云车协同破解大模型实时难题 物理AI迎确定性机遇

时间：2026年08月07日 21:56:28 中财网

　　CFi.CN点评：数据显示，理想汽车VLA推理帧率约10Hz，NVIDIA端到端推理时延为99毫秒，小鹏汽车第二代VLA指令输出时延已压缩至80毫秒以内。这些进展表明大模型在车端毫秒级实时部署的工程约束正被逐步突破。

　　
　　一份研报观点认为，学术缩放定律聚焦训练算力最优，而车端部署必须将实时性、帧率和功能安全作为核心目标，导致最优部署点向更小模型和更多训练数据偏移。研报指出，云端基座模型主要通过MoE、MLA等稀疏化技术以及视觉Token剪枝、思维链压缩来降低长序列推理成本，车端则采用云端大模型蒸馏结合快慢双系统架构实现时延压缩。

　　
　　研报认为，未来云端将重点探索能力上限和世界模型训练，车端则专注低时延稳定部署，这种云车协同分工格局已逐渐清晰。虽然数字AI底座路径明确，但物理AI在实现物理世界建模闭环上具备更大增量，智能驾驶作为最先跑通闭环的场景，其技术路线和商业化节奏正成为AI发展新主线。随着蒸馏效率提升和车规芯片配套成熟，相关智能驾驶产业链有望迎来确定性增长机会。