小鹏通过自研芯片与扶摇智算中心（算力达600PFLOPS）的软硬一体组合，显著升级了整车在高速领航、城市NOA（导航辅助驾驶）、记忆泊车等场景下的智能驾驶能力，并推动了不同场景对算力、实时性及功耗的需求结构分化——城市NOA等复杂场景对算力需求最高，而泊车等相对简单场景则更注重低功耗与实时响应。
场景需求结构：算力与实时性的分层
小鹏自研芯片与扶摇智算中心的组合，使整车能够针对不同自动驾驶场景分配差异化算力。城市NOA场景由于需要处理复杂的交叉路口、行人及非机动车流，对算力要求最高，官方资料显示其对应L3级别自动驾驶车型（如小鹏P5）的传感器累计数量达32个，远超其他场景。高速领航场景则更强调决策的实时性与稳定性，对算力需求居中。记忆泊车等低速场景对算力要求相对较低，但需保证毫秒级响应与低功耗运行。
从L2+到L4：芯片算力支撑功能分层
小鹏自研芯片的算力特性，为从L2+到L4不同级别智驾功能的配置提供了硬件基础。官方资料显示，小鹏已实现L2、高速行车、城市行车、泊车等全场景功能覆盖。对于中低端车型，可采用较低算力的芯片配置满足L2+级辅助驾驶需求；而高端车型则可搭载更高算力的自研芯片，支撑城市NOA等L3级及以上功能。这种分层配置使小鹏能够根据不同价位车型的定位，灵活规划智驾功能组合。
数据闭环：扶摇智算中心驱动场景迭代
扶摇智算中心600PFLOPS的算力，是支撑小鹏智驾场景持续迭代的核心引擎。官方资料指出，小鹏已建立智能化算力中心（扶摇）用于训练算法，提升迭代能力。通过车辆数据回传至扶摇进行模型训练，再通过OTA将优化后的算法部署到整车，形成“数据采集-模型训练-场景升级”的闭环。这一闭环直接决定了城市NOA等复杂场景的迭代速度——数据积累越多、训练算力越强，场景覆盖范围与成熟度提升越快。
常见问题
小鹏自研芯片与扶摇智算中心具体如何配合？
自研芯片负责车端实时推理与决策，扶摇智算中心（600PFLOPS）负责云端大规模模型训练。两者通过数据闭环协同：车端采集的驾驶数据回传至扶摇训练，优化后的算法再通过OTA更新至车端芯片，实现场景持续升级。
不同智驾场景对算力的需求差异有多大？
城市NOA场景对算力需求最高（对应小鹏P5等车型传感器达32个），高速领航场景次之，记忆泊车等低速场景需求最低。这种分层需求使小鹏能够利用自研芯片的算力特性，在不同价位车型上灵活配置功能。
小鹏的智驾功能覆盖了哪些场景？
官方资料显示，小鹏已实现L2、高速行车、城市行车、泊车等全场景功能覆盖，其中城市行车功能（城市NOA）在国产新势力中率先落地。