汽车公司得了AI病：每月花费超过1亿拼智驾算率

文丨李安琪

编辑丨李勤

一位知情人士表示：“从下半年开始，理想几乎购买了经销商手中的所有卡。

今年AI大模型创业催生的抢购算率浪潮突然转移到汽车行业。以理想、华为、小鹏汽车为首，向端到端智能驾驶发动猛冲的企业尤为激进。

与AI大模型技术相同，端到端的智能驾驶技术也有数十亿参数，也在向数百亿级发展。计算率是这个数据熔炉的燃料。这也决定了端到端技术和计算率资源的竞争已经成为智能驾驶的新决定性规则。

“李想(理想汽车CEO)经常问我计算率资源够不够，买不到。”理想智能驾驶副总裁朗咸鹏在接受36Kr采访时表示。据36Kr介绍，目前理想汽车已经囤积了1万张计算卡，“同时还在寻找数据中心地址。”

七月份，理想云算率为2.4。 EFLOPS，到了八月底，理想的计算率已经增加到5.39EFLOPS。在过去的一个月里，理想的云计算率增加了近3EFLOPS。

与此同时，小鹏宣布，到2025年，云算率将从目前的2.51EFLOPS增加到10EFLOPS。

在2个月内，华为智驾还立即将云训练算率从5EFLOPS扩大到7.5.5 EFLOPS。

这是什么概念？一些智能驾驶行业的人告诉36Kr，目前汽车公司使用的练习显卡主要是英伟达H100和A800。美国禁令后，A800大部分都可以在市场上流通。

根据36氪汽车的说法，一台A800服务器(包括8张显卡)的价格在95万元左右。按FP16精度计算，单个A800的计算能力为320TFLOPS，1 EFLOPS(相当于100000TFLOPS)大概可以算作3125个A800，也就是390个8卡模块。

按每8卡模块价格95万元计算， 大约需要3.7亿元的EFLOPS算率。

换句话说，在过去的一个月左右的时间里，理想汽车仅仅囤积计算率芯片就消耗了10多亿元，而小鹏需要37亿元才能实现来年的最终目标。

虽然投入巨资，但不允许汽车公司放松。在AI的浪潮下，智能驾驶技术发生了一场新的范式革命:从过去计划的规则驱动到“端到端”战略的AI驱动和数据驱动。

汽车企业要想量产端到端的智能驾驶产品，首先需要成为吞噬大量数据、大云计算能力的野兽。

特斯拉首先成为了一个“计算狂人”。去年9月，特斯拉AI培训芯片的储备只有一万个左右。根据今年第三季度财务报告的数字，特斯拉AI计算率目前相当于6.75万个英伟达H100芯片。一年的计算率储备翻了六倍多。

这个数字相当可怕。现在特斯拉的最终实力大约是67.5 EFLOPS，相比之下，去年全球总计算率为910。 EFLOPS。

但是在海量数据喂养和超大算率训练下，特斯拉基于端到端的FSD v12版本，提供了比以往更加流畅、拟人化的智能驾驶能力。它还诱使汽车行业进入这个数据和算率游戏。

汽车公司患有数据饥渴症

端到端的智能驾驶技术，是数据与计算能力的结合。

对于端到端智能驾驶所需的数据，特斯拉给出了一些判断标准:一个端到端自动驾驶训练至少需要100万个分布多样、质量高的clips(视频短片)才能正常工作。到达1000万个案例后，系统能力将变得不可思议。

有业内人士告诉36氪，一般15-30秒左右的clip，没有绝对固定的时间长度。

特斯拉在数据上有相当明显的优势。目前，特斯拉已经在全球范围内销售了700万辆汽车。即使有效的数据车是几百万辆，如果自行车每天提供一个clip，特斯拉每天也有几百万个clips可以用来训练。

还有业内人士对36氪的假设，假设云训练是80。 十亿参数模型，至少要在这一模型的“炼丹炉”中投入一万小时的训练数据，并且每两周更新一次数据。

越早建立数据驱动的智能驾驶闭环，汽车企业的技术和产品堡垒就越厚，也越有机会避开后来者。

理想情况下，最迟在明年年初，将通过超过1000万clips训练出来的端到端。 VLM。不久前，小鹏智驾负责人李力劳也明确表示，小鹏端到端模型的训练信息已经达到了2000万clips。

但是高质量的数据并不容易找到。马斯克曾经说过，越来越难捕捉到有效的客户干预行为(高价值训练数据)。“每次开车。 10000 公里，只有 1 公里对训练 FSD 神经系统有用。

理想主义还表示，目前超过80万辆车主，但只有3%的客户能够提供高质量的数据。

多位智驾行业人士告诉36氪，目前汽车企业和智驾企业获取数据的方法主要有两种。

第一，从量产车中挖掘出来。例如，对于汽车公司销售的数十万辆汽车，工程师会写出特殊的规则。如果客户的驾驶行为符合要求，特定数据(脱敏处理后)将上传。汽车公司的用户也可以主动上传一些特殊案例。

而且智能驾驶供应商，或许在量产车数据回传方面没有优势，但是内部通常会建立一个能够高质量驾驶的车队，专门的道路运行来收集数据。

数据回传本身就是一笔不小的成本。据36Kr汽车报道，一家头部智能驾驶供应商企业每年以1亿元的流量成本回传数据。如果是新车制造商，成本会更高。

二是在股票数据中挖掘数据。在智能驾驶初期还不成熟的阶段，汽车公司和智能驾驶公司通常会积累大量的数据，其中许多是无效的数据，工程师只能依靠一些算法规则来挖掘。

高质量的数据作为营养，将决定智能驾驶系统迭代的质量。这不断考验汽车公司的智能驾驶自动化闭环能力:从数据采集、数据清洗、标注、训练、模拟验证、发布、解决bug，再经历新一轮闭环。

而且这背后的每一步数据流转，都在吞噬计算资源。汽车公司和智能驾驶技术企业，似乎很难有后路。

智力驾驶要卖钱，“端到端”虽难做。

端到端智能驾驶带来的好处正在触手可见。

2023年底，基于端到端的FSD上线后，马斯克发了一封电子邮件，督促更多用户感受到智能驾驶的拟人能力，因为FSD的感觉越来越好。

从今年开始，特斯拉甚至使用了所有员工(北美地区)的免费时间。、为了提高FSD的渗透率，订阅费从199美元/月下降到99美元/月，买断费从12000美元下降到4500美元。特斯拉还强调，FSD将于明年第一季度在中国落地。这将有另一个商业想象空间。

也就是说，“端到端”使得智驾比以往任何时候都更加商业化。

国内，“端到端”也在加快智驾商业化进程。

华为首先尝到了智能驾驶商业化的好处。去年年底，华为与赛力斯合作的问界新M7在上市两个月后获得10万个订单，智能驾驶版客户超过60%。

除了推出智能驾驶车型，华为还通过智能驾驶程序包进一步收费。目前行业内大部分汽车公司的智能驾驶软件都是免费向用户开放的。

与特斯拉降价促销不同，华为智能驾驶软件的成本正在逐步上升。鸿蒙系统的一些销售人员告诉36Kr汽车，华为智能驾驶ADS ADS21.0阶段购买价格为3000元，.0阶段买入6000元，ADS3.0是10,000元。后续价格将再次上涨。

而ADS 从1.0到2.0到3.0版本，正是华为从过去的多模块智能驾驶逐渐转向端到端智能驾驶，带来了技术和产品体验的提升。

另外一位尝到智驾技术红利的选手是理想的。增加程度 在家用车产品实力足以打动用户的前提下，理想从今年开始追补智能驾驶的不足，其端到端智能驾驶的版本已经完全推到了所有车型的MAX版本，智能驾驶的口碑也有所回升。

在今年第二季度的财务报告电话会议上，理想汽车称其超过30万辆AD车型。 Max(即智能驾驶版)订单占70%左右。而且AD 与AD相比，Max版车型 Pro版本昂贵20,000元。使用者为更昂贵的车型买单，实际上也是为智驾买单。

美国作家菲利普·迪克曾在小说《仿生人会梦见电子羊吗？》描述了仿生人有爱，有梦想，想有活宠物。

在端到端的加持下，智能驾驶系统可能已经开始“梦想”电子羊了。然而，保持电子梦想需要大量的资源，汽车公司和智能驾驶公司也患有数据和计算率饥渴。

计算游戏，买卡建机房

除销售汽车获取更多数据养分外，汽车企业智驾队还在筹划芯片计算资源。

根据特斯拉第三季度财务报告电话会议的数据，目前特斯拉的AI算率约为6.75万张英伟达H100芯片，最终实力约为67.5 EFLOPS。

特斯拉表示，到10月底，特斯拉还将增加21,000张H100，可以大致推测，特斯拉最终将达到88.5。 EFLOPS。

除疯狂购买英伟达显卡外，特斯拉自主研发的芯片也在路上。此前，马斯克在X上发帖称，其超级计算机Dojo 到年底，将有大约8000台H1000台。 GPU提供等效的练习能力。在Dojo投入生产之后，特斯拉预计其计算率集群的总规模将达到100。 EFLOPS。

望而却步的算率储备，让国内车企玩家不敢轻易掉队。

但芯片限售后，英伟达的高端AI芯片H100在国内很难流通，国内公司更容易买到。是英伟达专门为中国市场推出的A800芯片，性能和价格都不如H100。

现在，华为智驾是国内算率储备最高的玩家，达到7.5 EFLOPS。华为有人告诉36Kr，不仅使用英伟达的实践芯片，还使用华为自主研发的圣腾芯片，两者混合使用。圣腾工具链虽然不是特别好用，但由于自主研发的原因，供应充足，华为在云计算率上进步很快。

理想的汽车是5.39 EFLOPS 在华为之后。在这个背后，大约有一万张英伟达显卡。

有业内人士为36Kr算了一笔账:以A800芯片为例，按照FP16精度计算，一般适用于深度学习训练，单个A800的计算率为3200。 TFLOPS，那么5.39 实现EFLOPS计算率，A800需要超过1.68万张。(理想并不完全是A800，这里只大致计算一下，1EFLOPS=1000PFLOPS=100000TFLOPS)

有业内人士告诉36Kr，今年AI大模型公司抢购热潮消退后，云培训显卡相对容易买到。去年，A800的8卡模块价格轻松超过100万元，现在已经下降到95万元左右。即便如此，国内汽车公司玩家囤积率仍然是一项高投资。

理想的目的是在年底达到8EFLOPS。根据36Kr的说法，理想之前已经和云厂商火山引擎联合建立了数据中心，但是新的数据中心选址还在规划中。

小鹏智能驾驶中心的计算率为2.51。 EFLOPS，同样可以转换成超过7800个A800，小鹏的目的是在2025年达到100个计算率。 EFLOPS 上述。目前蔚来的云算率为1.4。 EFLOPS，可以转换成超过4300张A800。

根据工业和信息化部的信息，截至2024年6月，国内计算率达到246。 EFLOPS(基于FP32计算)。如转换为FP16，即492EFLOPS。而且华为、蔚小理四家企业的云算率总和，占全国计算率的3.5%左右。

但是端到端不仅仅是一个巨人的游戏，中小玩家也在挤进围场。智能驾驶供应商通常会联合汽车公司快速进入战场，比如智己和Momenta。、组合了长城和元戎的启动。

根据36氪汽车的说法，一些头部智能驾驶供应商的培训芯片也达到了千个等级。例如Momenta、去年，地平线等与火山引擎达成合作，订单达到1亿元。

在过去的几年里，全世界都陷入了AI模型的疯狂状态。国内AI大模型公司创业入场门票高达5000万美元，估值最高的大模型公司“月亮的黑暗面”净资产已达236亿元。

目前，中国头部AI模型公司正在向万亿参数模型发展，背后也需要巨大的算率池支撑。星星、Kimi等大型公司正在通过与云制造商合作建立万卡集群培训。

现在汽车行业也出现了同样的情况。汽车公司不愿意只卖车，而是朝着AI科技公司的方向发展。汽车公司自然拥有大量的数据资源。在模型大算率的加持下，他们的目光转向了更广阔的无人车和智能。

他们需要在微薄的利润水平下投入巨资，竞争相对较高的算率数字。这能持续很长时间吗？汽车行业正处于价格激烈的战斗中。如果AI被用作获胜的筹码，这个“资金在燃烧”的算率游戏才刚刚开始。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com