造车新势力的算力“军备竞赛”

5月21日，小米科技创始人雷军直播小米SU7城市NOA（驾驶辅助系统）时，说了这样一句话：“目前，业内实现智驾全自研的，国内有7家公司，都是决心强大。”

雷军口中的“战国七雄”是谁？舆论场有无数组合。但是，当我们把目光聚焦在技术本身，一个关键词语在这两年成为证明车企自研智驾的决心，甚至引发暗自较劲的热词：训练算力，以及有关训练算力的资金投入。

这场算力大赛，在4月28日被特斯拉创始人马斯克直接拉到“天花板”。他在X平台（原推特）上说：“特斯拉今年预计将投资100亿美元，用于训练和推理相结合的人工智能，后者主要用于汽车。任何没有这种规模投入的企业，并且高效推进，没法玩（cannot compete）。”

100亿美元约合723亿元人民币，整个华为公司2023年的研发投入是1647亿元，723亿元是1647亿元的43.9%。

这笔钱让马斯克拥有了全球最多的“计算卡”储备：到2024年年底储备85000块英伟达H100（高端加速芯片），直接成为全球最大的“卡王”。如果说自动驾驶能够引发下一次生产力爆炸，那么目前谁拥有的训练算力越多，谁就更接近于造出第一颗自动驾驶“核弹”。

同样竞逐智能驾驶高峰的新势力车企，他们手握的智能驾驶“核弹当量”之间有没有距离？

E时代

算力语境中，E指的是Exa，1Exa翻译过来，就是10的18次方，即100亿亿。比如，在4月11日召开的鸿蒙智行春季发布会上，华为常务董事余承东表示，目前华为的云端训练算力已经达到了3.3EFLOPS（ExaFLOPS，每秒进行百亿亿次浮点运算能力），相比去年11月智界S7首次发布时公布的2.8EFLOPS，又提升了约20%。

为什么进入E级训练算力时代，对于智能驾驶如此重要？

训练training，在人工智能领域指的是学习，也就是用巨量数据“喂”出一个足够强大的神经网络模型；推理inference，指的是基于这个训练好的神经网络模型，使用新的、规模相对较小的现实数据，得出预测结果。常见的Orin X（英伟达智驾芯片），就是用于推理的小算力芯片；A100/H100（高端加速芯片）则是用于训练的大算力芯片。或者举一个很形象的例子，推理芯片是学生拿着现成的教材学习，训练芯片就像是教案组编写教材，两者的难度有本质不同。

结果就是掌握的智能驾驶训练算力越庞大，离那本“万能教材”就越近，起码在舆论层面可以营造这样的氛围。

“蔚小理华”的算力军备

“蔚小理华米”手里有多少训练算力资源？

有意思的是，目前来看，“蔚小理”三家各自有了不同的算力扩张方向。

在去年9月召开的NIO IN（蔚来技术创新）全栈技术发布会上，蔚来晒出了这样一张PPT：38100POPS（PetaPOPS，每秒一千万亿整数运算）的“群体智能车队算力”，约合38E，INT8精度（神经网络量化精度）看起来相当炸裂。在NIO Day 2020上，蔚来发布了NT2.0平台，4颗英伟达Orin X的配置堪称奢华。直到那张PPT晒出，大家才真正知道第4颗Orin X的用途（安全冗余）。

不过，根据NIO IN的信息，每台NT2.0上的其中一颗Orin X实际用于本地智驾路线的快速验证。所以，它不是传统意义上的“人工智能大模型训练”。实际上，NAD（蔚来自动驾驶）中央智能计算集群算力是1400P，约合1.4E（算力精度未公布）。38E群体算力，更像广义上智驾训练的其中一环，也是蔚来随着保有量上升，加速智驾功能实现的独家武器。

理想目前披露的信息不多，只有2023年的一些旧闻。去年6月，理想汽车智能驾驶副总裁郎咸朋表示，理想拥有1200PFLOPS的训练算力（精度未知），约合1.2EFLOPS。

不过，另一则消息透露了更多细节。去年6月，雷锋网报道，理想向字节跳动旗下数据服务公司火山引擎租用了300多台英伟达人工智能训练服务器，用于训练智能驾驶大模型，这一批服务器的总算力超过750PFLOPS。如果报道属实，那就意味着理想租用的是英伟达上一代人工智能服务器DGX A100，平均每个DGX A100的FP16精度算力为2.5PFLOPS，换算成FP8，就是5PFLOPS，累计约1500PFLOPS，约合1.5E。

租用服务器的好处是资产负担相对较小，尤其对于进展迅速的半导体行业：在2024 GTC大会上，英伟达拿出了A100的下一代再下一代产品，即B200（下一代产品是B100）。

当然，长期采用租赁的形式，对供应商能力的依赖、数据/模型交流的延迟都需要斟酌。

在小鹏汽车520 AI DAY发布会上，小鹏汽车创始人何小鹏表示，小鹏汽车今年会拥有超过7000张卡，每年会在算力上投入“7个亿”。

这两个数字是什么规模？

H100有很多版本，但只有最贵，也是最强的H100 SXM（H100的一种通用版本）可以组成延迟最低的DGX H100（AI专业基础架构第四代产品）训练服务器。

如果这7000张卡都是H100，也就是28000PFLOPS的FP8算力，换算下来，约合32E，放在“云端训练算力”语境中，竞争力当然极强。如果这7000张都是A100，那么估算结果大约为8.75E INT8（一种数据类型），也够卷了。

然后算算何小鹏的7亿元。闲鱼渠道显示，一台DGX H100的报价在250万元以上。换算下来，7亿元可以购买约250台DGX H100，其中包含2000颗H100 SXM，估算算力约为8个E。

预算+行情=实力，小鹏汽车这次是直接将牌甩在了桌上。当然，高达32个E的估算规模，能佐证何小鹏的信心：从国内来看，足够“梭哈”了。

华为系的算力，3.3EFLOPS的规模堪称庞大。而且在4月25日开幕的北京车展同期召开的华为乾崑发布会上，这个数字已经迭代到了3.5EFLOPS（算力精度未知）。

作为智能汽车新军，小米汽车尚未公布训练算力的具体规模。但是有一个大概的认知：想要维持“战国七雄”的地位，3个E的算力是起步。

全球第一当量？

4月24日，英伟达数据中心副总裁Norm Marks在北京接受采访时分享了这样一张图：各家客户目前已拥有的“DGX equivalant nodes”。这个词的意思，是手里的卡等效于多少个DGX H100节点，而非真的拥有这么多H100，因为还算上了A100。

可以看到第二位是一家OEM（主机厂），它有1866个等效DGX H100 Pods，算力规模大约是等效不到1.5万块H100。

第一位是第二位的四倍多，换算下来，大约是超过6万块H100的算力。

然后，Norm Marks来了句：“You know who it is.（笑）。”背景是，他说这句话的5个小时前，马斯克说到2024年年底，特斯拉会拥有超过8.5万块H100的算力规模。

85000块H100有多少算力？

一块H100的最高算力是3958T，85000块最高可达340EFLOPS（FP8），相当于三位数的Exa级算力。

这样写可能还不够直观，一块Orin X的算力是254T（INT8），340E大约就是133.9万块Orin X，相当于67万辆小米SU7 Max，或者其他采用了双Orin X的车型算力总和。

当然，马斯克给出了更广泛的语境“人工智能”，而不只是“自动驾驶”，但他还有另外一句话：“自动驾驶就是真实世界里的人工智能。”

马斯克手里的85000块H100，组成了2024全球智能汽车领域的究极核弹，“自动驾驶就是真实世界里的人工智能”这句话，可能会成为这颗“核弹”的引爆按钮。

算力看不见，摸不着，但算力制霸背后需要极大的资源投入，从资金本身，再到数据运转的体系，甚至企业“梭哈”自研智驾的决心。（文章来源：第一电动网）