芯耀
与非AI
99
作者 | 本一 编辑 | 德新
智驾下半场的关键数字
地平线去年研发烧了大概 55 亿，净亏损 20 亿，账上还有 200 多亿现金。
卓驭一年光是跑算力花掉的电费就有十几、二十亿；元戎启行已经把宝押在一颗要等到明年下半年问世的 5000 TOPS 的超大算力的智驾芯片上。
第 18 届轩辕汽车蓝皮书论坛 「JACKTOK 尖峰对话」的第二天，地平线、卓驭和元戎启行三位 CEO 轮流接受贾可博士的灵魂拷问。
讨论从「物理 AI 的发展和自动驾驶的终局」开始，始终绕不开的，是这场「智能持久战」的成本、基础设施和路径选择。
世界模型/VLA/VLM，主流玩家技术路线「没有本质区别」
三位嘉宾对同一件事的判断高度一致：自动驾驶规则模块化的小模型时代结束了，下半场是大模型，或者说是「物理世界的基座模型」。
周光给了一组接管里程的数据：小模型架构的天花板，大概能做到百公里接管一次。特斯拉 FSD V14 可以做到千公里级接管的程度，但这也是把硬件升级到 500 TOPS 以上（HW 4.0），全面切到大模型范式之后才发生的。
「只要有人跑通了，路线就被验证了。」
但具体这套新范式「叫什么名字」上，地平线余凯说得很直接:「VLA、世界模型、End-to-End，很多时候是商业包装大于技术实质。真正上牌桌的顶级玩家，技术路线没有本质区别。」
沈劭劼认同这一点，但也指出卓驭「原生多模态基座模型」的两层差异化构成：一是「原生」。没有拿现成的大语言模型(比如 Qwen 开源模型)做底子，而是用纯自动驾驶数据从头训练；第二是「基座」，模型规模要从中型做大。
换句话说，行业不同玩家的真正的护城河不是这些令起来很酷的漂亮话（Buzzword）上，具体可以落在三件事上：模型规模、数据来源、以及谁的工程颗粒度能堆得更细。
5000 TOPS 的大算力芯片要来了
如果说大模型范式是底层共识，那算力是这场智驾竞赛中，各家需要跨过的，最硬的门槛。
所以，到底需要多大算力的芯片才能实现L4自动驾驶？
周光给了一组数字：
500 TOPS，能跑 1B 到 2B 的小型大模型，特斯拉的 HW4.0 硬件是这个水平，FSD V14 版本已经能做到千公里以上接管的可靠程度。再往上，5000 TOPS，对应规模化、全域泛化的 L4，能力大概可以做到万公里级接管。
周光的判断是，单芯片 5000 TOPS 的产品会在 2027 年下半年问世，而且不止一家:「当马斯克跑在前面的时候，所有人都会加速跟上。」
余凯没谈算力，但给出了时间表。他从去年就在讲、至今没变的版本是：
2028 年，行业实现 100% Hands-off(脱手开)，等同于「更高级的自动挡」;
2030 年，进入 L4 区间，Eyes-off(闭眼开)，但人类仍需保留紧急脱困能力;
2035 年，进入「睡着开」的终局。
按照余凯和周光给出的两条线，对齐来看，到 2030 年左右，行业要交付的不是某个 demo，而是一颗能塞进量产车的 5000 TOPS 芯片、一个能稳定跑万公里不接管的基座模型，以及一套能兜住「大模型幻觉」的运营机制。
周光提醒，这可能也是很多人会忽视，「千公里级别依然需要一定的运营兜底，比如电子围栏。大模型同样会存在幻觉问题，需要一些规则系统辅助兜底。」
车企智驾自研退坡：每年百亿级投入的挑战
上午两场针对「智驾」对话最尖锐的一趴，落在车企自研这个老生常谈的问题上了。
余凯甚至把账翻开给大家算了算。
地平线去年研发投入约 55 亿，亏损 20 亿，账上还有 200 多亿现金，「我可以亏 10 年」。然后他对主机厂提出了灵魂发问，「你今年敢投 20 亿做智驾，到了 2030 年你敢一年投 150 亿吗?」
余凯紧接给出了自己的判断，「事实上，大量车企的智驾自研是在退坡的。」
他给出的理由也很直接。造车这件事，老板既要管供应链、制造、内外饰，还要当网红，整个流程本身已经极其复杂。造车的利润率「非常骨感」，撑不起一个每年要持续投入几十甚至上百亿，且没有止境的研发黑洞。
「这可不是一锤子买卖。」余凯说。
所以，车企应该做什么? 余凯的回答是「聚焦」。把精力放在产品定义、品牌、用户运营上，把智驾这种「无底洞投入」交给专业第三方。
沈劭劼和周光虽然没有直接呼应，但卓驭和元戎都在做同一件事来印证智驾研发成本的「深不可测」。两家公司都在把基座模型的研发成本，通过更多垂类的分发摊薄。
比如沈劭劼把卓驭的业务从乘用车横向扩展到了商用车、重卡领域，理由很直接:「为了让商业模式闭环，我们必须分发这个模型。」
AI大模型降维：我怕OpenAI进来灭了我们
这是三位嘉宾分歧最大的一部分。
沈劭劼最警惕。
他坦承，卓驭走「原生多模态基座模型」路线，背后是对 OpenAI、字节这类数字 AI 大厂的警惕。
这些公司展现出的 Scaling Law 能力，让小模型范式下的智驾公司面对一个尴尬现实:「我真正怕的，是做数字 AI 的大模型公司反过来把我们给降维打击了。」
周光给出了自己的佐证。他注意到，今年多模态视频生成技术突破之后，大模型公司开始对自动驾驶感兴趣。
「视频生成任务的本质是预测未来的几秒钟……如果换到车端，等于实现了自动驾驶。这个市场的商业价值，比单纯的视频生成大百倍千倍。」
余凯最淡定，他不太担心 OpenAI 这样的巨头公司。
一是因为大模型领域的公司都有自己的奥林匹克竞赛要比，刀光剑影的，Anthropic、OpenAI、Google「绝对不敢分心，稍微一分神可能就被对手干死了」。
另一层原因是物理世界的工程苦活，几十万公里路测、底盘控制、不同载重平台的标定，「赚快钱的 AI 顶尖人才,很多不愿意来吃这个苦」，周光说。
沈劭劼总结了物理 AI 公司不可被替代的护城河:
「让一个聊天机器人准出，是看分思维；让一个自动驾驶模型准出,是底线思维。哪怕大厂模型再先进，公司文化如果过不了这道’底线思维‘，上路撞两次车也就出局了。」
终局想象：从聚光灯走到幕后
三位嘉宾对自己 20 年后的愿景，几乎都用了同一个词：基础设施。
周光给出了最具象的比喻。
他说，「我特别希望我们公司未来能成为'物理 AI 世界的基础设施'，就像今天提到'中国移动'，大家不会觉得它仅仅是个公司名字，而是一个代表底层信号的名词。20 年后，如果大家都觉得这套技术稀松平常但又离不开它，我认为那就是最大的成功。」
余凯说的是，「机器人时代的计算平台」——地平线 2015 年成立那天起就锁定的方向。当年从地平线拆出去的「地瓜机器人」，今天已经是中国机器人芯片方案的第一名了。
自动驾驶的下半场，技术路线收敛了，但商业模式刚刚开始分化。能撑到成为「智驾基建」那一刻的玩家，未必是技术最快的，但一定是账上还有现金、敢继续掏钱，并且愿意从聚光灯走到幕后的那几家。
对主机厂来说，现在的确是该认真算一算那本开发账的时候了。
