在算力方面，贾鹏对我们说，理想目前有 4.5 EFLOPS 的算力集群来处理大约 22 亿的参数，但随着参数量的膨胀，4.5 EFLOPS 是肯定远远不够的。
实际上，由于算力的限制，理想目前已经做了一些妥协。
贾鹏表示，理想的前摄像头虽然分辨率是 8 兆，但系统在处理前摄像头获取的画面信息时，只能把比较中心的画面采用原始分辨率，比较边缘的信息有时只能裁减。这也就导致了部分环境信息的丢失，不过若是算力再提升 5 倍，这些问题也就迎刃而解了。
对于算力提升带来的好处，贾鹏还举了一个特斯拉的案例。
他表示，特斯拉最近推送的 FSD 12.5 参数量是 12.3 的 5 倍，体验的确比 12.3 好太多。如果仔细观察 12.5 的显示，就能发现它的前向感知已经达到了 400 m，比 12.3 远了一倍。当 FSD 前向感知变远之后，它的整体驾驶规划就可以更加合理。这就是算力提升可以消化更多参数之后带来的直接好处。
此外，郎咸朋还认为，伴随着参数量的扩大，特别是智驾向 L4 级的深入，理想未来至少需要几十 EFLOPS 的算力，而届时仅仅在算力集群上的花销每年就或许达到 10 亿美金左右（当前约 71.5 亿人民币）。
