当前位置:首页|资讯

车企得了AI病:月砸上亿拼智驾算力

作者:李安琪发布时间:2024-10-30

文丨李安琪

编辑丨李勤

“下半年开始,理想几乎把渠道商手里的卡都买了。”一位知情人士说。

AI大模型创业催生的抢购算力潮,今年陡然迁移到了汽车行业。以理想、华为和小鹏汽车为首,向端到端智驾发起猛冲的公司,尤为激进。

和AI大模型技术趋同,端到端的智能驾驶技术,同样有数十亿参数,也在向百亿级进发。算力就是这座数据熔炉的燃料。这也决定,端到端技术和算力资源拼抢,成了智能驾驶新的决胜规则。

“李想(理想汽车CEO)经常问我,算力资源够不够,不够再去买。”接受36氪专访时,理想智能驾驶副总裁朗咸鹏曾表示。据36氪了解,目前理想汽车已经囤够了万张算力卡,“同时还在物色数据中心的地址。”

7月,理想的云端算力为2.4 EFLOPS ,到8月底,理想算力已经陡增至5.39 EFLOPS。几乎一个月时间,理想的云端算力增加了近3 EFLOPS。

同样,小鹏汽车宣布,到2025年,云端算力将从目前的2.51 EFLOPS增加到10 EFLOPS。

华为智驾也在两个月内迅速将云端训练算力规模从5EFLOPS扩张到7.5 EFLOPS。

这是什么概念?有智驾行业人士告诉36氪,目前车企们使用的训练显卡主要是英伟达H100和A800。美国禁令后,市场上能流通的大多是A800。

据36氪汽车了解,一台A800服务器(含8张显卡)报价约为95万元。按照FP16精度计算,单张A800的算力为320TFLOPS,1 EFLOPS(等于1000000TFLOPS)大约可计算为3125张A800,即390个8卡模组。

按每8卡模组按照95万元价格计算,1 EFLOPS算力大约需要约3.7亿元。

也就是说,理想汽车在过去1个多月,仅囤置算力芯片就耗费超10亿元,而小鹏想要实现明年总算力目标,则需要耗费约37亿元。

虽然耗资巨甚,但不容车企懈怠。智能驾驶技术已经在AI大浪潮下,发生新的范式革命:从传统方案的规则驱动,变成了“端到端”方案的AI驱动、数据驱动。

想要量产端到端的智能驾驶产品,车企们需要先成为吞噬海量数据、巨大云端算力的猛兽。

特斯拉先成为“算力狂魔”。去年9月,特斯拉AI训练芯片储备不过万张左右,而在今年三季度财报会数字显示,目前特斯拉AI算力约等效为6.75万张英伟达H100芯片。一年时间算力储备翻超6倍。

图源:特斯拉官网

这是相当恐怖的数字。目前特斯拉总算力约为67.5 EFLOPS,对比之下,去年全球算力总规模为910 EFLOPS。

但在海量数据喂养和超大算力训练下,特斯拉基于端到端的FSD v12版本,提供了比以往更丝滑、拟人的智驾能力。这也诱使汽车行业进入这场数据和算力游戏。

车企患上数据饥渴症

端到端下的智能驾驶技术,是数据和算力的合谋。

对于端到端智驾所需要的数据,特斯拉曾给出过一些判断标准:一个端到端自动驾驶训练至少需要100万个、分布多样、高质量的clips(视频片段)才能正常工作。到了1000万个case后,系统能力会变得难以置信。

有行业人士告诉36氪,一般1个clip在15-30秒左右,没有绝对固定的时间长度。

特斯拉有相当明显的数据优势。目前特斯拉已经在全球卖出700万辆车,即便有效的数据车辆为百万辆,如果单车每天贡献一个clip,那么特斯拉每天就有百万个clips能被拿来训练。

也有行业人士向36氪假设,假如在云端训练一个80 亿参数的模型,至少需要在这个模型“炼丹炉”中投入1万个小时训练数据,并且每两周更新要更新一遍数据。

越早建立数据驱动的智驾闭环,车企的技术与产品壁垒就越厚,也越有机会将后来者拒之门外。

理想表示,最晚明年年初,会推出大概通过超过1000万clips训练出来的端到端+VLM。前段时间小鹏智驾负责人李力耘也在公开表示,小鹏端到端模型的训练数据量已达到2000万clips。

但高质量数据并不容易寻得。马斯克曾表示,有效的用户干预行为(高价值的训练数据)捕捉正变得越来越难。“每行驶 10000 英里,只有 1 英里对训练 FSD 神经网络有用。”

理想也表示,目前超80万辆车主,但真正能提供高质量数据的用户只有3%。

多位智驾行业人士告诉36氪,目前车企和智驾公司获取数据主要有2种方式。

一是从量产车上挖掘。比如针对车企卖出的几十万台车,工程师会写下专门规则,如果用户的驾驶行为符合条件,特定数据(经过脱敏处理)会被上传。车企用户也可以主动上传一些特别案例。

而智驾供应商,也许在量产车数据回传上没有优势,但内部往往会组建一支能优质驾驶的车队,专门路跑采集数据。

数据回传本身是一笔不小的成本。据36氪汽车了解,一家头部智驾供应商公司,每年回传数据的流量费以亿元为单位。如果是新造车公司,这项费用支出会更高。

二是在存量数据中挖掘数据。在早期智驾还不成熟的阶段,车企和智驾公司往往积累大量数据,很多都是无效数据,工程师只能通过一些算法规则来挖取。

高质量数据作为养料,会决定智驾系统迭代的质量。这持续考验着车企的智驾自动化闭环能力:从数据采集、数据清洗、标注、训练、仿真验证、发版、解bug,再经历新一轮闭环。

而这背后每一步的数据流转,都在吞噬算力资源。车企和智能驾驶技术公司们,似乎难有退路。

智驾要卖钱,“端到端”虽难必做

端到端智能驾驶带来的收益正在触手可见。

在2023年末推出基于端到端的FSD后,马斯克曾发邮件督促一线销售让更多用户体验智驾的拟人能力,原因是FSD的体验变得更好了。

今年以来,特斯拉甚至采用了全员免费限时使用(北美地区)、订阅费从199美元/月下降至99美元/月,买断费用从1.2万美元下降至4500美元等方式,来提升FSD的渗透率。特斯拉还表示FSD将于明年一季度在中国落地。这将有另一番商业想象空间。

换句话说,“端到端”让智驾比过往任何时刻都接近商业化。

在国内,“端到端”也在加速智驾商业化进程。

华为最早尝到智驾商业化甜头。去年末,华为与赛力斯合作的问界新M7,上市两月余斩获10万个订单,智驾版用户超60%。

除了推出智驾版车型,华为还通过智驾软件包的方式进一步收费。而目前行业大多数车企智驾软件都是免费开放给用户。

跟特斯拉降价促销不同,华为智驾软件费用正在逐步上涨。有鸿蒙销售人士告诉36氪汽车,华为智驾ADS 1.0阶段买入价格是3000元,ADS2.0阶段买入是6000元,ADS3.0是1万元。“后续价格还会涨。”

而ADS 1.0到2.0到3.0版本,正是华为从传统多模块智驾逐步转向了端到端智驾后,带来的技术和产品体验提升。

另一个尝到智驾技术红利的选手是理想。在增程+家庭车产品力足够打动用户的前提下,理想从今年开始猛追补足智驾短板,其端到端智驾版本已经全量推送给所有车型MAX版本,智驾口碑回升。

今年二季度财报电话会议上,理想汽车称其30万以上的车型AD Max(即智驾版本车型)订单占比接近70%。而AD Max版车型比AD Pro版车型贵2万元。用户为更贵的车型买单,实际上也是在为智驾买单。

美国作家菲利普·迪克曾在小说《仿生人会梦见电子羊吗?》中描述,仿生人拥有感情、会做梦,并希望拥有一只活宠物。

端到端加持下,智驾系统可能已经开始“梦”到电子羊。但电子梦境的维持,需要大量资源灌注,车企与智驾公司也由此患上了数据、算力饥渴症。

算力游戏,买卡建机房
 

除了卖车获取更多数据养料,车企智驾团队还在筹备芯片算力资源。

特斯拉三季度财报电话会数据显示,目前特斯拉AI算力约等效为6.75万张英伟达H100芯片,总算力约为67.5 EFLOPS。

特斯拉称,到10月底,特斯拉还将增加2.1万张H100,可大致推测出,特斯拉届时总算力将达88.5 EFLOPS。

除了疯狂购入英伟达显卡之外,特斯拉自研的芯片也在路上。马斯克此前在X上发帖称,其超级计算机Dojo 1到年底,将会有约8000台H100 GPU提供等效的训练能力。特斯拉此前期望是,Dojo进入投产后,其算力集群总规模能达到100 EFLOPS。

望不见顶的算力储备,让国内车企玩家不敢轻易掉队。

不过芯片限售后,英伟达的高端AI芯片H100难以在国内流通,国内企业更容易买到的,是英伟达针对中国市场推出的特供版芯片A800等,性能与价格都不如H100。

目前,华为智驾是国内算力储备最高的玩家,达7.5 EFLOPS。有华为人士告诉36氪,内部不仅使用英伟达的训练芯片,同时还在使用华为自研的晟腾芯片,两者混合使用。晟腾工具链虽然不算特别好用,但由于自研的缘故,供给充足,华为能在云端算力上进展很快。

理想汽车则以5.39 EFLOPS 位居华为之后。而这背后,是万张左右的英伟达显卡储备。

有行业人士给36氪算了一笔账:以A800芯片为例,按照深度学习训练一般适用的FP16精度来计算,单张A800算力为320 TFLOPS,那么5.39 EFLOPS算力实现,需要超1.68万张A800。(理想不完全是A800,此处仅大致计算,1EFLOPS=1000PFLOPS=1000000TFLOPS)

有行业人士告诉36氪,今年AI大模型公司算力抢购热潮消退后,云端训练显卡相对好买。去年A800的8卡模组价格轻松卖超百万元,如今回落到95万元左右。即便如此,国内车企玩家想要囤积算力,依然是一笔巨额投入。

理想的目标是年底达到8EFLOPS。据36氪了解,理想此前已经与云厂商火山引擎联合建立数据中心,但目前还在筹备新的数据中心选址。

小鹏智驾中心算力则是2.51 EFLOPS,同理可换算为超7800张A800,小鹏的目标是2025年算力将达10 EFLOPS 以上。蔚来目前的云端算力是1.4 EFLOPS,可换算为超4300张A800。

可以对比的是,据工信部信息,截至2024年6月,国内算力规模达246 EFLOPS(基于FP32计算)。如果换算成FP16,即492EFLOPS。而华为、蔚小理4家企业云端算力总和,就占全国算力规模约3.5%。

但端到端不仅是巨头的游戏,中小玩家也在挤进围场。智驾供应商往往联合车企快速攻入战场,比如出现了智己与Momenta、长城与元戎启行等组合。

据36氪汽车了解,一些头部智驾供应商的训练芯片也达千张级别。如Momenta、地平线等去年就跟火山引擎达成合作,订单在亿元级别。

过去两年,全球都陷入了AI大模型疯狂状态。国内AI大模型公司的创业入场门票高达5000万美元,目前估值最高的大模型公司“月之暗面”身价已经去到236亿元。

目前国内头部AI大模型公司正朝着万亿参数量模型发展,这背后也需要巨大的算力池支撑。阶跃星辰,Kimi等大模型公司,都在通过与云厂商合作来搭建万卡集群训练。

如今同样的局面在汽车行业上演。车企们不甘心只卖车,而是朝着AI科技公司的方向进发。车企们天然拥有海量数据资源,在大模型大算力的加持下,目光已经投向了更广的无人车、具身智能等方向。

他们需要在微薄的利润水平下,投入巨资,竞逐越来越高的算力数字。这能持久吗?汽车行业正陷入价格鏖战,如果把AI作为决胜筹码,这场“经费在燃烧”的算力游戏才刚刚开始。


Copyright © 2024 aigcdaily.cn  北京智识时代科技有限公司  版权所有  京ICP备2023006237号-1