· 汽车十三行 ID：wzhauto2023 ·
2025年初，中国汽车曾短暂经历一场全民智驾的浪潮，随即上层开始降温，在长达半年的“静默期”后，中国汽车智驾技术向VLA大模型与物理AI等更深层的技术转型。仅仅不到一年，这股被压抑的势能再次被点燃。舆论中有声音说，城市NOA正式告别算力竞赛，即将被塞进占据中国车市半壁江山的10万-15万元级国民车腹地。
如果仅从市场渗透率和出货量的维度看，随着128 TOPS方案的规模化落地，中国汽车产业用极致的工程效率，打破了高阶智驾与昂贵算力划等号的魔咒，让科技平权在10万级市场普惠给中国最广泛的汽车消费群体。
对于身处其中的科技企业而言，这更像是一个残酷的春天，会将所有参与者拉回到比拼成本、效率的内卷中。“低算力高阶智驾方案”给所有参与者一张入场券，但最终也会在摩尔定律和AI迭代下被落下。或许低算力芯片的春天确实来了，但也警惕春天之后，不一定是收获的秋天。
01
低算力芯片的生意火起来了
在2022~2024年之间，行业内普遍认为实现高速NOA需要30-50TOPS算力，而实现城市NOA因为需要识别信号灯、无保护左转、绕行障碍等功能，因此门槛极高，起步至少要200-500TOPS，甚至为留足算力冗余需要1000TOPS的芯片。
得益于算效、算法以及AI大模型迭代，128TOPS也足以能撑起曾经需要500 TOPS才能完成的运算量。这次单颗128 TOPS芯片实现城市NOA功能后，几乎敲定了“10万元城市NOA”的技术格局。
除了芯片设计逻辑会单独针对智驾场景进行优化外，在算法上也从稠密计算切换到稀疏计算。传统的智驾感知算法大多采用稠密计算的方式，在一定范围内，系统会无差别的对视野内的每一个元素进行计算，如果将感知范围从100米延伸至200米，计算量都呈几何级增长，造成算力浪费。而稀疏计算的方式，会率先筛选出关键区域，比如前面的人、车辆、车道线，对这些元素实时追踪计算，周围固定的元素会选择性略过，并且通过历史帧强化当前帧。这种稀疏计算模式将计算复杂度降低了一个量级，因此在算效层面，能让128TOPS的物理算力发挥出相当于稠密算法下更高算力芯片的效果。
从技术视角看，低算力芯片已经提供打破城市NOA门槛的可行性；从市场视角来看，中国汽车市场的基本面为低端芯片生意提供了爆发的必要性。
乘联分会数据显示，2025年售价10万-15万元的产品占据中国新车销量的50%，这部分消费群体对成本极度敏感，只消费车辆的工具属性，在全民智驾的趋势下，这一价区也一直是高阶智驾的荒漠，仅搭载最基础的功能。在商业层面上，谁能利用上述技术红利，把城市NOA塞进10万级的车里，谁就握住了中国车市最大的增长引擎。
为了吃下这块蛋糕，科技企业的生存形态也不再执着于在技术高点和创新，反而是开始围绕这块蛋糕疯狂堆规模。为了在低价车型上实现功能落地，这些原本标榜高科技的公司，越来越像制造业企业，试图通过规模效应摊销研发成本。
如果将视野拉开到全球维度，你就会看到，中国新兴科技企业忙着做大出货量、做低成本，美国的科技巨头如英伟达依然在追求极致的性能，不管是英伟达还是高通，都在试图让整个行业都按照自己定义的路径演进。
一方是在制定规则，一方在适应规则中加速高阶智驾的“大宗商品化”。或许在短期内能够解决高阶智驾需求爆发与高算力硬件成本居高不下之间的矛盾。更要警惕的是，这种商业价值高度依赖行业较慢的迭代速度，如果500 TOPS芯片降至白菜价，或者端到端大模型对算力底限提出更高要求，目前基于极致优化的低算力方案构建的商业壁垒，可能在极短时间内失去价值。
那么，中国智驾是否为换取市场规模，而过早消耗未来的技术红利，将原本应该用于探索L4的资源大量投入到了L2+的成本内卷中，这种商业模式本质上更像是一门短线生意。
02
起步即遥遥领先的心态要不得
如果将视线拨回到全球技术演进中，在中低算力平台实现高阶智驾功能，核心依赖于稀疏计算和模型蒸馏技术。在算力资源匮乏的阶段，通过剔除模型中50%以上的低权重计算让大模型瘦身，几乎是所有科技企业的生存智慧，这种方式在业内称为算效红利。
以英伟达Thor为代表的路径不同，高算力初衷就是为模型预留巨大的冗余，试图利用海量算力让AI具备逻辑推理能力和长尾场景的泛化能力，就好比同样是解决居住问题，一种是挑战“如何在40平米内塞进三室一厅”，而对手正在研究“如何让建筑抗住8级地震”。
前者解决普及问题，后者解决未来定义问题。目前的领先在很大程度上建立在硬件物理指标的妥协之上，内存带宽一个常被忽略的关键数据是，目前主流的128 TOPS方案受限于成本，大多采用LPDDR5内存，带宽通常在64GB/s至128GB/s之间，这对于优化过的城市NOA专用模型尚且够用。但是，真正的端到端大模型对带宽有着更极致的需求，英伟达Orin-X的带宽已达204GB/s，而Thor更是采用了服务器级的高带宽内存技术。
一旦智驾技术范式发生跃迁，低带宽芯片会再次面临硬件性能限制，现在的成功绝不意味着低算力方案构建了真正的技术壁垒。
更需要警惕的是，这种技术路径正在泛化成为主流商业模式，科技公司为了在128 TOPS芯片上实现良好体验，方案商需要投入大量人力进行一对一服务，每一款新车、每一个新的传感器配置，都需要工程师重新进行算子优化和模型量化。即便是大规模应用AI后，可以弥补工程师数量上的差距，实现十步并一步、甚至百步并一步的效果。一旦硬件成本遵循摩尔定律大幅下降，这些优势可能会在一夜之间变得一文不值。
多位行业人士指出，中国智驾产业目前的成就更多是在“应用层”的战术胜利，起步即遥遥领先的心态之所以危险，是因为它容易让我们将暂时的市场份额误读为技术统治力。真正的护城河，永远建立在对下一代技术范式的定义权上，而不是对上一代技术剩余价值的极限挖掘上。
当下智驾赛道，那些真正具备危机感的头部企业早已进入“规划一代、研发一代、应用一代”的节奏中，舆论为128 TOPS的量产方案叫好时，他们的研发重心早已转移到了下一代技术上，有的企业甚至不惜成本，推动三个独立团队同时攻坚同一个项目，这种节奏感确保了企业在任何一个技术断层来临时，手中都握有可供替换的底牌。
03
智驾外包的赢家只有一到两家
智驾浪潮催生出大量的科技创业企业，一种是硬件提供商，提供从芯片、域控制器到激光雷达等感知元件，另一种是软件提供商，专注于感知、规划、控制等核心算法的推演与迭代。
如果把时间轴拉长，会发现当前智驾行业，像极了二十年前中国汽车工业学步阶段，当时的自主品牌缺乏正向研发能力，不得不依赖这些“外脑”来完成从底盘调校到造型设计的“交钥匙工程”，长城华冠、同济同捷、上海龙创等整车设计公司遍地开花，以“造型+工程+试制+验证”能力适配车企开发需求，以项目结算费用，周期6-18个月。
比照着整车设计行业的演变轨迹，你会发现，当年的整车设计外包公司，随着吉利、比亚迪、长城等主机厂建立起自己的万人研究院，迅速失去了核心价值。这些企业要么因资金链断裂消失，要么退化为单纯的劳务输出。如今的智驾方案商在某种程度上也扮演着设计外包的角色，当高阶智驾从高科技卖点变成基础标配后，主机厂必然会收回主动权。
或许未来的智驾市场甚至比当年的整车设计外包更为残酷，绝大多数方案商如果不能在算法上形成持续的代际领先，将难逃沦为普通零部件供应商的命运。科技企业看重未来的爆发性和垄断性，制造业企业看重当下的现金流和净利率。
参考电脑时代Windows+Intel联盟的统治力，智驾行业的终局注定是高度集中的，智驾技术具有极强的数据飞轮效应强者越强，只有那一两家掌握了底层标准、拥有海量数据闭环的巨头，才能将复杂的智驾功能封装成标准化的黑盒，从而重新通过规模效应通过软件授权赚钱。而剩下的数十家方案商，将在激烈的同质化竞争中面临兼并或出局。