问题——智能化进入深水区，主流价位“算力不足”成掣肘 随着智能电动汽车渗透率持续提升，市场竞争焦点正从“电动化”加速转向“智能化”。城市道路辅助驾驶、自动泊车、复杂场景识别等功能对计算平台提出更高要求，但中低价位区间，受成本与供应链约束，不少车型的智能系统仍存在硬件冗余不足、算法能力受限、功能迭代空间有限等问题，难以支撑更复杂的感知与决策需求。如何在成本可控的前提下提升算力与算法上限，成为车企争夺主流市场的关键议题。 原因——算力成本下降与算法工程化推动“技术下沉” 小鹏此次发布的MONA M03，核心在于将1500TOPS有效算力引入约2万美元级车型。算力以“每秒万亿次运算”衡量，是车辆融合摄像头、雷达等多源数据后进行实时推理、规划与控制的基础。算力越高，越能支持更高分辨率、更高帧率的感知输入，并在复杂交通场景中更快完成目标识别、风险判断与轨迹规划，为功能上限与迭代效率提供支撑。 业内人士指出，此趋势背后，一上是车规级芯片、计算平台及供应链成熟带来的成本下行，另一方面是算法从“实验室模型”走向“车端工程化”的能力提升。通过平台化架构、统一软硬件栈，车企可降低不同车型间的开发与部署成本，让高算力与高阶功能覆盖更广泛的消费人群成为可能。 影响——智能驾驶体验有望提升，行业竞争门槛抬高 从产品层面看，高算力最直接的变化体现智能驾驶体验的稳定性与泛化能力上。更充足的计算资源可提升自动泊车的环境理解与路径搜索能力，增强高速辅助驾驶的连续决策与控制表现，并为城市道路场景的跟车、变道、避让等提供更强的实时推理支撑。对消费者而言，功能可用范围有望扩大，体验更顺畅，同时在复杂环境下的安全冗余空间也会增加。 从行业层面看，算力配置向主流价位下探，将深入抬高竞争门槛，推动企业在芯片选型、架构设计、数据闭环与软件工程能力各上加速投入。竞争也可能从“堆配置”转向“拼体系”：既要硬件可持续升级，也要算法持续迭代、功能长期可用。对同价位竞品而言，这将带来压力，迫使其重新评估产品节奏、成本控制与技术路线。 对策——以“模型蒸馏”降低车端部署门槛，兼顾性能与成本 除算力外，小鹏还披露MONA M03 Max将于今年下半年启动第二代VLA蒸馏技术上车，并指向2026年进一步落地对应的能力。蒸馏技术的逻辑是：用更大、更强的模型在训练端学习并输出“知识”，再将能力迁移到更适合车端实时运行的模型上，从而在不明显增加车端计算与能耗负担的前提下，提升系统对复杂场景的理解与泛化能力。 业内分析认为，随着城市道路场景的长尾问题日益突出，仅靠规则与工程调参难以覆盖全部情况，模型化能力正在成为主流方向。但车端受限于算力、功耗与成本，必须在“大模型能力”与“可部署性”之间取得平衡。通过蒸馏等方法实现“训练端更强、车端更稳”，有望成为提升智能驾驶可靠性的重要路径之一。 前景——“算力+算法+数据”体系化竞争加速，智能化普及仍需守住安全底线 展望未来，智能电动汽车将更强调“算力—算法—数据”的闭环能力：算力决定上限，算法决定体验，数据决定迭代速度。高算力进入主流价位后，行业分化或将加速——具备平台化能力与数据闭环能力的企业，可能在迭代效率与体验稳定性上更具优势。同时，智能驾驶功能普及也意味着更高的安全要求：能力提升需要与验证体系、功能边界提示、驾驶员责任提醒以及合规监管同步推进，避免“宣传能力”与“实际可用”之间出现落差。 可以预见，未来一段时间内，围绕城市道路辅助驾驶、泊车能力、座舱交互与跨域融合的竞争将持续升温。谁能在成本可控的前提下实现更高可靠性、更清晰的功能边界与更快的迭代节奏，谁就更有机会在主流市场获得持续增长空间。
从高算力平台下探到算法蒸馏加速部署，MONA M03的发布反映出电动汽车产业竞争逻辑的变化：智能化不再只是高端车型的附加项，而正在成为主流用户的基础需求。面向未来，谁能在成本可控的前提下提供安全可靠、持续进化、覆盖场景更广的智能体验，谁就更可能在新一轮竞争中占据主动。