在上海举行的第二十一届上海国际汽车工业展览会（2025上海车展）上，汽车智能化成为国内外参展商共同的展示重点。人工智能（AI）技术的快速迭代与技术突破也在汽车行业引发回响，让智能辅助驾驶从高端市场走向主流市场，成为赢得消费者青睐的重要一环。
自去年以来，汽车市场竞争焦点从价格向智能化转移，且竞争日益激烈。中国电动汽车百人会发布日前发布的《汽车智能化发展报告（2024）智驾篇》报告认为，高阶智驾（辅助驾驶）已经迈过“尝鲜期”，高速NOA（导航辅助驾驶）、城市NOA等功能，正向10万-20万元的主流价格区间普及。预计到2025年年底，乘用车NOA渗透率将达到20%，与2024年上半年相比，提升近一倍。
在业内人士看来，这场围绕智能辅助驾驶的角逐不仅考验着车企的算法创新能力，更将算力基础设施的完备性推向了竞争中心。无论是海量数据的训练、计算能力的演进还是重感知能力的达成与用户体验的提升，都离不开安全、可靠的算力基础设施。
国内一家汽车科技的系统总监近日表示，复杂城区场景是当前开发难度最大的地方，依赖传统的感知模型很难去解决此类长尾场景。各个企业都在尝试开发训练VLM模型（视觉语言模型），而这需要极大的云端算力及数据训练成本。
今年年初，特斯拉的智能辅助驾驶（FSD）功能正式在中国市场推出。之所以能成为全球智能辅助驾驶的引领者之一，特斯拉在算力领域的深厚积累与巨大投入功不可没。据美国媒体报道，特斯拉在得州超级工厂部署的Cortex超算集群已集成5万个GPU，预计年内将扩容至10万个，跻身全球前五大AI训练集群。马斯克本人曾在社交媒体透露，这10万块GPU均是英伟达公司的H100和H200芯片。
同时，特斯拉的Dojo超级计算机也承担了10%的智能辅助驾驶训练负载，而研制中的新一代Dojo超级计算机的算力较上一代将提升10倍。
据统计，目前，吉利、比亚迪等部分中国车企选择了与特斯拉相同的路径——自建算力平台，其余企业则选择与云计算厂商合作，利用后者成熟的算力平台。无论走上哪一条道路，汽车智能化进程中对算力的需求都离不开安全与高效两个关键词。
智能辅助驾驶自诞生之日起就与安全性紧密绑定。一方面，车企在模型训练的过程中要保证敏感数据的安全，以及训练状态的持续稳定。更重要的是，车企需要不断提升智能辅助驾驶功能的安全性，这是这项技术的核心与生命线。
目前，智能辅助驾驶的开发包括从数据采集到数据筛选、打标、模型训练、回放性验证、仿真测试等。通过在海量数据基础上不断地重复训练与验证，车辆对道路环境的认知水平逐渐趋近于真实情景，判断的准确性在这一过程中不断提升。
不难看出，可靠、完备、算力充足的算力平台对于智能辅助驾驶的安全性提升有着直接影响。同时，以目前智能辅助驾驶中的核心NOA为例，其每一次迭代都需要消耗大量算力，而每一次及时的更新和推送，都意味着驾驶者与乘客有着多一份的安全。
在安全可靠的前提下，智能辅助驾驶技术的训练效率越高，迭代越快，赢得市场的希望就越大，这意味着对智算平台以及其构成有着较高技术要求。以AI行业论坛上不时出现的一个问题——为何4090不能代替A100进行大模型训练——为例，虽然4090有着较高的单卡算力，且价格相比A100等GPU更加低廉，但它内存较小、不支持NVLink互联技术等不足容易在大模型训练中遭遇瓶颈。
有AI行业开发者分析称，虽然4090看上去有着较高性价比，但其根本上是用于游戏等场景的消费级显卡，仅适合小型AI项目或独立开发者使用。相比之下，A100、H100等GPU专为数据中心设计，面向的就是大规模计算和企业级用户。
上述开发者还补充表示，一些案例显示，消费级显卡的故障率在规模化部署中显著上升，隐性成本不断增加。此外，采用4090组建数据中心也可能面临合规问题。
这样的对比也证明，纸面上的数据堆砌并不等于高质量的算力平台，还可能从智能化发展的“助推器”摇身一变成为“绊脚石”。
2025年，汽车行业的智能化发展仍将如火如荼，这是新的机遇，也是更激烈的竞争。特别是当众多企业发展规划路径愈发趋同时，如何打造属于自己的核心竞争力成为一个关键挑战。
从当下发展状况来看，这些核心竞争力将包括数据积累与处理能力和算法与模型优化能力，归根结底是算力平台的效能之争，为此进行长远规划和大力投入是必须的。正如一名业内人士所言，“智驾（辅助驾驶）不是选择题，是未来出行的必答题。”而答好这道题，首先要在算力问题上做好准备。
配资股票平台提示：文章来自网络，不代表本站观点。
