智能驾驶率国产车加起来打不过特斯拉，厂家沉默不语，孙教授的话应验了。

随着新能源汽车向智能化方向的深入，AI模型引入自动驾驶，带来端到端技术后，汽车制造商正在向AI制造商转变，尤其是在中国汽车制造商卷入城市NOA竞争后，计算率成为一项非常关键的竞争。

世界上大多数主流新能源汽车公司都在从事自动驾驶技术。如果他们想从事自动驾驶，他们必须尽最大努力堆积计算率，从英伟达等公司购买AI芯片，建立自己的数据中心。

然而，特斯拉在自动驾驶方面走得非常深。在此之前，马斯克视频揭示了特斯拉AI工厂，计算率集群充斥着英伟达GPU，同时开发了自己的AI芯片，建造了超级计算机。

现在特斯拉的算率，在世界上所有企业中都能排在前五位，10月已达到100EFLOPS的算率规模，约30万个A100。

智能驾驶率已经成为国产新能源汽车的一大短板。在计算能力方面，据媒体报道，小鹏的计算率约为2.5。E，计划年底前达到7000张H100的计算率(约4.2)E），目前蔚来的超算中心算率仅为1.5E。

据行业统计，华为7.5E，理想5.4E，小鹏2.5E，蔚来1.5E。国产汽车加起来打不过特斯拉。中科院孙教授的话从国内智驾算率和芯片生态发展的角度出发。

在此之前，中科院孙凝晖教授对华为模式的看法引起了很大争议，他指出：“华为只是搞封闭和垄断。大家最好不要做，只是为我做贡献。你们都用我的芯片，每个人都给我技术，然后我做一个端到端的，从这个制造到指令到软件再到大模型，再到这个应用。总之都是我，智算中心到什么算力网都是我，所以我觉得我们用这种中式封闭和中式垄断来对抗别人的西式封闭。西式垄断一定赢不了！”

假如我们冷静地思考，放在今天的智驾算率上，在与特斯拉竞争时，我们真的需要考虑如何采用更好的芯片模式和计算率发展模式。

众所周知，自动驾驶的实现取决于大量的数据处理和复杂的算法执行，这些芯片不仅是智能驾驶系统的核心部件，而且直接关系到汽车的智能化程度和客户体验的u200c。

但是AI芯片是从哪里来的呢？华为盛腾在中国制造，与英伟达AI芯片仍有差距。特斯拉、英伟达、Mobileye是目前国外市场上唯一可供选择的高性能AI芯片，尤其是大规模生产的。

芯片是计算能力的核心，它是计算能力的媒介，安装了芯片手机、手表、PC等终端和服务器。有大量的服务器数据中心和计算集群，我们也可以称之为计算能力平台。

计算能力的实现需要芯片、操作系统、内存、硬盘和大型应用软件的支持，这是一个庞大的生态系统。

资料显示，国内汽车公司现有的算率为10。 在EFLOPS以下，到2024年底，中国移动、中国电信、中国联通的计划分别为17 EFLOPS、21 总共有53个主要运营商EFLOPS和15EFLOPS EFLOPS，相比之下，特斯拉的计算率是100。 EFLOPS，它是所有汽车公司计算能力的总和。

为什么特斯拉的计算率这么大？因为全球高水平的CPU设计、GPU设计和操作系统设计已经被美国垄断。特斯拉自然具有西方生态垄断的优势，ic设计和计算集群不受限制，会比国内厂商更容易。这也是特斯拉FSD芯片成功的原因。

由于国内缺乏开源芯片生态和计算生态，特斯拉的计算率规模是国内厂商所不具备的。

正如孙教授所说：“中国要想在这些领域取得突破，就需要通过开源来打破西方的生态垄断，降低企业拥有核心技术的门槛，让每个企业都能以低成本制造自己的芯片，形成智能芯片的海洋，满足无处不在的智能需求。”

就目前国内的玩法而言，大家还是各式各样的孤军奋战，生态众多，华为封闭模式有其优势，但也有其局限性。

孙教授之前也指出：由于美国在计算率方面对我国工艺和芯片带宽的限制，国内生态在算法方面难以形成统一，生态成熟度严重受限，中文高质量的数据在数据方面缺乏，各种因素会使追赶者与领导者之间的差距难以缩小，有时还会进一步扩大。

在算率方面，孙教授提到的差距拉大的可能性并非不大。就智能驾驶率而言，特斯拉AI5的计算率可能是7000TOPS，预计将于2026年量产，而2025年投产的英伟达Thor的计算能力为2000TOPS，一旦落地AI5，特斯拉就能超越英伟达。

毫无疑问，在接下来的一段时间里，智能电车将很快进入计算能力的时代，不同的计算率对应不同参数规模的AI模型，代表不同的能力。

随着端到端和生成大模型的应用，汽车公司正在加速向AI公司转型。在这种变化中，计算率和算法将成为决定企业未来命运的关键因素。芯片公司跟不上这种趋势会很被动，价格战也会开始。

现在从智能驾驶率来看，说到和特斯拉的差距，厂商都沉默了。孙教授的话也是有效的。如何打破芯片和计算率的差距，我们可能真的需要避免分开封闭，建立开源生态和AI新基础设施。需要汽车公司、上下游科技公司、旅游公司、数据服务和通信行业共同参与智能驾驶的发展，不能局限于华为的方式。

特别是在计算率上，汽车公司仍然依赖海外供应，国内很多AI公司依靠英伟达芯片开发和培训人工智能模型。由于出口管制的影响，国内汽车公司未来能够获得的GPU性能将大大落后于海外汽车公司。因此，迫切需要尽快取代和实现汽车半导体自主化。

而且发展计算率是一项长期的系统工程，需要整个市场共同建设，这一步的推进，可能要趁早。

本文来自微信微信官方账号“智能新连接”，作者：王新喜，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com