端到端架構下智駕數據飛輪如何構建競爭壁壘？

在端到端架構確立為主干后，數據成為決定智駕能力的核心變量。Scaling Law是確定性的技術趨勢，模型性能隨參數量和訓練數據量的增加而持續提升。這意味著先跑起來的玩家數據閉環越強，能力迭代越快，領先優勢持續擴大。

數據飛輪的運轉邏輯表現為：量產車輛上路采集真實場景數據，經過模型訓練迭代后，通過OTA推送升級提升用戶體驗，進而吸引更多用戶使用并積累更多數據。誰先實現規模化量產，誰就能率先啟動這一正循環。截至2026年5月，特斯拉FSD全球累計行駛里程突破100億英里，國內頭部車企的智駕里程占比已逼近50%，頭部廠商MPI今年有望達千公里級基線。

然而，模型運行頻率是影響智駕能力在端側兌現度的核心掣肘。即使模型參數量大幅提升，若推理延遲過高，端側決策頻率仍受限，能力無法充分釋放。因此，端側算力需求隨參數量膨脹而膨脹。僅有同時具備軟硬一體能力的智駕廠商才能長期處于第一梯隊，這也解釋了頭部廠商紛紛自研芯片的趨勢。例如，理想馬赫M100芯片車端算力提升至2560TOPS，小鵬圖靈AI芯片搭載于第二代VLA平臺，旨在通過提升端側算力來支撐更大參數模型的實時推理，從而確保數據飛輪產生的算法優勢能在實際駕駛中即時兌現。