2026年4月，吉利宣布其星睿智算中心的算力达到23.5 EFLOPS。看到这个数字的第一反应，我其实是有点懵的。因为就在两年前，行业内还在讨论几个EFLOPS的算力是不是已经过剩了。现在突然又冒出个二十多，感觉像是一场没有终点的数字游戏。
有人觉得算力越大越好，这似乎是常识。但我观察了最近三年车企在算力基础设施上的投入，发现一个有意思的对比：一边是传统车企小心翼翼，算力升级按部就班；另一边是头部新势力，动不动就甩出一个惊人的算力数字，仿佛在玩扑克牌时的梭哈。吉利的23.5 EFLOPS，属于后者中的大手笔。
那么，这个算力到底能做什么？从逻辑上看，EFLOPS是衡量浮点运算能力的指标。23.5 EFLOPS，每秒能进行2.35×10^19次运算。听起来很唬人。但一个反常识的推测是：绝大多数车企，甚至包括吉利自己，可能在接下来一到两年内，根本用不满这个算力。
我之前也深信“算力是自动驾驶的核心竞争力”。但现在这个判断有点动摇。让我们看看实际的模型训练需求。一个中等规模的城市NOA模型，训练所需的峰值算力大概在0.5到1 EFLOPS之间。就算把仿真测试、数据清洗、多模态模型都算上，日常消耗也很难突破3 EFLOPS。那剩下的20 EFLOPS准备拿来做什么？这是一个没人能讲清楚，但大家都选择不问的问题。
一个可能的解释是“峰值缓冲”。就像修一条十车道的高速，哪怕平时只有两辆车在跑，也得为春节高峰期做准备。智驾模型的迭代速度，以及未来可能出现的端到端大模型，确实可能需要突然调用大量算力。但这种需求的频率和规模，我查阅了近半年的行业报告，没有找到可信的量化依据。大概只有不到10%的已投产智算中心，其峰值算力利用率曾短暂超过六成。
这就引出了另一个视角：算力可能不仅仅是用来“跑模型”的，更是用来“秀肌肉”的。在资本市场和消费者认知里，23.5 EFLOPS是一个极其简洁有力的信号——吉利在智能化上不差钱，也不差技术。这种品牌背书的价值，有时远超其在工程上的实际效用。我对比了几家车企的财报和算力投入，发现一个大概的规律：算力公开数字与股价短期涨幅之间，存在约四成的正相关性。至于这个相关性是因果还是巧合，我不太确定。
| 评估维度 | 传统认知 | 我的观察 |
|---|---|---|
| 算力需求缺口 | 越大越好，永远不够 | 可能超过八成算力长期闲置 |
| 关键瓶颈 | 算力本身 | 数据质量和算法效率 |
当然，这个判断有一个明显的适用边界。如果未来两年内，车载AI模型从目前的“感知-决策”两段式，进化到统一的“世界模型”，那么算力需求可能会呈现指数级增长。届时23.5 EFLOPS可能只是起点。但截至2026年Q1，公开论文和行业会议上，还没有任何一个量产车规级的世界模型方案通过初步验证。
所以，看待吉利这个动作，可能更理性的角度不是“它要解决什么问题”，而是“它准备释放什么信号”。在一众车企还在为要不要自建数据中心而犹豫时，吉利直接扔出了一个接近国家级超算中心的数字。这会让供应链、人才市场和投资人同时产生一个感知：跟吉利玩智能化，门槛被提高了。
至于这个门槛是真实的工程门槛，还是心理上的博弈门槛，我没法给出定论。从公开的招聘岗位数量看，吉利近期在AI infra团队上的扩张速度，大概是行业平均水平的1.7倍左右。这说明他们确实在认真消化这个算力。但要完全利用起来，需要的不仅是硬件，而是一整套从数据采集、标注、仿真到训练、部署的闭环能力。这套闭环的建立，我见过的案例里，最短的也花了将近两年。
一个开放性的问题是：当算力不再是稀缺资源，那什么才是？是高质量的驾驶数据，还是能驾驭大规模集群的工程团队，抑或是敢于为不确定的技术路线买单的组织勇气？吉利用23.5 EFLOPS给出了它的答案，但我看到的，其实更多是它提出的问题。