Q1：最近老看到“词元服务器”和自动驾驶一起出现，这俩到底啥关系？
简单说，大模型（包括特斯拉FSD的端到端方案）把驾驶场景拆成“词元”（Token）来处理——比如一个红绿灯、一个行人轮廓、一段道路曲率。词元服务器就是专门加速这种海量词元推理的AI服务器。本周某头部云厂商披露，其智驾训练集群中词元服务器的占比已超40%，但推理侧（车上实时决策）却因为单机功率和散热限制，卡在每节点512词元/秒的吞吐线。这意味着，不是算法不够聪明，是服务器“喂”不过来。
Q2：都说IDC是智驾的“新基建”，可为什么带宽反而成了天花板？
上周，中国信通院发布测试报告：一辆L4级Robotaxi每天产生约4TB传感器数据，若全部回传云端训练，需要至少10Gbps的连续上行带宽。而目前国内主流智驾云基地的出口带宽利用率已超75%，在早晚高峰（数据回传洪峰）时，丢包率可达0.3%。更隐蔽的是“南北向带宽”和“东西向带宽”之争——训练集群内部（东西向）动辄200Gbps互联，但一旦涉及跨地域数据调度（南北向），运营商骨干网就成了“羊肠小道”。所以本周多家智驾公司宣布“边缘预清洗”方案，本质就是省带宽。
Q3：既然带宽紧张，那多建几个IDC机房不就解决了？
没那么简单。本周某自动驾驶独角兽的架构师在技术沙龙里算了一笔账：若在西南建一个新IDC，光缆铺设成本约1200万元/公里，且从立项到通电至少要18个月。但更致命的延迟问题——如果数据中心离车端超过300公里，单向时延就超过15ms，这对高速变道场景是不可接受的。所以行业现在的共识是“算力靠近路侧”：在高速服务区部署微型边缘机房（功率<50kW），用专用波分设备替代通用交换机，时延可压到3ms以内。本周江苏某高速已试点这种“路侧智算箱”。
Q4：那软件层面有什么新招？我看“网络切片”被提得很多。
对，本周华为和某运营商联合发布了“智驾专网切片2.0”。它把同一张物理网络切成“训练大带宽切片”和“实时控制低时延切片”。前者带宽可以跑到80Gbps，后者则保证端到端时延≤5ms且零丢包。但疑问来了：切片之间的隔离算法会消耗额外CPU，有工程师实测发现，启用切片后AI推理服务器性能下降约7%。所以现在主流的折中是——只在事故高发路段开启强制切片，其余路段按需动态配置。另外，软件定义广域网（SD-WAN）也在渗透，某头部智驾公司本周宣布用SD-WAN替代MPLS专线，带宽成本直降35%。
Q5：最后，普通消费者该关心这些吗？比如我买的车以后会不会“断网”变傻？
这个问题很实在。本周工信部新规要求所有L2+以上车型必须预留“降级模式”——当网络带宽低于1Mbps时，车辆要能安全靠边停车，而不是傻等。但现实是，很多车型的OTA升级包动辄50GB，如果周末全国集中推送，运营商核心网会过载。所以你可以看到，现在厂商都在学“分片升级”——把升级包切成几百个词元大小的分片，利用车端闲置算力边下载边校验，这样即使带宽只有5Mbps也能在30分钟内完成。至于“变傻”？短期不会，但长期看，如果IDC电力政策不松绑（本周华东已对PUE超1.3的机房限电），部分城市的高精地图更新可能从“实时”降级为“每4小时一次”。
—— 整理自2026年第34周行业公开信息，数据截止8月17日
0 留言