一個(gè)高性能的硬件平臺(tái)，是處理預(yù)期增長(zhǎng)的海量數(shù)據(jù)的基石，是自動(dòng)駕駛系統(tǒng)不斷精進(jìn)的技術(shù)依托。事實(shí)也證明，特斯拉近些年一直走在自動(dòng)駕駛隊(duì)伍前列。但顯然，這只是一道開(kāi)胃小菜。數(shù)據(jù)才是那個(gè)壓軸選手。

自動(dòng)駕駛系統(tǒng)在前期開(kāi)發(fā)階段，需要采集大量的道路環(huán)境數(shù)據(jù)，形成貫穿感知、決策、規(guī)劃與控制多環(huán)節(jié)的算法。隨著自動(dòng)駕駛等級(jí)每進(jìn)一步，場(chǎng)景的長(zhǎng)尾性將大幅增加，數(shù)據(jù)量也會(huì)呈現(xiàn)指數(shù)級(jí)增長(zhǎng)。

量產(chǎn)車(chē)在上市后亦是如此，仍需持續(xù)不斷回傳場(chǎng)景數(shù)據(jù)，對(duì)算法模型加以訓(xùn)練和驗(yàn)證，做進(jìn)一步的優(yōu)化迭代。因而數(shù)據(jù)被認(rèn)為是車(chē)企發(fā)展自動(dòng)駕駛技術(shù)的護(hù)城河。截止到去年6月，特斯拉已收集100萬(wàn)支36幀10秒時(shí)長(zhǎng)的高度差異化場(chǎng)景視頻數(shù)據(jù)，累計(jì)數(shù)據(jù)量約1.5PB，遠(yuǎn)超Waymo。

如何獲取、存儲(chǔ)以及利用更多海量數(shù)據(jù)，是過(guò)渡到更高級(jí)甚至是實(shí)現(xiàn)完全無(wú)人化L5級(jí)自動(dòng)駕駛的關(guān)鍵，也是越來(lái)越多的車(chē)企將目光瞄向超算中心的根本原因。

真正的主菜 無(wú)數(shù)據(jù)不智能

對(duì)于搭建自動(dòng)駕駛系統(tǒng)而言，數(shù)據(jù)采集主要有兩種模式，一是靠采集車(chē)預(yù)先采集，二是靠量產(chǎn)車(chē)路測(cè)回灌。一些打算從事自動(dòng)駕駛系統(tǒng)開(kāi)發(fā)的公司往往面臨兩個(gè)難題，創(chuàng)建數(shù)據(jù)采集車(chē)隊(duì)難，打造量產(chǎn)車(chē)回傳隊(duì)伍更難。

結(jié)合IDC聯(lián)合英偉達(dá)發(fā)布的白皮書(shū)，在實(shí)車(chē)端采集數(shù)據(jù)，需要真實(shí)車(chē)輛搭載全套傳感器設(shè)備在真實(shí)場(chǎng)景中持續(xù)行駛，這通常會(huì)產(chǎn)生較高的測(cè)試成本。

與此同時(shí)，依靠實(shí)車(chē)路測(cè)難以對(duì)長(zhǎng)尾場(chǎng)景實(shí)現(xiàn)全面覆蓋；某些場(chǎng)景還具有一定危險(xiǎn)性，極有可能增加測(cè)試成本。另外，僅僅通過(guò)實(shí)車(chē)路測(cè)無(wú)疑會(huì)拉長(zhǎng)研發(fā)周期，難以滿足當(dāng)下市場(chǎng)對(duì)產(chǎn)品創(chuàng)新周期的需求。而一旦數(shù)據(jù)成了缺失項(xiàng)目，便無(wú)從談起自動(dòng)駕駛。

“長(zhǎng)尾場(chǎng)景”即種類(lèi)多且出現(xiàn)頻率低的情景

自動(dòng)駕駛時(shí)代，仿真由此成為硬需求。將真實(shí)世界中的物理場(chǎng)景通過(guò)數(shù)字建模進(jìn)行數(shù)字化還原，自動(dòng)駕駛系統(tǒng)便可以在虛擬環(huán)境中測(cè)試生成數(shù)據(jù)。

不僅測(cè)試速度優(yōu)于真實(shí)物理世界的車(chē)輛水平，還可以在組裝樣車(chē)前就開(kāi)啟自動(dòng)駕駛系統(tǒng)算法的測(cè)試。通過(guò)預(yù)先收斂的算法精度，也能進(jìn)一步提升實(shí)車(chē)測(cè)試效率。毋庸置疑，一個(gè)高效精準(zhǔn)的仿真工具尤為重要。

至于為什么需要智算中心，如果進(jìn)行大規(guī)模仿真測(cè)試，一定時(shí)間里測(cè)試多個(gè)10億量級(jí)的數(shù)據(jù)，算力將成為仿真效率的瓶頸。而算力早已不是一兩張GPU或者一個(gè)小集群就能構(gòu)建出開(kāi)發(fā)的基礎(chǔ)。

當(dāng)數(shù)據(jù)變得越來(lái)越龐雜、越來(lái)越系統(tǒng)化，自動(dòng)駕駛算法模型的復(fù)雜度不斷提升，模型體積呈幾何倍數(shù)增長(zhǎng)，只有依靠數(shù)以百計(jì)、千計(jì)的GPU并行運(yùn)算，才能在更長(zhǎng)的訓(xùn)練時(shí)長(zhǎng)中完成對(duì)Transformer等模型的訓(xùn)練，也只有數(shù)據(jù)中心能夠支持這種需求。

“超算中心是算法的根本，如果沒(méi)有超算中心，便沒(méi)有辦法打通自動(dòng)駕駛這張牌。”英偉達(dá)汽車(chē)數(shù)據(jù)中心業(yè)務(wù)總監(jiān)陳曄如此強(qiáng)調(diào)。這些要求都對(duì)數(shù)據(jù)中心的設(shè)計(jì)、建設(shè)和運(yùn)維提出了更高要求。

造車(chē)新勢(shì)力中，小鵬已經(jīng)率先和阿里云攜手在內(nèi)蒙古烏蘭察布發(fā)布了智算中心“扶搖”，算力可達(dá)600PFLOPS（每秒浮點(diǎn)運(yùn)算60億億次），可將自動(dòng)駕駛核心模型的訓(xùn)練速度提升近170倍。而蔚來(lái)、特斯拉等車(chē)企都選擇了英偉達(dá)提供的解決方案。

其中，蔚來(lái)采用英偉達(dá)HGX加速器平臺(tái)構(gòu)建數(shù)據(jù)中心基礎(chǔ)設(shè)施，在此基礎(chǔ)上模型開(kāi)發(fā)效率提高近20倍，加快了ET7、ET5等車(chē)型的量產(chǎn)上市速度。HGX整合了NVIDIA GPU、Mellanox等技術(shù)，以及在NGC（NVIDIA GPU Cloud）中優(yōu)化的AI軟件堆棧。

特斯拉也是利用英偉達(dá)GPU來(lái)構(gòu)建自己的超算中心。在英偉達(dá)自動(dòng)駕駛客戶中，GPU使用規(guī)模最大的當(dāng)屬特斯拉，目前已經(jīng)部署120個(gè)DGX SuperPOD 分布式集群。

“DGX”是英偉達(dá)最強(qiáng)的服務(wù)器，內(nèi)置8張NVIDIA GPU，“SuperPOD”是英偉達(dá)推出的最小化可交付超算中心，內(nèi)有20臺(tái)DGX。換句話說(shuō)，特斯拉整整用了2400臺(tái)DGX，近2萬(wàn)張NVIDIA GPU。

“20臺(tái)服務(wù)器能夠做很多起步性的工作，但對(duì)于中國(guó)的造車(chē)新勢(shì)力們來(lái)說(shuō)，20臺(tái)的數(shù)量遠(yuǎn)遠(yuǎn)不夠。”據(jù)陳曄稱(chēng)，中國(guó)領(lǐng)先的自動(dòng)駕駛客戶的使用需求量在300到600多臺(tái)DGX。

從完成數(shù)據(jù)采集、篩選到打標(biāo)后，自動(dòng)駕駛算法模型訓(xùn)練、回放性驗(yàn)證（推理過(guò)程）以及仿真測(cè)試這三大環(huán)節(jié)都離不開(kāi)超算中心發(fā)揮作用。車(chē)企或者自動(dòng)駕駛公司要想做好自動(dòng)駕駛模型訓(xùn)練，一個(gè)大規(guī)模超算中心是必需品。這其實(shí)也是車(chē)企自建數(shù)據(jù)中心的底層邏輯。

建一座超算中心，就完了嗎？

不過(guò)在起“量”之前，還有幾個(gè)問(wèn)題需要思考。

搭建超算中心不僅與服務(wù)器相關(guān)，還涉及系統(tǒng)構(gòu)建，包括GPU集群、存儲(chǔ)、高速網(wǎng)絡(luò)、軟件調(diào)度、機(jī)房管理、數(shù)據(jù)中心基礎(chǔ)設(shè)施建設(shè)等內(nèi)容。每個(gè)部分都涉及大量組件，增加了設(shè)計(jì)階段的難度；

再者，無(wú)論是設(shè)備還是軟件的部署，都需要一個(gè)較長(zhǎng)周期，在統(tǒng)一協(xié)調(diào)部署和集成方面存在很多挑戰(zhàn)；最后當(dāng)數(shù)據(jù)中心設(shè)備全部安裝部署完后，如何讓其常用常新，一直保持最鮮狀態(tài)，維持最好的工作狀態(tài)同樣至關(guān)重要。

市場(chǎng)研究公司Forrester早些時(shí)候在一份調(diào)查報(bào)告中指出，超過(guò)6成的受訪企業(yè)認(rèn)為自己的數(shù)據(jù)中心處于L3級(jí)階段。

這項(xiàng)調(diào)查通過(guò)采訪197位大中型企業(yè)的IT部門(mén)領(lǐng)導(dǎo)者和技術(shù)決策者發(fā)現(xiàn)，云計(jì)算、人工智能等技術(shù)有助于數(shù)據(jù)中心網(wǎng)絡(luò)提升自動(dòng)化和智能運(yùn)維的水平，但由于相關(guān)企業(yè)在建設(shè)和運(yùn)維階段仍然依賴(lài)專(zhuān)家經(jīng)驗(yàn)和員工技能，導(dǎo)致效率低且易出錯(cuò)。

在上述白皮書(shū)中還有一點(diǎn)，即無(wú)形的成本問(wèn)題。車(chē)企和Tier1對(duì)搭建智算中心的預(yù)算普遍超過(guò)1億元人民幣，超過(guò)2億元的占到五分之一。AI科技公司和自動(dòng)駕駛獨(dú)角獸也不乏投資過(guò)億者，然而這些還只限于前期投入。

開(kāi)發(fā)自動(dòng)駕駛技術(shù)是個(gè)燒錢(qián)活，以Waymo、Cruise等公司為例，三五年燒掉幾十億美元是家常便飯。再尷尬一點(diǎn)，一些自動(dòng)駕駛公司持續(xù)燒錢(qián)卻毫無(wú)進(jìn)展。硬件是錢(qián)，數(shù)據(jù)是錢(qián)，人才也是錢(qián)。

搭建人工智能計(jì)算中心投資金額（人民幣）；圖片來(lái)源：IDC

比起自建超算中心，選擇合適的供應(yīng)商或許能夠事半功倍。針對(duì)這些挑戰(zhàn)，英偉達(dá)可以提供端到端，從芯片到數(shù)據(jù)中心的一體化解決方案。

以SuperPOD超級(jí)計(jì)算機(jī)來(lái)說(shuō)，其擁有支持從小規(guī)模迅速擴(kuò)展的參考架構(gòu)，可以從20臺(tái)變成40臺(tái)、80臺(tái)、1000多臺(tái)，像搭積木一樣不斷拓展。同時(shí)具備持續(xù)的軟件優(yōu)化、“白盒”交付等特點(diǎn)。如此一來(lái)，車(chē)企便能將更多時(shí)間和精力聚焦在算法開(kāi)發(fā)上，而非數(shù)據(jù)中心。

至少現(xiàn)階段，超算中心比拼的不一定是規(guī)模和服務(wù)器的數(shù)量，諸如效率、開(kāi)發(fā)方法也將決定著自動(dòng)駕駛模型的進(jìn)度條，而這里面不僅涉及硬件，還涉及開(kāi)發(fā)的AI框架、方法、管理平臺(tái)等等。誰(shuí)能搶占先機(jī)，就有望先拿下一局。

英偉達(dá)會(huì)是唯一的答案嗎？

從市場(chǎng)過(guò)往的發(fā)展規(guī)律來(lái)看，高科技行業(yè)的第一梯隊(duì)將掌握在少數(shù)幾家公司手中，隨著科技新兵不斷入場(chǎng)，絕對(duì)意義的寡頭壟斷格局只會(huì)越來(lái)越脆弱。

眼下數(shù)據(jù)中心處理器市場(chǎng)，英偉達(dá)、英特爾和AMD幾乎100%形成壟斷格局。單就GPU計(jì)算芯片而言，英偉達(dá)和AMD持續(xù)對(duì)壘，前者份額超過(guò)8成。目前自動(dòng)駕駛算法模型的訓(xùn)練多以GPU為主，英偉達(dá)憑借以GPU構(gòu)建服務(wù)器，基于“服務(wù)器+網(wǎng)絡(luò)”構(gòu)建超算中心的方案正在積極搶市。

圍繞超算中心的戰(zhàn)爭(zhēng)已然打響，車(chē)企和自動(dòng)駕駛公司要想拔得頭籌，唯有快、更快地行動(dòng)。