云計算行業分析：從AI大模型及智駕算力需求測算，看小米算力需求.pdf

云計算行業分析：從AI大模型及智駕算力需求測算，看小米算力需求。小米加大 AI 硬核投入。2 月小米 15 Ultra 發布會雷軍表示，小米 25 年研發費用將超 300 億元，其中 1/4 用于 AI 相關領域，重點聚焦 AI 基礎設施、大模型開發及應用場景搭建。5 月小米 15 周年戰略新品發布會雷軍表示， 2021 年~2025 年 5 年小米研發投入預計超 1,000 億元人民幣，未來五年研發投入將超 2,000 億元，主要聚焦于 AI、OS、芯片三大底層技術的研發。

AI 基礎大模型、智駕均需要大量算力。小米早期模型主要方向為輕量化本地化小模型，24 年底開始重點自研 基礎大模型，已發布推理大模型 MiMo-7B、多模態大模型 MiMo-VL、語音大模型 Xiaomi-MiMo-Audio，均為 7B 模型，在模型能力上快速追趕。小米從 23 年底開始全面布局自動駕駛技術，采用全棧自研模式，覆蓋底層 算法、傳感器融合、高精度地圖和大模型應用；截至今年 2 月智駕總算力達 11.45EFLOPS，訓練數據增加到 1360 萬 CLIPS。

從訓練到推理，小米 AI 應用場景廣泛。截至 25Q2 手機及平板月活用戶近 7.3 億，AIoT 連接設備數（不含手 機、平板、電腦）近 10 億，小愛同學月活 1.53 億，小米汽車 25 年出貨量目標 35 萬輛。

我們對大模型訓練所需算力進行量化測算。假設參數量在 200B~1,000B 左右，按 1:20 訓練數據量，假設用 H100 訓練周期 30 天，則約需要 1,872~46,788 張卡。隨著參數量和訓練數據量增加，算力需求也隨之增加。

用戶與基于云端的 AI 大模型交互驅動 AI 推理側算力的增長。假設 AI 加速卡使用 A100 芯片，AI 大模型的單日 訪問量為 5 億至 7 億人次，每日每位對話 10 次，預計 AI 加速卡需求在 7.7 萬~10.8 萬張之間。

目前智能駕駛主要涉及兩方面算力：云端訓練算力和車端部署算力。云端算力主要部署于大型數據中心，以 EFLOPS 為衡量單位，專注于海量數據處理、復雜多模態模型訓練與算法迭代。車端算力嵌入車輛本地硬件, 以 TOPS 為單位（1EFLOPS≈10^6TOPS），負責低延遲的實時環境感知與駕駛決策。二者協同構成智能駕駛的 “云-車”架構。算力儲備方面，特斯拉依托自研+外購的龐大算力（67.5EFLOPS，截至 24 年 9 月）構建壁壘， 國內車企如小米（11.45EFLOPS，截止 25 年 2 月）、華為（＞10EFLOPS，截至 24 年 12 月）、理想（8.1EFLOPS， 截至 24 年 12 月）等加速追趕。