自动驾驶下半场：算力王国，汽车大模型

　　◎智谷趋势（ID：zgtrend）| 王延鹤

　　5000亿美金的震撼

　　风暴总是突如其来。

　　9月11日，特斯拉的股价上涨了10%，一夜间市值增加800亿美金，约5800亿元。

　　只看得交易员们心惊肉跳。

　　骤然飞升的原因，并非马斯克37万字的新传记，而是摩根士丹利开出了一份66页的报告。

　　华尔街分析师盯上的，既不是新款Model 3，也不是墨西哥超级工厂，而是Dojo超级计算机。

　　怕别人听不懂，摩根士丹利画下大饼：Dojo估值超5000亿美金！

　　Dojo是什么？特斯拉自动驾驶的AI算力基建。

　　研发自动驾驶，要采集数十亿公里的行驶数据，训练优化算法。

　　每上一个级别，比如到L4、L5级，自动驾驶对数据和算力的需求，会以量级提升。

　　特斯拉为提升训练效率，自己研发超级计算机，在2021年的AI Day上正式公布，名为Dojo。甚至为了不过于依赖英伟达，还自研了D1芯片。

　　Dojo的算力达到1 EFlops，即每秒钟一百亿亿次浮点运算。

　　特斯拉还要花10亿美元，在2024年10月扩张到100 EFlops，相当于30万张英伟达的A100芯片计算规模。

　　人们不禁想起，全球目前最大的云服务商，亚马逊云AWS。

　　当初，亚马逊为电商业务、黑五购物节，储备了大量冗余服务器，平时闲置的算力就打包出售。

　　今天，AWS云贡献了亚马逊70%的净利润，远超电商零售，是其最赚钱的业务。

　　有没有可能，Dojo就是特斯拉的AWS呢？

　　如果特斯拉也把算力、自动驾驶技术、视觉算法、AI能力都对外输出，会收获比汽车更值钱的生态。

　　所以，摩根士丹利写下：

　　Dojo让特斯拉在价值10万亿美金的自动驾驶领域，拥有了“不对称的优势”。

　　很显然，不是所有汽车厂商，都是特斯拉。

　　福特、通用等美国汽车巨头，遭遇1.3万汽车工人大罢工。工人们要求加薪，害怕被“新技术收割”。因为电动汽车的自动化生产，会让大量传统工人失业。

　　全球汽车厂商，也陷入转型缓慢、降价竞争、利润削减的瓶颈。

　　换言之，少有人能不计成本、拿数亿美元的现金流，去搞算力基建。

　　华为曾估算，L4级的自动驾驶，最少要10亿公里的路测。相当于100万辆车，每天跑10小时，连续跑1年。

　　小鹏曾透露，每年算力花销超10亿元；过去两三年，国内自动驾驶公司的算力需求，也在翻倍增长。

　　汽车厂商之间，在形成共识：与其自己去搞，不如和云服务商深度合作。

　　抱团，成为更有确定性的共同体，何乐而不为？

　　四个轮子+一台超级计算机

　　造车这件事，以前叫四个轮子加个沙发；

　　现在是四个车轮，加一台超级计算机。

　　智能汽车作为下一代移动终端，它们全部上云，是一次“智能手机+移动互联网”的机会重演。

　　特斯拉想统治自动驾驶时代，能打的对手，只可能诞生在中国。

　　中国市场的电动化渗透率，在全球来看都是领先的；

　　2023年上半年，中国汽车出口量超过日本，成为全球第一大汽车出口国；

　　中汽协统计，1-7月我国汽车出口253.3万辆，同比增长67.9%，创历史新高。预计全年新能源汽车出口稳超100万辆。

　　国内像华为云、阿里云、百度云等大型云服务商，也都推出了汽车云的相关业务。

　　更大市场、紧密配合的产业链、众多开发者参与，中国完全有理由诞生：超大规模汽车云，顶尖自动驾驶技术。

　　比如，华为在乌兰察布建立云数据中心，并开辟汽车专区，为自动驾驶场景提供安全合规、自主创新、具有澎湃算力的云基础设施。

　　汽车专区部署了华为云昇腾AI云服务，千卡训练30天不中断，断点恢复不超过10分钟。

　　这是车企和云服务商合作的主流模式。

　　车企像调度水电一样，获取算力资源。而云服务商解决算力、存储、网络传输的效率问题。

　　不过，车企的云需求，也会从单纯的算力基建，一路向软件服务、平台生态升级。

　　华为云长期和车企合作，已经搭建了自动驾驶研发平台，能提供“一站式”和“积木式”两种部署方案。

　　对刚起步的车企，华为云能提供一站式的数据闭环、自动驾驶专家团队，让车企快速从0到1构建完整的自动驾驶研发平台。

　　当然，每家车企发展进度不同，合作需求自然也不同。

　　比如，一些车企要“边界感”，不愿和云厂商深度绑定；自己有数据中心的车企，更需要软件上的合作。

　　这种情况，“积木式”就更灵活，华为云提供开源开放平台、集成参考代码、多种工具箱，车企能按需选择。

　　“影响高阶自动驾驶落地的关键因素，不再是解决常见的一般案例，而是让模型快速学习各类不常见但不断出现的长尾问题。”华为云人工智能专家金博士解释。

　　这是自动驾驶的公司，目前最头疼的。

　　当下自动驾驶技术，可以应对95%驾驶场景，但剩下5%边缘场景，或者说Corner case，则是从未被学习到的场景。

　　识别一个新Corner case，要收集上万样本，花费几周甚至数月的时间。

　　理论上实现完全的自动驾驶，至少要积累100亿公里路测数据。成本和时间都是不能接受的。

　　针对这个问题，华为云的盘古汽车大模型，可以基于多旅程采集数据来生成一个虚拟空间。

　　虚拟空间的物体、位置、空间布局、交通参与者的行动轨迹等参数都可调节。

　　这种方案，能让Corner case数据获取，训练的时间，从数周缩短到两天，效率极大提升。

　　这也是自动驾驶，首次用上数据生成的能力，而盘古汽车大模型的能力不仅于此。

　　通常，云服务商对工业制造领域是陌生的。

　　但华为自己就是先进制造代表，盘古汽车大模型能覆盖车企的汽车设计、生产制造、营销等全场景，让每位员工拥有有AI专家助手。

　　比如，一汽解放已深度接入盘古大模型。

　　之前，他们设计汽车座椅外观，要两周时间做效果图，现在用大模型，几秒就能生成，迅速迭代到满意，实现“所说即所得”。

　　再比如，汽车设计有8万多个标准，160万页说明，新手设计师要花几周梳理标准，而大模型能够快速的定位到相关章节，并给出标准来源。

　　盘古大模型融入一汽解放的数据后，就能为解放提供涵盖研产供销服的全方位赋能。

　　同样是深耕自动驾驶、AI算力，华为和特斯拉是不同的。

　　作为中国顶尖的技术供应商，华为要背负的更多。

　　汽车大模型是棋盘上关键的一角，但你要看到，整盘大棋的方向：

　　陷入算力焦虑的行业，又岂止车企？

　　千行万业，4000万家公司，谁不需要智能化改造、找回增长的确定性？

　　重新开天辟地

　　2个月后，ChatGPT就满一岁了。

　　截至7月，中国累计已有130个大模型问世，谁能走得更远？

　　从百模大战到泡沫显露，新共识是：大模型重点在产业落地。

　　研究人工智能，算法、算力、数据是刚需，但每个都是烧钱货。

　　不是所有赛道都像自动驾驶，有车企和消费者买单。

　　投资人勒紧钱袋，崇尚现金为王，出手尤其谨慎。

　　即便OpenAI也显露疲态，推出企业版ChatGPT争夺B端市场，希望更快盈利。

　　新世界扑面而来，又被财务指标、技术难关、成本控制，硬生生拉回现实。

　　“ChatGPT时刻”的滤镜消褪后，企业也看到大模型的局限性。

　　比如，大模型正确率还不够，80%或许满足日常使用，但对企业而言不够，尤其像法律、医药、金融等行业，对错误几乎零容忍。

　　再比如，大模型部署成本、技术门槛，让人望而却步。企业侧想要的，永远是低成本、拿来即用、一条龙服务的产品。

　　千行万业明明有真需求、真问题；

　　AI公司也想产业落地，获取数据流、现金流；

　　但两者之间，却存在一条鸿沟——技术和产业的差距。

　　华为一直坚信：解难题、做难事，扎根到产业中去。

　　比如说，今年全国从东北到京津冀，从粤港澳到华东，都遭遇了大暴雨。

　　“世纪暴雨”、“百年难遇”、“一天下了一年的雨”，这类标题充斥社交媒体，上百万人受灾，经济损失不计其数。

　　就有人质疑，我们的天气预报系统，到底有用吗？为什么不能提前预警，留出防灾时间呢？

　　这就是技术与现实的鸿沟。

　　现代天气预报技术，用最简单的话说：采集大量气象数据，输入超级计算机，通过复杂的算法，模拟预测结果。

　　听上去，这是AI擅长的领域？没错。

　　这个夏天，华为云团队夜以继日攻关，对盘古气象大模型进行升级。

　　盘古预测台风“杜苏芮”路径

　　不仅在今年台风路径的预测上表现精准，更是实现了对未来6小时、24小时的降水预报。

　　盘古气象大模型，已成为首个精度超过传统数值预测方法的AI模型。目前与中国国家气象局、深圳气象局、欧洲中期天气预报中心、泰国气象局建立合作。

　　只要一台服务器，10秒钟，就能预测未来10天全球的台风路径；

　　接下来，盘古想要挑战暴雨红色预警，从提前3小时预警，做到提前24小时。

　　这是生命线上抢时间，用人类科技与自然的混沌无序对抗。

　　9月20日，华为全联接大会2023召开，以“加速行业智能化”为主题，要与千行万业的企业一起迈向智能世界。大会上，也透露了盘古大模型的最新进度。

　　在模型层面，盘古大模型形成了5+N+X的三层架构。

　　底部的L0层是5个基础大模型；L1层是汽车、矿山、气象、药物分子、政务、数字人等N个行业大模型；L2层是X个具体业务的场景模型，比如供应链物流、台风路径。

　　比方说，原来研发一款新药，需要10年时间，花费10亿美金，这是医药界有名的“双十定律”。

　　而通过盘古药物分子大模型，能将先导药物研发周期缩短到1个月，研发成本降低70%。

　　西安交通大学第一附属医院刘冰教授，就在盘古药物分子大模型辅助下，研发出超级抗菌药。

　　过去几年，华为派出一批批博士、专家、科学家，让他们下矿井、进工厂、进直播间、去气象局。

　　只有扎到一线，才知道各行各业到底需要什么。创新不是闭门造车、拍脑袋，而是要在解决问题中前行。

　　我们也知道，大家更关心算力层面的问题。

　　毕竟英伟达的A100/H100已对国内断供，即便是“阉割版”的A800/H800也被炒到天价，一张难求。

　　未来10年，对AI算力的需求可能还会增长500倍，国产化AI算力能否顶住缺口？

　　华为对此是早有准备。

　　他们在乌兰察布、贵安、芜湖建立了云数据中心，支撑超大规模集群的算力调用。

　　并且，从硬件到软件，从算力、算子库、AI框架到AI平台，华为都实现了全栈自研。能支持客户从其他平台，平滑迁移到华为云昇腾AI云服务生态中。

　　简单来说，华为云的国产化AI算力，让大家不必担心算力再被“卡脖子”。

　　有了自主技术的保证，和扎根产业落地的生态，华为云的大模型产业革命，才算是站稳脚跟、打开新局。

　　结语

　　《奥本海默》里说，It's not a new weapon，it’s a new world.

　　或许面对大模型，我们也该说，It's not a new tech，it’s a new world.

　　这个奔涌而来的新世界，你叫它第四次工业革命也好，智能革命也罢，一切都将被AI改变，宛如重新开天辟地。

　　我们寻求的科技，一定是打破原有格局的颠覆式创新，带来新的增长确定性；一定是帮助普通人跨越鸿沟，而非加深壁垒。

　　能跨越鸿沟的公司，生；能普惠千行万业的企业，强。

　　命运的齿轮，已经轰然转动。