$特斯拉(TSLA)$ 我看了下公开数据。算力按照exaflops为单位，按区间上界来估算。吹多少就是多少，绝不打折扣。那么商汤绝影有18，华为3.5，理想2.4，极越2.2，长安和蔚来大概是1.4，小鹏、长城、吉利都在1 eflops以下，属于rounding error。这些企业全部加到一起，最多大概是31。特斯拉在q1的财报会议时公布，三月底大约是70。但这对于训练hw4的端到端来说都是不够用的，否则也没必要建giga texas的数据中心（额外100的算力）。说实话，我不知道友商靠什么来训练端到端大模型，尤其是感知融合的端到端大模型。
我的总结是，友商越“端到端”，特斯拉的优势就越大。最大的原因是算力成本的不对称。在2025-2026的竞争中，假设gb200按7万美金10 petaflops来算，晟腾910b按1.65万美金280 teraflops来算，那么这种不对称优势就是8倍以上。马斯克往牌桌上下注百亿美金，友商可能需要跟注千亿美金。这种不对称优势在2026+大概率会被英伟达持续放大。
因此，建议友商不要盲目跟进。模仿的越快，可能就越难弯道超车。说实话，靠极其便宜的人力成本，通过千人万人团队去熬夜加班，可能尚有一战之力。但一旦上了端到端这条“贼船”，就到了特斯拉的主场，只能遵循特斯拉的游戏规则了。