特斯拉走了一条不一样的路说到算力焦虑有一个有意思的对比。特斯拉从 2021 年开始就用FSD 芯片144 TOPS支撑 Autopilot 和整个座舱系统的运行。他们没有区分驾驶芯片和座舱芯片而是把两块功能集成在同一个计算平台上。这套方案争议很大但从架构逻辑上看特斯拉走的是中央计算平台的路线整车只有少数几个域控制器所有感知、决策、娱乐、通讯都汇总到中央大脑。好处是硬件简单了成本下来了数据流通更顺畅了。坏处是一旦中央平台出问题整车所有功能一起瘫痪安全风险集中。目前行业的主流选择还是域分离逐步融合智能驾驶和智能座舱暂时保持相对独立的芯片架构但通过更高带宽的通信链路比如千兆以太网来协同工作为将来的融合留出过渡空间。NVIDIA 的 Thor 芯片单芯片算力 2000 TOPS正是瞄准了这个趋势。Thor 的设计目标就是一颗芯片搞定所有——驾驶、座舱、车身控制全部集成支持舱驾融合的中央计算架构。但 Thor 的量产时间表一直在推迟。2022 年发布的时候说 2024 年量产后来推到 2025 年再推到 2026 年。这个延期本身也说明了集成度越高的芯片面临的工程挑战越大。自动驾驶到底需要多少算力答案没那么简单说了这么多可能你还是想问到底需要多少 TOPS 才够说实话这个问题没有标准答案。不同级别的自动驾驶对算力的需求差异巨大L2 辅助驾驶自适应巡航车道保持10-30 TOPS 足够了征程 3 和高通 QCM6490 都能搞定L2 高阶辅助驾驶高速 NOA、城市记忆路线需要 50-200 TOPSOrin X 和征程 5 是这个区间的选手L3/L4 有条件自动驾驶城市全场景 NOA200-500 TOPS 是门槛征程 6P 和多芯片 Orin 阵列在这个段位L5 完全自动驾驶理论上需要 1000 TOPS目前没有芯片能稳定满足这个需求但这里有一个反直觉的现象算力高不等于体验好。小米SU7 Ultra 用的 Orin X254 TOPS但小米的智驾体验和算力利用率长期被评价为硬件拉满、软件欠佳。而华为问界用的昇腾方案算力参数并不总是最高的但实际体验却常被用户认可。这说明一个道理算力是基础算法是灵魂工程化能力是桥梁。同样一块 254 TOPS 的 Orin X在不同车企手里可以跑出完全不同的智驾水平。这里面有算法模型大小的原因有数据闭环效率的原因也有工程团队对芯片底层架构理解深度的原因。我的观点算力竞争已经进入下半场回顾这几年车载芯片的发展有一个明显的脉络上半场算力为王谁的 TOPS 高谁就是旗舰。各家车企以首发高性能芯片为荣消费者也把芯片算力当成了购车的核心参考指标之一。下半场纯堆算力的玩法开始失灵。用户开始意识到200 TOPS 的车开起来可能还不如 100 TOPS 的车顺畅。行业开始关注有效算力利用率、每瓦特性能、软硬协同效率这些更务实的指标。地平线的崛起是这个趋势最好的注脚。用一颗 560 TOPS 的单芯片替代原本需要两颗 Orin X 才能完成的感知任务成本降了功耗降了智驾体验反而更稳定了——这才是真正有价值的创新。而 NVIDIA 的 Thor 虽然算力惊人但它要解决的不仅是芯片本身还有整个汽车EE架构的重构、车企供应链的调整、以及功能安全的完整验证体系。这些事情比造一颗最强芯片要复杂得多。写在最后焦虑背后是对安全的敬畏回到开头那个算力剩余 30%。你可能会想为什么这辆车不把算力用满是芯片不够强吗不是。是因为工程师在设计这套系统时做了一个重要的选择永远给系统留出足够的余量用来处理那些没见过的场景。雨夜、强光、路面反光、前车突然掉落货物、山路急弯上的行人——这些场景在训练数据里可能只出现几次但智驾系统必须能在真实遇到时做出正确反应。算力余量就是这个正确反应的安全垫。所以下次你再看到仪表盘上那个算力剩余 30%不要觉得这是浪费——那 30%是工程师留给你的最后一道安全防线。本文数据来源NVIDIA 官方产品规格、地平线官方发布会及公开融资材料、华为昇腾官网、高通 Snapdragon Ride Flex 白皮书。算力数据为截至 2025 年底的公开峰值参数实际表现因车型、算法版本和环境而异。
)
