量产智驾正在迎来一个根本变化，以特斯拉自研芯片算力为例，从 AI 3 到 AI 5 芯片，算力依次为 144 TOPS - 720 TOPS - 7200 TOPS。看起来是同比 5 倍和 10 倍的增长，但其实从 3.0 到 4.0，摄像头像素从 130 万增加到了 540 万，而 4.0 到 5.0 的摄像头没有变化。
也就是说，AI 3 到 AI 4 是线性增长，但 AI 4 到 AI 5 是一个指数增长，大了一个数量级。
这会带来功耗、成本...方方面面的压力，而且是巨大的压力，如果看 PC、手机的处理器，其实跨版本号提升一个数量级的性能，是非常少见的。
这是因为驾驶这个任务的本质——现实世界中的驾驶场景是符合长尾分布的，为了解决越来越少见但同样重要的场景，你必须配备高一个数量级的算力，从而得以运行高一个数量级规模的模型。
截至目前，模型依然遵循着规模越大，能够理解和推理的场景就越复杂、越稀缺的规律。
哪怕是 OpenAI、Google DeepMind、Anthropic 和 xAI 在做的最前沿的大模型，也依然遵循这个规律（当然数据集、架构和算力也要匹配），更不要说工程阶段逊于大模型的量产智驾了。
智驾算力高了一个数量级，底层依然是端到端的开发范式。
