硅谷给AI踩刹车,中国给智驾踩油门

“

当硅谷讨论给前沿AI踩刹车时，中国智能驾驶正在踩下油门，而它们共用同一条芯片供应链。

”

9月14日，全球半导体产业链经历了一个黑色的星期一。

费城半导体指数收跌5.86%，报11131.28点，30只成分股无一上涨。泛林跌8.29%，ASML跌7.25%，Marvell跌7.32%，SK海力士ADR跌7.60%，英特尔跌5.59%，美光跌5.25%，英伟达跌3.36%。欧洲市场英飞凌、意法半导体跌超6%；亚洲市场软银跌10.7%、SK海力士跌6.4%、三星电子跌4.1%，拖累韩国综合指数下挫3.3%。初步统计，全球半导体与AI算力硬件产业链总市值蒸发超过5000亿美元。

触发这一切的不是一份财报，也不是一次出口管制，而是一篇文章。

上周末，Anthropic首席执行官达里奥·阿莫代伊撰文，公开呼吁行业“放缓人工智能模型的能力提升节奏”。他的表述相当直接：不只是投入资金做风险防范，还需要管控AI能力的迭代速度，为风险防控争取追赶的时间。这个提议迅速得到了OpenAI的山姆·奥特曼、xAI的埃隆·马斯克、微软的萨提亚·纳德拉的公开支持。微软甚至在9月14日发布了公司历史上第一份AI行为准则，明确要求自家MAI模型“永不抵抗纠正、关机或人类监督”，不得协助武器制造、危险物质采购，也不得生成模仿意识的内容。

市场读懂的信号极其简单：AI模型迭代减速等于算力需求减速。而过去两年美股绝大部分的涨幅，恰恰建立在这条假设的反面。

太平洋另一侧正在发生方向完全相反的事。9月11日，工业和信息化部等九部门印发《智能网联新能源汽车产业发展“十五五”规划》，提出到2030年高速公路、城市快速路、部分城市道路等场景实现高度自动驾驶，新能源乘用车、商用车在各自领域新车总销量占比分别达到70%和40%。9月14日，市场监管总局（国家标准委）批准发布GB/T 48140—2026《汽车软件质量与缺陷管理规范》，把汽车软件的需求分析、设计实现、集成、验证确认、发布管理、升级与维护全生命周期纳入统一规范。

再往前推一个半月，7月30日，GB/T 44721—2026《智能网联汽车 自动驾驶系统安全要求》正式发布，这是中国首部针对L3、L4自动驾驶系统的强制性国家标准，将于2027年7月1日起实施。8月25日，道路交通安全法修订草案提请全国人大常委会审议，草案增设“自动驾驶汽车的特别规定”专章，明确自动驾驶功能激活状态下发生交通违法行为的，由生产企业、进口企业接受处理。

一边在给AI踩刹车，一边在给智驾踩油门。而这两件事，用的是同一条供应链。

把这两件事并排看，第一反应是“矛盾”，第二反应应该是“错位”。

阿莫代伊们的逻辑是自洽的：前沿大模型的能力正在逼近一个人类无法预知、更无法纠偏的区间，能力的边际收益在递减，边际风险却在陡增。这种情况下主动放慢脚步，用时间换安全，是理性的选择。OpenAI总裁格雷格·布罗克曼随后的表态更精准——所谓减速，应主要限于需要数千亿美元资本投入的前沿模型，而不应波及开源模型和个人项目。

但智能驾驶不是前沿大模型。它是AI所有落地场景里，极少数“能力天花板被物理规律和法规条文同时锁死”的一个。

L3就是L3，L4就是L4。它不需要通用推理能力，不需要跨领域迁移，更不需要“涌现”。它需要的是在明确边界内做到足够可靠——而可靠性是可以被里程、接管率、事故率度量的。换句话说，前沿大模型在探索边界，智能驾驶在填充边界。它们不在同一条曲线上，自然也不该踩同一块踏板。

问题在于，它们抢的是同一块“硅”。

过去两年，中国车企在智驾算力上做的事情，用“军备竞赛”来形容并不夸张。数据显示，高阶方案普遍采用700至2000TOPS的芯片做硬件预埋，为未来3到5年的软件升级预留空间。吉利千里浩瀚H9搭载双英伟达DRIVE Thor-U，底层互为冗余，总算力超过1400TOPS；比亚迪自研4nm芯片璇玑A3通过三颗芯片协同实现超2100TOPS；小鹏GX最高可搭载4颗图灵AI芯片，车载总算力达3000TOPS，为当前全球量产车型最高水平；理想马赫100单颗有效算力1280TOPS。

规模也在快速放大。高阶智能驾驶系统的渗透率，从2023年的2.18%升至2025年的14.94%，2026年1至5月进一步增至21.3%。2026年以来，搭载NOA功能的乘用车渗透率已达34.2%——每卖出三辆新车，就有一辆具备领航辅助驾驶能力。城市NOA正在从高端车型向15万至20万元主流价格带下沉。

在高阶智驾这个最吃算力的细分市场，2026年1至5月英伟达Thor-U以27%的份额位居第一，已经超过此前装配车型最多的Orin-X。也就是说，中国智能驾驶最激进的那部分算力供给，有相当大一块押在一家以数据中心为核心业务的公司的产能上。

那么，“AI降速”对汽车到底意味着什么？

短期看，这甚至可能是好消息。过去两年，车规级芯片和车规级被动元件的产能一直被AI服务器挤兑。最典型的例子是MLCC——村田制作所副社长南出雅范本周表示，AI服务器拉动的MLCC需求增长至少将持续至2028年，公司已规划800亿日元产能投资，并首次把高毛利车规料号纳入停产腾挪范围。如果AI资本开支真的放缓，被挤占的车规产能、HBM与先进封装资源都会松绑，车端BOM成本压力有望缓解。

但中长期看，这是坏消息。智能驾驶这一轮端到端跃迁，底层技术BEV+Transformer、VLA大模型、世界模型——几乎全部脱胎于前沿AI研究。中国车企做的硬件预埋，赌的不是今天的算法，是未来三到五年上层模型的持续迭代。如果模型迭代的整体节奏被人为拉长，这批已经装车的700到2000TOPS算力，兑现周期会被同步拉长。

车已经卖出去了，算力在空转。这是比缺芯更难受的一种浪费。

更值得注意的是治理逻辑的分岔。这一轮“AI降速”讨论里，美国内部的分歧本身就很说明问题：特朗普公开反对，称AI所需的唯一“护栏”是一位“强悍而聪明”的总统；副总统万斯警告，AI企业主动寻求政府监管可能是“特洛伊木马”；众议院议长约翰逊却表态支持为AI行业设置护栏。这不是一个正在形成共识的行业，这是一个正在分裂的行业。

而中国汽车面对的，是一个已经写好时间表的政策时钟：2027年7月1日L3、L4强标实施，2030年高度自动驾驶规模应用，2030年新能源乘用车新车销量占比70%。与此同时，由中国、欧盟、英国、美国、加拿大和日本共同牵头的联合国自动驾驶系统全球技术法规（ADS GTR）已经获批发布，构建起覆盖产品全生命周期的法规框架。

这意味着中国车企要同时满足两套正在分化的AI治理逻辑：国内要求“快而有序”，出海目的地可能越来越强调“慢而可控”。在中阶智驾渗透率已超50%、城市NOA正杀入15万至20万元价格带的当口，谁停下来谁出局——但冲得太快，又可能在海外市场撞上一堵监管墙。

所以真正的风险不是技术失控，而是节奏错配。

汽车行业应该怎么看这一周的芯片暴跌？

第一，别把它当成AI泡沫破裂的信号。它只是一次关于“速度”的重新定价——算力的需求没有消失，只是斜率发生变化。事实上，在芯片股血流成河的同一天，网络安全概念股逆势暴涨，Global X网络安全ETF创下史上最大单日涨幅；谷歌涨3.22%、Meta涨2.71%，因为投资者预期这些公司的资本开支负担会减轻。市场在做的是结构再平衡，不是推倒重来。

第二，把算力当成周期性大宗商品来管理，而不是当成技术信仰。中国车企在智驾上最大的隐患，不是算力不够，而是把算力供给的稳定性交给了自己无法影响的周期。

第三，警惕预埋泡沫。当行业普遍用700到2000TOPS为“未来3到5年”买单时，需要认真回答一个问题：如果软件迭代的速度慢下来，这批硬件的折旧由谁承担？

前沿AI在讨论要不要给能力设上限，智能驾驶在讨论怎么把规模做下去。硅谷踩下的那脚刹车，最终会通过产能、价格和迭代节奏，一路传导到中国某辆刚下线的车上。只是还不知道，传导过来的时候，究竟是一张成本下降的红利单，还是一张算力空转的账单。

END

推荐阅读

点击“在看”与世界分享