汽车智能化趋势 - 2025上海车展显示汽车智能化成为国内外参展商共同展示重点，AI技术突破推动智能辅助驾驶从高端市场走向主流市场 [1] - 汽车市场竞争焦点从价格转向智能化，高阶智驾功能（如高速NOA、城市NOA）正向10万-20万元主流价格区间普及 [1] - 预计2025年底乘用车NOA渗透率达20%，较2024年上半年提升近一倍 [1] 算力基础设施竞争 - 智能辅助驾驶角逐核心围绕算法创新和算力基础设施完备性，海量数据训练、计算能力演进和用户体验提升依赖安全可靠算力 [1] - 特斯拉凭借算力投入成为全球智能辅助驾驶引领者，其得州超级工厂Cortex超算集群集成5万GPU（H100/H200芯片），年内将扩容至10万GPU [2] - 特斯拉Dojo超级计算机承担10%训练负载，新一代Dojo算力较上一代提升10倍 [2] - 中国车企如吉利、比亚迪选择自建算力平台，其他企业则与云计算厂商合作 [2] 技术开发与安全挑战 - 复杂城区场景开发难度最大，需依赖VLM模型训练，但面临极高云端算力及数据成本 [2] - 智能辅助驾驶开发流程涵盖数据采集、筛选、打标、模型训练及仿真测试，需通过海量数据重复训练提升环境认知准确性 [3] - 算力平台可靠性直接影响安全性，NOA每次迭代消耗大量算力，及时更新可增强驾驶安全 [3] 算力平台技术选型差异 - 消费级显卡（如4090）因内存小、不支持NVLink等技术，不适合大规模AI训练，仅适用于小型项目或独立开发者 [3][4] - 企业级GPU（如A100/H100）专为数据中心设计，故障率低且符合合规要求，是规模化部署优选 [4] - 纸面算力数据不等于高质量平台，错误选型可能成为智能化发展瓶颈 [5] 行业竞争与核心能力 - 2025年汽车智能化竞争加剧，企业需打造数据积累与处理能力、算法优化能力等核心竞争力 [5] - 算力平台效能是竞争关键，长远规划和大力投入成为必要，智能辅助驾驶被视作出行领域"必答题" [5]