車企得了AI病：月砸上億拼智駕算力
文丨李安琪
編輯丨李勤
“下半年開始，理想幾乎把渠道商手裡的卡都買了。”一位知情人士說。
AI大模型創業催生的搶購算力潮，今年陡然遷移到了汽車行業。以理想、華爲和小鵬汽車爲首，向端到端智駕發起猛衝的公司，尤爲激進。
和AI大模型技術趨同，端到端的智能駕駛技術，同樣有數十億參數，也在向百億級進發。算力就是這座數據熔爐的燃料。這也決定，端到端技術和算力資源拼搶，成了智能駕駛新的決勝規則。
“李想（理想汽車CEO）經常問我，算力資源夠不夠，不夠再去買。”接受36氪專訪時，理想智能駕駛副總裁朗鹹鵬曾表示。據36氪瞭解，目前理想汽車已經囤夠了萬張算力卡，“同時還在物色數據中心的地址。”
7月，理想的雲端算力爲2.4 EFLOPS ，到8月底，理想算力已經陡增至5.39 EFLOPS。幾乎一個月時間，理想的雲端算力增加了近3 EFLOPS。
同樣，小鵬汽車宣佈，到2025年，雲端算力將從目前的2.51 EFLOPS增加到10 EFLOPS。
華爲智駕也在兩個月內迅速將雲端訓練算力規模從5EFLOPS擴張到7.5 EFLOPS。
這是什麼概念？有智駕行業人士告訴36氪，目前車企們使用的訓練顯卡主要是英偉達H100和A800。美國禁令後，市場上能流通的大多是A800。
據36氪汽車瞭解，一臺A800服務器（含8張顯卡）報價約爲95萬元。按照FP16精度計算，單張A800的算力爲320TFLOPS，1 EFLOPS（等於1000000TFLOPS）大約可計算爲3125張A800，即390個8卡模組。
按每8卡模組按照95萬元價格計算，1 EFLOPS算力大約需要約3.7億元。
也就是說，理想汽車在過去1個多月，僅囤置算力芯片就耗費超10億元，而小鵬想要實現明年總算力目標，則需要耗費約37億元。
雖然耗資巨甚，但不容車企懈怠。智能駕駛技術已經在AI大浪潮下，發生新的範式革命：從傳統方案的規則驅動，變成了“端到端”方案的AI驅動、數據驅動。
想要量產端到端的智能駕駛產品，車企們需要先成爲吞噬海量數據、巨大雲端算力的猛獸。
特斯拉先成爲“算力狂魔”。去年9月，特斯拉AI訓練芯片儲備不過萬張左右，而在今年三季度財報會數字顯示，目前特斯拉AI算力約等效爲6.75萬張英偉達H100芯片。一年時間算力儲備翻超6倍。
圖源：特斯拉官網
這是相當恐怖的數字。目前特斯拉總算力約爲67.5 EFLOPS，對比之下，去年全球算力總規模爲910 EFLOPS。
但在海量數據餵養和超大算力訓練下，特斯拉基於端到端的FSD v12版本，提供了比以往更絲滑、擬人的智駕能力。這也誘使汽車行業進入這場數據和算力遊戲。
車企患上數據飢渴症
端到端下的智能駕駛技術，是數據和算力的合謀。
對於端到端智駕所需要的數據，特斯拉曾給出過一些判斷標準：一個端到端自動駕駛訓練至少需要100萬個、分佈多樣、高質量的clips（視頻片段）才能正常工作。到了1000萬個case後，系統能力會變得難以置信。
有行業人士告訴36氪，一般1個clip在15-30秒左右，沒有絕對固定的時間長度。
特斯拉有相當明顯的數據優勢。目前特斯拉已經在全球賣出700萬輛車，即便有效的數據車輛爲百萬輛，如果單車每天貢獻一個clip，那麼特斯拉每天就有百萬個clips能被拿來訓練。
也有行業人士向36氪假設，假如在雲端訓練一個80 億參數的模型，至少需要在這個模型“煉丹爐”中投入1萬個小時訓練數據，並且每兩週更新要更新一遍數據。
越早建立數據驅動的智駕閉環，車企的技術與產品壁壘就越厚，也越有機會將後來者拒之門外。
理想表示，最晚明年年初，會推出大概通過超過1000萬clips訓練出來的端到端+VLM。前段時間小鵬智駕負責人李力耘也在公開表示，小鵬端到端模型的訓練數據量已達到2000萬clips。
但高質量數據並不容易尋得。馬斯克曾表示，有效的用戶干預行爲（高價值的訓練數據）捕捉正變得越來越難。“每行駛 10000 英里，只有 1 英里對訓練 FSD 神經網絡有用。”
理想也表示，目前超80萬輛車主，但真正能提供高質量數據的用戶只有3%。
多位智駕行業人士告訴36氪，目前車企和智駕公司獲取數據主要有2種方式。
一是從量產車上挖掘。比如針對車企賣出的幾十萬臺車，工程師會寫下專門規則，如果用戶的駕駛行爲符合條件，特定數據（經過脫敏處理）會被上傳。車企用戶也可以主動上傳一些特別案例。
而智駕供應商，也許在量產車數據回傳上沒有優勢，但內部往往會組建一支能優質駕駛的車隊，專門路跑採集數據。
數據回傳本身是一筆不小的成本。據36氪汽車瞭解，一家頭部智駕供應商公司，每年回傳數據的流量費以億元爲單位。如果是新造車公司，這項費用支出會更高。
二是在存量數據中挖掘數據。在早期智駕還不成熟的階段，車企和智駕公司往往積累大量數據，很多都是無效數據，工程師只能通過一些算法規則來挖取。
高質量數據作爲養料，會決定智駕系統迭代的質量。這持續考驗着車企的智駕自動化閉環能力：從數據採集、數據清洗、標註、訓練、仿真驗證、發版、解bug，再經歷新一輪閉環。
而這背後每一步的數據流轉，都在吞噬算力資源。車企和智能駕駛技術公司們，似乎難有退路。
智駕要賣錢，“端到端”雖難必做
端到端智能駕駛帶來的收益正在觸手可見。
在2023年末推出基於端到端的FSD後，馬斯克曾發郵件督促一線銷售讓更多用戶體驗智駕的擬人能力，原因是FSD的體驗變得更好了。
今年以來，特斯拉甚至採用了全員免費限時使用（北美地區）、訂閱費從199美元/月下降至99美元/月，買斷費用從1.2萬美元下降至4500美元等方式，來提升FSD的滲透率。特斯拉還表示FSD將於明年一季度在中國落地。這將有另一番商業想象空間。
換句話說，“端到端”讓智駕比過往任何時刻都接近商業化。
在國內，“端到端”也在加速智駕商業化進程。
華爲最早嚐到智駕商業化甜頭。去年末，華爲與賽力斯合作的問界新M7，上市兩月餘斬獲10萬個訂單，智駕版用戶超60%。
除了推出智駕版車型，華爲還通過智駕軟件包的方式進一步收費。而目前行業大多數車企智駕軟件都是免費開放給用戶。
跟特斯拉降價促銷不同，華爲智駕軟件費用正在逐步上漲。有鴻蒙銷售人士告訴36氪汽車，華爲智駕ADS 1.0階段買入價格是3000元，ADS2.0階段買入是6000元，ADS3.0是1萬元。“後續價格還會漲。”
而ADS 1.0到2.0到3.0版本，正是華爲從傳統多模塊智駕逐步轉向了端到端智駕後，帶來的技術和產品體驗提升。
另一個嚐到智駕技術紅利的選手是理想。在增程+家庭車產品力足夠打動用戶的前提下，理想從今年開始猛追補足智駕短板，其端到端智駕版本已經全量推送給所有車型MAX版本，智駕口碑回升。
今年二季度財報電話會議上，理想汽車稱其30萬以上的車型AD Max（即智駕版本車型）訂單佔比接近70%。而AD Max版車型比AD Pro版車型貴2萬元。用戶爲更貴的車型買單，實際上也是在爲智駕買單。
美國作家菲利普·迪克曾在小說《仿生人會夢見電子羊嗎?》中描述，仿生人擁有感情、會做夢，並希望擁有一隻活寵物。
端到端加持下，智駕系統可能已經開始“夢”到電子羊。但電子夢境的維持，需要大量資源灌注，車企與智駕公司也由此患上了數據、算力飢渴症。
算力遊戲，買卡建機房
除了賣車獲取更多數據養料，車企智駕團隊還在籌備芯片算力資源。
特斯拉三季度財報電話會數據顯示，目前特斯拉AI算力約等效爲6.75萬張英偉達H100芯片，總算力約爲67.5 EFLOPS。
特斯拉稱，到10月底，特斯拉還將增加2.1萬張H100，可大致推測出，特斯拉屆時總算力將達88.5 EFLOPS。
除了瘋狂購入英偉達顯卡之外，特斯拉自研的芯片也在路上。馬斯克此前在X上發帖稱，其超級計算機Dojo 1到年底，將會有約8000臺H100 GPU提供等效的訓練能力。特斯拉此前期望是，Dojo進入投產後，其算力集羣總規模能達到100 EFLOPS。
望不見頂的算力儲備，讓國內車企玩家不敢輕易掉隊。
不過芯片限售後，英偉達的高端AI芯片H100難以在國內流通，國內企業更容易買到的，是英偉達針對中國市場推出的特供版芯片A800等，性能與價格都不如H100。
目前，華爲智駕是國內算力儲備最高的玩家，達7.5 EFLOPS。有華爲人士告訴36氪，內部不僅使用英偉達的訓練芯片，同時還在使用華爲自研的晟騰芯片，兩者混合使用。晟騰工具鏈雖然不算特別好用，但由於自研的緣故，供給充足，華爲能在雲端算力上進展很快。
理想汽車則以5.39 EFLOPS 位居華爲之後。而這背後，是萬張左右的英偉達顯卡儲備。
有行業人士給36氪算了一筆賬：以A800芯片爲例，按照深度學習訓練一般適用的FP16精度來計算，單張A800算力爲320 TFLOPS，那麼5.39 EFLOPS算力實現，需要超1.68萬張A800。（理想不完全是A800，此處僅大致計算，1EFLOPS=1000PFLOPS=1000000TFLOPS）
有行業人士告訴36氪，今年AI大模型公司算力搶購熱潮消退後，雲端訓練顯卡相對好買。去年A800的8卡模組價格輕鬆賣超百萬元，如今回落到95萬元左右。即便如此，國內車企玩家想要囤積算力，依然是一筆鉅額投入。
理想的目標是年底達到8EFLOPS。據36氪瞭解，理想此前已經與雲廠商火山引擎聯合建立數據中心，但目前還在籌備新的數據中心選址。
小鵬智駕中心算力則是2.51 EFLOPS，同理可換算爲超7800張A800，小鵬的目標是2025年算力將達10 EFLOPS 以上。蔚來目前的雲端算力是1.4 EFLOPS，可換算爲超4300張A800。
可以對比的是，據工信部信息，截至2024年6月，國內算力規模達246 EFLOPS（基於FP32計算）。如果換算成FP16，即492EFLOPS。而華爲、蔚小理4家企業雲端算力總和，就佔全國算力規模約3.5%。
但端到端不僅是巨頭的遊戲，中小玩家也在擠進圍場。智駕供應商往往聯合車企快速攻入戰場，比如出現了智己與Momenta、長城與元戎啓行等組合。
據36氪汽車瞭解，一些頭部智駕供應商的訓練芯片也達千張級別。如Momenta、地平線等去年就跟火山引擎達成合作，訂單在億元級別。
過去兩年，全球都陷入了AI大模型瘋狂狀態。國內AI大模型公司的創業入場門票高達5000萬美元，目前估值最高的大模型公司“月之暗面”身價已經去到236億元。
目前國內頭部AI大模型公司正朝着萬億參數量模型發展，這背後也需要巨大的算力池支撐。階躍星辰，Kimi等大模型公司，都在通過與雲廠商合作來搭建萬卡集羣訓練。
如今同樣的局面在汽車行業上演。車企們不甘心只賣車，而是朝着AI科技公司的方向進發。車企們天然擁有海量數據資源，在大模型大算力的加持下，目光已經投向了更廣的無人車、具身智能等方向。
他們需要在微薄的利潤水平下，投入巨資，競逐越來越高的算力數字。這能持久嗎？汽車行業正陷入價格鏖戰，如果把AI作爲決勝籌碼，這場“經費在燃燒”的算力遊戲纔剛剛開始。