4月11日，在智能电动汽车发展高层论坛（2026），百度副总裁石清华表示，当前汽车行业正从 AI 训练阶段迈入全量推理时代，行业面临严重算力荒，推理算力占比将快速提升、调用量激增。智能座舱、研发全链条及 Vibe Coding 均大幅消耗算力，海外芯片受限下国产算力需加快补位。

他提出车企应提前规划算力、搭建企业大模型平台、强化数据治理；同时破解算力投入与盈利悖论，将算力转为核心生产资源，探索座舱服务商业化。百度将推出昆仑芯 M100 等产品，愿作为车企算力与数据合作伙伴，支撑智能化研发落地。

百度副总裁石清华

以下为演讲实录：

速记内容未经本人审核，仅供媒体写稿参考，请勿原文直接发布。如引用速记内容，请注明发言场合为智能电动汽车发展高层论坛（2026）。

今天在这里听了一下午，大家聊了特别多智能汽车现在的进展，我今天特别想跟大家聊一下智能之下的事，就是算力。

现在不管是自动驾驶，还是智能座舱，这里的算法、模型都是在算力上训练出来的，这几天有特别多汽车圈朋友给我打电话，说“清华，还有卡吗？”，我说“你们要干什么？”。其实现在在卷自动驾驶，尤其在卷模型训练和推理，现在基本上已经处于算力荒的阶段了。今天就跟大家简单分享一下这两年我的观察，就是在AI落地时代，从训练到推理，新的效率竞争。

过去我们一直关注的是自动驾驶的训练、研发，大家今天聊了特别多智能化的事，意思就是当AI真正成为汽车的标配，当智能座舱、智能驾驶开始海量地服务用户，我们OEM厂商AI应用在加速落地阶段，这个时候算力的结构正在发生变化，我们正在从一个全部做训练的阶段开始迈入“全量推理”时代。

大家看这三组数据：

第一个，2028年，推理在总算力需求的比重将达到73%。大家注意这还是从2023年的1/3到2028年的73%，这几年算力增长其实成百倍、成千倍增长的。

第二个，用一个模型，我用的是GPT 3.5这个模型，做同等性能推理成本的降幅，从2022年到2024年已经降了大概200多倍。

第三个，从OpenRouter上面最新数据的测算，上周一周全球AI大模型总调用量是27万亿Token，环比增长18.9%。同时这个数字在中国更夸张，环比增长30%多了。意思是在全行业、全产业，AI进入我们的生活、进入我们的工作增速是非常夸张的，尤其是在车圈。

在车圈大家做了几件事：

第一个，智能座舱开始全面调大模型在上面做生成式的HMI、多模态推理等。

第二个，在汽车本身的内部，智能化重塑研发，就是研、产、供、销、服全链条都在用AI进行提效。

第三个，Vibe Coding也是中美对抗科技争霸赛的制高点，之前我们说软件定义汽车，研发定义软件，但现在其实是AI定义研发。

这三个部分我们发现，从去年年底到今年开始，我们说任何智能其实下边都是算力算的，现在大概率要进入算力荒的阶段了。大家知道N卡进来越来越难了，所以国产卡应该成为一种替代来做一个补位。建议大家：一是同时开始进行自己的算力规划了，因为确实是卡吃人、卡吃业务。二是着手构建自己企业级的大模型平台，在自己的研、产、供、销、服里进行AI提效。三是尤其关键的做好自己的数据治理。在下一个阶段，不管怎么智能，这些智能还是用数据堆出来的。

智能座舱已经逐渐进化成为大模型原生应用，因为车越来越多屏，环境越来越适合AI时代。生成式的HMI在很多车上开始试点了，目的就是更灵活地应对这些丰富的用户需求，像多智能体的协同、多模态的感知、深度逻辑的推理、长期的记忆功能等，这些即将成为智能座舱的一些标配，让智能座舱从被动响应走向主动感知。但是这里其实有一个商业悖论，这个商业悖论，圈里都知道，之前我们一直在做BOM定价，卖一台车成本是多少，但是当车真正步入智能化之后，在上面的智能化服务是一种运营，这样就会形成一个矛盾，功能越来越受欢迎，用户量越来越大，调用量越来越高，算力越来越多，这个时候企业反而越来越亏损，这是目前的现状。用户体验在上升，盈利却在下降，显然是不可持续的。所以我们应该换一个视角，算力不再是一个研发成本，而是直接支撑用户体验和业务流的核心生产资源。座舱本身就是一个智能终端，我们需要在座舱里来发明、创造、共建一些高价值的产品和服务，才能使得客户能够真正为智能进行买单，意思就是说把AI能力转化成可持续的盈利点，让智能座舱从硬件BOM的束缚里面走出来，开始真正的商业模式创新。

在企业内部，尤其是在OEM厂商内部，一场由智能体驱动的运营效率革命也在研、产、供、销、服的全链条上开展，从研发制造到营销、售后，每个环节都是在被AI重构。更关键的是，这些重构完成的智能体并不是一个单一的孤立的工具，而是批量的AI员工上岗。

我们一直说智能，智能是被研发出来的，其实现在AI也是在重新定义软件开发。Vibe Coding在2025年下半年的时候，尤其是2026年，已经成为软件开发的标配，也带动了大量的Token消化。通过自动化编码、文档生成和流程优化，将汽车研发带入新时代。

在这里分享一个实战，百度有一个产品叫伐谋，伐谋就是企业算法自主优化的引擎，我们把这个引擎跟某a个车厂一起合作，去做它的风阻实验，把这个风阻实验仿真验证时间从原来的10个小时降到现在的分钟级，效率提高了大概600多倍，同时保证了预测精度，这些场景都大幅提升了推理算力的消耗。

在这里跟大家强烈呼吁，未来智能化的研发进展需要大家详细规划自己的算力部署，国产算力已经开始进入大家视野了，不管是百度昆仑芯，还有我们友商的国产算力，已经可以进入使用阶段了，包括百度是通过整合硬件、芯片、算力网络打造出一套比较高效的、低成本的、成本可控的专属的推理底座，全面支撑自动驾驶和智能座舱的智能化的研发工作。

核心引擎方面，我们已经发布了百度天池超节点，它的显存和时延现在表现都不错。同时即将发布昆仑芯M100专用推理芯片。

给大家的建议是，要开始做自己的规划，包括自己的算力储备、平台建设以及数据治理的一些规划。我特别建议大家要有一个长长久久的算力搭子或者数据搭子，这段时间百度智能云给很多伙伴做到了比较负责任的算力搭子和数据处理搭子的工作，包括开始的时候跟大家说的，这段时间很多汽车圈朋友一直给我打电话，说“清华，还有卡吗？”我也跟大家呼吁，大家可以看一看我们国产卡的一些性能表现。

谢谢大家！