云计算行业：从AI大模型及智驾算力需求测算看小米算力需求-251023（27页）.pdf

1、【广发TMT产业研究】云计算行业从AI大模型及智驾算力需求测算，看小米算力需求核心观点：小米加大AI硬核投入。2月小米15UItra发布会雷军表示，小米25年研发费用将超300亿元，其中1/4用于AI相关领域，重点聚焦AI基础设施、大模型开发及应用场景搭建。5月小米15周年战略新品发布会雷军表示，2021年2025年5年小米研发投入预计超1,000亿元人民币，未来五年研发投入将超2,000亿元，主要聚焦于AI、OS、芯片三大底层技术的研发。AI基础大模型、智驾均需要大量算力。小米早期模型主要方向为轻量化本地化小模型，24年底开始重点自研基础大模型，已发布推理大模型MiMo-7B、多模态大模型M

2、iMo-VL、语音大模型Xiaomi-MiMo-Audio，均为7B模型，在模型能力上快速追赶。小米从23年底开始全面布局自动驾驶技术，采用全栈自研模式，覆盖底层算法、传感器融合、高精度地图和大模型应用；截至今年2月智驾总算力达11.45EFLOPS，训练数据增加到1360万CLIPS。D从训练到推理，小米AI应用场景广泛。截至25Q2手机及平板月活用户近7.3亿，AloT连接设备数（不含手机、平板、电脑）近10亿，小爱同学月活1.53亿，小米汽车25年出货量目标35万辆。我们对大模型训练所需算力进行量化测算。假设参数量在200B1,000B左右,按1:20训练数据量,假设用H100训练周期3

3、0天，则约需要1,87246,788张卡。随着参数量和训练数据量增加，算力需求也随之增加。D用户与基于云端的AI大模型交互驱动AI推理侧算力的增长。假设AI加速卡使用A100芯片，AI大模型的单日访问量为5亿至7亿人次，每日每位对话10次，预计Al加速卡需求在7.7万10.8万张之间。目前智能驾驶主要涉及两方面算力：云端训练算力和车端部署算力。云端算力主要部署于大型数据中心，以EFLOPS为衡量单位，专注于海量数据处理、复杂多模态模型训练与算法迭代。车端算力嵌入车辆本地硬件，以TOPS为单位（1EFLOPS=106TOPS），负责低延迟的实时环境感知与驾驶决策。二者协同构成智能驾驶的“云-车架

4、构。算力储备方面，特斯拉依托自研+外购的庞大算力（67.5EFLOPS，截至24年9月）构建壁垒，国内车企如小米（11.45EFLOPS,截止25年2月）华为(10EFLOPS,截至24年12月）、理想(8.1EFLOPS,截至24年12月）等加速追赶。投资建议。金山云是小米战略云平台，双方有着长期稳固的合作基础。小米汽车智能座舱、自动驾驶中的数据产生、数据处理、模型训练，以及未来的大模型、AloT方面庞大的推理量，都将为金山云的增长提供增量。风险提示。AI技术处于发展早期，尚未形成成熟的商业化落地模式；投入较大与成果落地不及预期的风险；端侧AI需求不及预期；AI芯片存在供应链不稳定的风险。相

5、关研究:一、小米加大AI硬核投入小米加大AI硬核投入。2月27日小米15UItra发布会上雷军表示，小米2025年研发费用将超300亿元，其中1/4用于AI相关领域，重点聚焦AI基础设施、大模型开发及应用场景搭建。5月22日小米15周年战略新品发布会雷军表示，2021年2025年的5年研发投入预计超1,000亿元人民币，未来五年（2026-2030年）研发投入将超2,000亿元，主要聚焦于AI、OS、芯片三大底层技术的研发。（一）小米AI技术及应用发展历程小米自2016年起正式成立AI视觉团队，逐步拓展人工智能领域布局，已覆盖视觉、声学、语音、NLP、知识图谱、机器学习、大模型、多模态方向，并

6、逐步接入手机、汽车、AloT、机器人等业务板块。公司AI技术发展经历4个阶段：技术孕育与体系奠基（2016年7月-2017年9月）：本阶段是小米系统性构建人工智能技术体系的战略起点，以核心团队组建与基础能力验证为主要特征。2016年7月，公司率先成立AI视觉团队，赋能手机智能拍照，首次将深度学习技术应用于移动终端拍照场景。2017年3月，推出小爱同学前身，面向电视终端的MiBrain语音交互系统，初步验证语音技术在家庭场景的可行性。2017年7月，正式发布小米AI音箱，成为公司首款具备自然语言处理能力的消费级AI硬件产品。方向完善与全面自研（2017年9月-2021年3月）：本阶段以系统性技术