群发资讯网

【小鹏的智驾为什么能行?效率为王】最近有一个事情引起了思考,就是小鹏集团联合高校团队发布 GroundingPI 预训练模型,感知模块综合跑分超过 GPT-6 Astra。$小鹏集团-W(09868)$ 跑分我不想多吹,科研原型离上车还远。有趣的是另一组数:只用一半的示教数据,它的成功率(28.75%)就超过了各家基线用 ​

【小鹏的智驾为什么能行?效率为王】最近有一个事情引起了思考,就是小鹏集团联合高校团队发布 GroundingPI 预训练模型,感知模块综合跑分超过 GPT-6 Astra。$小鹏集团-W(09868)$ 跑分我不想多吹,科研原型离上车还远。有趣的是另一组数:只用一半的示教数据,它的成功率(28.75%)就超过了各家基线用四分之三数据时的最好成绩(27.75%)。别忘了,这只是一个4B参数的小模型,Astra 的总参数量按第三方数据在12000B,推理时也有1200B。少用数据,做得更好。回到小鹏的智驾,正好对上一个我思考了很久的问题:车队不如HW多,云端算力不如特斯拉大,小鹏的智驾为什么能站进国内第一梯队?我的理解是,小鹏不是靠资源赢的,是靠单位效率赢的。但由于这方面的数据有限且需要一定的水准,所以只能当做一个推测看待。一、有限的无限从近期的数据来看“小鹏双节报告的智驾总里程“相当于地月往返400多次”,折合3.08亿公里以上;HW国庆7天是5.53亿公里。按7-10天算,日均约为华为的40%-55%;特斯拉日均约4,170万英里,小鹏大约是它的20%-30%。小鹏2025年训练算力10 EFLOPS,HW今年60 EFLOPS;特斯拉年底的目标是400兆瓦,约160-285 EFLOPS。应该说和巨头相比,资源是有限的。车端反过来。G7 Ultra三颗图灵芯片合计2,250 TOPS,是地平线征程6P的4倍、特斯拉HW3的约16倍。小鹏云端“穷”、车端“富”,和对手正好相反。我以前写过,云端是地基,车端算力决定你能盖几层楼。小鹏的地基不算厚,楼却没盖矮:P3今年4月的测评里,华为ADS 4.1得4.46,小鹏VLA 2.0得4.33,理想得4.06。所以问题不由得变成,与巨头相比资源相对有限的小鹏,是怎么在巨头之中成长起来的?为什么能率先拿到一些里程碑?二、第一环:从数据开始如果智驾差距主要在数据,那HW约两倍的数据应该带来明显领先,但两家无论是近期的智驾测评还是人们的体感应该比较接近。东吴证券纪要里有个思考比较有意思:一辆车一天平均开1.7小时,真正有用的数据不超过90秒,不到1.5%。数据的瓶颈不在里程表上,在筛子上。但这一环只能说明数据差距不致命,解释不了算力少为什么也能追上。三、第二环:算力效率小鹏在今年CVPR上公布过一组数,时间段是截至3月的12个月:单GPU训练效率提升1,010%,单任务训练效率提升4,360%,GPU利用率从40%升到90%。拍一下脑袋:假设巨头们的利用率是行业常见的四五成(这是我的假设,没有公开数据),小鹏10 EFLOPS×90%≈9,巨头45 EFLOPS×45%≈20,名义上4.5倍的差距,有效算力只差2倍多。如果它大体成立,云端的差距就从一个数量级缩到了一两倍。四、第三环:车端协同车端的证据更硬一些。券商转述过三组对照:开源模型配通用芯片:利用率22.8%,时延800毫秒;开源模型换成图灵芯片:35.1%,300毫秒;按图灵重写模型、再配自研编译器:82.5%,80毫秒。同一颗750 TOPS的芯片,有效算力从约263提到约619,约2.35倍。省下来的算力换成了更大的车端模型:OTA 6.3.0把端侧参数提到原来的3.5倍,时延仍压在80毫秒。软硬协同是小鹏核心价值的一块。利用率的天花板大约在九成;特斯拉2019年就在做同样的事,理想M100今年也自报超过82%。这可能是为什么没有软硬件协同的公司很难跨越L3的原因吧。。。五、第四环:世界模型——无限的可能飞行员不会等发动机真起火了才练迫降,他们在模拟舱里练。世界模型就是智驾的模拟舱,生成长尾、反复试错。这可能是小鹏在目前资源有限的情景下,后续依然向上的一个原因。特斯拉2025年10月公开了神经世界模拟器,Waymo今年2月基于Genie 3做了自己的版本,华为WEWA 2.0称训练强度提升10倍;小鹏的X-World 3月发论文,8月随OTA 6.3.0上车。我的大概思考是这样的:世界模型能补长尾 → 对车队里程的依赖下降 → 但它非常吃算力 → 稀缺资源从“数据”变成“算力” → 而算力恰好是小鹏把效率做到最高的地方。有两个旁证。一是开头的GroundingPI,一半数据跑赢四分之三;二是L03在慕尼黑上市时,德国本地化只用了约一周、几千条数据。当然,纯视觉路线也帮了忙:小鹏的世界模型只需生成摄像头画面,Waymo则要连激光雷达一起生成。这可能是小鹏的一些真实优势。六、小鹏的智驾护城河体系数据少怎么办?找有效的差异化数据云端差怎么办?用高效的利用率外加车端图灵的软硬协同世界模型把数据缺口,换算成了小鹏效率最高的那种资源。四环串起来看,正是小鹏的智驾护城河。这个判断如果成立,小鹏的护城河就不是某一项资源,而是把每一份资源用到极致的体系:单位效率是钥匙,软硬协同是底座,世界模型是放大器。写在最后回到最开始的问题:算力只有巨头几分之一,小鹏凭什么站进第一梯队?我的答案是:在正确的路上不断优化,效率为王。这句话以前是凭感觉说的,这次试着把它一环一环拆开、推理了一遍。效率之王,大胆说出来~让子弹飞一会儿~