識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末【廣發(fā)TMT產(chǎn)業(yè)研究】云計(jì)算行業(yè)lAI基礎(chǔ)大模型、智駕均需要大量算力。小米早期模型主要方向?yàn)檩p量化本地基礎(chǔ)大模型，已發(fā)布推理大模型MiMo-7B、多模態(tài)大模型MiMo-VL、語(yǔ)音大模型7B模型，在模型能力上快速追趕。小米從23年底開(kāi)始全面布局自動(dòng)駕駛技術(shù)，采用l從訓(xùn)練到推理，小米AI應(yīng)用場(chǎng)景廣泛。截至25Q2機(jī)、平板、電腦）近10億，小愛(ài)同學(xué)月活1.l目前智能駕駛主要涉及兩方面算力：云端訓(xùn)練算力和車(chē)端部署算力。云端算力主要部署于大型數(shù)據(jù)中心，以EFLOPS為衡量單位，專(zhuān)注于海量數(shù)據(jù)處理、復(fù)雜多模態(tài)模型訓(xùn)練與算法迭代。車(chē)端算力嵌入車(chē)輛本地硬件,“云-車(chē)”架構(gòu)。算力儲(chǔ)備方面，特斯拉依托自研+外購(gòu)的龐大算力（67.5EFLOPS，截至24年9月）構(gòu)建壁壘，l投資建議。金山云是小米戰(zhàn)略云平臺(tái)，雙方有著長(zhǎng)期穩(wěn)固的合作基礎(chǔ)。小米汽車(chē)智能座艙、自動(dòng)產(chǎn)生、數(shù)據(jù)處理、模型訓(xùn)練，以及未來(lái)的大模型美股科技股觀察|美股復(fù)盤(pán)&25Q2業(yè)績(jī)總結(jié)與展望:Q2業(yè)績(jī)強(qiáng)勁，AI對(duì)業(yè)績(jī)影響加強(qiáng)，指引延續(xù)增勢(shì)識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末金山云識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末 5 5 6 8 （一）智能駕駛技術(shù)迭代深化，云-車(chē)端算力成核心支撐 （二）各車(chē)企智能駕駛算力布局 20（三）智能駕駛訓(xùn)練算力需求測(cè)算 23 識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末 6 6圖3：小米首個(gè)推理大模型MiMo-7B，在數(shù)學(xué)和代碼領(lǐng)域已追上o1-mini和 7 7 8 9 9 9 9 圖15：各家車(chē)企自研智駕功能進(jìn)階時(shí)間線——特斯拉引領(lǐng)技術(shù)路徑進(jìn)階，國(guó)內(nèi)車(chē) 21 表2：大模型訓(xùn)練所需算力計(jì)算過(guò)程 表6：用于AI大模型推理新增的AI加速卡需求敏感性分析（單位：張） 表7：各大廠商智駕云端算力儲(chǔ)備及訓(xùn)練數(shù)據(jù) 20 24識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末一、小米加大AI硬核投入用將超300億元，其中1/4用于AI相關(guān)領(lǐng)域，重點(diǎn)聚焦AI基礎(chǔ)設(shè)施、大模型開(kāi)發(fā)及應(yīng)用場(chǎng)景搭建。5月22日小米15周年戰(zhàn)略新研發(fā)投入預(yù)計(jì)超1,000億元人民幣，未來(lái)五年（2026-2030年）研發(fā)投入將超2,000技術(shù)孕育與體系奠基（2016年7月-2017年9月）：本階段是小米系統(tǒng)性構(gòu)建人工智公司率先成立AI視覺(jué)團(tuán)隊(duì)，賦能手機(jī)智能拍照，首次將深度學(xué)習(xí)技術(shù)應(yīng)用于移動(dòng)終端拍照?qǐng)鼍啊?017年3月，推出小愛(ài)同學(xué)前身，面向電視終端的"Mi成為公司首款具備自然語(yǔ)言處理能力的消費(fèi)級(jí)AI硬件產(chǎn)品。方向完善與全面自研（2017年9月-2021年3月）：本階段以系統(tǒng)性技術(shù)布局和跨領(lǐng)聲學(xué)、智能問(wèn)答方向納入統(tǒng)一研發(fā)框架，并同步構(gòu)建MACE移動(dòng)端推理引擎、CloudML云端訓(xùn)練平臺(tái)及MiNLP自然語(yǔ)言處理平臺(tái)，奠定技術(shù)工程化基礎(chǔ)。2018年3月推出小米MIX2SAI場(chǎng)景相機(jī)，實(shí)現(xiàn)206種復(fù)雜場(chǎng)景的端側(cè)識(shí)別能力，并完成小愛(ài)大模型技術(shù)突破。2021年3月小米宣布進(jìn)軍智能電動(dòng)汽車(chē)領(lǐng)域并組建輔助駕駛研發(fā)團(tuán)隊(duì)；8月發(fā)布CyberDog仿生四足機(jī)器人并設(shè)立機(jī)器人實(shí)驗(yàn)室。2023年3月，小米先”為核心突破方向，在C-EVAL中文權(quán)威評(píng)測(cè)中斬獲同參數(shù)量級(jí)第一。技術(shù)應(yīng)用呈AI硬核科技投入（2024年7月至今）：本階段注重底層技術(shù)突破。小米于2024年7AI領(lǐng)域。智駕方面，24年底汽車(chē)輔助駕駛端到端系統(tǒng)完成"先鋒版"功能推送。成立小米大模型Core團(tuán)隊(duì)，開(kāi)始基礎(chǔ)大模型研發(fā)，于25年4月正式發(fā)布首個(gè)開(kāi)源推理大模型MiMo-7B，5月發(fā)布多模態(tài)開(kāi)源模型MiMo-VL-7B，具備超越當(dāng)前主流7B~32B的開(kāi)源多模態(tài)模型的能力。識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末小米早期模型主要方向?yàn)檩p量化本地化小模型。2隊(duì)正式組建，主力突破方向?yàn)樽匝写竽Ｐ偷妮p量化與本地部署，繼小愛(ài)同學(xué)、自動(dòng)模型并跑通端側(cè)，成為業(yè)界首個(gè)在手機(jī)芯片NPU上跑通十億參數(shù)規(guī)模大語(yǔ)言模型，驗(yàn)證端側(cè)小模型在部分目標(biāo)場(chǎng)景可以取得媲美云端大模型的米第二代MiLM2模型發(fā)布，在性能與技術(shù)上較第一代顯著提升，實(shí)現(xiàn)云邊端結(jié)合模型矩陣拓展賦能“人車(chē)家全生態(tài)”戰(zhàn)略，并在小米澎湃OS、小愛(ài)同學(xué)、智能座艙、智Core團(tuán)隊(duì)成立，主攻基礎(chǔ)大模型。根據(jù)小米MiMo公眾號(hào)，25大模型MiMo-7B發(fā)布并開(kāi)源，通過(guò)聯(lián)動(dòng)預(yù)訓(xùn)練到后訓(xùn)練，在數(shù)學(xué)推理和代碼競(jìng)賽方識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末以及創(chuàng)新的混合在線強(qiáng)化學(xué)習(xí)算法，MiMo-VL在保持MiMo純文本推理能力的同時(shí)，在多模態(tài)推理任務(wù)上，僅用7B參數(shù)規(guī)模，在奧林匹克競(jìng)賽OlympiadBen學(xué)競(jìng)賽（MathVision、MathVerse）超過(guò)參數(shù)量更大的阿里Qwen-2.5-VL-72B和QVQ-72B-Preview，也超越閉源模型GPT-4術(shù)，采用全棧自研模式，覆蓋底層算法、傳感器融合、高精度地圖和大模型應(yīng)用。軍表示，25年小米智能駕駛部的研發(fā)預(yù)算約35億元人民幣，主要投向自動(dòng)駕駛、智識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末駛訓(xùn)練的超大算力。萬(wàn)卡GPU集群將進(jìn)一步提升算力規(guī)模，以加速模型迭代和復(fù)雜場(chǎng)景仿真。小米智能駕駛模型訓(xùn)練依賴(lài)海量數(shù)據(jù)，24年11月向定向用戶(hù)內(nèi)測(cè)的端到端模型，均應(yīng)用了300萬(wàn)CLIPS的數(shù)據(jù)，24年底截至25年2月提升到1360萬(wàn)CLIPS，數(shù)據(jù)量的增長(zhǎng)直接推高算力需求。小米端到端智駕系統(tǒng)（HAD）通過(guò)一體化模型整合感知、規(guī)劃與控制，需高算力支持模型的高效運(yùn)行。小米汽車(chē)生產(chǎn)和交付能力快速提升，25年目標(biāo)銷(xiāo)量上調(diào)至35萬(wàn)輛。小米首款汽車(chē)SU7于2024年3月正式上市，2024年累計(jì)交付13.5萬(wàn)輛，超過(guò)10萬(wàn)臺(tái)的年度目標(biāo)。并透露截至當(dāng)時(shí)累計(jì)交付量已突破20萬(wàn)輛。25年6月首款SUV小米YU7上市后僅18小時(shí)內(nèi)鎖單量達(dá)24萬(wàn)臺(tái)，刷新國(guó)產(chǎn)汽車(chē)訂單紀(jì)錄。隨著SUV車(chē)型量產(chǎn)交付及產(chǎn)能釋放，小米將加速進(jìn)入主流智能電動(dòng)汽車(chē)市場(chǎng)核心陣營(yíng)。根據(jù)中汽數(shù)研數(shù)據(jù)，2025年9月，小米汽車(chē)月銷(xiāo)量超4萬(wàn)輛，1~9月累計(jì)銷(xiāo)量超25萬(wàn)輛，位居國(guó)內(nèi)新能源新勢(shì)力乘用車(chē)銷(xiāo)量Top5。備與AIoT產(chǎn)品深度融合，逐步成為智能家居的核心控制設(shè)備，通過(guò)小米的MIUI操作識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末通過(guò)AI個(gè)性化控制中心優(yōu)化家庭管理，25Q通過(guò)大模型加持，小愛(ài)同學(xué)處理復(fù)雜和長(zhǎng)尾問(wèn)題能力提升，通過(guò)優(yōu)化算法和蒸餾模型，大模型小愛(ài)同學(xué)能夠應(yīng)用在多個(gè)智能終端設(shè)備上。在生態(tài)落地層面，小愛(ài)同學(xué)等車(chē)型中實(shí)現(xiàn)多模態(tài)車(chē)控，提供沉浸式座艙體驗(yàn)，并能融合車(chē)輛狀態(tài)提供實(shí)時(shí)駕駛25年6月26日，小米發(fā)布旗下首款A(yù)I眼鏡，稱(chēng)其是“面24Q124Q224Q324Q420AIoT連接設(shè)備數(shù)（百萬(wàn)臺(tái)）一YoY24Q124Q224Q324020%15%10%5%0%50擁有5個(gè)及以上連接至小米AIoT平臺(tái)的設(shè)備用戶(hù)28%20.228%20.2-27%26%25%24%23%22%21%識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末024Q124Q224Q324Q425二、AI大模型訓(xùn)練&推理算力需求測(cè)算近年來(lái)，全球范圍內(nèi)AI大模型的研發(fā)熱度持續(xù)攀升，從早期的Transformer和BERT億美元。國(guó)內(nèi)如百度、阿里、商湯等頭部廠商亦加快布局，LLaMA-3.1、Deepseek-V3等模型雖參數(shù)量略小于GPT-4，但在算力利用效率及成本控制方面表現(xiàn)出更強(qiáng)的工程優(yōu)化能力，如Deepseek-V3使用2048塊H800GPU訓(xùn)練56天，總成本控制在600萬(wàn)美元以?xún)?nèi)，為國(guó)內(nèi)廠商在芯片受限背景下，實(shí)現(xiàn)AI加速卡高利用率、訓(xùn)練整體高性?xún)r(jià)硬件規(guī)模------ofDeepBidirectionalTrans識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末AI大模型訓(xùn)練驅(qū)動(dòng)算力需求增長(zhǎng)，國(guó)外廠商定制AI芯片采購(gòu)量占比高。英偉達(dá)的采購(gòu)數(shù)位于首位，Meta、特斯拉、亞馬遜和谷歌的采購(gòu)量分別達(dá)到22.4萬(wàn)/20萬(wàn)萬(wàn)/2萬(wàn)張，包括訓(xùn)練卡和推理卡，數(shù)量上H20占多數(shù)。整體來(lái)看，Hopper架構(gòu)芯片的出貨量集中于頭部企業(yè)，中美科技公司均將Hopper架構(gòu)芯片作為生成式AI基礎(chǔ)設(shè)施的關(guān)鍵算力支撐，但部分公司已通過(guò)自研芯片或AMD替代方案降低對(duì)單一架構(gòu)的依賴(lài)?？紤]單芯片算力差距等因素，國(guó)內(nèi)外廠商AI訓(xùn)練的算力儲(chǔ)備仍存在不小的差距。NVIDIAHopper&AMDMI300X&定制AI芯片出貨量單位：千張；時(shí)間：2024年騰訊識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末單次訓(xùn)練秒數(shù)×單張GPU算力×GPU單次訓(xùn)練秒數(shù)×單張GPU算力×GPU利用率GPU的算力在正常情況下達(dá)不到理論峰值，涉及到各種框架、并行、木桶原理、通下，啟用TensorCore專(zhuān)用計(jì)算單元，單卡理論峰值算力可達(dá)312TFLOP練模型時(shí)利用率MFU一般在25%到75%之間（使用FlashAttention2算法時(shí)，通過(guò)優(yōu)化配置和硬件條件，可以將GPU利用率提升至接近理論峰值性），理論峰值算力可達(dá)1,979TFLOPS，利用率MFU需要最新的FlashhAttention3算法才），需要的卡數(shù)*天數(shù)為4.8*10^24~1.2*10^26FLOPs）/（1*10^15FLOPS）/(24*3600)=56,145~1,403,627。假設(shè)訓(xùn)識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末4,800,000假設(shè)：訓(xùn)練天數(shù)敏感性分析：基于以下假設(shè)條件，我們通過(guò)改變（2）數(shù)據(jù)量取4000~24000Btokens之間，2004006008004,0009361,8722,8073,7434,6795,6156,5508,0001,8723,7435,6157,4869,35813,10112,0002,8075,6158,42214,03616,84419,65116,0003,7437,48614,97218,71522,45826,20120,0004,6799,35814,03618,71523,39428,07332,75124,0005,61516,84422,45828,07333,68739,302識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末根據(jù)表3，結(jié)合Chinchilla定律算力需求公式，我們可以發(fā)現(xiàn)，算力需求的超線性增指數(shù)級(jí)攀升。說(shuō)明在有限算力下需遵循Chinch目擴(kuò)參數(shù)量或堆token數(shù)量造成的算力需求激Deepseek-V3的訓(xùn)練規(guī)模為參數(shù)量672B、訓(xùn)練數(shù)據(jù)142,048張H800GPU，預(yù)訓(xùn)練成本約557.6萬(wàn)美元。而根據(jù)前文的計(jì)算方法大約需要1.25萬(wàn)張H100GPU（H800與H100算力相當(dāng)）。Deepseek在預(yù)訓(xùn)練中設(shè)計(jì)并首次在超大規(guī)模模型上驗(yàn)證了FP8混合精度訓(xùn)練框架大模型訓(xùn)練端成本依舊存在巨大的優(yōu)化潛力，尤其在訓(xùn)練架構(gòu)及算法層面上能夠借MoE系統(tǒng)工程架構(gòu)優(yōu)勢(shì)依靠“專(zhuān)家”機(jī)制激活參數(shù)更小，更便宜Prefill與Decode分離，計(jì)算更高效KVCache緩存降低重復(fù)上下文計(jì)算從單機(jī)到幾十機(jī)，負(fù)載均衡調(diào)度復(fù)雜性上升，既要降低用戶(hù)響應(yīng)時(shí)間，又要提升系統(tǒng)吞吐率，實(shí)現(xiàn)低成本，還要保障系統(tǒng)的可靠性（大專(zhuān)家EP并行工程關(guān)鍵難點(diǎn)）25年1月27日-2月2日，DeepSeek網(wǎng)頁(yè)版訪問(wèn)的平均時(shí)長(zhǎng)為5分鐘。通過(guò)觀察相關(guān)。正常情況下，用戶(hù)在晚間睡眠時(shí)間（24:00（5）單位AI加速卡每秒生成內(nèi)容數(shù)量為1個(gè)：根據(jù)英偉達(dá)官網(wǎng)，A100針對(duì)于BERT識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末AI加速卡需求在7.7萬(wàn)~10.8萬(wàn)張之間。單日訪問(wèn)量（億人次）57每日每位用戶(hù)對(duì)話(huà)次數(shù)（次）需要生成的內(nèi)容數(shù)量（億次）5070單片A100用于AI大模型每秒生成單詞數(shù)（個(gè)）1,7571,757單次生成內(nèi)容長(zhǎng)度1,7571,757單位AI加速卡每秒生成內(nèi)容數(shù)量（個(gè)）11平臺(tái)每日正常使用時(shí)間（秒）64,80064,800需要的AI加速卡的數(shù)量（張）77,160108,025測(cè)算相同，對(duì)用于AI大模型推理新增的AI加速卡的數(shù)量做關(guān)于單日對(duì)話(huà)次數(shù)和單日（億人次）7893456789識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末三、智能駕駛訓(xùn)練算力需求測(cè)算車(chē)端平臺(tái)層以芯片、域控制器、車(chē)載通信和操作系統(tǒng)等驅(qū)動(dòng)攝像頭、激光雷達(dá)、毫米波雷達(dá)等傳感器進(jìn)行環(huán)境感知，并通過(guò)車(chē)載通信實(shí)現(xiàn)車(chē)云協(xié)同；車(chē)端算法層整合管理域、算法、應(yīng)用及安全域，實(shí)時(shí)解析傳感器數(shù)據(jù)生成決策指令；云端提供全導(dǎo)航、數(shù)據(jù)管理和模型訓(xùn)練等功能，通過(guò)OTA向車(chē)端推送更新。系統(tǒng)通過(guò)“傳感器數(shù)據(jù)反饋、車(chē)端實(shí)時(shí)推理、云端模型訓(xùn)練”閉環(huán)，實(shí)現(xiàn)環(huán)境感知、動(dòng)態(tài)決策與精準(zhǔn)執(zhí)行的全鏈路智能化駕駛。識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末心智能駕駛主要涉及兩方面算力：云端訓(xùn)練算于大型數(shù)據(jù)中心，以EFLOPS為衡量單位，專(zhuān)注于海量數(shù)據(jù)處理、復(fù)雜多模態(tài)模型（1EFLOPS≈10^6TOPS負(fù)責(zé)低延遲的實(shí)時(shí)環(huán)境感知與化后部署至車(chē)端；車(chē)端負(fù)責(zé)智能駕駛的實(shí)時(shí)推理和決策，并在執(zhí)行中收集的新數(shù)據(jù)心識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末從技術(shù)發(fā)展路徑與算法演進(jìn)來(lái)看，根據(jù)2025年電動(dòng)汽車(chē)百人會(huì)論壇，中國(guó)電動(dòng)汽車(chē)百人會(huì)副理事長(zhǎng)、中國(guó)科學(xué)院院士歐陽(yáng)明高提到，智能駕駛的發(fā)展大致可總結(jié)為四Vision-Language-Action（VLA）閉環(huán)。根據(jù)行業(yè)最新發(fā)展，），合階段推進(jìn)至信號(hào)級(jí)的前融合階段，能夠提供更全面、更準(zhǔn)確的環(huán)境感知能力，目前的城市NOA配備。（2）基于大模型的端到端：從基于規(guī)則的模系統(tǒng)理解圖像、視頻等視覺(jué)信息，并關(guān)聯(lián)自然語(yǔ)言語(yǔ)義的能力，利用語(yǔ)言模型知識(shí)庫(kù)輔助決策，賦予系統(tǒng)理解圖像、視頻等視覺(jué)信息，并關(guān)聯(lián)自然語(yǔ)言語(yǔ)義的能力。在智能駕駛中，它能識(shí)別道路上的交通標(biāo)志與復(fù)雜路況圖像，同時(shí)理解相關(guān)的語(yǔ)言指令或描述。端到端和VLM模型可理解為相互獨(dú)立的兩個(gè)系統(tǒng)，后續(xù)經(jīng)過(guò)融合實(shí)現(xiàn)（4）VLA（Vision-Language-Action視覺(jué)-語(yǔ)言-動(dòng)作模型）閉環(huán)：構(gòu)成視覺(jué)感知-語(yǔ)言理解與生成-動(dòng)作決策與控制一體化閉環(huán)智能體。感知模型處理攝像頭、雷達(dá)等原始數(shù)據(jù)，生成對(duì)環(huán)境的結(jié)構(gòu)化理解，例如識(shí)別出車(chē)輛、行人、車(chē)道線，并生成鳥(niǎo)瞰圖（BEV）等中間表征，然后將這些清晰的環(huán)境信息傳遞給另一個(gè)規(guī)劃與控制模型，由它來(lái)做出具體的駕駛決策，如轉(zhuǎn)向、加速、剎車(chē)。兩段式端到端主要優(yōu)勢(shì)在于模塊化，某個(gè)模塊需要升級(jí)或修復(fù)時(shí)，可以獨(dú)立進(jìn)在面對(duì)極端復(fù)雜場(chǎng)景時(shí)，可能因模塊協(xié)同不夠流暢而出現(xiàn)決策遲疑情況。一段式端到端是用一個(gè)統(tǒng)一的模型，從傳感器信號(hào)直接映射到控制信號(hào)。一段式端到端最大的優(yōu)勢(shì)是高效和強(qiáng)大的泛化能力，模型從網(wǎng)絡(luò)，并于2023年12月實(shí)現(xiàn)一體化端到端技術(shù)突破，于24年初在北美推出的FSDV12(FullSelf-Driving)版本，率先實(shí)現(xiàn)“一段式”端到端神經(jīng)網(wǎng)絡(luò)算法，24年FSDV13版本基于AIonVision的視覺(jué)感知系統(tǒng)實(shí)現(xiàn)近乎人類(lèi)水平的駕駛判斷，體現(xiàn)出其在智能駕駛領(lǐng)域的核心技術(shù)優(yōu)勢(shì)。識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末數(shù)據(jù)來(lái)源：各車(chē)企官網(wǎng)，央視網(wǎng)，新華網(wǎng)，佐思汽研，汽車(chē)之家，連線出行，地平線，車(chē)東西，毫末智行，愛(ài)卡汽車(chē)，廣發(fā)證券識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末技術(shù)發(fā)展和算法演進(jìn)與算力的需求增長(zhǎng)密不可分。一方面，智能駕駛技術(shù)的不斷升級(jí)對(duì)算力提出更高的要求；另一方面，汽車(chē)數(shù)據(jù)的爆炸性增長(zhǎng)也需要強(qiáng)大的計(jì)算能力來(lái)處理和分析。這種需求不僅體現(xiàn)在車(chē)輛本身，也涵蓋整個(gè)產(chǎn)業(yè)鏈的各個(gè)環(huán)節(jié)，Clips是記錄駕駛行為的視頻片段，其中包含由激光雷達(dá)、攝像頭、毫米波雷達(dá)種傳感器同步記錄的多模態(tài)數(shù)據(jù)，長(zhǎng)度一般為30秒至1分鐘。Clips是端到端大在智能駕駛的云端訓(xùn)練數(shù)據(jù)方面，特斯拉憑借FSDV13的端到端架構(gòu)和超4000萬(wàn)先。國(guó)內(nèi)車(chē)企目前仍處于從L2+向L3級(jí)端到端技術(shù)攻堅(jiān)的關(guān)鍵階段。小鵬訓(xùn)練數(shù)據(jù)但整體數(shù)據(jù)量與場(chǎng)景覆蓋深度仍與特斯拉存在差距。算力儲(chǔ)備方面，特斯拉依托自研+外購(gòu)的龐大算力（67.5EFLOPS，截至24年9月）構(gòu)建壁壘，國(guó)內(nèi)車(chē)企如小米（11.45EFLOPS，截止25年2未來(lái)模型參數(shù)量及訓(xùn)練數(shù)據(jù)量方面，中國(guó)工程院院士鄔賀銓指出，5級(jí)智能駕駛需要處理高達(dá)8000億參數(shù)的模型，訓(xùn)練數(shù)據(jù)量達(dá)到1億EB。特斯拉創(chuàng)始人兼首席執(zhí)行官馬斯克曾表示，特斯拉FSD測(cè)試?yán)锍绦枰_(dá)到60億英里，才能滿(mǎn)足全球公司云端算力儲(chǔ)備（EFLOPS)訓(xùn)練數(shù)據(jù)（CLIPS）特斯拉67.54200萬(wàn)(2024.09)(2024.12)華為>10(2024.12) 11.45(2025.02)(2025.02)理想8.1(2024.12)(2025.03)2000萬(wàn)(2025.04)(2025.04)理想公眾號(hào)&官網(wǎng)，小鵬公眾號(hào)&官網(wǎng)，廣發(fā)證識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末云端訓(xùn)練算力層面，根據(jù)小米汽車(chē)微信公眾號(hào)，24年11月小米已擁有最高8.1EFLOPS可用于智能駕駛訓(xùn)練的超大算力。根據(jù)25年2月小米雙Ultra發(fā)布會(huì)，智能駕駛總算力達(dá)到11.45EFLOPS；訓(xùn)練數(shù)據(jù)量方面，根據(jù)2025年3月小與機(jī)器人部的專(zhuān)家工程師楊奎元在GTC大會(huì)上的發(fā)言，在24年9月采用端到端模型訓(xùn)練時(shí)，小米使用了238萬(wàn)CLIPS，CLIPS，進(jìn)入智能駕駛第一梯隊(duì)。0238.92024/10/12024/11/12024/12/12025/1/12025/2/1車(chē)端部署算力層面，目前，小米汽車(chē)的智能駕駛系統(tǒng)主要應(yīng)鏈上與多家行業(yè)領(lǐng)先企業(yè)合作。根據(jù)小米汽車(chē)官微，小米智駕以VLM視覺(jué)語(yǔ)言大有保障。2025年6月26日，小米首款SUV車(chē)型“小米YU7”發(fā)布，新車(chē)全系搭載小米YU7的“英偉達(dá)+自研米芯”的雙芯架構(gòu)采用“通用芯片鋪算力、專(zhuān)用芯片提效率”的異構(gòu)算力設(shè)計(jì)，顯著提升YU7的算力利用率。云端訓(xùn)練算力層面，公司通過(guò)自研Dojo超算集群+大規(guī)模采購(gòu)英偉達(dá)GPU構(gòu)建混合算機(jī)已在紐約超級(jí)工廠運(yùn)行，承擔(dān)公司5%~10%的智能輔助駕駛訓(xùn)練數(shù)據(jù)量。第二代Dojo性能將較第一代提升10倍，承擔(dān)更多自動(dòng)駕駛訓(xùn)練任務(wù)。根據(jù)IT之家引用的根據(jù)特斯拉24Q3業(yè)績(jī)會(huì)，公司外購(gòu)AI訓(xùn)練芯片儲(chǔ)備從2023年9月不過(guò)萬(wàn)張?zhí)嵘恋刃?.75萬(wàn)張H100芯片，總算力規(guī)模達(dá)67.5EFLOPS，同比增長(zhǎng)超6倍。預(yù)計(jì)2024年識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末于訓(xùn)練智能輔助駕駛的Cortex算力中心已部署超過(guò)5萬(wàn)塊GPU，即將擴(kuò)展至10萬(wàn)塊訓(xùn)練數(shù)據(jù)量方面，根據(jù)《馬斯克傳》，2023年訓(xùn)練V12初期所用的高質(zhì)量訓(xùn)練數(shù)據(jù)絡(luò)架構(gòu)，數(shù)據(jù)規(guī)模擴(kuò)大4.2倍，達(dá)到4200萬(wàn)CLIP的144TOPS到目前量產(chǎn)的HW4的500-720TOPS。25年6月18日，據(jù)NotATeslaApp標(biāo)志著特斯拉在自動(dòng)駕駛硬件領(lǐng)域邁入全新階段。25年6月28日，第一輛完全自動(dòng)底層傳感器、芯片，到操作系統(tǒng)、算法，再到云端服務(wù)的各個(gè)層面。云端訓(xùn)練算力層面，25年4月10日華為云生態(tài)大會(huì)上，華為昇騰云首席解決方案架決方案BU產(chǎn)業(yè)總監(jiān)沈瑞采訪表示，截至2024年9月，華為云端的智能駕駛算力達(dá)到靳玉志介紹，華為用于投入智駕的云端算力在24年底已超10EFLOPS。云端訓(xùn)練算力層面，從24年7月份的2.4EFL根據(jù)2024成都國(guó)際汽車(chē)展覽會(huì)，理想汽車(chē)智能駕駛研發(fā)副總裁郎咸朋表示，理想汽車(chē)端部署算力層面，25年5月8日理想L系列智能煥新版發(fā)輔助駕駛平臺(tái)搭載新一代地平線征程?6M芯片，擁有1識(shí)別風(fēng)險(xiǎn)，發(fā)現(xiàn)價(jià)值請(qǐng)務(wù)必閱讀末云端訓(xùn)練算力層面，根據(jù)25年4月14日小鵬AI技術(shù)分享會(huì)，公司宣稱(chēng)從2024年開(kāi)始搭建AI基礎(chǔ)設(shè)施，已建立萬(wàn)卡規(guī)模的智能算力集群，算力儲(chǔ)備達(dá)到10EFLOPS。小鵬世界基座模型負(fù)責(zé)人劉先明介紹，小鵬自主開(kāi)發(fā)了底層的數(shù)據(jù)基礎(chǔ)設(shè)施，使數(shù)據(jù)上傳規(guī)模提升22倍、訓(xùn)練中的數(shù)據(jù)帶寬提升15倍；通過(guò)聯(lián)合優(yōu)化GPU/CPU以及網(wǎng)車(chē)端部署算力層面，根據(jù)公司官網(wǎng)及官方公眾號(hào)，25年7月小鵬G7上市，首次搭載其自研的圖靈AI芯片和全本地端VLA+VLM模型，單顆圖靈AI芯片算力高達(dá)750TOPS，超越特斯拉HW4的720TOPS，可