上汽人工智能实验室曾测试，实现L2级自动驾驶只需10Tops以下的算力，即便是实现L4级自动驾驶也只需100Tops左右的算力 。而下游企业暴涨的算力需求，实际也另有原因 。
一个是云端算力 。
自动驾驶系统前期和后期开发依赖大量环境数据输入，对算法进行训练与验证，同时仿真测试中场景搭建与渲染也需要高算力支持 。
而且特斯拉引领的神经网络Transformer又是一个资源消耗大户，毫末智行数据显示 ， Transformer在训练端所需算力是CNN的100倍 。
如此一来，下游企业想要获得算力要么自建智算中心（特斯拉），要么与云服务商合作，最不济的全部外采 ， 包括算法、计算资源、应用服务等 。
国内主流主机厂/自动驾驶厂商的智算中心虽然都已上线，但因自建成本较高，国内主流自动驾驶厂商大多采取合作模式/采购模式，比如吉利星睿、小鹏扶摇都是阿里云，毫末和理想则是火山引擎 。但从长期成本优势来看，仍具备较高的自建倾向 。
还有一个则是NOA 。
现实中主机厂具备城市NOA高阶智能驾驶功能的车型，算力大多在200-500TOPS左右 。
但NOA从高速道路向城市道路拓展（高速道路-城市快速路-城市主干道-城市次干道-城市支路）的过程中，人流越密集（每天仅25%的人出行途径高速，而城市道路则是100%）的道路环境复杂度更高，物体识别、感知融合和系统决策的算力需求就越高 。
沐曦首席产品官孙国梁就指出，在车端部署大模型并能实现既定任务 ， 算力至少要达到300~500TOPS 。模型优化或可降低算力要求，但考虑到未来场景复杂度和数据量增加，以及视觉感知占比增加（相对基于规则），车端算力或将翻倍达800TOPS以上 。
光大证券有一个判断，认为L2/L2+级向L3级高阶智能驾驶迈进的三大要素重要性排序分别是数据>算法>硬件，而后阶段向更高阶智能驾驶迈进的排序或为硬件>=算法>数据 。
理论依据在于，实现L3级智能驾驶的关键在于全面感知 ， 主要依赖海量+长尾场景数据驱动算法升级优化；其中，无图场景覆盖还需低线城市数据（vs 。当前车载算力已基本满足L3-L4级需求） 。
而当前阶段，海量+长尾场景数据的获取就要依靠车载传感器（摄像头）的大幅升级 。
根据Yole报告，自动驾驶L1-L3所需的摄像头数量翻倍增长，比如L1-L2级仅需前后两颗摄像头，到L3就要20颗 。
而实际上，主机厂为后续OTA升级预留冗余，单车摄像头配置远超本级所需的摄像头数量 ， 如特斯拉Model 3(配置|询价)搭载9颗，蔚来、小鹏、理想车型达到10-13颗 。
此外，因大模型对感知数据的精细化要求 ， 高分辨率图像数据可以作为深度学习模型中更新和优化其架构的参数的数据源，尤其是前视摄像头，需要解决的场景最多 ， 目标识别任务最复杂 ， 比如远距离小目标识别、近距离目标切入识别 。
为了对更远距离的目标进行识别和监测，车载摄像头就要向800万像素或更高升级 。典型如百度Apollo，就已联合索尼、联创与黑芝麻智能，全球首创了超1500万高像素车载摄像头模组 。
而在提高感知能力这件事上，还有两个所有车企都想绕开的坎，高精地图和激光雷达 。
高精度地图作为先验信息，可以给自动驾驶提供大量的安全冗余，在数据和算法尚未成熟之前，主机厂依赖程度较高 。而脱图的原因也比较好理解：
1）高精地图存在更新周期长、成本高、图商资格收紧等弊端 ， 限制了高阶自动驾驶大规模商业化的可能性 。
2）构建数据闭环，形成对算法模型的迭代升级反哺车端 。
至于如何脱图，特斯拉的办法是引入车道线网络及新的数据标注方法，国内自动驾驶头部公司则采取车端实时建图方案，通过安装在车辆上的相机等传感器来构建车辆行驶过程中周围的环境地图 。
目前小鹏、华为等头部主机厂发布无高精地图的高阶智能驾驶方案，并定下量产时间表，华为、毫末、元戎启行等自动驾驶公司也加入其中，自动驾驶算法“重感知，轻地图”趋势明确 。
激光雷达则是因为成本问题 。
激光雷达在距离和空间信息方面具有精度优势，搭载激光雷达的多传感器融合感知方案可通过互补达到全环境感知能力，为高级别自动驾驶提供安全冗余 。
但激光雷达也的确是成本大户，早些年除了特斯拉，几乎所有成熟的无人驾驶技术方案都采用了64位激光雷达，它的成本约人民币70万元，一个小雷达抵得上一辆车甚至几辆车 。
推荐阅读
- AI 大模型数据标注“民工”月入不过 5000 元，单价从五毛降到四分
- 深度解析大模型代码能力现状
- 开源大模型正在“杀死”闭源？
- AI大模型下一步怎么走？百度世界五大亮点给出行业风向标
- LLM 解读大模型的token
- 生成式AI与大模型有什么区别和联系？
- 高铁上能不能带食用油上车 高铁上能不能带食用油
- 大巴上能不能带猫 大巴上能不能带猫上车
- 公交能不能带气球 公交能不能带气球上车
- 高铁上能不能带充电宝 高铁上能不能带充电宝上车