据中国汽车论坛7月11日消息，中汽协副总工程师王耀在论坛上直言：“国内自媒体总说自主品牌自动驾驶远超特斯拉，但事实是，特斯拉提概念，我们产业跟进，算力上国内所有主机厂AI显卡加起来，都没特斯拉Dojo一家多。”

这番话撕开了国内车企“市场领先”与“技术跟跑”的现实矛盾——2024年国内新能源车市占率达65%，但在自动驾驶原创技术、算力基建等核心领域，差距仍在拉大。

一、算力鸿沟：从“堆芯片”到“超算生态”的代差

特斯拉Dojo的“算力霸权”，是国内车企难以逾越的坎。2024年Dojo超算集群算力达20EFLOPS（百亿亿次/秒），相当于100万台高性能服务器的总和，单台训练成本超12亿美元。而国内头部车企中，蔚来乾崑超算算力8EFLOPS，小鹏XNGP智算中心5EFLOPS，所有主机厂算力相加不足Dojo的65%。

更关键的是，Dojo并非简单堆芯片，其自研D1芯片采用7nm工艺，能效比是英伟达H100的1.8倍，且通过“训练-推理-实车反馈”闭环，让FSD模型迭代周期从3个月缩至2周。

这种差距直接体现在技术落地速度上。特斯拉2024年推出的“4D毫米波雷达+纯视觉融合”方案，6个月内完成北美100万辆车推送；

而国内某新势力同款技术从概念发布到量产，耗时14个月，且因算力不足，复杂路况识别准确率低12%。王耀在论坛上举例：“特斯拉2016年提Autopilot，我们2018年跟进；2021年提FSD Beta，我们2023年推出类似功能，这种时间差背后是算力基建的代差。”

二、原创困局：市场领先与技术跟跑的错位

国内车企的“市场优势”难以掩盖技术原创性的短板。2024年国内新能源车销量840万辆，占全球60%，但在自动驾驶核心技术上，90%的专利集中在应用层（如场景适配），基础层（如神经网络架构、决策算法）专利仅占17%，而特斯拉基础层专利占比达35%。

比如特斯拉的“Occupancy Network”（占用网络），能预测物体3秒后位置，国内车企多通过“模仿+优化”实现类似功能，却难以突破核心逻辑。

这种“跟跑依赖”在研发投入上尤为明显。2024年国内车企自动驾驶研发投入总和800亿元，其中70%用于采购英伟达芯片、Mobileye方案；

而特斯拉560亿元研发费用中，45%投入Dojo超算、4D雷达等基础研究。某新势力研发总监私下坦言：“我们KPI是‘半年内追上特斯拉某功能’，没人敢说‘花三年做个原创架构’，市场竞争不允许。”

三、破局路径：从“单点超越”到“生态补课”

正视差距正在倒逼国内车企调整策略。华为近期宣布投入200亿元研发“昇腾智驾超算”，目标2026年算力达50EFLOPS，兼容国产芯片；

比亚迪与中科院合作成立“智能驾驶基础研究院”，专攻神经网络优化算法，不再依赖第三方方案。

这些动作直指王耀指出的“根技术短板”——不再满足于“功能对标”，而是要啃“算力基建、算法架构”的硬骨头。

但破局不会一蹴而就。特斯拉Dojo的生态壁垒不仅在硬件，更在数据闭环：全球500万辆FSD用户每天产生1600万公里路测数据，反哺模型迭代。

国内车企虽有庞大用户基数，却因数据格式不统一、隐私合规限制，难以形成类似闭环。

中国汽车工程学会数据显示，国内车企单模型训练数据量平均1.2亿公里，仅为特斯拉10亿公里的12%。

当国内车企在销量上碾压特斯拉时，王耀的警告像一盆冷水：市场领先能赢得时间，却换不来技术主权。

那么问题来了——在特斯拉Dojo算力持续翻倍的压力下，国内车企该用“市场换技术”还是“断臂式投入基础研究”？这场选择，或许决定着中国汽车产业未来十年的全球地位。

甫康生物拟港股上市，尚未盈利8月1日，海康威视（002415）发布2025年半年度报告，公司实现营业总收入418.18亿元，比上年同期增长1.48%；实现归属于上市公司股东的净利润56.57亿元，比上年同期增长11.71%。海康威视在业绩会上表示，预计全年归母净利润实现10%以上增长