一句话看懂：由“神奇小子”George Hotz 创立的 comma.ai 于 8 月 12 日发布 chestnut 外置 GPU 扩展坞，将车载智能驾驶算力提升两个数量级，标志着基于开源路线的大模型上车门槛被大幅拉低。
事件核心：发生了什么
comma.ai 创始人 George Hotz 曾因破解 iPhone 和 PS3 在技术圈成名，2016 年创立公司后一直推动低成本、开源的半自动驾驶辅助系统。此次发布的 chestnut 是一款外置 eGPU 扩展坞，单独定价 249 美元（约合人民币 1682 元），搭配 AMD Radeon RX 9060 8GB 显卡的完整套装售价 799 美元（约合人民币 5399 元）。
chestnut 的核心作用是提升 comma.ai 现有设备 comma four 的推理算力。原系统运行 openpilot 模型时功耗约 10W，随着模型规模扩大，算力逐渐吃紧。通过外接 GPU，chestnut 将功耗上限提升至约 100W，使整体算力水平接近特斯拉 HW4。即将发布的 openpilot 0.11.2 将首次搭载 chestnut 级别的驾驶模型，参数量达到 10 亿，是 comma four 内置模型的 30 倍，浮点运算能力提升约 100 倍。
为什么重要
这一产品的意义在于将大模型车端部署的成本和门槛同时降低。此前，车端大模型推理通常需要自研芯片或定制算力平台，投入巨大。chestnut 采用 PCIe Gen4 x4 转 USB4 的桥接方案，控制芯片固件用 C 语言编写，并已在 GitHub 上开源。这意味着开发者可以基于现成的外置 GPU 方案，在普通车辆上运行更大参数的驾驶模型，而不必依赖整车厂的封闭硬件体系。
从数据层面看，comma.ai 车队每天记录接近 100 万分钟的驾驶数据，其中约 15% 用于训练集群。更大的车载推理算力意味着这些数据可以在车上完成更多预处理和实时决策，训练与推理之间的反馈循环也会更快。对于智能驾驶行业来说，这是一条与特斯拉 FSD、华为 ADS 等闭源方案平行的技术路线——用更便宜的硬件加开源软件，逼近头部算力水平。
对用户/开发者/创作者的影响
对开发者而言，chestnut 提供了一个可拆分、可编程的硬件组合：显卡可以自行更换，桥接固件和模型代码均开源，意味着不需要被某个厂商的芯片绑定。对想要尝试 openpilot 的车主来说，799 美元的完整套装远低于换车或加装高级辅助驾驶硬件的成本，低门槛体验大模型驾驶成为可能。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对更广泛的 AI 从业者，这个案例展示了外置 GPU 在非数据中心场景的落地方式。eGPU 形态此前多用于笔记本图形加速，chestnut 将其引入实时性要求极高的车载环境，对功耗管理、散热和延迟控制都提出了更高要求，其技术方案对其他边缘 AI 场景有参考价值。
值得关注的后续
有几个具体观察点值得跟踪：
一是 openpilot 0.11.2 的实际驾驶表现。10 亿参数模型在真实道路上的推理延迟和安全性表现，将直接影响 chestnut 的口碑和后续销量。
二是显卡兼容性边界。目前套装搭配的是 AMD RX 9060，后续是否会支持更多显卡型号、能否适配 NVIDIA 系 GPU，决定了开发者生态的扩展速度。
三是竞品反应。特斯拉 HW4 等闭源方案的迭代节奏是否会受到开源低成本路线的压力，以及国内智能驾驶方案商是否会推出类似的外置算力产品，都是值得观察的信号。
来源：AIbase
