大模型上桌之后，智驾下半场拼什么？

最近几份财报和行业论坛，把智能驾驶赛道那份“烧钱”的底子，给彻底摊开在阳光下了。

地平线去年研发投入逼近55亿，净亏损20亿，好在账上还躺着200多亿现金。卓驭科技光是跑模型训练的电费，一年就要烧掉十几二十亿。而元戎启行，更是把未来押在了一颗算力高达5000 TOPS、预计明年下半年才问世的智驾芯片上。

在第18届轩辕汽车蓝皮书论坛的“尖峰对话”上，这三位身处风暴眼的CEO——地平线的余凯、卓驭科技的沈劭劼、元戎启行的周光，接连接受了主持人的深度拷问。讨论从“物理AI与自动驾驶终局”展开，但话题始终绕不开三个关键词：成本、基础设施，以及那条通往未来的路径究竟该怎么选。

一、世界模型/VLA/VLM，主流玩家技术路线「没有本质区别」

在一个问题上，三位的判断出奇一致：那个靠规则模块和小模型“打补丁”的自动驾驶上半场，已经结束了。下半场的门票，握在大模型，或者说“物理世界的基座模型”手里。

周光用一组接管里程数据说明了分野：小模型架构的天花板，大概在百公里接管一次。而特斯拉的FSD V14，在将硬件全面升级到500 TOPS以上（HW 4.0），并切换到大模型范式后，已经能做到千公里级别的接管间隔。

“只要有人跑通了，路线就被验证了。”路径清晰后，比拼的就是执行深度。

不过，当谈到这套新范式具体该叫什么名字时，余凯的观点很直接：“VLA（视觉-语言-动作模型）、世界模型、端到端……很多时候，这些名词的商业包装意义大于技术实质。真正在牌桌上的顶级玩家，技术路线上并没有本质区别。”

沈劭劼认同技术趋同的判断，但他也指出了卓驭“原生多模态基座模型”的两层差异化构想：一是“原生”，意味着并非基于现有的开源大语言模型（如Qwen）进行微调，而是用纯粹的自动驾驶数据从头训练；二是“基座”，强调模型规模要从中型不断向上扩展。

换句话说，行业真正的护城河，不在那些听起来很酷的“黑话”上，而在于三件更实在的事：谁的模型规模更大、谁的数据来源更优质且闭环、谁的工程化能力能把颗粒度磨得更细。

二、5000 TOPS 的大算力芯片要来了

如果说大模型范式是行业共识的底层逻辑，那么算力，就是这场智驾马拉松中最硬核、也最昂贵的门票。

那么，实现L4自动驾驶，到底需要多大算力的芯片？

周光给出了一组清晰的数字参照：500 TOPS的算力，能支撑10亿到20亿参数的小型大模型，特斯拉HW4.0就是这个水平，其FSD V14已经证明了千公里级接管的可靠性。再往上，5000 TOPS的算力，对应的是能够实现规模化、全域泛化的L4，能力目标将是万公里级接管。

他的判断是，单芯片5000 TOPS的产品会在2027年下半年面世，而且不会只有一家。“当马斯克跑在前面的时候，所有人都会加速跟上。”周光补充道。

余凯没有具体谈算力数字，但给出了明确的时间表预测，这个版本他从去年讲到今年，始终未变：2028年，行业实现100%“脱手开”（Hands-off），相当于“更高级的自动挡”；2030年，进入L4区间，实现“闭眼开”（Eyes-off），但人类驾驶员仍需保留紧急接管能力；2035年，才是真正“睡着开”的终局阶段。

将余凯的时间线与周光的算力线对齐来看，目标就很明确了：到2030年左右，行业要交付的不能只是一个技术演示，而必须是一颗能塞进量产车的5000 TOPS芯片、一个能稳定实现万公里不接管的基座模型，以及一套能有效兜底“大模型幻觉”的安全运营体系。

周光特别提醒了一个容易被忽视的点：“即使是千公里级别，目前依然需要一定的运营手段兜底，比如电子围栏。大模型同样存在幻觉问题，需要一些规则系统来辅助保障安全。”

三、车企智驾自研退坡：每年百亿级投入的挑战

上午对话中最尖锐的部分，落在了“车企是否应该自研智驾”这个老问题上。余凯甚至现场算了一笔账。

“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，按这个节奏，我可以亏10年。”紧接着，他向主机厂抛出了一个灵魂拷问，“你今年敢投20亿做智驾，到了2030年，你敢一年投150亿吗？”

他的判断很直接：“事实上，大量车企的智驾自研是在退坡的。”理由也很现实：造车本身已经极其复杂，老板们要管供应链、制造、内外饰，甚至还得当网红。而造车业务的利润率“非常骨感”，根本撑不起一个每年需要持续投入几十亿甚至上百亿、且看不到尽头的研发黑洞。“这可不是一锤子买卖。”余凯总结道。

那么，车企应该做什么？余凯的答案是“聚焦”——把精力放在产品定义、品牌建设和用户运营这些核心优势上，而将智驾这种需要“无底洞投入”的硬科技，交给专业的第三方伙伴。

沈劭劼和周光虽然没有直接呼应，但卓驭和元戎启行的业务布局，恰恰印证了智驾研发成本的“深不可测”。两家公司不约而同地选择将基座模型的研发成本，通过拓展更多垂类应用来进行摊薄。

例如，沈劭劼将卓驭的业务从乘用车横向扩展到了商用车、重卡领域，理由很务实：“为了让商业模式形成闭环，我们必须分发这个模型，扩大应用场景。”

四、AI大模型降维：我怕OpenAI进来灭了我们

在关于外部威胁的讨论上，三位嘉宾的分歧最大。

沈劭劼的警惕性最高。他坦言，卓驭坚持走“原生多模态基座模型”路线，背后正是对OpenAI、字节跳动这类数字世界AI巨头的警惕。这些公司在“规模定律”（Scaling Law）上展现出的恐怖能力，让传统智驾公司面临一个尴尬现实：“我真正害怕的，是做数字AI的大模型公司反过来对我们进行降维打击。”

周光提供了佐证。他观察到，今年多模态视频生成技术取得突破后，一些大模型公司开始对自动驾驶表现出兴趣。“视频生成任务的本质是预测未来几秒钟的画面……如果把这个能力平移到车端，几乎就等于实现了自动驾驶。这个市场的商业价值，比单纯的视频生成要大上百倍千倍。”

相比之下，余凯最为淡定。他不太担心OpenAI这样的巨头会轻易跨界。原因有二：首先，大模型领域本身的竞争已是刀光剑影，Anthropic、OpenAI、Google等巨头“绝对不敢分心，稍微一分神可能就被对手干死了”。其次，物理世界的AI是苦活、脏活、累活，涉及几十万公里的路测、复杂的底盘控制、不同载重平台的标定，“很多赚快钱的AI顶尖人才，并不愿意来吃这个苦。”周光补充道。

沈劭劼最后总结了物理AI公司那道看似无形却至关重要的护城河：“让一个聊天机器人准确输出，是‘看分思维’（追求高分）；让一个自动驾驶模型准确输出，是‘底线思维’（绝不能出错）。哪怕大厂的模型再先进，如果公司文化过不了‘底线思维’这道关，上路撞两次车，可能也就出局了。”

五、终局想象：从聚光灯走到幕后

谈及二十年后的愿景，三位嘉宾不约而同地用到了同一个词：基础设施。

周光的比喻最为具象：“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。”

余凯的目标则是成为“机器人时代的计算平台”——这是地平线自2015年成立之日起就锁定的方向。当年从地平线拆分出去的“地瓜机器人”业务，如今已是中国机器人芯片方案的领头羊，这或许是一个早期的注脚。

自动驾驶的下半场，技术路线正在收敛，但商业模式的探索才刚刚开始分化。最终能撑到成为“智驾基建”那一刻的玩家，未必是技术迭代最快的，但一定是那些账上还有充足现金、敢于持续投入，并且甘心从舞台中央的聚光灯下，逐步隐入幕后，成为时代底座的那几家。

对于主机厂而言，现在，也的确是该拿起计算器，好好算一算那本智驾投入的经济账的时候了。