今天小编分享的财经经验：车企得了AI病：月砸上亿拼智驾算力，欢迎阅读。
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 伺服器（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部門。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，华为还通过智驾軟體包的方式进一步收费。而目前行业大多数车企智驾軟體都是免费开放给用户。
跟特斯拉降价促销不同，华为智驾軟體费用正在逐步上涨。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。
