老黄刚走，全球最强算力Robotaxi方案落地中国

贾浩楠
2025-07-24
18:32:01

来源：量子位

贾浩楠 发自 副驾寺

智能车参考 | 公众号 AI4Auto

全球最强算力Robotaxi方案，刚刚在中国落地：

板卡算力全球No.1：2000TOPS+。

底层芯片行业最强：英伟达Thor-X首次量产，黄仁勋当年的承诺和夙愿兑现。

最重要的——100%车规，不是PPT，不是开发板，更不是测试车，官宣即搭载量产Robotaxi：

背后的玩家，同样也是现在整个Robotaxi赛道的出海落地No.1。

全球最强算力Robotaxi方案

最强算力Robotaxi“方案”，同时也是量产车型，智能车参考前不久还详细体验过。

车还是一样，只不过跟上个月相比，文远知行这款GXR有了巨大的升级迭代，算力从1300TOPS直接涨到2000TOPS。

核心HPC 3.0，文远知行自主研发，基于联想车计算平台AD1打造。

100%车规，一开始研发的目标就不是单一的技术验证或测试，而是真正的量产、运营，所以文远能在同款同架构的Robotaxi车型上迅速无缝切换。

核心是英伟达目前最强量产自动驾驶芯片——Thor-X：

单片算力1000TOPS，文远知行HPC 3.0采用双芯片方案，使得真实算力达到2000TOPS。

被广泛讨论关注，除了因为这是全球最强算力Robotaxi方案，同时还是L4赛道全球首个量产的英伟达Thor方案。

2022年9月英伟达Thor首次发布时，黄仁勋用“2000TOPS”核弹算力震惊了自动驾驶和车圈。但2025年量产搭载的是700TOPS的Thor-U型号，而且还不包括舱驾融合。

从这个角度看，文远知行和联想一起帮黄仁勋兑现了当年的PPT。

与头部车企自研的2000TOPS算力配置不同，文远知行HPC 3.0的芯片来自被广泛认可的英伟达；结合文远本身也是L4赛道中唯一有稳定量产L2项目和渠道的玩家（与博世、奇瑞的合作）……所以也可以认为算上L2+的广义自动驾驶赛道里，HPC 3.0是目前算力最大的通用计算平台。

同时和辅助驾驶的超大算力方案相比，HPC 3.0的芯片数量更少，功耗更低，分工更明确。双Thor-X体现的是L4玩家对性能、可靠性的执着。

而与以往L4计算方案相比，HPC 3.0的差异化优势可以用一句话总结：

算力相当的方案没HPC 3.0的车规认证，有车规的量产方案算力、集成度又远不如HPC 3.0。

换句话说，从HPC 3.0开始，Robotaxi终于不用再“凑合”了

为什么L4需要2000TOPS

HPC 3.0解决的核心问题其实是3个。

技术层面上，L4阵营现在正在从之前模块化、定制化的技术路线，转向大模型、VLA、世界模型、规则算法等等综合技术体系，融合L2“车位到车位”强泛化性优势的同时，又解决掉辅助驾驶安全下限模糊的问题。

所以L4需要2000TOPS算力的理由之一，就是多传感器之外，车端模型规模在快速增加。

其实，L4阵营对端到端、多模态、世界模型的预研和认知丝毫不比L2赛道的玩家晚。

只不过包括文远知行在内，几乎所有实力玩家都认为——自动驾驶是一个复杂的系统工程，不存在一招制敌的“银子弹”，所以看待单点技术突破反而更理智，不会把希望寄托在某种方法上，反而是不断融合改进自己的技术体系。

比如前不久刚刚结束的CVPR 2025，Waymo的主题演讲就是关于世界模型的。

文远知行其实对这个问题的认知更深刻，因为它既有L4的大规模落地经验，同样也有L2量产项目。2024年文远知行的端到端大模型就已经上车，同样基于自研的WeRide One平台构建，被文远应用到了L4无人驾驶和ADAS辅助驾驶方案中。

在算力数值之外，文远选择Thor-X作为Robotaxi底层算力核心的另一理由是：对VLM、VLA这样的多模态大模型做了特定优化支持。

比如优化后的Blackwell架构一是支持更高精度即FP16，另一个就是更好地支持MoE模式。

所谓混合专家模型 (MoE) ，其实就是将传统Transformer模型中的每个前馈网络 (FFN) 层替换为MoE层，其中MoE层由一个门控网络和若干数量的专家组成。

MoE的出现主要是为了应对超大规模LLM训练，例如万亿级参数规模的训练，能够大大提高LLM大模型训练效率，减少计算时间。

HPC 3.0解决的第二个问题是来自成本层面的。

若算力是L4技术栈向多元化、大模型化发展的基础需求，那么仅从数值上看，多上几块Orin好像也能满足需求。

但业内专家告诉智能车参考，Thor单芯片算力比双OrinX算力更大，同等算力数值下减少了芯片数量，简化了片间通信，降低了系统复杂度，实际上域控系统成本相比多Orin更低，性能更好。

所以这也是新技术体系要求下，L4需求Thor-X的必然性。因为多Orin的方案对于L4玩家来说，真的是一种“枷锁”。

假设技术问题能解决，从经济性考虑，用10块Orin拼凑出一个2000TOPS+的计算平台，无论是采购成本还是后期能耗，都是离谱且行不通的。

HPC 3.0要解决的第三个问题不易被关注，但极其重要。

文远知行所谓100%车规，指的是：

HPC 3.0已通过AEC-Q100、ISO 26262、IATF 16949等多项车规，满足ASIL-D级安全要求。

故障率低于50 FIT，也就是每10亿小时故障次数不到50次；平均无故障工作时间（MTBF）高达12-18万小时，设计寿命达10年30万公里。

适应极端环境(-40℃至85℃)，通过高温老化、机械冲击、盐雾腐蚀等全场景测试，并且符合全球VOCs环保标准…

啥意思？

物理层面的“车规”意味着文远Robotaxi可以部署在全球任何主流人口聚集地区。

“落地运营”这个层面上，无论中东、东南亚、欧洲等等国际市场，文远都能快速合规达标，无障碍部署。

中国、阿联酋、瑞士…文远知行的Robotaxi服务已经遍布全球3个国家8座城市，名副其实出海No.1，现在又要提速了——就在昨天，文远知行官宣启动沙特首个Robotaxi试运营服务，也是目前沙特国内唯一一个Robotaxi试运营服务。

HPC 3.0，有啥影响

文远知行率先量产2000TOPS的HPC3.0，其实是L4赛道的“分水岭”

往前看，是技术体系阶段性发展的最先进体现。

L4玩家开始融合L2“车位到车位”的方法经验——多模态大模型，又因为L4对冗余、可靠的高要求，产生了比L2+更大的算力需求。

这是Thor-X在技术层面的必要性。

就整个广义自动驾驶赛道来说，文远知行的HPC 3.0就是现在理念最前沿、能力最强、技术兼容性最好的量产计算方案。

而往后看，HPC 3.0又是“通用AI司机”软硬件方案探索的第一步。

解开L4“死循环”，第一次有了方案和方向：

Robotaxi不跳出地理围栏，就无法向全社会证明安全性；而缺少安全性证明，监管又很难开放规模。

通过Thor-X支持的HPC 3.0，文远知行有条件探索更进一步的规则+模型的多元技术体系，自证泛化性、安全性可以共存。

如果文远知行能统一融合L4、L2架构，Robotaxi“地理围栏”范围就有希望逐渐扩大到普通乘用车一样的程度，到这一步实际上地理围栏就已经不存在了，升维降维之争也会彻底终结。

更进一步，通用AI司机的基座大模型，启发的也许不只是自动驾驶…

当然从眼下L4竞速来看，HPC 3.0的合作模式也是Robotaxi出海落地最便捷、成本最经济的路线。

可能不一定是和联想合作，但后续几乎所有L4玩家都会拿出类似的产品。

L4赛道现在是史无前例的机遇和史无前例的危机并存，一方面是政策、供应链利好不断，落地可期；

但另一方面特斯拉异军突起，用完全不同的理念、技术和迭代速度冲击传统玩家。

文远知行率先在L4赛道量产普及Thor-X，实际也是这家Robotaxi公司一以贯之的知名风格——行胜于言，少说多做，做到再说。

在自动驾驶领域，文远知行不算是时常出现在舆论里的玩家，即便其有“赵晓卉”这样更容易出圈的娱乐话题，也几乎很少出现在非技术的热议中。但文远知行又毫无疑问是中国乃至全球范围内，Robotaxi技术和落地案例里，绕不过去的玩家——不仅是技术的先进性，而且是落地的广度和规模。

而现在，全球最强Robotaxi计算方案，就是文远知行行胜于言的最新案例。

Read More