国盛证券智能驾驶深度报告指出，随着VLA模型和世界模型引入车端，智能驾驶对芯片算力的需求正呈指数级增长。地平线预测2028年L3需500-1000+TOPS，2030年L4需2000+TOPS，2035年L5需5000+TOPS。特斯拉AI5算力为HW4的10倍，小鹏图灵芯片等效3颗Orin X，蔚来神玑NX9031超1000T，英伟达Thor最高2000TOPS。本报告从算力需求趋势、芯片产品对比、软硬耦合路径三个维度，分析智能驾驶芯片算力竞赛格局。
智驾等级升级驱动算力指数增长
地平线创始人余凯表示：今年行业内主要在发力L2，对算力需求100+TOPS；2028年规模实现L3，需500-1000+TOPS；2030年实现L4，需2000+TOPS；2035年实现L5，需5000+TOPS。VLA模型的上车进一步推高了算力需求。传统rule-base方案只能推理1秒路况；端到端1.0能推理7秒；VLA能对几十秒路况进行推理。VLA车端模型参数更大，既要有高效实时推理能力，同时要有大模型认识复杂世界并给出建议的能力。
特斯拉2023年CVPR表示“训练所有这些模型需要大量计算资源，特斯拉致力于成为计算领域世界领导者”。小鹏世界基座模型负责人表示多模态模型训练的主要瓶颈不仅是GPU，也需要解决数据访问效率。算力正从“车端”延伸至“云端”，形成云端训练+车端推理的双重算力需求。
头部玩家车端芯片对比
特斯拉HW4.0搭载双FSD芯片，总算力720TOPS，HW3.0为144TOPS，性能提升5倍。下一代AI5算力预计为HW4的10倍（约7200TOPS）。小鹏双Orin X方案508TOPS，自研图灵芯片单颗等效3颗Orin X（约760TOPS），预计2025Q2上车，2026年车端可能实现3000T算力（多颗芯片）。理想L系列智驾焕新版Max搭载英伟达Thor U（700TOPS）。蔚来ET9搭载2颗自研神玑NX9031，单颗超1000T。华为MDC 810为400+TOPS。极氪9X搭载双Thor芯片（2025Q3上市）。奇瑞2025Q3搭地平线J6P（560TOPS）。
英伟达Thor最高2000TOPS，Orin-X为254TOPS。高通SA8650为100TOPS，SA8295为30TOPS。地平线J6P为560TOPS（18核A78AE，410K DMIPS）。黑芝麻A2000为250-1000TOPS。特斯拉自研FSD芯片在HW3.0时代用144TOPS仍有好体验，证明了软硬耦合的效率优势。
头部玩家车端智驾芯片算力对比| 玩家 | 芯片方案 | 算力（TOPS） | 上车时间 |
|---|
| 特斯拉 | AI 4（HW4.0） | 720 | 已量产 |
| 特斯拉 | AI 5（下一代） | ~7200（HW4的10倍） | - |
| 英伟达 | Thor | 最高2000 | 已发布 |
| 英伟达 | Orin-X | 254 | 已量产 |
| 小鹏 | 图灵芯片 | ~760（等效3颗Orin X） | 2025Q2 |
| 理想 | 英伟达Thor U | 700 | 2025年 |
| 蔚来 | 神玑NX9031 | 超1000 | 2025Q1 |
| 地平线 | J6P | 560 | 2025Q3 |
车端算力竞赛已从百TOPS级进入千TOPS级时代。
软硬耦合：自研芯片提升效率
地平线创始人余凯认为，在L5级自动驾驶需求被满足前，智能驾驶需要软硬结合。特斯拉自研FSD芯片，在HW3.0时代单颗仅72TOPS、双颗144TOPS，仍有非常好体验。这证明了基于成熟软件算法设计专用芯片的巨大效率优势——通用芯片的大量算力在智驾场景中被浪费。
小鹏自研图灵芯片的原因在于：智驾对车端高算力提出更高要求；解决公版芯片大量通用算力被浪费的问题。图灵芯片等效于3颗英伟达Orin X性能，且具有性价比。蔚来自研神玑芯片同样基于对效率的追求。地平线走软硬结合路线，认为软硬结合带来更高效率。软硬耦合正成为头部车企的共同选择，从“买芯片”到“造芯片”的转变将重塑智驾芯片竞争格局。
云端算力基础设施成核心竞争力
车端芯片之外，云端算力已成为头部玩家的核心竞争力差异。特斯拉2023年6月明确表示“致力于成为计算领域世界领导者”。小鹏搭建“云端模型工厂”，涵盖基座模型预训练和后训练、模型蒸馏、车端模型预训练到部署上车的完整链路，自主开发数据基础设施使训练速度提升5倍。小鹏在10亿到720亿参数模型上均看到规模法则效应。
云端算力决定模型能力上限，车端算力决定模型部署效果。头部玩家正在构建云端训练+车端推理的全栈算力能力。特斯拉、小鹏、蔚来、理想等自研芯片的车企在软硬耦合上更具长期优势，纯芯片供应商如英伟达、地平线则需通过更强的产品力服务多客户。
