新能源车企,困于云计算

为什么说云计算天然适合汽车行业?

文|新眸 鹿尧

编辑|桑明强

在汽车圈,从来没有哪场变革,能像今天的智能化一样产生无差别的冲击。

根据相关数据显示,去年年底,电动车销量占比已经超过了全部汽车的23%,与此同时,车企们也陷入新一轮内卷,最直观的表现就是:硬件堆料、成本提升、玩家变多、特斯拉全系降价、还有国内众多的高配低价。

当然,这些对于传统燃油车来说都不是好事,加上同行的竞争加剧,油车和电车都在转型和优化的路上,只不过重心从动力、底盘的研发,转移到怎么应用新技术上,比如智能驾驶、智能座舱、智能车联等。

一时间,拥抱智能化成了国内所有车企的必选项。

对于车企们来说,只有更高的算力,更好的芯片,才能驱动这些软硬件发挥出极致的性能。加上辅助驾驶技术不断迭代,对算力也提出了更多的需求。据 Garner 估计,一辆联网车每天至少产生4TB数据,车卖得越多,数据量甚至能从PB级到增长到ZB级。

此时如果将数据存下来做模型训练,车企们显然很难独立完成。这一点,何小鹏看得很清楚,所以在去年8月,小鹏和阿里云合作的智算中心落地乌兰察布,他算过一笔账,预计2025年起,小鹏汽车每年花在算力上将超过10亿元。“如果现在不提前储备算力,那么今后5年内,企业算力成本会从亿级,加到数十亿级。”

顶着同样焦虑的不只有新势力,为了花更少的钱挖掘更多的数据价值,国内有超过70%的车企,例如一汽、吉利、长城、长安,包括地平线等自动驾驶公司,都上了阿里云,后者打造的汽车云覆盖了“产研供销服”各个环节,包括最复杂的生产制造环节。

在一些汽车业内人士看来,云计算和汽车产业的融合是大势所趋,车企对云的需求,已经从拿来即用的资源升级,变成了在智能网联各垂直场景的专精,这是每一家车企都不能错过的效率变革。

01 智能车的数据“围城”

建造专用的智算中心,小鹏并不是第一个。此前特斯拉也发布过超级计算机Dojo,专门用于人工智能机器学习,帮助训练自动驾驶的视觉技术等,浮点运算能力甚至达到exaflop级别,即每秒百亿亿次运算。

Dojo的首席工程师曾透露,早年前在测试基础设施时,Dojo的功耗直接把当地变电站搞跳闸了。到了今年,马斯克预计,年底将通过Nvidia、Dojo芯片将神经网络训练再提高一个数量级,在算力上把自动驾驶的进程向前再推一步。

汽车智能化最直接的体现是实现自动驾驶,这点特斯拉走得最早,单车智能也被认为是可行的方案,近两年的国内情况也是一样,去年末,国内纵目科技申报IPO、包括MINIEYE、宏景智驾、福瑞泰克在内的十多家量产型ADAS企业均拿到了新融资,规模大部分在数亿元,流向更容易落地的辅助驾驶。

这里面就包括同样是新势力的理想汽车,和其他玩家相比,理想算起步比较晚,为了赶进度,采用的是硬件和系统标配的策略,并且给用户免费使用。反观特斯拉,车主开通自动驾驶辅助系统是要花钱的,但所有的车辆都标配了感知和计算平台硬件,如果车主同意条款,部分数据就可以回传。

这两件事至少可以说明,在自动驾驶技术还未成熟的阶段,拉满硬件配置的确是一个很有吸引力的卖点,800万像素高清摄像头、4D毫米波雷达,很多玩家在硬件上采取堆料超配。这不仅为了吸引更多的用户,考虑到自动驾驶更高阶的场景下,功能和服务的迭代,也都离不开后期持续增长的数据支撑。

毫无疑问,现在的特斯拉在交付量上遥遥领先,这给包括理想在内的玩家,造成了很大的心理压力。业内人士认为,如果理想要在数据规模上争取根本变化,就得尽量降低车辆和硬件成本。

有理想汽车的PM称,中国企业和特斯拉的成本差距,主要体现在硬件配置和芯片上,随着辅助驾驶新车市场渗透率达到30%,李想本人也做出判断,自动驾驶功能会在这两年集中落地。中高端车型如果不能跟上步伐,很可能会成为消费者不买这辆车的理由。

事实上,成本和算力几乎是每一家智能车厂商都要权衡、克服的问题。做自动驾驶,就要有海量数据支撑,这是一个大前提,正常情况下,辅助驾驶每提升一个级别,车载算力需求就提升一个数量级,而训练研发的算力要提升两个数量级。

如果未来三年还有上百倍算力提高的需求,算力和灵活性的不足,会让大部分的自动驾驶都面临“研发跟不上数据增长”的困境。这种情况下,想要进一步提升用户体验,就需要“云”的加持。

所以回到一开始,小鹏给出的解法,就是和阿里云“自动驾驶云”建造一个算力规模达600PFLOPS的专用智算中心“扶摇”,并且效果已经得到了验证:算力达到60亿亿次每秒运算,训练提速达到170倍,同时节约了用电;在存储层面,阿里云提供最多7层冷热程度的数据存储架构,大幅降低了数据存储成本。

02 为什么说云计算天然适合汽车行业?

实际上,在车联网概念出来前,部分车企就已经把一些数据和服务迁移到云端,这是最早的汽车云雏形。但当时的云还没有突破“车”的限制,只扮演着资源+容器的角色,提供存储、计算等帮助。

当然,这也是车云一体中最基础的功能,等到高阶辅助驾驶爆发,数据进一步增长,存储和计算的功能仍然是车云最底层的联系。通常来说,一家传统车企的业务系统甚至能超过300多个,智能汽车的业务还会更多,他们的共同需求,都是想让汽车产业变得更轻盈。

举个例子,传统车企往往会通过自建IDC来进行数据运营,当量产车规模越来越大,需要即时回传的信息也就越来越多,加上不时的高算力需求,这时候仅靠专有云是不够的。这也解释了,为什么长城汽车会在2018年选择和阿里云建立合作,专有云之外,“公有云+数据中台”的配合,在保证对海量数据进行实时计算与处理的同时,它的数据管理能力也毋庸置疑。

后来随着智能化趋势加剧,包括蔚来、吉利等,都有参与到这场竞赛中来,但回到基础设施本身,早期的搭建仍然是一件重资产、重研发、耗时长的苦差事。相比之下,技术积累深厚、开放灵活,且已经有很多场景实践的云厂商,可能是更好的选择,因为它们更懂得怎样才能架好车企上云的梯子。

尤其对于新成立的公司来说,前期并没有那么多的数据要积累,所以一开始都会采用云原生的模式。诞生在2020年的智己走得就是这样的路线:摒弃传统的线下机房,将需要重投入的运维任务交给阿里云,包括车联车控平台、用户管理平台、研发平台、SAP系统、安全运营等多个核心业务都放在云上。

按照阿里云智能副总裁李强的理解,智己的云原生才刚刚开始。

这样的判断来源于智驾系统的一个场景实践,对比传统的单点解决方案,阿里云从车端的采集、传输、存储,到最终的发布过程进行拆解,构成一套完整的端到端处理方案。但这并不是终点。实现自动驾驶的过程需要不间断的性能迭代,前提是对路况、车辆信息的进一步收集挖掘,匹配高精硬件,并且降低网络延迟,解决这个问题的关键之一,就是提高云计算平台使用效率。

无独有偶,前段时间吉利星睿智算中心落地湖州,同样也是基于阿里云飞天智算云平台打造来提升后续研发效率,星睿案例的特殊性在于,在智能驾驶、车联网之外,新能源动力管理方面也将基于智算中心加速智能应用的研发,比如根据用户驾驶习惯和路况,对电池进行实时管理。

除此以外,对于一辆车来说,除了车辆本身,从车厂到市场,中间的研发、生产、营销,同样被车企认为是令人头大的环节。举个简单的例子,当新势力的直营模式带来更好的用户体验时,D2C直营模式和混合代理模式也成了很多车企的转型方向,在这一过程中有很多新问题出现,比如怎样运营,并触达更多用户。

一汽奥迪和一汽红旗的解决方案是,在阿里云“营销云”上建设内容中台。前者构建出170多个内容标签,这么做直接带来超过10万的DAU;后者在运营成本降低30%的情况下,品牌线索转化率提升超过10%。对比传统的投放方式,阿里云“营销云”最大的特点是能够带来新的增量,背后的技术能力则来自瓴羊的数据智能和达摩院的数字人。

但这并不是最关键的,对于一家将近2万设备同时在线的工厂来说,如何协调资源才是最棘手的难点,这也解释了为什么一汽红旗会选择和阿里云“智造云”合作、进行仿真试验,底层逻辑仍是对数字化和智能化的应用:借助数字孪生、智能计算、辅助决策,本质上来说,智能工厂压缩的不仅是周期,还有出错率。

03 全周期服务的起点

某种程度上来说,当下的数字化转型就是向云转型,韦青是微软(中国)的CTO,他的描述很贴切:“就像电力系统被发明出来,我们花很长时间让工具都接上电,之后就是生产力的大爆发。”

对于任何一家企业来说,想克服的都是怎样才能把产品快速打造出来,并且能够卖出去,在这个过程中,稳定、安全、高效缺一不可。拿云计算来说,经过二十多年的演变,它已经成功实践在金融、政务、零售等各个领域,本身的应用场景也已经非常成熟。

然而,由于过去很多云厂商的收入主要来源互联网企业,一度让人以为只有互联网才需要云计算。但事实上,很多传统实体制造业在越来越卷的情况下,也需要借助云计算实现转型、突围,而汽车云,就是这种环境下诞生的产物。

但问题是,同样是卷算力,芯片和云是两种不同的解决方式。前者更倾向对汽车产品本身的优化,后者则关联了企业背后全流程的数字化,从后端的制造,到终端的供应链,到前端的营销,再到最前端的用户使用,整个过程不仅有正在爆发的驾驶数据,还有未来增长的生产制造侧、营销流通过程的数据。

因此,行业需要更加聚焦应用场景的云,将数据收集上传至云端,进行存储、计算、模型训练,并通过OTA升级的方式,把不断迭代的软件算法下发,另一面,云厂商也需要躬身入局,深入到汽车行业的毛细血管里。

值得注意的是,在数字化和智能化的浪潮下,汽车云在智能网联车的应用空间远不止这些。在车联网的背景下,汽车云对数据发挥的作用,能够把对用户的服务,从原本的产品交易终点,转变为提供车辆全生命周期服务的起点,在优化用户体验的同时,也为车企创造了实打实的价值和收益,而这,极有可能成为一场变革的开端。

声明:本文内容仅代表该投稿文章作者观点,不代表浑水号立场。 未经授权不得随意转载,浑水号保留追究相应责任的权利