云计算行业分析：从AI大模型及智驾算力需求测算，看小米算力需求.pdf

云计算行业分析：从AI大模型及智驾算力需求测算，看小米算力需求。小米加大 AI 硬核投入。2 月小米 15 Ultra 发布会雷军表示，小米 25 年研发费用将超 300 亿元，其中 1/4 用于 AI 相关领域，重点聚焦 AI 基础设施、大模型开发及应用场景搭建。5 月小米 15 周年战略新品发布会雷军表示， 2021 年~2025 年 5 年小米研发投入预计超 1,000 亿元人民币，未来五年研发投入将超 2,000 亿元，主要聚焦于 AI、OS、芯片三大底层技术的研发。

AI 基础大模型、智驾均需要大量算力。小米早期模型主要方向为轻量化本地化小模型，24 年底开始重点自研 基础大模型，已发布推理大模型 MiMo-7B、多模态大模型 MiMo-VL、语音大模型 Xiaomi-MiMo-Audio，均为 7B 模型，在模型能力上快速追赶。小米从 23 年底开始全面布局自动驾驶技术，采用全栈自研模式，覆盖底层 算法、传感器融合、高精度地图和大模型应用；截至今年 2 月智驾总算力达 11.45EFLOPS，训练数据增加到 1360 万 CLIPS。

从训练到推理，小米 AI 应用场景广泛。截至 25Q2 手机及平板月活用户近 7.3 亿，AIoT 连接设备数（不含手 机、平板、电脑）近 10 亿，小爱同学月活 1.53 亿，小米汽车 25 年出货量目标 35 万辆。

我们对大模型训练所需算力进行量化测算。假设参数量在 200B~1,000B 左右，按 1:20 训练数据量，假设用 H100 训练周期 30 天，则约需要 1,872~46,788 张卡。随着参数量和训练数据量增加，算力需求也随之增加。

用户与基于云端的 AI 大模型交互驱动 AI 推理侧算力的增长。假设 AI 加速卡使用 A100 芯片，AI 大模型的单日 访问量为 5 亿至 7 亿人次，每日每位对话 10 次，预计 AI 加速卡需求在 7.7 万~10.8 万张之间。

目前智能驾驶主要涉及两方面算力：云端训练算力和车端部署算力。云端算力主要部署于大型数据中心，以 EFLOPS 为衡量单位，专注于海量数据处理、复杂多模态模型训练与算法迭代。车端算力嵌入车辆本地硬件, 以 TOPS 为单位（1EFLOPS≈10^6TOPS），负责低延迟的实时环境感知与驾驶决策。二者协同构成智能驾驶的 “云-车”架构。算力储备方面，特斯拉依托自研+外购的庞大算力（67.5EFLOPS，截至 24 年 9 月）构建壁垒， 国内车企如小米（11.45EFLOPS，截止 25 年 2 月）、华为（＞10EFLOPS，截至 24 年 12 月）、理想（8.1EFLOPS， 截至 24 年 12 月）等加速追赶。