圖片來源 @視覺中國
文 | 科技新知，作者 | 樟稻，編輯 | 伊頁
" 超算中心會成為自動駕駛企業的入門配置。"
第七屆 HAOMO AI DAY 上，毫末智行董事長張凱給出了 2023 年自動駕駛行業趨勢的十大新預測，超算中心赫然位列其中。考慮到此次 AI DAY 的重頭戲就是毫末自己的智算中心，意外之情倒也少了幾分。
會上，毫末智行宣布與火山引擎聯合打造智算中心雪湖 · 綠洲，官方介紹稱，該智算中心每秒浮點運算達 67 億億次，存儲帶寬每秒 2T，通信帶寬每秒 800G。
如果長期關注自動駕駛行業動态的話，可以發現，近幾年不管是造車新勢力，還是自動駕駛技術方案企業，紛紛自建超算中心。
最早在 2021 年 8 月 20 日，特斯拉發布自研神經網絡訓練芯片，當時計劃組建超級計算機 Dojo。最近一期的特斯拉 AI DAY 上，馬斯克公布了超算 Dojo D1 芯片的最新進展，稱将于 2023 年一季度部署完成特斯拉超級計算機群組 ExaPOD。
小鵬緊随其後。2022 年 8 月 2 日，小鵬汽車宣布與阿裡雲在内蒙古烏蘭察布建設智算中心 " 扶搖 " 用于自動駕駛模型訓練，算力可達 600PFLOPS（每秒 60 億億次浮點運算）。
曾有業内高管評價稱，現在很多車企和自動駕駛技術企業已經開始把打造智算中心當成下一階段競争重點。
那麼，究竟什麼是智算中心？智算中心為什麼能夠成為自動駕駛企業的 " 香饽饽 "？智算中心又是否會成為自動駕駛企業的入門配置？這是本篇文章要探讨的問題。
智算中心：算力的商品化體現
智算中心不是一個新物種。
2020 年 4 月 20 日，國家發展改革委首次明确新型基礎設施的範圍，其中就包括以智能計算中心為代表的算力基礎設施。
同年 11 月 17 日，第十屆全球智慧城市大會上，國家信息中心信息化和産業發展部聯合浪潮發布了《智能計算中心規劃建設指南》。這是首份對智能計算中心進行全面深入解讀的報告。
《指南》對智能計算中心，即智算中心進行明确定義：智能計算中心是基于最新人工智能理論，采用領先的人工智能計算架構，提供人工智能應用所需算力服務、數據服務和算法服務的公共算力新型基礎設施……
通俗來說，智算中心其實是一個算力的供應和生産平台。由于概念相近，往往容易與超算中心、雲數據中心概念相混淆。但其實在建設目的、技術标準、具體功能、應用領域和 " 投 - 建 - 運 " 模式等方面，與後兩者相比，智算中心都有所差别。
可以看到，近年來，國内掀起一波智算中心 " 落地潮 "。
據不完全統計，從 2021 年初到 2022 年 2 月底，全國至少有 26 個城市在推動或剛剛完成當地智算中心的建設，其中已經投入使用的就包括南京、合肥等地的智算中心。
考慮 2022 年疫情反複影響項目施工進度，預計 2023 年仍為智能算力中心建設 " 大年 "。這背後存在着多種驅動因素。
一方面，與近年來的政策推動有關。2022 年 2 月 18 日，" 東數西算 " 上升為國家戰略，政策方面的扶持和激勵，特别是東數西算工程的全面啟動，為智算中心的快速發展注入了助推劑。
另一方面，産業趨勢也是智算中心得以快速落地的催化劑。根據《中國算力發展指數白皮書（2021 年）》測算，算力每投入 1 元，将帶動 3-4 元的經濟産出。
IDC、清華大學和浪潮信息聯合發布的《2021-2022 全球計算力指數評估報告》也提到，國家的算力指數每提高 1 個百分點，數字經濟和 GDP 将分别增長 3.3 ‰和 1.8 ‰。
與此同時，随着自動駕駛、生命醫學、智能制造等前沿領域發展迅速，随之而來的是超大規模人工智能模型和海量數據對算力需求的不斷提高，智算中心的建設恰逢其會。
現階段，在市場上比較活躍的智算中心包括阿裡雲搭建的兩座超大規模智算中心：
2022 年 8 月 30 日，阿裡雲宣布正式啟動張北超級智算中心和烏蘭察布智算中心，張北智算中心總建設規模為 12EFLOPS（每秒 1200 億億次浮點運算）AI 算力，烏蘭察布智算中心建設規模為 3EFLOPS（每秒 300 億億次浮點運算）AI 算力。可為 AI 大模型訓練、自動駕駛、空間地理等人工智能探索應用提供強大的智能算力服務。
業内人士透露，烏蘭察布基地算力規模為 300 億億次，上文提到的 " 扶搖 " 算力為 60 億億次，阿裡雲與小鵬汽車的合作占整體 AI 算力的 20%，小鵬汽車擁有 300 人團隊建設扶搖平台，為阿裡雲最大的合作夥伴。
碰巧的是，在本次 AI DAY 官宣之前，毫末曾公開宣布籌建智算中心，并且與阿裡雲基于飛天智算，在自動駕駛模型訓練有所合作。因此，彼時市場猜測雙方很有可能在此基礎上進一步延續。
可結果令人詫異，最終毫末選擇了字節旗下的火山引擎聯合打造智算中心，側面也反映了雲市場的競争愈發激烈。
自動駕駛的加速器
無論是毫末、小鵬，還是特斯拉，都在用自身的案例抛給行業一個問題——車企是不是需要考慮擁有自己的智算中心？從現有情形來看，成本和需求兩重因素，是智算中心的誘人之處。
先從成本考量。當下，行業内已基本形成共識，算力是自動駕駛根本要素。自動駕駛不僅對車載算力提出了高要求，在完善策略的過程中，也需要更高性能的智算中心來完成訓練、标注等工作。
此前在烏蘭察布考察智算中心時，何小鵬曾表态：未來 5 年，小鵬汽車可能還有百倍的算力需求增長。希望大家都看到這個趨勢。如果現在不以這樣的方式提前儲備算力，那麼今後 5 年内，企業算力成本會從億級，加到數十億級。
顯然，何小鵬對汽車未來算力成本的預測，表明了自建智算中心是為了降低成本。
根據《财新》報道，同樣由于直接購買數據中心服務成本太高，毫末智行宣布籌建智算中心。毫末希望，智算中心的平均算力成本可以降低至目前的 5 ‰
而在成本之外，從需求的角度來看，智算中心似乎可以成為自動駕駛和車企的托底神器。自動駕駛的開發包括從數據采集到數據篩選、打标、模型訓練、回放性驗證、仿真測試等等，智算中心将在這幾大環節中發揮重大作用。
拿數據采集、篩選和标注來說，自動駕駛系統在前期開發階段，需要采集大量的道路環境數據，以此讓車輛像人類駕駛員一樣快速準确地識别車道、行人、障礙物等駕駛環境中的關鍵信息。
唯一的辦法是，通過在海量數據基礎上不斷地重複訓練與驗證，車輛對道路環境的認知水平逐漸趨近于真實情景，判斷的準确性在這一過程中不斷提升。
2021 年 6 月，特斯拉稱當前擁有 100 萬個由 10 秒鐘視頻組成的高度差異化場景，60 億個包含精确深度和速度的物體标注，總數據量為 1.5PB。倘若算上量産車在上市後持續不斷回傳的場景數據，數據量必然會呈現指數級增長。
如何高效地用好持續增長的海量數據，并從數據中抽象出高階智能駕駛算法？智算中心的作用在這裡就體現出來。
不僅如此，車企收集到的數據還需要進行模型訓練，算法通過在數據上進行運算産生模型，而超算中心将是驅動大模型和海量數據訓練的加速器。
在 " 扶搖 " 的加持下，小鵬的自動駕駛模型訓練效率提升了 602 倍。與 2400TOPS 算力的服務器進行單機訓練相比，80 機并行訓練可将訓練時長由 276 天縮短至 11 小時。
毫末智行 CEO 顧維灏也在 AI DAY 上詳細闡釋了建設智算中心的底層邏輯，" 自動駕駛對智算中心的第一要求肯定是算力。智算中心的超大算力代表了有多少的 AI 工程師在這個練武場中能夠做出什麼大模型，能訓練多少大模型。"
此外，高強度的算力不僅需要用于模型的運行、更新、叠代，還能夠支撐仿真測試中場景的搭建與渲染。所謂仿真測試，即無需實車直接通過仿真軟件将自動駕駛的應用場景進行數字化還原，建立盡可能多的真實世界系統模型，進行測試驗證。
仿真測試能有效縮短技術和産品開發周期，降低研發成本。業内典型的長尾場景問題不夠豐富，現實中可遇而不可求的極端場景，利用仿真平台可以便捷生成。由于仿真測試中的模拟環境需要實現多模态融合，以支持傳感器模組的複雜性，因而也需要大算力的支持。
當下，随着新能源汽車品牌普遍已經把高速公路場景下的輔助駕駛列為标配，賽場已經逐漸轉換到路況更複雜的城市場景。在此背景下，智算中心理所當然成為城市輔助駕駛落地的關鍵。
智算中心會成為标配嗎？
如上文所述，自動駕駛需要針對算力需求進行持續性地投資，如果使用公有雲，會造成邊際成本不斷上漲。相比之下，自建數據中心從長期來看能夠節省大量的成本，而且還能在各種場景中複用。
因此，IDC 預測自動駕駛行業的開發團隊對這一領域的投資将在未來穩定增長。但即便智算中心能帶來諸多助力，關于是否會成為标配，答案卻是存疑的。
通過調研，IDC 發現搭建人工智能計算中心時，在降低企業成本之前，行業内最常見的問題是初始投資過高，這一問題對于幾家自動駕駛行業獨角獸來說尤為棘手。
數據顯示，投資方面，主機廠及一級供應商對搭建人工智能計算中心的預算普遍超過 1 億元；自動駕駛獨角獸的預算普遍處在 1 至 5 千萬之間。人工智能計算中心的投入，對于行業内各方開發團隊，均形成了較大的資金壓力。
此外，項目時間周期過長，是車企和傳統一級供應商需要面臨的問題。由于不同公司在搭建人工智能計算中心時所花費的時間是不同的，大多超過 3 個月，而多數自動駕駛公司則将時間長度停留在 3 到 4 個月的水平，這無疑有些周期過長。
顯而易見，智算中心建設的資金問題和項目周期，貫穿自動駕駛解決方案開發過程始終，會成為影響開發者項目決策的重要因素。
特别是在眼下，自動駕駛賽道驟然進入寒冬。L4 級自動駕駛技術無論從技術還是政策抑或是現實角度來看，都不具備成熟的商業化落地條件。
好在 L2 領域持續升溫，據高工智能汽車研究院數據顯示，2022 年中國市場（不含進出口）乘用車前裝标配搭載 L2 級輔助駕駛的搭載率，已經連續第二個月超過 30%。
從終局來看，自動駕駛會是一個 " 馬太效應 " 明顯的行業。且大部分自動駕駛公司仍處在創業初期，數據尚未起量，因此最終能夠建設智算中心的，恐怕隻有少數幾家頭部。
對于大多自動駕駛企業而言，退而求其次，汽車雲或是更現實的選擇。
根據分析機構弗若斯特沙利文發布的《2021 年中國汽車雲市場追蹤報告》，中國汽車雲服務 / 解決方案按應用場景可分為自動駕駛、車聯網、車路協同以及車企數字化轉型場景。
而自動駕駛汽車雲則是指調用汽車雲基礎服務與自動駕駛服務平台，同樣可以實現如數據接入、數據标注、模型訓練、模拟仿真、OTA 升級等功能。
現階段，國内 " 汽車雲 " 領域已經湊夠了 "BATHD（百度、阿裡、騰訊、華為、抖音）"。2022 年的雲栖大會上，阿裡雲 " 汽車雲 " 正式亮相，主要圍繞自動駕駛、智造、營銷三大業務場景；同樣在 2022 智能經濟高峰論壇上，百度智能雲發布了 " 雲智一體 3.0" 架構，并首次發布 " 汽車雲 "，等等。
作為汽車雲關鍵場景之一的自動駕駛，被普遍認為最具潛力，也是雲廠商們的重要布局方向。
當然，重新回到智算中心，随着現階段的政策落地和産業發展，其在自動駕駛場景的應用也正不斷完善和升級，也許成為自動駕駛企業入門配置的那一天已經不遠了。
參考資料：
浪潮《智能計算中心規劃建設指南》IDC
《現實 + 仿真 - 超大算力賦能自動駕駛》财新
《特斯拉自動駕駛系統年内可全球推送 需各國政府審批》甲子光年
《阿裡發布汽車雲：自動駕駛能幹十年，智能制造能幹一輩子 》
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體 App
