智算中心的建设已成为端到端自动驾驶的标配，对于算力的需求正在以一种倍极速率疯狂增长。

「没有智算中心的端到端智驾企业是不合格的。」毫末智行一位专家直言，算力越多，对模型的迭代效率、迭代方式速度，以及各种情况的修复效率，均有大幅提升。

商汤绝影智能驾驶副总裁石建萍也表示，高算力，意味着它所容纳的应用空间是广泛的，它允许更多的尝试、试错发生，那么就更有可能研发出性能更强的端到端模型。

那这是否意味着实现端到端智驾，必须大力才能出奇迹？

有意思的是，针对这个答案，行业呈现了两种发展路径：

• 一面是倾向于重投算力的「暴力计算」；

• 另一面是深耕算法的「工匠主义」。

诚然，行业对于智驾三要素（算法、数据、算力）的共识是三者相辅相成，任何一个出现短板，都会引发水桶效应。

但在此基础上，三个长板，哪方面现在需要重点强化，则出现了一些分歧。

暴力计算者认为，现在各家算法其实没有本质区别，核心点在于把数据在超算中心中如何高效训练起来。

一位行业人士就指出，在学界已经公开了可行的端到端算法架构，甚至不断更新前沿进展的情形下，业界完全可以参照学界的研究成果进行量产、落地实验，那么这就要求其现阶段在算力基础、数据规模上积攒足够实力。

但也有另一种声音夹杂在其中。他们认为，实现端到端智驾，深耕算法是当前更为紧迫的突破方式。

元戎启行就对汽车之心表示，算力中心比拼只是一方面，但现阶段更重要的是打造一套满足 Scalling law 的网络模型。

Scalling law 即规模定律，随着模型规模的增加（包括参数数量、数据规模和计算资源），模型的性能也会相应提高。

也就是说，想要规模定律生效，需要先谋定的是模型优化问题，这才是后续大力出奇迹的发力点所在。

说到底，两种路径无关绝对优劣之分，毕竟各家的端到端战略规划、资本实力各不相同。

但从特斯拉、华为等头部车企都重投超算中心的动作评判，算力愈高，端到端智驾效果的天花板的确会随之抬高，也就是上限会有所提升。

昨日没有赶上无人出租第一波涨停板的老师，可以研究关注下无人驾驶算力这个分支，还在低位。

301085 亚康股份 无人驾驶巨头百度和滴滴的算力服务商