原来智驾能力和车端的芯片算力没有啥强烈的关系。。。

[e23nome]

当然车端芯片太差（比如<50TOPS ）是不行的。

v 站的共识（也是小鹏和理想的创始人认为的）智驾第一是 FSD14 ，运行的硬件 HW4.0 ，2022 年推出，早就被拆解分析的很透彻了。

采用工艺是：三星 7nm FinFET （面积 300 mm²，与 5070 的台积电 4nm 工艺 263 mm²面积比，算是一般大小的芯片），比较落后的制程，远不如台积电 7nm ，更别说台积电 5nm/4nm

单颗 FSD SoC：约 121.7 TOPS （ INT8 算力），按 2.2 GHz 估算

两颗互为冗余，所以整套系统约 100–150 TOPS ，每颗芯片配上 16GB GDDR6 的 RAM ，带宽是 384GB/s （ 5070 的显存带宽是 672 GB/s ）。

也就是说蔚小理的新芯片都是比这个强几倍的

芯片 / 平台	制程	官方宣传算力	稠密 INT8 算力	说明
蔚来神玑 NX9031	5 nm	约等于 4 颗 Orin X	未公开；粗估约 508 TOPS	官方未公布明确 INT8 数据，粗估置信度较低
小鹏图灵芯片 XP5	官方未明确披露	750 TOPS 有效算力	未公开；假设性约 375 TOPS	仅在 750 TOPS 包含 2:1 稀疏的假设下成立
理想马赫 M100	5 nm	1280 TOPS	未公开	官方未说明计算精度及是否计入稀疏
NVIDIA RTX 5070	TSMC 4N	988 AI TOPS	246.9 TOPS	493.9 TOPS 为稀疏 INT8 ； 988 AI TOPS 主要是 FP4 口径
Tesla HW4 / AI4 单芯片	Samsung 7 nm	官方未公布	约 121.7 TOPS	根据 NPU 阵列规模和频率推算
Tesla HW4 双芯片电脑	Samsung 7 nm	官方未公布	约 243.3 TOPS 硬件总量	双芯片存在安全冗余，实际任务算力未必完全叠加

这些信息都是很容易通过 GPT 调研出来的。

说明智驾的主要差距还是训练算力和数据，特斯拉先是 dojo 自研训练集群，然后是大举引入英伟达最新芯片，训练算力的投入巨大和算法是错、迭代的速度较快，加上 100 亿英里的智驾里程。

而蔚小理他们的利润是远不能匹配特斯拉的，也不是多业态共营（ Tesla/X/xAI/SpaceX ）共享 AI 基建底座和人才。自然蔚小理的算力投入十分有限，只能做追随者。

[e23nome]

| 芯片 | 晶体管数量 |
|---|---:|
| 蔚来神玑 NX9031 | 超过 500 亿（官方） |
| 理想马赫 M100 | 未公布；媒体传约 400 亿（理想的正式架构论文只公布了 399.8 mm²、台积电 N5A ） |
| 小鹏图灵 XP5 | 未公布 |

[zhang666]

算法不行，算力来凑。

[est]

啊，难道还有人不知道华为的“智驾”实际上是扫图？

没图的地方直接罢工。

[e23nome]

@est 扯犊子的，请离开。有图解决了感知就一定能开（运动决策）嘛？真以为马路上一个车没有啊。block 了。

[est]

@e23nome 所以问题来了，运动决策 需要大量算力吗？ 这不就恰好证明了你的标题，某些“智驾”和算力没关系

既然 block 了说明你没理由反驳，戳到你痛处了。哈哈。

[Mandyer]

我的智己 L6 ，孱弱的算力，但是智驾测试中排名比很多算力高的都强，算法还是很重要，算法不行再加算力提升

[AlexPao]

硬件层面是和软件需要适配和契合的. 如果单论硬件, 那就会出现芯片堆车的情况.
硬件还是很重要的. 有些车企说芯片冗余, 但是没有说自己做到了什么样的情况.
这里面不清晰不透明, 很难说得清楚.
很简单一个观点, 定点测试是不够科学的, 因为反复定点练习之后能过这个点不代表能过一个类似的未知点.
这里面也就空间很大, 就像打游戏背板, 你没法分辨一个低 tops 的车是通过背板过的还是通过自识别去过的.
背板多了可能能过这个, 但不一定能过那个, 一般来说临场反应的那个更胜一筹.
只是"能过", 不太能从根源上说明问题.

[DeYiAo]

经常用大模型 Agent 的 V 友们，会相信 4B 7B 的智驾模型能比老司机强吗？更别说现在实际跑的是 2B 、甚至不到 1B
而“老司机”对智力的泛化要求绝对不低，对世界知识，社会常识也有很高的要求。
我个人认为不可能，即使强如 GPT 、Opus 也会偶尔犯错，越大越好，越小越差的规律不会错。
别说什么专精模型，专精垂域模型智商都很低。