算力競逐：從車端到云端

算力在最近幾年成為熱點，汽車行業(yè)也概莫能外。但凡有新車型發(fā)布，幾乎都會提到其搭載芯片的算力。國內外整車企業(yè)爭相對算力進行大舉投入，甚至自研相關芯片。近日，馬斯克就在社交媒體上表示，2024年特斯拉將投資100億美元用于人工智能的訓練和推理。

算力究竟是什么，又為何受到如此關注？

算力，即計算的能力。作為智能的要素和底座，算力將成為推動汽車智能化、汽車行業(yè)數(shù)字化的重要力量。在今天大模型發(fā)展趨勢下，這種重要性表現(xiàn)得更加突出。

過去幾年，車端算力芯片受到行業(yè)高度關注。隨著汽車智能化的競爭重點從算法轉向數(shù)據(jù)和算力，云端算力將成為車企未來幾年競爭的關鍵。

今天，汽車與算力兩個產(chǎn)業(yè)正進行著交流和碰撞。未來的汽車將越來越依賴計算能力。而我國新能源智能汽車產(chǎn)業(yè)的蓬勃活力，也將有力帶動算力產(chǎn)業(yè)發(fā)展。

1、何為算力

算力，即計算的能力，一般用于表示某個設備或系統(tǒng)的計算性能。從智能駕駛計算芯片，到用于算法訓練的超大規(guī)模集群，這些設備或系統(tǒng)都在提供著不同種類、不同規(guī)模的算力。算力無處不在，已成為推動經(jīng)濟和社會發(fā)展的關鍵生產(chǎn)力。

算力原本只是超算領域關注的對象，代表著人們對計算極致能力的不懈追求。深度學習技術的興起帶來了人工智能的熱潮。人們把算力、算法和數(shù)據(jù)歸結為智能的三大要素。由此，算力一詞開始備受關注。

算力有多種表征指標，最常用的指標包括OPS（每秒定點操作數(shù)）和FLOPS（每秒浮點操作數(shù)）。比如，我們說某顆人工智能計算芯片的算力是256 TOPS，某個智能計算中心的算力是1 EFLOPS等。

算力的基礎是各類高性能計算芯片。最重要和為人熟知的計算芯片是CPU（中央處理器）和GPU（圖形處理器）。CPU是計算設備的運算和控制核心，適合處理邏輯復雜的串行任務。GPU早期主要用來加速圖像計算任務，由于其更加側重計算而非邏輯控制，并能很好地支持并行計算，成為目前提供算力的主要芯片。

圖：CPU與GPU芯片設計對比

2、汽車算力：從車端到云端

當前，電動化、智能化已成為汽車產(chǎn)業(yè)的發(fā)展趨勢。人們對汽車的關注點從油耗轉向動力電池的續(xù)航里程，從發(fā)動機的加速性能轉向芯片的算力。不論是電子電氣架構、還是智能駕駛等解決方案，很大程度上都需要考慮算力的分布和有效利用。算力已成為智能汽車的核心要素。

提到車端算力，最具代表性的可能是汽車智能駕駛芯片。當前主流的車端智能駕駛芯片算力已達數(shù)十到數(shù)百TOPS。車端算力芯片的主要供應商包括英偉達、Mobileye、高通等。近年來，國內也涌現(xiàn)出地平線、黑芝麻等一批企業(yè)。

車端算力芯片存在多種技術架構。高端芯片一般基于通用GPU架構，提供較高的通用算力，以適應不同模型與解決方案。中低端芯片多以ASIC（專用集成電路）為主，與算法深度綁定，更加追求功耗、性能和成本的平衡。

相比車端計算芯片，云端芯片需要承擔復雜的訓練任務和海量的數(shù)據(jù)處理，且對功耗和成本的要求相對車端寬松，其算力更為強勁，計算架構以通用GPU為主。在數(shù)據(jù)中心算力芯片領域，英偉達公司占據(jù)著絕對的龍頭地位。

云端算力的供給主要有三種模式。

第一種是汽車企業(yè)自建算力中心。例如谷歌、特斯拉等頭部企業(yè)通過自建專有計算集群的方式，提升自身業(yè)務運行效能。部分企業(yè)還會根據(jù)自身業(yè)務特點，研發(fā)專用芯片，以降低算力成本。

第二種是智能計算云服務。例如亞馬遜、阿里云等云計算企業(yè)以云服務模式向汽車企業(yè)提供算力資源及技術服務。

第三種是公共智能計算中心。公共智能計算中心以地方政府主導建設為主，主要支撐當?shù)仄嚻髽I(yè)、科技企業(yè)、科研機構和高校的人工智能技術與應用創(chuàng)新。

3、云端算力成為汽車企業(yè)競爭的關鍵

隨著新一代人工智能技術的快速發(fā)展和突破，算力需求呈爆發(fā)式增長。根據(jù)Jaime Sevilla等人的研究，機器學習所需算力的增長可以分為前深度學習時代、深度學習時代和大規(guī)模時代三個階段。在2010年之前，模型訓練所需算力增長基本符合摩爾定律，大約每20個月翻一番。自2010年左右深度學習問世以來，模型訓練所需算力快速增長，大約每6個月翻一番。特別是到2015至2016年左右，大模型的出現(xiàn)使得訓練所需算力規(guī)模提升了1到2個數(shù)量級。

算力增長的背后，是模型和訓練數(shù)據(jù)規(guī)模的增長。從 2016年到2020年，模型的參數(shù)量大概每18個月增長40倍；而同期英偉達GPU的計算增長速度僅為每18個月1.7倍。當前大模型的訓練需要數(shù)以千計的GPU芯片組成大規(guī)模計算系統(tǒng)。

依靠大算力來推動人工智能發(fā)展，是當今人工智能發(fā)展的重要特征。強化學習先驅理查德·薩頓(Richard Sutton)在其博客文章《苦澀的教訓》中指出，“回顧70年來的人工智能研究，從中得出的最重要的經(jīng)驗是，基于計算力的通用方法，是最有效的方法。”今天，這個通用方法就是深度學習，計算力就是以通用GPU為代表的高性能算力。

當前，BEV+Transformer感知架構已成為行業(yè)主流，以數(shù)據(jù)驅動成為系統(tǒng)迭代的關鍵手段。智能駕駛的技術路徑已日漸清晰，算法已逐漸趨同。汽車企業(yè)的比拼更多是產(chǎn)品落地和快速迭代，是工程化、產(chǎn)品化和成本控制的能力，是更為流暢的用戶體驗。在這個過程中，算法更新的速度已經(jīng)放緩，算力成為競爭的關鍵。

4、汽車與算力，相向而行

在汽車與算力領域，有兩家具有全球影響力的企業(yè)，那就是特斯拉與英偉達。

從電動汽車到自動駕駛，特斯拉一路引領行業(yè)創(chuàng)新的方向。一直以來，特斯拉堅持依靠算力和數(shù)據(jù)提升其自動駕駛能力。憑借前瞻的眼光和強大的工程能力，特斯拉不僅自研車端自動駕駛芯片和云端數(shù)據(jù)中心芯片，還投資、設計并建造自有數(shù)據(jù)中心，其算力規(guī)模位居全球前列，預計到今年底會達100 EFLOPS。

相比特斯拉，英偉達在汽車行業(yè)的知名度似乎略遜一籌，但其實際影響力可能有過之而無不及。憑借其領先的GPU芯片和CUDA平臺，英偉達處于全球智能計算生態(tài)的核心，對于自動駕駛算法和芯片的發(fā)展走向擁有巨大的影響力。其最新的DRIVE Thor芯片，采用與云端芯片相同的架構，為下一步車云協(xié)同建立了基礎。

從特斯拉與英偉達的相互跨界，我們可以看到汽車與算力兩個產(chǎn)業(yè)正在發(fā)生的交流與碰撞。

汽車的數(shù)字化和智能化，是汽車吸收引進包括人工智能在內的多種數(shù)字技術過程，是汽車企業(yè)打造創(chuàng)新的產(chǎn)品和商業(yè)模式的過程，需要汽車、信息通信、互聯(lián)網(wǎng)等多個行業(yè)進行充分合作。在這其中，算力作為智能的基礎底座，將成為推動汽車智能化和汽車行業(yè)數(shù)字化的重要力量。

經(jīng)過多年不懈努力，我國在新能源智能網(wǎng)聯(lián)汽車賽道上取得了一定領先優(yōu)勢。從全球產(chǎn)業(yè)鏈來看，我國在動力電池、傳感器、網(wǎng)絡通信、智能化應用等領域均具備較強競爭力，但在智能化底層的計算領域，我國仍然處于跟隨地位，面臨卡脖子問題。

汽車產(chǎn)業(yè)是十萬億量級的產(chǎn)業(yè)，涵蓋了眾多的人工智能應用場景，也是智能計算芯片的廣闊市場。更為重要的是，電動化和智能化帶來的汽車架構的變革，對計算芯片、基礎軟件、車內車外通信都提出了新的需求，給國產(chǎn)企業(yè)帶來了難得的創(chuàng)新產(chǎn)品和拓展生態(tài)的機會和空間。

汽車與計算都是橫跨制造與信息服務的龐大產(chǎn)業(yè)。汽車產(chǎn)業(yè)正在經(jīng)歷數(shù)字化的洗禮，向著高端制造和服務業(yè)邁進；計算產(chǎn)業(yè)正在尋求新的應用載體和平臺，并爭取實現(xiàn)自主可控。兩個行業(yè)彼此交流、相互促進，必將有力帶動我國數(shù)字經(jīng)濟發(fā)展，更好地服務人類未來美好生活。?（ 文 / 倪凱 ）

本文為車百智庫特約稿件，僅代表作者立場及觀點