过去数年，汽车行业一边内卷，一边高速发展，卷的是产品、技术、价格，甚至带动产业链上下游一起卷，发展的是电动化、智能化等新技术趋势。
如果说汽车行业转型的上半场，新能源技术不断完善、渗透率快速提高，电动化已渐趋成熟，那么，汽车行业智能化的下半场，将决定未来车企的核心竞争力。
受小米汽车爆燃事件影响，4月16日，工业和信息化部装备工业一司组织召开智能网联汽车产品准入及软件在线升级管理工作推进会，会议强调，汽车生产企业要充分开展组合驾驶辅助测试验证，明确系统功能边界和安全响应措施，不得进行夸大和虚假宣传，严格履行告知义务，切实担负起生产一致性和质量安全主体责任，切实提升智能网联汽车产品安全水平。
从4月23日开幕的上海车展看，超百款新车首次亮相，车企也默契避开了“智能驾驶”的舆论交锋，背后的潜台词是——智能驾驶还不够智能，算法很难处理Corner case。
与此同时，TechForWhat获悉，车企正在重新审视自己的算力布局，以目前车厂竞争焦点自动辅助导航驾驶（NOA，Navigate on Autopilot）为例，此前因为成本和资源等因素考量，一些车企采用了小算力的模式，目前不得不重新改用大算力，来实现更高的安全冗余。
这也反映出目前车企的算力选择，不是仅仅满足于当下够用，而是用更大的算力应对未来更复杂的驾驶场景。
车企的马力大战，如今演变为算力大战，而如何获得足够的算力，是车企智能化的第一道关卡。随着车企智能化竞争烈度的升级，全球汽车产业算力需求因大模型爆发呈几何倍数增长，多家车企都在寻求大规模算力中心供应。
IDC发布的《中国汽车云市场（2024上半年）跟踪》报告显示，2024上半年中国汽车云市场整体规模达到53.9亿元人民币，同比增长19.5%。其中基础设施市场规模为33.8亿元人民币，同比增长31.7%；解决方案市场规模为20.2亿元人民币，同比增长3.4%。
考虑到近段时间车企算力的需求有增无减，目前算力缺口只会更加严峻。IDC分析，随着自动驾驶技术向端到端演进，车企对于高阶智能算力的需求快速提升，智能算力规模从百PFLOPS向千PFLOPS演进。
同时，大模型逐步接入座舱终端，随着大模型的不断成熟及应用场景的丰富，车端算力可能难以满足所有的推理需求，对于刚接触PG电子的新手，有什么实用的攻略吗？推理算力有望走向云端。车路云相关政策快速完善，北京车路云一体化项目率先启建，其他试点城市正紧锣密鼓筹备，云基础设施将迎来新一波投资周期。
智能化浪潮的大背景下，所有行业都亟需AI算力，汽车行业由于规模大、需求急，自然也面临着更为紧缺的供需关系，而受限于外部封锁，英伟达高端芯片难以获得，以及企业对成本的考量，也有部分企业权衡之下选择了退而求其次的办法。
一些车企为了推广智驾普及，采用了低廉的智驾方案，为了让价格有竞争力，缩减算力更低的芯片，减少雷达和摄像头数量，或者套用一些供应商的大模型方案，做了一套低价的方案。
还有一个典型的云端算力办法是——魔改英伟达消费级显卡4090，标准版显存只有24G，但是不妨碍可以人工改为48G显存，如此便能供给车企，用做大模型训练的算力。
不提安全合规方面的风险，部分车企并不知道自己使用了魔改的4090，云端小算力训练出来的大模型不仅效率低，模型精度被迫妥协，而且在本身算力能力退化的情况下，经过量化/剪枝输送到端侧，可能会导致模型性能明显降低。
中国电动汽车百人会副理事长兼秘书长张永伟此前表示，“人工智能时代，汽车企业缺的不是产能。多几个整车厂，少几个整车厂，好像不是产业发展的主要矛盾，到了人工智能时代，汽车行业最缺的是智算的基础设施，而不是生产能力，智算基础设施不足，将会成为智能网联汽车加速发展的主要矛盾。”
车企智能化的算力选择，本质上是资源、性能、成本的三重博弈。而当小算力的弊端逐渐浮现，国内大算力供应有所缓解，以及受到政策、安全等方向的推力，大算力对于车企智能化的必要性得到广泛认可。
从国际视角看，有算力行业人士表示，特斯拉一家的算力储备几乎与国内主流车企总和持平，这一差距暴露出中国车企在自动驾驶领域的核心痛点，算力冗余不足，试错空间有限。
日前，面对全面智驾的发展趋势，Momenta CEO曹旭东表示，“高速NOA变成了标配，城市NOA是高配”是一个阶段性的方向，原因是高速NOA虽大多数情况比较简单，但安全、安心的场景极其复杂，用一个小算力去做高速NOA不够安全。
他还提到，基于智驾摩尔定理，以及为用户安全安心负责的方向，Momenta预判未来可能需要更大算力的全场景NOA，包括高速/城市NOA会逐渐变成标配，而高配将会是L3、L4级自动驾驶。
类似地，小鹏汽车选择了“云端大模型”路线，通过构建云端大模型，然后将云端大模型蒸馏到车端，在车端进行模型部署。小鹏云端大模型的参数量是车端的 80 倍，云端强化训练后，车端大模型的上限大幅提高。
由于当前车端芯片算力的限制，即便采用两片英伟达 Orin 芯片，能支持的车端模型参数量有限。而云端大模型可以全面吸纳智能驾驶数据，不遗漏重点信息细节。通过大量数据训练，尽可能穷尽智能驾驶中的长尾问题，以覆盖更多驾驶场景。
目前城区 NOA 的实现仍然需要大算力芯片、大量数据积累、云端算力集群等去训练大模型。城市道路是典型的长尾场景集合体，NOA的落地难度远超高速公路场景，行人、非机动车、复杂路权博弈、突发障碍物等因素，对系统的实时性、精准性和安全性提出了近乎苛刻的要求。
因此，模型的性能、精度等能力，决定了NOA在极端场景下的应对能力，更高的模型精度，更低的响应延时，更严苛的安全冗余，都需要更多的算力资源。
大算力是目前车企应对城市NOA场景收益最高的选择之一，未来一段时间，车企有望结合汽车搭载中算力智能驾驶芯片，以及云端国产芯片算力集群的方式，实现效率和成本的优化。
汽车行业可能正在经历有史以来最严格的监管，自此之前，“智能驾驶”野蛮生长，自此之后，“智能驾驶”安全为先。
今年早些时候，比亚迪、广汽、吉利、奇瑞、长安汽车等厂商，纷纷推出普及版的智驾平权方案，可以实现高速NOA的智驾汽车价格，下探到7万元左右，本质上，新技术普及都会经历数次门槛降低，包括技术门槛、成本门槛、使用门槛等。
但是，技术平权的前提一定是安全为先，其优先级要比性能、成本等层面高得多。工业和信息化部去年表示，随着大算力、大数据、大模型等快速发展，高级自动驾驶技术有望实现新的重大突破，智能网联汽车也将进入全新的发展阶段。
智能化依然是无可争辩的产业方向，而大算力、大数据、大模型等技术上限的提高，将在解决更多产业疑难杂症之后，推动汽车产业建立起以安全为基石的可持续发展范式，毕竟，没有哪种平权比生命权的平等更重要。
声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。对于刚接触PG电子的新手，有什么实用的攻略吗？
