智算中心算力23.5EFLOPS真的够用吗？

你有没有发现，这几年车企发布算力，就跟当年手机跑分似的，数字越飙越高，但真用起来，车机该卡还是卡，辅助驾驶该犹豫还是犹豫。2026年4月，吉利星睿智算中心公布了一个数字：23.5EFLOPS。说实话，我第一反应不是“哇”，而是“这玩意儿到底能干吗”。一个EFLOPS是每秒百亿亿次浮点运算，23.5倍这个概念，大概相当于把几十万台高端电脑绑在一起烧电。但你猜怎么着，我去年试驾某家号称算力顶天的车，倒车影像还能掉帧。

算力是新的马力，但多数人用错了

别傻了，堆算力不等于堆智能。我有个在杭州做自动驾驶测试的朋友，去年他们公司买了某智算中心的算力服务，一个月的电费就烧掉八十多万。结果呢？搞了三个月，城市领航辅助在雨天还是突然画龙。问题出在哪？算力是算力，算法是算法，数据是数据，三件事没串起来。吉利这次的做法不太一样，我看他们公布的材料里提到，星睿智算中心不是单独卖算力，而是把训练、仿真、车云一体打包了。23.5EFLOPS里大概40%用来做仿真测试，你想想，以前一台车路测两百万公里算大工程，现在一天能在虚拟世界里跑几百万公里。我记得好像是他们内部的人说过，一个复杂路口的决策模型，原来要训练两周，现在两个晚上就迭代一版。

我去年干过一件特别蠢的事。为了测某款新车的自动泊车，我专门找了一个地库，车位线被磨损得几乎看不见。结果那车绕了三圈，愣是没识别出来，最后系统提示“请接管”。我当时气得把手机摔座椅上了。后来一想，这根本不是算力不够，是训练数据里根本就没多少这种模糊车位的样本。所以你看，算力再大，喂的是垃圾数据，出来的还是垃圾决策。吉利这个智算中心有一个好处，它接入的车辆据说已经超过300万辆（具体数字我没核实，但应该是百万级），这些车在路上碰到的奇葩场景——比如突然蹿出的电动车、施工路障、路面积水反光——都会被回传然后用来训练模型。这才是算力该干的事，不是跑分用的。

为什么有车企算力翻倍，体验反而倒退

这事我一直没搞懂。后来想了想，可能是我错了。很多车企买算力就像暴发户买跑车，只在下赛道时踩一脚油门，平时在市区堵成狗。智算中心也是，如果只用来做OTA的模型验证，或者就为了发新闻稿时写个数字，那真不如把预算拿去多招几个工程师。我翻过一份去年的行业报告，里面有个数据挺扎心：国内有智算中心的车企里，超过60%的算力实际利用率不到35%。浪费了。

吉利的做法是，他们把这个中心同时干三件事：第一，自动驾驶模型训练，这个占用大头；第二，座舱内的语音和视觉大模型，比如你让车机找“附近适合拍照的日落点”，它得结合地图、天气、实时图像来推理；第三，虚拟仿真和数字孪生，用来测试极端场景。一个例子是，2025年底他们更新了一个功能，通过车外摄像头和雷达预判侧后方来车，在你开门前发出警告。这个功能训练时就用到了大概18万起事故数据的仿真还原。没有大规模算力，这种事根本别想。

算力竞赛的终点不是数字，是体验

我还是那句话，车是用来开的，不是用来跑分的。2026年4月这个时间点，吉利把23.5EFLOPS抛出来，其实是在倒逼行业回答一个问题：你要用算力解决什么具体的、用户痛得到的问题？比如，现在大部分车的记忆泊车，只能记住一条地库路线。但如果你家地库有多个入口，或者你经常换开不同的车位呢？这需要模型能泛化，不是单纯堆算力能解决的。再比如，高速上遇到“消失的前车”——前车突然变道，你面前出现一辆静止的施工车——绝大多数L2系统会直接撞上去，因为没训练过这种。训练这种边缘场景，算力才有意义。

我昨天还和朋友聊，说我们可能高估了算力的短期作用，但低估了它的长期影响。就像2018年大家觉得100TOPS就够用了，现在车上是1000TOPS起步。吉利自己手里有浩瀚架构，又收购了魅族做车机，再加上这个智算中心，其实是在搭一个闭环：车卖得越多→数据越多→模型越强→体验越好→车卖得更多。这个逻辑本身没问题，但执行起来到处是坑。比如数据隐私怎么搞？仿真和真实世界的差距怎么弥合？我反正没答案。

最后说个实测里的小翻车。上周我在封闭场地试某款基于吉利技术体系的新车，它的自动变道在车流稀疏时很果断，但有次右侧车道后方车辆突然加速，系统计算后竟然选择了放弃变道并微调回原车道。这个过程平顺，但犹豫了大概0.8秒。我问工程师，这不就是算力不够算不过来吗？他说不是，是决策策略偏保守，怕吓到驾驶员。你看，有时候问题根本不在算力，在胆子。

所以回到标题那个问题：23.5EFLOPS够用吗？我的看法是，未来两年内肯定够用，但怎么用好它，比它有多大重要得多。你觉得呢？