今天小編分享的财經經驗：車企得了AI病：月砸上億拼智駕算力，歡迎閲讀。
文丨李安琪
編輯丨李勤
" 下半年開始，理想幾乎把渠道商手裏的卡都買了。" 一位知情人士説。
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、華為和小鵬汽車為首，向端到端智駕發起猛衝的公司，尤為激進。
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 氪了解，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，理想的雲端算力為 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，小鵬汽車宣布，到 2025 年，雲端算力将從目前的 2.51 EFLOPS 增加到 10 EFLOPS。
華為智駕也在兩個月内迅速将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 氪汽車了解，一台 A800 伺服器（含 8 張顯卡）報價約為 95 萬元。按照 FP16 精度計算，單張 A800 的算力為 320TFLOPS，1 EFLOPS（等于 1000000TFLOPS）大約可計算為 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。
也就是説，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标，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，車企們需要先成為吞噬海量數據、巨大雲端算力的猛獸。
特斯拉先成為 " 算力狂魔 "。去年 9 月，特斯拉 AI 訓練芯片儲備不過萬張左右，而在今年三季度财報會數字顯示，目前特斯拉 AI 算力約等效為 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為 67.5 EFLOPS，對比之下，去年全球算力總規模為 910 EFLOPS。
但在海量數據喂養和超大算力訓練下，特斯拉基于端到端的 FSD v12 版本，提供了比以往更絲滑、拟人的智駕能力。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。
對于端到端智駕所需要的數據，特斯拉曾給出過一些判斷标準：一個端到端自動駕駛訓練至少需要 100 萬個、分布多樣、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為百萬輛，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，并且每兩周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，也越有機會将後來者拒之門外。
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。
但高質量數據并不容易尋得。馬斯克曾表示，有效的用户幹預行為（高價值的訓練數據）捕捉正變得越來越難。" 每行駛 10000 英裏，只有 1 英裏對訓練 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户只有 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台車，工程師會寫下專門規則，如果用户的駕駛行為符合條件，特定數據（經過脱敏處理）會被上傳。車企用户也可以主動上傳一些特别案例。
而智駕供應商，也許在量產車數據回傳上沒有優勢，但内部往往會組建一支能優質駕駛的車隊，專門路跑采集數據。
數據回傳本身是一筆不小的成本。據 36 氪汽車了解，一家頭部智駕供應商公司，每年回傳數據的流量費以億元為部門。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。
高質量數據作為養料，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：從數據采集、數據清洗、标注、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 年末推出基于端到端的 FSD 後，馬斯克曾發郵件督促一線銷售讓更多用户體驗智駕的拟人能力，原因是 FSD 的體驗變得更好了。
今年以來，特斯拉甚至采用了全員免費限時使用（北美地區）、訂閲費從 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 将于明年一季度在中國落地。這将有另一番商業想象空間。
換句話説，" 端到端 " 讓智駕比過往任何時刻都接近商業化。
在國内，" 端到端 " 也在加速智駕商業化進程。
華為最早嘗到智駕商業化甜頭。去年末，華為與賽力斯合作的問界新 M7，上市兩月餘斬獲 10 萬個訂單，智駕版用户超 60%。
除了推出智駕版車型，華為還通過智駕軟體包的方式進一步收費。而目前行業大多數車企智駕軟體都是免費開放給用户。
跟特斯拉降價促銷不同，華為智駕軟體費用正在逐步上漲。有鴻蒙銷售人士告訴 36 氪汽車，華為智駕 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，正是華為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。
另一個嘗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户的前提下，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。
今年二季度财報電話會議上，理想汽車稱其 30 萬以上的車型 AD Max（即智駕版本車型）訂單占比接近 70%。而 AD Max 版車型比 AD Pro 版車型貴 2 萬元。用户為更貴的車型買單，實際上也是在為智駕買單。
美國作家菲利普 · 迪克曾在小説《仿生人會夢見電子羊嗎 ?》中描述，仿生人擁有感情、會做夢，并希望擁有一只活寵物。
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。
特斯拉三季度财報電話會數據顯示，目前特斯拉 AI 算力約等效為 6.75 萬張英偉達 H100 芯片，總算力約為 67.5 EFLOPS。
特斯拉稱，到 10 月底，特斯拉還将增加 2.1 萬張 H100，可大致推測出，特斯拉屆時總算力将達 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，将會有約 8000 台 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，其算力集群總規模能達到 100 EFLOPS。
望不見頂的算力儲備，讓國内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 難以在國内流通，國内企業更容易買到的，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，華為智駕是國内算力儲備最高的玩家，達 7.5 EFLOPS。有華為人士告訴 36 氪，内部不僅使用英偉達的訓練芯片，同時還在使用華為自研的晟騰芯片，兩者混合使用。晟騰工具鏈雖然不算特别好用，但由于自研的緣故，供給充足，華為能在雲端算力上進展很快。
理想汽車則以 5.39 EFLOPS 位居華為之後。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 芯片為例，按照深度學習訓練一般适用的 FP16 精度來計算，單張 A800 算力為 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 卡模組價格輕松賣超百萬元，如今回落到 95 萬元左右。即便如此，國内車企玩家想要囤積算力，依然是一筆巨額投入。
理想的目标是年底達到 8EFLOPS。據 36 氪了解，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，同理可換算為超 7800 張 A800，小鵬的目标是 2025 年算力将達 10 EFLOPS 以上。蔚來目前的雲端算力是 1.4 EFLOPS，可換算為超 4300 張 A800。
可以對比的是，據工信部信息，截至 2024 年 6 月，國内算力規模達 246 EFLOPS（基于 FP32 計算）。如果換算成 FP16，即 492EFLOPS。而華為、蔚小理 4 家企業雲端算力總和，就占全國算力規模約 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 氪汽車了解，一些頭部智駕供應商的訓練芯片也達千張級别。如 Momenta、地平線等去年就跟火山引擎達成合作，訂單在億元級别。
過去兩年，全球都陷入了 AI 大模型瘋狂狀态。國内 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。
目前國内頭部 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群訓練。
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 作為決勝籌碼，這場 " 經費在燃燒 " 的算力遊戲才剛剛開始。
