“自动驾驶”开启跨界竞争， “算力”将成胜负手

“自动驾驶”开启跨界竞争， “算力”将成胜负手

中国新闻网

8月2日，造车新势力之一小鹏汽车与阿里云联合宣布，双方在乌兰察布建成国内最大的自动驾驶智算中心“扶摇”，用于自动驾驶模型训练。该事件成为汽车行业热门话题。

据悉，“扶摇”基于阿里云智能计算平台，算力可达600PFLOPS（每秒浮点运算60亿亿次），将小鹏自动驾驶核心模型的训练速度提升了近170倍。

肉眼可见，“算力”已经成为自动驾驶车辆智能水平的“试金石”。

据2021年交通运输部印发《数字交通“十四五”发展规划》， “十四五”期间要推动一批自动驾驶、智能航运测试基地和先导应用试点工程建设；完善自动化分拣设施、无人仓储、无人车和无人机配送等。

“自动驾驶”简单理解就是通过车辆的智能系统自动识别路况，精准操控车辆。自动驾驶可以分为5个级别，分别是L1驾驶员辅助、L2部分自动化、L3条件自动化、L4高度自动化、L5全自动。

数据驱动是自动驾驶发展的公认方向，也让自动驾驶模型训练成为一头“吃算力”的巨兽。自动驾驶的视觉检测、轨迹预测与行车规划等算法模型，有赖于机器学习海量数据集，但算力的不足让研发速度仍远远赶不上数据量增长的速度。随着传感器的进一步增加，算力的挑战越来越大。

对自动驾驶来说，更重要的是算法的构建，这需要远超终端算力几个数量级的智能计算。大洋彼岸的特斯拉就开启了一个“疯狂”的算力计划，兴建了一座数据中心，专门用于自动驾驶的算法训练，优化模型，提升视觉识别的准确率。

造车公司重金投入“算力”，是希望加速自动驾驶研发，从而尽快投入产业应用。

但是目前，大多数公司停留在L2阶段，晋升到L3仍需技术“质变”，极具挑战。目前行业有两种技术路径：一是以特斯拉为代表的纯视觉方案；另一种是以小鹏为代表的多传感器融合方案。纯视觉方案是通过摄像头获得环境信息并分析处理，但在恶劣环境里（例如大雾或夜晚）摄像头的感知效果会受影响。多传感器融合则是采用摄像头+激光雷达+高精地图的模式，从而适应停车场、高速、城市道路等不同场景。但不同设备之间的数据融合与反应速度也是难点。

无论哪种方案，都需要通过海量的路况数据对自动驾驶的算法模型进行持之以恒的训练，这背后需要强大算力的支撑。

小鹏汽车董事长、CEO何小鹏接受媒体采访时表示，当下的任何一家智能汽车公司，将来智能化必须要自研，因此都会对算力提出非常高的要求，算力成本将会从今天的亿元级别上升到将来的十亿元级别。

为了解决自动驾驶的算力难题，小鹏汽车选择和阿里云共建自动驾驶智算中心“扶摇”，支持小鹏城市NGP辅助驾驶系统的算法模型训练。与通用的计算模式不同，“智算”以GPU为核心，面向AI训练和推理的场景需求提供单精度（FP32）、半精度（FP16）计算，更适合语音、图片和视频的处理，也就是更匹配自动驾驶的模型训练。

阿里云智能汽车行业总经理李强介绍，由于“扶摇”是国内第一个自动驾驶智算中心，合作初期并没有经验可循，双方团队进行了大量的定向研发以及优化工作，“扶摇”已实现：GPU资源虚拟化利用率提高3倍；端对端通信延迟降低80%至2微秒；存储吞吐比业界20GB/s的普遍水准提升了40倍；PAI提供AI工程化工具比开源框架训练性能提升30%以上。目前，“扶摇”支持小鹏自动驾驶核心模型的训练时长从7天缩短至1小时内，大幅提速近170倍。

尽管特斯拉自建的超级计算机赚足了眼球，但何小鹏认为，强强联手合建智算中心是更好的方式，能更好地支持自动驾驶技术长远发展。阿里云资深专家曹政同样认为，类似“扶摇”的合作模式更适合中国的自动驾驶公司。首先，造车公司追求的是自动驾驶技术的快速迭代，而非数据中心的建设与运维；其次，未来车企的算力需求很难准确估计，从供给效率来看“云”可以弹性扩容，是最高效的算力供给模式；此外，云平台本身承载了最前沿的IaaS和PaaS技术，无论是GPU的虚拟化还是算力的调度等等，都可以针对自动驾驶的场景进一步优化，从而提高研发效率。

如今，市场上有很多自动驾驶研发路径及方案，仅仅从技术角度而言，可谓条条大路通罗马。何小鹏认为，如何把算力不断提高，如何把成本不断控好，如何把相关的技术铺垫做好，将会成为一家企业在自动驾驶研发上必须要面对和解决的问题。而小鹏与阿里云在算法和算力上形成的强烈耦合，是一条必经之路。

“随着小鹏扶摇智算中心的启动，对自动驾驶在模拟训练上的算力助推，相信在2025年小鹏汽车会开始将自动辅助驾驶的辅助两个字去掉，进入到真正的自动驾驶时代。”

风起乌兰察布，中国自动驾驶提速170倍只是个开始。