企业官网建设流程全解析

你坐上了一辆自动驾驶的车，仪表盘上写着"算力剩余 30%"

周末，你坐上了朋友新买的那辆新能源车。高速上，他把手从方向盘上拿开，靠在座椅上刷手机。

你下意识瞄了一眼仪表盘——那块大屏上跳出一行字：“算力剩余 30%”。

"这啥意思？"你问。

"就是车里那颗大脑还有三成力气没使完。"朋友头也不抬。

你突然意识到，这辆车的"脑子"正在同时处理好几件事：前方的车道线、后视镜边上的大货车、远处突然并线的小轿车、红绿灯的倒计时、驾驶员有没有走神……

而它只用了七成功力。

你开始好奇：这 30% 背后，到底藏了多少东西？

TOPS 是什么？先把这个单位拆开聊

很多人第一次看到"TOPS"这个缩写，心里大概是懵的。放心，你不是一个人。

TOPS 是Tera Operations Per Second的缩写，中文叫"每秒万亿次操作"。这里的"操作"，你可以简单理解为做一次加法或者乘法。所以 1 TOPS 就是芯片每秒能干 1 万亿次这样的基础运算。

光说数字可能还是抽象。让我打个比方：

普通人打算盘，一秒能拨几下？大概两三次。一台普通电脑的 CPU，大概是每秒几十亿次运算，也就是几百 GOPS——比你快上亿倍。

而车载智能驾驶芯片，要做到每秒几万亿次运算，比你快了几十亿倍。

为什么需要这么快？因为车在马路上遇到的情况，是真正的时间赛跑。

车子以 120 码的速度行驶，每秒前进大约 33 米。如果前方突然出现障碍物，芯片需要在不到 0.1 秒的时间内完成：识别这是个什么东西（是塑料袋还是石头？），判断它的运动轨迹，计算最优的刹车力度或者绕行路线，然后发出指令。

这整个过程，摄像头可能同时在输入 8 个摄像头的高帧率画面，毫米波雷达和激光雷达也在发数据——芯片每秒要处理几亿个像素，处理完还得"想明白"这里面谁是谁、该不该停车。

这不是普通计算，这是实时的人工智能推理。

254 TOPS 的 Orin X，为什么成了行业标杆

聊到车载芯片，NVIDIA 是一个绕不开的名字。

2019 年，NVIDIA 推出了 Xavier，算力 30 TOPS，算是试探性的一步。2022 年，Orin X来了，一下拉到254 TOPS——这是当时量产车规级芯片的天花板。

254 TOPS 是什么概念？

拿小鹏 G9、蔚来 ET7、理想 L9 这些旗舰车型来说，它们不约而同选择了 Orin X 作为核心大脑。小鹏的 XNGP 城市导航辅助驾驶，用的就是四颗 Orin X 组合，算力峰值 1016 TOPS，号称"全栈自研天花板"。

但这里有个细节值得玩味——254 TOPS 是峰值算力。

什么意思？就像你家的空调，制冷能力可以标到 3 匹，但如果你只开了一档，其实只用了不到一半。Orin X 的 254 TOPS，代表的是芯片在最理想条件下、短时间内能达到的上限。真正开车的时候，温度会上去、功耗会受限，实际能稳定输出的算力大概只有峰值的40%~60%。

这并不是 Orin X 的问题，这是整个行业的共同困境。

国产势力崛起：地平线征程6，改写游戏规则

就在 Orin X 横扫高端市场的那几年，一家中国公司悄悄在背后积累了实力。

地平线（Horizon Robotics）成立于 2015 年，创始人余凯曾是百度深度学习研究院的负责人。这家公司的路线很清晰：只做 AI 芯片，专注边缘计算，而且从一开始就把汽车当成了核心战场。

2020 年，征程 3 推出，5 TOPS，定位 L2+ 辅助驾驶。

2022 年，征程 5 发布，128 TOPS，开始和 Orin X 正面竞争。

2024 年，征程 6 系列来了——这是真正让行业震动的一代。

征程 6 系列分了四个型号：6E、6M、6H、6P，覆盖从 10 TOPS 到560 TOPS的完整区间。

其中最猛的是征程 6P，单芯片算力560 TOPS。注意这个数字：560，是 Orin X 的两倍多。更重要的是，这不是纸面参数——征程 6P 采用了纳什架构，专门针对 Transformer 模型做了硬件级优化，在 BEV（Bird’s Eye View，鸟瞰图）这类大模型上的实际推理效率，领先 Orin X 不少。

2025 年，地平线官方公布：累计出货突破 1100 万套。这是什么概念？在中国道路上跑着的智能汽车里，差不多每三辆搭载前视辅助驾驶的国产车，就有一辆用的是地平线的芯片。

这个数字背后，是长安、比亚迪、吉利、奇瑞等一系列主流车企的订单在支撑。地平线用"农村包围城市"的策略，从性价比车型切入，逐步向上渗透，最终在 2025 年站上了和 NVIDIA 正面对话的擂台。

华为昇腾 610Pro：另一个不可忽视的玩家

华为在车载芯片上的布局，经历了一个曲折但结果不错的故事。

早年间，华为海思的麒麟芯片在消费电子领域风生水起，后来因为众所周知的外部限制，手机芯片那条路基本断了。汽车业务成了一个新的出口。

昇腾 610Pro是华为 MDC 智能驾驶计算平台的核心芯片，官方宣传算力达到200+ TOPS。它基于华为自研的达芬奇架构，和华为盘古大模型、鸿蒙座舱系统形成了生态闭环。

华为的优势在于软硬一体。芯片只是底座，上面还有自研的 MDC 平台、操作系统 AOS/VOS，以及一整套感知-规划-控制的全栈方案。车企如果选择华为的整套方案，从芯片到算法到云端训练，都能打通。

但这也是一把双刃剑——华为的方案相对封闭，车企在上面的定制空间有限。所以目前和华为深度合作最紧密的，还是问界、智界、阿维塔这些"亲儿子"品牌。

高通 Snapdragon Ride Flex：手机厂商的跨界逻辑

你可能会想，高通不是做手机芯片的吗？怎么也来凑汽车的热闹？

这其实很合理。手机芯片厂商做汽车，有一个天然的优势：功耗控制。

Snapdragon Ride Flex 是高通在汽车领域的第一款集成式 SoC，单芯片算力 360 TOPS，而且主打"舱驾融合"——也就是把智能座舱（娱乐、导航、语音）和智能驾驶（感知、决策、控制）合并到一颗芯片上。

这个思路很有意思。传统方案里，车里有两套甚至三套独立的芯片：座舱用一颗，智驾用一颗，功能安全芯片再来一颗。芯片之间用 CAN 总线通信，延迟高、集成度低、成本也贵。

舱驾融合的目标，就是一颗芯片打天下。高通 Ride Flex 的逻辑是：手机芯片本来就擅长处理多任务、图像渲染、语音识别这些"聪明"的事，把它延伸到汽车座舱领域，只要解决车规级认证和功能安全（ASIL-D）的问题，就能大幅简化EE架构，降低整车成本。

目前搭载 Ride Flex 的车型还不多，主要是一些概念阶段的项目。但舱驾融合是行业大趋势，这点基本没有争议。

峰值算力 vs 有效算力：为什么数字越大越焦虑

回到开头那个数字——“算力剩余 30%”。

这块仪表盘背后，其实藏着整个行业最核心的焦虑：算力到底够不够用？

这里就要区分两个概念：峰值算力和有效算力。

峰值算力你可以理解为芯片的"百米冲刺成绩"——芯片在实验室里、理想温度、理想散热的条件下，最快能跑多快。TOPS 这个单位，测的就是这个。

但车开在路上是另一个故事：

• 芯片持续工作会产生热量，温度高了会降频，就像你手机发烫了会变卡
• 车载环境温度范围是零下 40 度到零上 85 度，散热条件远比数据中心恶劣
• 真实场景中，芯片跑的是 Transformer、BEV、Occupancy 等大型模型，这些模型对内存带宽的要求极高，不是光靠算力堆叠就能解决的

所以行业里开始越来越重视一个指标：TOPS per Watt，也就是每瓦特能产生多少算力。这才真正决定了芯片在车上能"稳态运行"多久。

地平线在这一点上下了大功夫。征程 6 系列强调的"能效比"，核心观点是：560 TOPS 不是用来"跑满"的，而是用来保证在各种corner case（极端情况）下，系统依然能流畅运行，不会因为算力不够而出现决策延迟。

这也是为什么很多车企在宣传智驾系统时，开始把"有效算力利用率"作为核心卖点——峰值 254 TOPS，实际能稳定发挥 160 TOPS，还是 200 TOPS，这里面差了不止一个量级。

舱驾融合：为什么特斯拉走了一条不一样的路

说到算力焦虑，有一个有意思的对比。

特斯拉从 2021 年开始，就用FSD 芯片（144 TOPS）支撑 Autopilot 和整个座舱系统的运行。他们没有区分"驾驶芯片"和"座舱芯片"，而是把两块功能集成在同一个计算平台上。

这套方案争议很大，但从架构逻辑上看，特斯拉走的是中央计算平台的路线：整车只有少数几个域控制器，所有感知、决策、娱乐、通讯都汇总到中央大脑。

好处是：硬件简单了，成本下来了，数据流通更顺畅了。

坏处是：一旦中央平台出问题，整车所有功能一起瘫痪，安全风险集中。

目前行业的主流选择还是域分离+逐步融合：智能驾驶和智能座舱暂时保持相对独立的芯片架构，但通过更高带宽的通信链路（比如千兆以太网）来协同工作，为将来的融合留出过渡空间。

NVIDIA 的 Thor 芯片（单芯片算力 2000 TOPS）正是瞄准了这个趋势。Thor 的设计目标就是"一颗芯片搞定所有"——驾驶、座舱、车身控制全部集成，支持舱驾融合的中央计算架构。

但 Thor 的量产时间表一直在推迟。2022 年发布的时候说 2024 年量产，后来推到 2025 年，再推到 2026 年。这个延期本身也说明了集成度越高的芯片，面临的工程挑战越大。

自动驾驶到底需要多少算力？答案没那么简单

说了这么多，可能你还是想问：到底需要多少 TOPS 才够？

说实话，这个问题没有标准答案。

不同级别的自动驾驶，对算力的需求差异巨大：

• L2 辅助驾驶（自适应巡航+车道保持）：10-30 TOPS 足够了，征程 3 和高通 QCM6490 都能搞定
• L2+ 高阶辅助驾驶（高速 NOA、城市记忆路线）：需要 50-200 TOPS，Orin X 和征程 5 是这个区间的选手
• L3/L4 有条件自动驾驶（城市全场景 NOA）：200-500 TOPS 是门槛，征程 6P 和多芯片 Orin 阵列在这个段位
• L5 完全自动驾驶：理论上需要 1000+ TOPS，目前没有芯片能稳定满足这个需求

但这里有一个反直觉的现象：算力高不等于体验好。

小米SU7 Ultra 用的 Orin X，254 TOPS，但小米的智驾体验和算力利用率，长期被评价为"硬件拉满、软件欠佳"。而华为问界用的昇腾方案，算力参数并不总是最高的，但实际体验却常被用户认可。

这说明一个道理：算力是基础，算法是灵魂，工程化能力是桥梁。

同样一块 254 TOPS 的 Orin X，在不同车企手里，可以跑出完全不同的智驾水平。这里面有算法模型大小的原因，有数据闭环效率的原因，也有工程团队对芯片底层架构理解深度的原因。

我的观点：算力竞争已经进入下半场

回顾这几年车载芯片的发展，有一个明显的脉络：

上半场：算力为王，谁的 TOPS 高谁就是旗舰。各家车企以首发高性能芯片为荣，消费者也把"芯片算力"当成了购车的核心参考指标之一。

下半场：纯堆算力的玩法开始失灵。用户开始意识到，200 TOPS 的车开起来可能还不如 100 TOPS 的车顺畅。行业开始关注有效算力利用率、每瓦特性能、软硬协同效率这些更务实的指标。

地平线的崛起，是这个趋势最好的注脚。用一颗 560 TOPS 的单芯片，替代原本需要两颗 Orin X 才能完成的感知任务，成本降了，功耗降了，智驾体验反而更稳定了——这才是真正有价值的创新。

而 NVIDIA 的 Thor 虽然算力惊人，但它要解决的不仅是芯片本身，还有整个汽车EE架构的重构、车企供应链的调整、以及功能安全的完整验证体系。这些事情，比造一颗"最强芯片"要复杂得多。

写在最后：焦虑背后是对安全的敬畏

回到开头那个"算力剩余 30%"。

你可能会想，为什么这辆车不把算力用满？是芯片不够强吗？

不是。

是因为工程师在设计这套系统时，做了一个重要的选择：永远给系统留出足够的余量，用来处理那些"没见过的场景"。

雨夜、强光、路面反光、前车突然掉落货物、山路急弯上的行人——这些场景在训练数据里可能只出现几次，但智驾系统必须能在真实遇到时做出正确反应。

算力余量，就是这个正确反应的"安全垫"。

所以，下次你再看到仪表盘上那个"算力剩余 30%"，不要觉得这是浪费——那 30%，是工程师留给你的最后一道安全防线。

本文数据来源：NVIDIA 官方产品规格、地平线官方发布会及公开融资材料、华为昇腾官网、高通 Snapdragon Ride Flex 白皮书。算力数据为截至 2025 年底的公开峰值参数，实际表现因车型、算法版本和环境而异。