近年来，汽车行业正加速推进电动化、网联化和智能化的融合趋势。这种变革体现在许多方面，例如激光雷达可以帮助车辆更准确地感知周围环境，智能芯片则可以大幅提升驾乘体验，而强大的计算能力已成为评价车辆重要指标之一。这些创新深刻反映了汽车行业发展的生命力。
智算中心成为发展新引擎
在驾驶汽车时，司机需要应对复杂的道路状况、多样化的交通参与者以及不可预测的意外事件。为了避免潜在隐患，司机可以采取一些措施。例如，在交通高峰期间，合理分流可以通过利用潮汐车道、减少地面标线和箭头磨损以及统一红绿灯体系来实现。
智能驾驶系统背后强大的算力使人们无需“更上一层楼”，就能拥有“千里目”的能力。这种技术让汽车具备自主感知环境并做出相应反应的能力，从而提高行车安全性和效率。因此，在未来，智能驾驶系统将成为解决交通问题和提高出行质量的重要手段之一。
智能汽车要想通过车、路、网、云端信息交换实现智能驾驶，必须经过智能算法处理，而这些数据结果的获得离不开传感器的感知。
如何让不同传感器采集到的数据更精准、画面捕捉更完善、驾驶体验更舒适，“千里目”变成精准有神的“灵眸”？前不久，毫末智行科技有限公司（简称“毫末智行”）联合火山引擎推出智算中心“雪湖·绿洲”（MANAOASIS），浮点运算每秒可达到67亿亿次，存储带宽每秒2T，通信带宽每秒800G。它的建成有效降低了自动驾驶模型训练成本，大幅提升了计算效率，车端感知架构实现升级，可实现完成包括通用障碍物识别、局部路网、行为预测等任务。
比起高速场景，城市场景的智能驾驶辅助技术路线一直是一道难题。面对城市道路上各式三轮车、清扫车和垃圾车，以及可能侵入道路的行人、宠物，智能驾驶系统做决定前，需要先识别这些参与者，预测他们的行为。但在某些情境下预测人的行为需考验对人性的理解，即便训练得再成熟的算法，也“想”不明白前面的大货车为什么突然加塞、在斑马线中间停下来的行人到底走不走。应对多种意想不到的极端案例，需要大量数据训练来迭代算法模型。这些都是对智能驾驶系统背后智能算力的巨大挑战。
“如今，这些‘不可能’都可以通过智算中心实现。”毫末智行董事长张凯在接受中国城市报记者采访时说道。
基于最新人工智能理论、采用领先人工智能计算架构，提供算力服务、数据服务和算法服务的智能计算中心，在推进人工智能和数字经济发展中发挥着重要作用。智算中心的创新发展，有望成为带动智能网联汽车行业快速发展的新引擎。
智能汽车进入“算力”时代
智能网联汽车是对传统汽车的全面改造。搭载集5G车联网、自动驾驶、智能语音控制、人脸ID于一身的智能座舱，放置大量传感器对海量信息实时分析，实现多种动作快速响应与决策、整车OTA升级以及物联网通信……这些功能并不是靠简单的屏幕和硬件加装就能实现。看得见的操作界面背后是看不见的强大智能算力在支撑。
记者了解到，在实现城市辅助智能驾驶的技术路线方面，毫末智行采用了集合摄像头、激光雷达、毫米波雷达等硬件组合而成的“重感知”方案，摆脱了高精地图的依赖。这些硬件各有优势、能力互补，能够应对不同环境。
“例如，激光雷达不易受光线环境干扰，毫米波雷达可以穿透雨雪。虽然增加了技术的难度，但胜在更容易在不同城市推广复制，更符合乘用车大规模量产落地的需求。”张凯表示。
毫末智行是国内最早宣布“重感知”方案量产的自动驾驶企业。该公司首席交付官甄龙豹向中国城市报记者指出，“重感知”方案的难点在于如何通过整套感知系统构建实时地图。毫末智行的策略是利用深度学习模型将多个传感器的感知结果拼接，得出与高精度地图近似的结果。为了提高算法、算力性能，落地车型将搭载高通骁龙9000芯片，算力达到360TOPS。TOPS是算力单位，指每秒钟进行1万亿次运算。
如今，毫末智行的城市辅助驾驶产品已经更新至第三代HPilot3.0，并在魏牌、坦克、哈弗、欧拉、长城炮等品牌近20款车型中实现规模化量产。
高算力芯片已成为核心诉求
随着数字经济蓬勃发展，数字化新事物、新业态、新模式推动应用场景向多元化发展，算力规模不断扩大，算力需求持续攀升。
工信部日前发布数据显示，2022年全国在用数据中心机架总规模超过650万标准机架；近5年，我国算力总规模年均增速超过25%。
“智能汽车发展对高算力的需求增长已成为业内共识。”毫末智行CEO顾维灏判断，自动驾驶即将进入数据驱动阶段，所需数据规模会超过1亿英里。汽车智能化发展正催生越来越多的高算力平台，以华为MDC、英伟达的Orin、高通SnapdragonRide等为代表的一系列计算平台，正在进入量产的序列。
“当下不同企业在挑选芯片时，算力是关键且基础的考量因素。”无锡车联天下信息技术有限公司董事长杨泓泽表示，“中国有望在很短时间内成为全球高算力芯片最大、发展最快、应用最多的市场。”
在此背景下，高算力芯片已成为智能汽车厂商和相关企业核心诉求之一。
毫末智行副总裁艾锐认为，当前智能网联汽车行业存在成本和功能体验困境。智能驾驶辅助系统需要收集大量实际行驶数据才能不断迭代，改善消费者使用体验，数据规模又取决于系统上车数量，这就需要消费者为智能驾驶硬件埋单。智能驾驶企业要跨越这条鸿沟，降成本至关重要。
“一方面能够提供更加有针对性的运算训练，另一方面能够明显降低成本。”早在2022年8月2日，小鹏汽车与阿里云在内蒙古自治区乌兰察布市建设智算中心“扶摇”时，小鹏汽车董事长何小鹏就指明了智能汽车算力发展路径。
算力模型破解认知驾驶关键问题
近年来，从国家到地方再到各类市场主体，都在大力推进算力资源布局建设。其中，智能网联汽车行业面临着如何大模型应用、如何让数据发挥更大价值、如何让仿真更真、如何让自动驾驶系统运动起来更像人等问题。
经过多年探索，毫末智行摸索出了一套解题方法。顾维灏表示：“目前，企业设计五个大模型来解决自动驾驶中的一些关键问题，分别是视觉自监督大模型、3D重建大模型、多模态互监督大模型、动态环境大模型和人驾自监督认知大模型。”
据悉，毫末智行采用的自动驾驶方案是走“重感知、轻地图、大算力”技术路线。为了避免地图鲜度带来的置信度问题，毫末智行基本只使用地图中的道路拓扑信息，努力将地图依赖降到最低。随着毫末智行量产NOH（NavigationonHPilot，领航辅助驾驶）在不同城市落地，顾维灏发现，影响NOH最大的难点就是城市路口，解决了路口问题就解决了大部分城市NOH问题。
顾维灏表示，毫末智行的认知驾驶决策大致分为：引入个别场景的端到端模仿学习，直接拟合人驾驶行为；以大模型引入海量正常人驾数据，实现认知决策的可控可解释；引入真实接管数据并尝试RLHF（基于人类反馈强化学习）等三个阶段。通过这种方式，在公认的困难场景，例如掉头、环岛等，通过率提升了30%以上。
顾维灏认为，在智算中心MANA的加持下，最新的车端感知架构将过去分散的多个下游任务集成到了一起，除了车道线、车辆、红绿灯等任务，还包括通用障碍物识别、局部路网、行为预测这些任务，实现了一个跨代升级。
算力资源是数字经济发展的重要底座
今年1月，在第七届HA-OMOAIDAY上，毫末智行交出了一份2022年的成绩单：2022年持续稳居中国量产自动驾驶第一名，三代HPilot产品搭载至魏牌、坦克、欧拉、长城炮等近20款车型，辅助驾驶用户行驶里程突破2500万公里；毫末城市NOH是中国第一个可大规模量产的城市导航辅助驾驶产品，目前软件封版达到交付状态；末端物流自动配送车已初步完成商业闭环，交付超1000台，MANA学习时长超42万小时，虚拟驾龄相当于人类司机5.5万年。
记者注意到，多家智能网联汽车企业在智能算力的助推下驶上“快车道”。
1月3日，2020年工业和信息化部产业技术基础公共服务平台——智能网联汽车数据交互与综合应用公共服务平台建设项目通过验收。其中，位于国家智能汽车与智慧交通（京冀）示范区顺义基地的北京数据中心建成，已实现数据接入平台企业超10家，接入车辆超过20万辆；1月28日，吉利汽车集团“智能吉利2025战略”全新落地的数字新基建，全球车企首个“云、数、智”一体化超级云计算平台，吉利星睿智算中心正式上线，预计到2025年，算力规模将扩充到120亿亿次每秒，计算能力达到EFLOPS（每秒一百京次浮点运算）级别。
目前，智算中心的发展呈现出多个新趋势。首先，随着算力规模需求的快速增加，围绕算法的服务模式也在不断完善。其次，在逐步构建普适、朴实和普惠的服务生态方面取得了重要进展。此外，绿色低碳发展格局也在加速形成。
在智能算力的推动下，智能网联汽车产业链正在升级，并且价值链正在扩大。各企业都争相抢占技术制高点，并开拓新领域和赛道以紧握下一阶段竞争的入场券。这种趋势将持续推动行业变革和创新，并为消费者带来更好、更安全、更便捷的出行体验。