智驾算力新标尺，从有效算力到精益算力

本文首发于智驾最前沿微信公众号，过去几年，智驾行业长期以芯片峰值TOPS评判技术实力，导致算力内卷愈演愈烈。然而，纸面峰值仅代表理论吞吐，无法直接等同于车辆真实的智驾能力。当业内逐渐意识到，大量算力在软硬件适配与底层调度中被无效消耗时，单纯堆砌参数的模式便难以为继，算力利用效率成为新的考核维度。有效算力概念应运而生，它用于衡量芯片算力经模型与软件调优后、最终可实际调用的物理效能，彻底打破了单一参数比拼的行业迷思。

但是有效算力主要聚焦于芯片与底层软件的效能提升。随着智驾普及迈入下半场，当面对大众主流市场对成本管控与驾乘体验兼顾的严苛要求时，仅靠芯片层面的优化仍难以解题。

日前，在地平线征程6B普惠级芯片全面量产的背景下，智驾算力的评价维度迎来了新一轮升级。天瞳威视基于征程6B平台的工程实践，验证了通过全栈系统工程盘活有限算力、实现功能越级的可行性。这也推动着产业评价标准从芯片层面的有效算力，升级为全栈系统工程维度的精益算力，为智驾规模化落地提供了更具现实意义的价值标尺。

01

算力标尺的变迁

从峰值到有效

近年来，智驾芯片算力的爬升背后，是算法迭代催生的刚需。以前的ADAS更多是独立的单点功能（如AEB、LKA、ACC）；而如今的辅助驾驶需要同时处理车辆、行人及意图等海量环境信息。随着感知算法从传统目标检测走向鸟瞰图视角（BEV）、Transformer以及端到端架构，计算任务自然成倍增加。

图片源自：网络

然而，芯片算力的提升，并不意味着智驾能力的等比例放大。TOPS只是理论计算吞吐能力，真实运行智驾模型时，更要看模型是否适合芯片的计算架构、算子能否充分调用NPU、数据搬运与内存访问是否成为瓶颈，以及异构算力的有效协同。

正因如此，地平线在介绍征程6算力规格时，就同时强调有效TOPS和稀疏计算，而非仅仅给出一个峰值数字。这也体现出业内愈发重视有效算力——即芯片理论计算资源经过模型、软件和系统调度之后，最终真正转化成有效计算能力的部分。

从峰值算力到有效算力，标志着行业打破了对纸面TOPS数字的迷信，开始理性关注算力的真实转换效率。

02

智驾规模化落地的效率答案

精益算力

当前，智驾行业已经迈入规模化普及的下半场，10～20万元大众主流车型成为主战场。这一区间的竞争极其残酷，整车厂面临着激烈的价格战与严苛的SOP量产压力，迫切需要解决一个两难抉择。既不能依赖昂贵的高算力硬件推高整车成本，又不能为了降本而简单削减功能、牺牲用户的行泊体验。

如果说有效算力打破了纸面TOPS的迷信，筑牢了芯片层的计算效能基座。那么当智驾向大众主流市场规模化渗透时，行业就需要从全栈系统工程与商业落地的视角，向精益算力进一步延伸。

图片源自：网络

所谓精益算力，关注的是算力资源与任务需求的精准匹配，旨在消除研发、算法与调度的全链路浪费，让每一单位有效算力都转化为最大化的车规安全、用户体验与商业价值。必须澄清的是，精益算力并不等于单纯把模型做小，更不等于硬件降配。真正的精益，是从系统架构开始考虑计算资源分配，实现算力与任务需求的精准匹配。

那么，如何将精益算力转化为胜势？天瞳威视的实践给出了极具参考意义的回答。

03

精益算力的落地实证

20TOPS级算力如何承载功能越级

讨论有效算力与精益算力，最终还是要回到具体的工程落地中去检验。精益算力的真实价值，在于能否在确定算力边界下，通过算法架构与系统工程实现智驾体验的功能越级。天瞳威视基于地平线征程6B芯片打造的L2级高级驾驶辅助系统（L2 ADAS），提供了一个极具代表性的实证样本。

地平线征程6B芯片算力处于20TOPS级别，搭载自研BPU纳什架构，为大众普及型车型提供了高质效、高可靠的算力底座。在此芯片底座之上，天瞳威视展现了精益智驾理念下的工程实践：构建了自研Transformer鸟瞰图视角（BEV）环视感知融合地平线前视稀疏化感知架构（Sparse4D）的系统。环视部分建立车辆周围的三维空间表达，用于处理低矮路沿、立柱、空中障碍物等传统长尾场景，并在泊车中拓展了断头路、机械车位等复杂工况；前视部分则结合Sparse4D进行感知和连续时序建模，以高效算法替代硬件堆砌。

真实行车场景测试视频详见公众号

值得一提的是，在这套20TOPS级别的算力平台上，天瞳威视不仅覆盖主动安全（AEB、AES、LAEB、ELK）与巡航辅助（ACC、TJA/ICA、LCC）等全套功能，更向上突破整合了MPA记忆泊车、APA自动泊车及DMS舱内集成。该方案支持前视一体机（IFC）与行泊一体域控制器双形态，全面满足C-NCAP 2027、E-NCAP 2026-2028五星认证及欧盟GSR II法规要求。

真实泊车场景测试视频详见公众号

在模型层，采用模型压缩与轻量化设计降低计算开销；在计算层，通过CPU与NPU的异构协同架构提高算力利用效率；在感知层，则通过BEV环视感知结合Sparse4D前视感知，形成更完整的空间与时间理解。把这些环节综合来看，天瞳威视该方案真正展现的，就是在既定算力下对计算资源的高效组织与利用。

例如，通过模型压缩与算力调度优化，天瞳威视的Robotaxi ConnectOne（L4解决方案）实现了单车域控制器成本相较行业降低30%以上。这并非否定高算力的价值，正如地平线征程6系列本身即规划了多档算力以适配不同车型的差异化需求。而是证明：在既定算力边界内，通过精益的算法架构与系统工程，中低算力平台同样能够释放出功能越级、稳定可靠的智驾体验，实现性能与成本的最佳平衡。

04

算力内卷终会回归理性

智能驾驶的竞争，正从单纯的硬件参数比拼，转向全流程的工程效率与商业闭环竞争。

从行业横向来看，数百TOPS级别的高算力平台将继续向上探索技术上限，服务于全场景领航辅助驾驶（NOA）与端到端大模型的演进；而在大众主流车型区间，强调精准匹配、系统化识别并消除浪费的精益算力，则展现出更具确定性的量产普及价值。

从有效算力到精益算力，天瞳威视的工程实践表明，决定智驾规模化落地的关键，在于能否从系统架构出发精准分配计算资源，将有限的算力转化为真实道路上的安全与顺畅。这一探索，也为智驾产业从堆砌参数走向高质量发展，提供了一把更具现实意义的评价标尺。