不过这并非事实。在真实的智能驾驶系统中，更大的算力只提供牛逼的可能性，但不保证牛逼的确定性。
一方面，企业通常对外宣传的TOPS，是一块芯片的AI峰值算力，但在实际运行中，芯片算力很难被充分利用。
一个不那么为人所知的事实是，在高数据量的计算任务中，*的瓶颈常常是存储带宽而非算力。因为计算单元的运行频率远高于存储单元，芯片会陷入“算力等数据”的状态，高算力其实在空转[5]。
这就相当于餐厅里有一位米其林大厨，做饭又快又好吃，但受制于切菜工的效率，导致出餐率一直上不去。
有效运用高算力的一个方法是在芯片中放置更多的高速缓存（SRAM），这种存储单元与计算单元距离更近，数据传输的延迟更低，可有效提升带宽。
比如特斯拉在其FSD芯片内封装了32MB的高速缓存，缓存带宽达到2TB/s，将每秒能处理的图像从Drive PX2的100余帧提升至2300帧，为其FSD Beta算法提供了基础[6]。
但特斯拉做到这一切的前提是斥巨资从硅谷找到*半导体人才，进行自主研发，而能同时满足这样条件的车企并不多。
另一方面，即使通过各种方法尽可能把芯片算力用满，也不代表万事大吉——算力是智能驾驶的基础，算法才是灵魂。
关于算法的重要性，在游戏行业有一个生动的例子。2021年前，游戏玩家在打开GTA5联机版时，即使拥有性能不错的电脑，也需要等待一段漫长的时间。后来有程序员解包发现，由于部分代码质量过低，某个只需一步完成的步骤，被迫跑了19.8亿次if语句——这段代码很简单，但占用了60%的计算资源[7]。
同样的道理在智能驾驶行业也成立：堆砌、消耗算力并不难，难的是通过高效算法将算力转化为实打实的用户体验。
一个有经验的算法团队常常能取得更高的算力费效比。比如小鹏刚刚向广州区域的P5车型推送了城市高阶辅助驾驶CNGP，在行业大多基于上百T算力实现这一目标时，小鹏P5仅搭载了算力30TOPS的Xaiver芯片，依靠的便是算法优化和高精地图加持[8]。
不久前与五菱一起推出低算力辅助驾驶方案的大疆车载认为，实现智能驾驶面临传感器、算力、算法、数据四座大山，四座山头需要一起翻越。换句话说，智能驾驶系统其实是一个木桶，决定最终体验的是不是某块长板，而是短板。
而在当下，整个汽车行业将芯片算力堆到数百乃至上千T的大有人在，但没有一家车企的辅助驾驶系统效果，比得上特斯拉基于144T算力做出来的FSD Beta。面对这种情况，很难说智能驾驶行业的短板在芯片算力上。
英伟达与高通神仙打架，会造成智能汽车芯片三名之后寸草不生的局面吗？答案是否定的。
这是因为，与另一个芯片使用大户消费电子相比，汽车行业对成本更加敏感，市场高度分层，且对安全要求更高。而在目前，一枚汽车超算芯片很难同时满足上述条件。
从成本和市场角度来看，高算力芯片等于高成本，意味着只有部分高端车型才用得起，其下游车企往往是少数舍得下血本的硬件预埋派：先掏大价钱把算力、硬件堆高，再通过OTA更新功能。
英伟达已经量产的Orin，采用7nm工艺生产，算力254T，每片价格便达到400美元[9]，目前只有蔚小理、智己、飞凡等品牌30万+的车型搭载。而Thor的算力达Orin 8倍，采用更先进的5nm工艺，其价格必定会比Orin更加惊人。
而从安全角度看，统管智能驾驶与智能座舱的超算级芯片虽然更加简洁，数据流转效率更高，但代价是失去了硬件级的安全冗余。如果芯片没有做好隔离，智能驾驶与智能座舱的应用可能会相互带崩（比如车机死机造成辅助驾驶突然退出），影响车辆安全。这给擅长把控安全的传统汽车半导体大厂留下了机会。
由于成本高企且难以满足全部需求，车企中也分化出了硬件自研派，比如蔚小理一边与英伟达、高通称兄道弟，另一边则各自建立芯片自研团队，研发与自家算法、软件匹配程度更高的芯片，试图将命运掌握在自己手中。
而在广阔的辅助驾驶市场，更加主流的其实是服务中低端车型的够用就好派。他们不追求（也无力使用 ）高端配置，而是用低成本芯片、传感器，在有限场景内将辅助驾驶功能做好。
比如大疆与五菱今年合作推出的智驾版 KIWI EV则更进一步，采用200万像素摄像头为主传感器，计算平台算力仅16T，全套辅助驾驶套件成本在一万以内。
随着此类方案的流行，一些平价智能驾驶芯片如地平线J3（算力5T）、德仪TDA4（算力8T）正在打开越来越大的市场。
