端到端架构下智驾数据飞轮如何构建竞争壁垒？

在端到端架构确立为主干后，数据成为决定智驾能力的核心变量。Scaling Law是确定性的技术趋势，模型性能随参数量和训练数据量的增加而持续提升。这意味着先跑起来的玩家数据闭环越强，能力迭代越快，领先优势持续扩大。

数据飞轮的运转逻辑表现为：量产车辆上路采集真实场景数据，经过模型训练迭代后，通过OTA推送升级提升用户体验，进而吸引更多用户使用并积累更多数据。谁先实现规模化量产，谁就能率先启动这一正循环。截至2026年5月，特斯拉FSD全球累计行驶里程突破100亿英里，国内头部车企的智驾里程占比已逼近50%，头部厂商MPI今年有望达千公里级基线。

然而，模型运行频率是影响智驾能力在端侧兑现度的核心掣肘。即使模型参数量大幅提升，若推理延迟过高，端侧决策频率仍受限，能力无法充分释放。因此，端侧算力需求随参数量膨胀而膨胀。仅有同时具备软硬一体能力的智驾厂商才能长期处于第一梯队，这也解释了头部厂商纷纷自研芯片的趋势。例如，理想马赫M100芯片车端算力提升至2560TOPS，小鹏图灵AI芯片搭载于第二代VLA平台，旨在通过提升端侧算力来支撑更大参数模型的实时推理，从而确保数据飞轮产生的算法优势能在实际驾驶中即时兑现。