为什么马斯克说AI发展的瓶颈不是资金，也不是算法，而是TA？
AI赋能，智能化突飞猛进，汽车正在奔向“高级智能体”的路上。
11月20日，在美沙投资论坛上，特斯拉CEO马斯克在演讲中强调，当前人工智能发展的真正瓶颈既不是资金，也不是算法，而是算力和电力。而在这背后，AI基础设施的建设也在很大程度上将为汽车智能化带来新的支撑和动能。
从“马力”到“算力”
马斯克弦外之音，是对于算力的焦虑，而这种焦虑根源来源于汽车智能化及自动驾驶的发展。
目前，在全球汽车行业，智能化浪潮正以前所未有的速度席卷而来，而自动驾驶技术则是这场浪潮中的核心驱动力。随着自动驾驶从L2级辅助驾驶逐渐向L3、L4等越来越高级别的高度自动驾驶和完全自动驾驶迈进，对算力的需求呈现出爆发式的增长。这种增长并非是简单的线性上升，而是如同火箭升空一般，呈现出指数级的攀升态势。
从数据看这种变化，会更加直观。2018年，L2+级辅助驾驶单车算力需求仅为2.5TOPS，这个数值在当时或许已经能够满足车辆在一些简单场景下的辅助驾驶需求。然而，进入2025年，这一需求已经飙升至200TOPS，短短7年间增长了近80倍。而对于L4级自动驾驶而言，更是需要千TOPS级别的算力才能支撑其复杂的运算任务。目前，量产车型上已经出现了双英伟达NVIDIA Orin芯片配置，其算力高达508TOPS，强大的算力为汽车在自动驾驶领域的探索提供了坚实的技术基础。
如今，如此迅猛的算力需求增长，犹如一场看不到硝烟的的“军备竞赛”，迫使车企不得不重新审视自己的供应链体系。在这场竞赛中，芯片成为了核心战场。英伟达、Mobileye等国际芯片巨头，凭借其先进的技术和成熟的产品，早已占据了更多市场份额和市场主导地位。
有行业人士表示，当行业聚焦于智能汽车的算力需求时，往往会只看到车载芯片算力，而忽略了数据中心的赋能，以及电力基础设施的支撑。智能汽车已经逐渐成为“车轮上的数据中心”，其强大的算力背后，是海量的数据处理和复杂的算法运行。而这些数据的标注、模型的训练以及OTA升级等操作，都离不开云端算力的强大支撑。
例如，特斯拉位于北美的超级计算机中心，承担着处理海量自动驾驶数据的重任，而这个超级计算机中心的电力供应需求高达1.2GW，相当于整个拉斯维加斯用电量的1/3，如此庞大的电力需求，的确令人惊叹。
由“算力”到“电力”
当前，为了满足智能汽车对算力和电力的需求，整个汽车产业链都面临着全新的挑战和变革。
对于传统车企而言，在工厂选址时，不再仅仅考虑土地成本、劳动力资源等传统因素，周边电力供应以及可再生能源的接入条件，成为了必须重点考量的关键因素。因为只有确保了充足的电力供应，才能保证工厂生产、以及智能化生产所需的数据中心的正常运转，从而进行车辆的研发、测试以及生产等工作。
而对于新势力车企而言，在自建算力中心时，同步规划电力储能系统已经成为了一种必然趋势。储能电站的作用，不仅仅是为了满足算力中心在日常运行中的电力需求，更重要的是，它能够在电网供电出现波动或者停电等突发情况下，作为一个稳定的电力来源，确保算力中心的正常运行，避免成为“电力孤岛”。
由此可见，电力基础设施的完善，不仅仅是为了满足当下智能汽车对算力的需求，更是为了适应未来汽车行业智能化、电动化发展的长远趋势，以及汽车智能化生产的需求。随着自动驾驶技术的不断升级，车辆在行驶过程中需要处理的数据量将呈指数级增长，以及汽车工厂智能化生产的需要，对算力和电力的要求也将越来越高。同时，随着电动汽车的普及，充电基础设施的建设也面临着巨大的压力。如何在保证电动汽车快速充电的同时，不影响电网的稳定运行，也是需要解决的重要问题。
在汽车行业迈向智能化的进程中，算力作为核心驱动力，正从多个维度重构汽车的“大脑”，为汽车的智能化升级提供了坚实的技术支撑。这种重构不仅体现在汽车内部的计算架构上，还延伸到了数据处理和用户体验等多个方面。
如今，随着汽车智能化程度的不断提高，对于算力的需求日益提升，这也影响了汽车架构的改变。如特斯拉Model 3，采用了3个中央计算单元，将原本分散的计算功能集中起来，形成了一个强大的“中央大脑”。这种中央计算架构的优势显而易见：算力利用率得到了大幅提升，较传统分布式架构提高了40%。这意味着车辆能够更高效地处理各种复杂的任务，无论是自动驾驶中的环境感知、决策规划，还是智能座舱中的多媒体处理、人机交互，都能运行得更加流畅。同时，线束长度减少了60%，这不仅降低了车辆的重量和成本，还提高了系统的可靠性和可维护性。
这种变革也催生了域控制器的需求。域控制器作为中央计算架构的重要组成部分，能够将多个相关功能的ECU整合在一起，实现集中化控制。在自动驾驶系统中，这些域控制器可以同时处理来自摄像头、雷达、激光雷达等多种传感器的数据，通过融合算法，实现对车辆周围环境的全面感知和精准识别，为自动驾驶决策提供更准确的数据支持。
在算力的支撑下，汽车的数据闭环加速迭代，成为了推动汽车智能化发展的关键力量。为了实现数据的高效处理，车企自建数据中心的现象越来越多，由此构建了高效的数据传输和处理网络。在这个数据闭环中，数据从车辆的传感器中采集，传输到数据中心进行标注和训练，训练好的模型再通过OTA升级推送到车辆上，实现车辆智能水平的不断提升。整个过程仅需72小时即可完成闭环，而传统车企完成这一过程通常需要3个月的周期。通过不断迭代优化，汽车的自动驾驶辅助系统能够更好地适应各种复杂路况，为用户提供更加安全、便捷的驾驶体验。
由“硬件”到“生态”
此外，算力还在智能座舱中产生了显著的“算力溢出效应”。随着汽车智能化的发展，智能座舱已经不再仅仅是一个简单的驾驶操作空间，而是逐渐演变成了一个集娱乐、办公、生活于一体的“第三生活空间”。在算力支持下，智能座舱不仅能够实现更加流畅的多屏互动，如中控屏、仪表盘、抬显等屏幕之间的信息共享和交互，还能支持AR-HUD（增强现实抬头显示）技术，将导航信息、驾驶辅助信息等以更加直观、生动的方式呈现给驾驶员，提升驾驶安全性和便利性。此外，用户还可以通过智能座舱外接游戏手柄、无人机等外设，将座舱变成一个娱乐中心。
在汽车行业智能化、电动化的变革浪潮中，算力和电力作为核心要素，正推动着整个产业从传统的“硬件堆砌”模式，向“生态共建”的全新范式转变。这种转变不仅涉及到汽车产业链上下游的各个环节，还引发了跨行业的深度融合与协同创新，为汽车产业的未来发展带来了新的机遇和挑战。
跨行业协同正成为汽车产业发展的必然趋势。车企布局算力电力基建，不仅能够满足自身智能化发展的需求，还能进行绿电交易，为企业提供了一种可持续的能源采购方式，通过购买绿色电力，企业可以降低碳排放，提升企业的社会形象。
正如马斯克所言，其核心揭示了一个更宏观、深刻的产业真相：在汽车电动化完成“动力革命”后，汽车业正迎来以“算力+电力”为核心的“智能革命”。这不再是单一技术的迭代，而是能源体系、计算架构、产业生态的全维度重构。
有关专家表示，对于车企而言，从“囤电池、拼续航”转向“建算力、抢绿电”，从“硬件制造商”升级为“智能能源服务商”，将是在这场变革中生存的必答题。当汽车不再只是四个轮子加沙发，而是“四个轮子上的超级计算机+移动储能单元”，一个由算力驱动、电力赋能的汽车新纪元，正加速向我们驶来。
