自動駕駛下半場：算力王國，汽車大模型

　　◎智谷趨勢（ID：zgtrend）| 王延鶴

　　5000億美金的震撼

　　風暴總是突如其來。

　　9月11日，特斯拉的股價上漲了10%，一夜間市值增加800億美金，約5800億元。

　　只看得交易員們心驚肉跳。

　　驟然飛升的原因，并非馬斯克37萬字的新傳記，而是摩根士丹利開出了一份66頁的報告。

　　華爾街分析師盯上的，既不是新款Model 3，也不是墨西哥超級工廠，而是Dojo超級計算機。

　　怕別人聽不懂，摩根士丹利畫下大餅：Dojo估值超5000億美金！

　　Dojo是什么？特斯拉自動駕駛的AI算力基建。

　　研發自動駕駛，要采集數十億公里的行駛數據，訓練優化算法。

　　每上一個級別，比如到L4、L5級，自動駕駛對數據和算力的需求，會以量級提升。

　　特斯拉為提升訓練效率，自己研發超級計算機，在2021年的AI Day上正式公布，名為Dojo。甚至為了不過于依賴英偉達，還自研了D1芯片。

　　Dojo的算力達到1 EFlops，即每秒鐘一百億億次浮點運算。

　　特斯拉還要花10億美元，在2024年10月擴張到100 EFlops，相當于30萬張英偉達的A100芯片計算規模。

　　人們不禁想起，全球目前最大的云服務商，亞馬遜云AWS。

　　當初，亞馬遜為電商業務、黑五購物節，儲備了大量冗余服務器，平時閑置的算力就打包出售。

　　今天，AWS云貢獻了亞馬遜70%的凈利潤，遠超電商零售，是其最賺錢的業務。

　　有沒有可能，Dojo就是特斯拉的AWS呢？

　　如果特斯拉也把算力、自動駕駛技術、視覺算法、AI能力都對外輸出，會收獲比汽車更值錢的生態。

　　所以，摩根士丹利寫下：

　　Dojo讓特斯拉在價值10萬億美金的自動駕駛領域，擁有了“不對稱的優勢”。

　　很顯然，不是所有汽車廠商，都是特斯拉。

　　福特、通用等美國汽車巨頭，遭遇1.3萬汽車工人大罷工。工人們要求加薪，害怕被“新技術收割”。因為電動汽車的自動化生產，會讓大量傳統工人失業。

　　全球汽車廠商，也陷入轉型緩慢、降價競爭、利潤削減的瓶頸。

　　換言之，少有人能不計成本、拿數億美元的現金流，去搞算力基建。

　　華為曾估算，L4級的自動駕駛，最少要10億公里的路測。相當于100萬輛車，每天跑10小時，連續跑1年。

　　小鵬曾透露，每年算力花銷超10億元；過去兩三年，國內自動駕駛公司的算力需求，也在翻倍增長。

　　汽車廠商之間，在形成共識：與其自己去搞，不如和云服務商深度合作。

　　抱團，成為更有確定性的共同體，何樂而不為？

　　四個輪子+一臺超級計算機

　　造車這件事，以前叫四個輪子加個沙發；

　　現在是四個車輪，加一臺超級計算機。

　　智能汽車作為下一代移動終端，它們全部上云，是一次“智能手機+移動互聯網”的機會重演。

　　特斯拉想統治自動駕駛時代，能打的對手，只可能誕生在中國。

　　中國市場的電動化滲透率，在全球來看都是領先的；

　　2023年上半年，中國汽車出口量超過日本，成為全球第一大汽車出口國；

　　中汽協統計，1-7月我國汽車出口253.3萬輛，同比增長67.9%，創歷史新高。預計全年新能源汽車出口穩超100萬輛。

　　國內像華為云、阿里云、百度云等大型云服務商，也都推出了汽車云的相關業務。

　　更大市場、緊密配合的產業鏈、眾多開發者參與，中國完全有理由誕生：超大規模汽車云，頂尖自動駕駛技術。

　　比如，華為在烏蘭察布建立云數據中心，并開辟汽車專區，為自動駕駛場景提供安全合規、自主創新、具有澎湃算力的云基礎設施。

　　汽車專區部署了華為云昇騰AI云服務，千卡訓練30天不中斷，斷點恢復不超過10分鐘。

　　這是車企和云服務商合作的主流模式。

　　車企像調度水電一樣，獲取算力資源。而云服務商解決算力、存儲、網絡傳輸的效率問題。

　　不過，車企的云需求，也會從單純的算力基建，一路向軟件服務、平臺生態升級。

　　華為云長期和車企合作，已經搭建了自動駕駛研發平臺，能提供“一站式”和“積木式”兩種部署方案。

　　對剛起步的車企，華為云能提供一站式的數據閉環、自動駕駛專家團隊，讓車企快速從0到1構建完整的自動駕駛研發平臺。

　　當然，每家車企發展進度不同，合作需求自然也不同。

　　比如，一些車企要“邊界感”，不愿和云廠商深度綁定；自己有數據中心的車企，更需要軟件上的合作。

　　這種情況，“積木式”就更靈活，華為云提供開源開放平臺、集成參考代碼、多種工具箱，車企能按需選擇。

　　“影響高階自動駕駛落地的關鍵因素，不再是解決常見的一般案例，而是讓模型快速學習各類不常見但不斷出現的長尾問題。”華為云人工智能專家金博士解釋。

　　這是自動駕駛的公司，目前最頭疼的。

　　當下自動駕駛技術，可以應對95%駕駛場景，但剩下5%邊緣場景，或者說Corner case，則是從未被學習到的場景。

　　識別一個新Corner case，要收集上萬樣本，花費幾周甚至數月的時間。

　　理論上實現完全的自動駕駛，至少要積累100億公里路測數據。成本和時間都是不能接受的。

　　針對這個問題，華為云的盤古汽車大模型，可以基于多旅程采集數據來生成一個虛擬空間。

　　虛擬空間的物體、位置、空間布局、交通參與者的行動軌跡等參數都可調節。

　　這種方案，能讓Corner case數據獲取，訓練的時間，從數周縮短到兩天，效率極大提升。

　　這也是自動駕駛，首次用上數據生成的能力，而盤古汽車大模型的能力不僅于此。

　　通常，云服務商對工業制造領域是陌生的。

　　但華為自己就是先進制造代表，盤古汽車大模型能覆蓋車企的汽車設計、生產制造、營銷等全場景，讓每位員工擁有有AI專家助手。

　　比如，一汽解放已深度接入盤古大模型。

　　之前，他們設計汽車座椅外觀，要兩周時間做效果圖，現在用大模型，幾秒就能生成，迅速迭代到滿意，實現“所說即所得”。

　　再比如，汽車設計有8萬多個標準，160萬頁說明，新手設計師要花幾周梳理標準，而大模型能夠快速的定位到相關章節，并給出標準來源。

　　盤古大模型融入一汽解放的數據后，就能為解放提供涵蓋研產供銷服的全方位賦能。

　　同樣是深耕自動駕駛、AI算力，華為和特斯拉是不同的。

　　作為中國頂尖的技術供應商，華為要背負的更多。

　　汽車大模型是棋盤上關鍵的一角，但你要看到，整盤大棋的方向：

　　陷入算力焦慮的行業，又豈止車企？

　　千行萬業，4000萬家公司，誰不需要智能化改造、找回增長的確定性？

　　重新開天辟地

　　2個月后，ChatGPT就滿一歲了。

　　截至7月，中國累計已有130個大模型問世，誰能走得更遠？

　　從百模大戰到泡沫顯露，新共識是：大模型重點在產業落地。

　　研究人工智能，算法、算力、數據是剛需，但每個都是燒錢貨。

　　不是所有賽道都像自動駕駛，有車企和消費者買單。

　　投資人勒緊錢袋，崇尚現金為王，出手尤其謹慎。

　　即便OpenAI也顯露疲態，推出企業版ChatGPT爭奪B端市場，希望更快盈利。

　　新世界撲面而來，又被財務指標、技術難關、成本控制，硬生生拉回現實。

　　“ChatGPT時刻”的濾鏡消褪后，企業也看到大模型的局限性。

　　比如，大模型正確率還不夠，80%或許滿足日常使用，但對企業而言不夠，尤其像法律、醫藥、金融等行業，對錯誤幾乎零容忍。

　　再比如，大模型部署成本、技術門檻，讓人望而卻步。企業側想要的，永遠是低成本、拿來即用、一條龍服務的產品。

　　千行萬業明明有真需求、真問題；

　　AI公司也想產業落地，獲取數據流、現金流；

　　但兩者之間，卻存在一條鴻溝——技術和產業的差距。

　　華為一直堅信：解難題、做難事，扎根到產業中去。

　　比如說，今年全國從東北到京津冀，從粵港澳到華東，都遭遇了大暴雨。

　　“世紀暴雨”、“百年難遇”、“一天下了一年的雨”，這類標題充斥社交媒體，上百萬人受災，經濟損失不計其數。

　　就有人質疑，我們的天氣預報系統，到底有用嗎？為什么不能提前預警，留出防災時間呢？

　　這就是技術與現實的鴻溝。

　　現代天氣預報技術，用最簡單的話說：采集大量氣象數據，輸入超級計算機，通過復雜的算法，模擬預測結果。

　　聽上去，這是AI擅長的領域？沒錯。

　　這個夏天，華為云團隊夜以繼日攻關，對盤古氣象大模型進行升級。

　　盤古預測臺風“杜蘇芮”路徑

　　不僅在今年臺風路徑的預測上表現精準，更是實現了對未來6小時、24小時的降水預報。

　　盤古氣象大模型，已成為首個精度超過傳統數值預測方法的AI模型。目前與中國國家氣象局、深圳氣象局、歐洲中期天氣預報中心、泰國氣象局建立合作。

　　只要一臺服務器，10秒鐘，就能預測未來10天全球的臺風路徑；

　　接下來，盤古想要挑戰暴雨紅色預警，從提前3小時預警，做到提前24小時。

　　這是生命線上搶時間，用人類科技與自然的混沌無序對抗。

　　9月20日，華為全聯接大會2023召開，以“加速行業智能化”為主題，要與千行萬業的企業一起邁向智能世界。大會上，也透露了盤古大模型的最新進度。

　　在模型層面，盤古大模型形成了5+N+X的三層架構。

　　底部的L0層是5個基礎大模型；L1層是汽車、礦山、氣象、藥物分子、政務、數字人等N個行業大模型；L2層是X個具體業務的場景模型，比如供應鏈物流、臺風路徑。

　　比方說，原來研發一款新藥，需要10年時間，花費10億美金，這是醫藥界有名的“雙十定律”。

　　而通過盤古藥物分子大模型，能將先導藥物研發周期縮短到1個月，研發成本降低70%。

　　西安交通大學第一附屬醫院劉冰教授，就在盤古藥物分子大模型輔助下，研發出超級抗菌藥。

　　過去幾年，華為派出一批批博士、專家、科學家，讓他們下礦井、進工廠、進直播間、去氣象局。

　　只有扎到一線，才知道各行各業到底需要什么。創新不是閉門造車、拍腦袋，而是要在解決問題中前行。

　　我們也知道，大家更關心算力層面的問題。

　　畢竟英偉達的A100/H100已對國內斷供，即便是“閹割版”的A800/H800也被炒到天價，一張難求。

　　未來10年，對AI算力的需求可能還會增長500倍，國產化AI算力能否頂住缺口？

　　華為對此是早有準備。

　　他們在烏蘭察布、貴安、蕪湖建立了云數據中心，支撐超大規模集群的算力調用。

　　并且，從硬件到軟件，從算力、算子庫、AI框架到AI平臺，華為都實現了全棧自研。能支持客戶從其他平臺，平滑遷移到華為云昇騰AI云服務生態中。

　　簡單來說，華為云的國產化AI算力，讓大家不必擔心算力再被“卡脖子”。

　　有了自主技術的保證，和扎根產業落地的生態，華為云的大模型產業革命，才算是站穩腳跟、打開新局。

　　結語

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

　　或許面對大模型，我們也該說，It's not a new tech，it’s a new world.

　　這個奔涌而來的新世界，你叫它第四次工業革命也好，智能革命也罷，一切都將被AI改變，宛如重新開天辟地。

　　我們尋求的科技，一定是打破原有格局的顛覆式創新，帶來新的增長確定性；一定是幫助普通人跨越鴻溝，而非加深壁壘。

　　能跨越鴻溝的公司，生；能普惠千行萬業的企業，強。

　　命運的齒輪，已經轟然轉動。