在云端，要对海量的真实与合成数据进行预训练和完成世界模型的构建，可能需要数十万张AI加速卡 和数十个EFLOPS（百亿亿次浮点运算）级别的算力支撑，这构成了极高的资金与技术壁垒。在车端， 为了实现低成本、低延迟与高效能的实时响应，车载智能芯片的算力需求正从目前的最高500-600 TOPS，朝着2500 TOPS以上迈进。这场竞赛不仅考验着企业的资源投入，更考验着其在芯片设计、架 构创新与系统整合上的综合实力。 面对业界最关心的数据挑战，尤其是类似FSD入华可能面临的"水土不服"问题，邓志东表示，一个出租 车司机比新手安全，主要源于他积累了更长的驾驶里程，而非智商更高或书本知识更丰富。要让自动驾 驶的安全性超越人类，若采用世界模型智能体方法，AI所需要的学习里程必须是人类司机的上千倍。 依靠实车路测采集真实数据成本极高、周期漫长，因此利用"数字孪生"技术生成海量的"合成数据"成为 了破局点。这意味着，能提供高质量仿真平台与数据服务的公司，将在未来产业链中更有价值。 邓志东介绍，目前一场激烈的"算力军备竞赛"已经拉开帷幕。这是一场在云端与车端同时进行的双线战 争。 新京报贝壳财经讯（记者林子）"智能驾驶正迎来它 ...