新能源車企最痛苦的事，原來是…_風聞
新眸-03-20 11:59
作者 | 鹿堯
編輯 | 桑明強
在汽車圈，從來沒有哪場變革，能像今天的智能化一樣產生無差別的衝擊。
根據相關數據顯示，去年年底，電動車銷量佔比已經超過了全部汽車的23%，與此同時，車企們也陷入新一輪內卷，最直觀的表現就是：硬件堆料、成本提升、玩家變多、特斯拉全系降價、還有國內眾多的高配低價。
當然，這些對於傳統燃油車來説都不是好事，加上同行的競爭加劇，油車和電車都在轉型和優化的路上，只不過重心從動力、底盤的研發，轉移到怎麼應用新技術上，比如智能駕駛、智能座艙、智能車聯等。
一時間，擁抱智能化成了國內所有車企的必選項。
對於車企們來説，只有更高的算力，更好的芯片，才能驅動這些軟硬件發揮出極致的性能。加上輔助駕駛技術不斷迭代，對算力也提出了更多的需求。據 Garner 估計，一輛聯網車每天至少產生4TB數據，車賣得越多，數據量甚至能從PB級到增長到ZB級。
此時如果將數據存下來做模型訓練，車企們顯然很難獨立完成。這一點，何小鵬看得很清楚，所以在去年8月，小鵬和阿里雲合作的智算中心落地烏蘭察布，他算過一筆賬，預計2025年起，小鵬汽車每年花在算力上將超過10億元。“如果現在不提前儲備算力，那麼今後5年內，企業算力成本會從億級，加到數十億級。”
頂着同樣焦慮的不只有新勢力，為了花更少的錢挖掘更多的數據價值，國內有超過70%的車企，例如一汽、吉利、長城、長安，包括地平線等自動駕駛公司，都上了阿里雲，後者打造的汽車雲覆蓋了“產研供銷服”各個環節，包括最複雜的生產製造環節。
在一些汽車業內人士看來，雲計算和汽車產業的融合是大勢所趨，車企對雲的需求，已經從拿來即用的資源升級，變成了在智能網聯各垂直場景的專精，這是每一家車企都不能錯過的效率變革。
01
智能車的數據“圍城”
建造專用的智算中心，小鵬並不是第一個。此前特斯拉也發佈過超級計算機Dojo，專門用於人工智能機器學習，幫助訓練自動駕駛的視覺技術等，浮點運算能力甚至達到exaflop級別，即每秒百億億次運算。
Dojo的首席工程師曾透露，早年前在測試基礎設施時，Dojo的功耗直接把當地變電站搞跳閘了。到了今年，馬斯克預計，年底將通過Nvidia、Dojo芯片將神經網絡訓練再提高一個數量級，在算力上把自動駕駛的進程向前再推一步。
汽車智能化最直接的體現是實現自動駕駛，這點特斯拉走得最早，單車智能也被認為是可行的方案，近兩年的國內情況也是一樣，去年末，國內縱目科技申報IPO、包括MINIEYE、宏景智駕、福瑞泰克在內的十多家量產型ADAS企業均拿到了新融資,規模大部分在數億元，流向更容易落地的輔助駕駛。
這裏面就包括同樣是新勢力的理想汽車，和其他玩家相比，理想算起步比較晚，為了趕進度，採用的是硬件和系統標配的策略，並且給用户免費使用。反觀特斯拉，車主開通自動駕駛輔助系統是要花錢的，但所有的車輛都標配了感知和計算平台硬件，如果車主同意條款，部分數據就可以回傳。
這兩件事至少可以説明，在自動駕駛技術還未成熟的階段，拉滿硬件配置的確是一個很有吸引力的賣點，800萬像素高清攝像頭、4D毫米波雷達，很多玩家在硬件上採取堆料超配。這不僅為了吸引更多的用户，考慮到自動駕駛更高階的場景下，功能和服務的迭代，也都離不開後期持續增長的數據支撐。
毫無疑問，現在的特斯拉在交付量上遙遙領先，這給包括理想在內的玩家，造成了很大的心理壓力。業內人士認為，如果理想要在數據規模上爭取根本變化，就得儘量降低車輛和硬件成本。
有理想汽車的PM稱，中國企業和特斯拉的成本差距，主要體現在硬件配置和芯片上，隨着輔助駕駛新車市場滲透率達到30%，李想本人也做出判斷，自動駕駛功能會在這兩年集中落地。中高端車型如果不能跟上步伐，很可能會成為消費者不買這輛車的理由。
事實上，成本和算力幾乎是每一家智能車廠商都要權衡、克服的問題。做自動駕駛，就要有海量數據支撐，這是一個大前提，正常情況下，輔助駕駛每提升一個級別，車載算力需求就提升一個數量級，而訓練研發的算力要提升兩個數量級。
如果未來三年還有上百倍算力提高的需求，算力和靈活性的不足，會讓大部分的自動駕駛都面臨“研發跟不上數據增長”的困境。這種情況下，想要進一步提升用户體驗，就需要“雲”的加持。
所以回到一開始，小鵬給出的解法，就是和阿里雲“自動駕駛雲”建造一個算力規模達600PFLOPS的專用智算中心“扶搖”，並且效果已經得到了驗證：算力達到60億億次每秒運算，訓練提速達到170倍，同時節約了用電；在存儲層面，阿里雲提供最多7層冷熱程度的數據存儲架構，大幅降低了數據存儲成本。
02
為什麼説雲計算天然適合汽車行業？
實際上，在車聯網概念出來前，部分車企就已經把一些數據和服務遷移到雲端，這是最早的汽車雲雛形。但當時的雲還沒有突破“車”的限制，只扮演着資源+容器的角色，提供存儲、計算等幫助。
當然，這也是車雲一體中最基礎的功能，等到高階輔助駕駛爆發，數據進一步增長，存儲和計算的功能仍然是車雲最底層的聯繫。通常來説，一家傳統車企的業務系統甚至能超過300多個，智能汽車的業務還會更多，他們的共同需求，都是想讓汽車產業變得更輕盈。
舉個例子，傳統車企往往會通過自建IDC來進行數據運營，當量產車規模越來越大，需要即時回傳的信息也就越來越多，加上不時的高算力需求，這時候僅靠專有云是不夠的。這也解釋了，為什麼長城汽車會在2018年選擇和阿里雲建立合作，專有云之外，“公有云+數據中台”的配合，在保證對海量數據進行實時計算與處理的同時，它的數據管理能力也毋庸置疑。
後來隨着智能化趨勢加劇，包括蔚來、吉利等，都有參與到這場競賽中來，但回到基礎設施本身，早期的搭建仍然是一件重資產、重研發、耗時長的苦差事。相比之下，技術積累深厚、開放靈活，且已經有很多場景實踐的雲廠商，可能是更好的選擇，因為它們更懂得怎樣才能架好車企上雲的梯子。
尤其對於新成立的公司來説，前期並沒有那麼多的數據要積累，所以一開始都會採用雲原生的模式。誕生在2020年的智己走得就是這樣的路線：摒棄傳統的線下機房，將需要重投入的運維任務交給阿里雲，包括車聯車控平台、用户管理平台、研發平台、SAP系統、安全運營等多個核心業務都放在雲上。
這樣的判斷來源於智駕系統的一個場景實踐，對比傳統的單點解決方案，阿里雲從車端的採集、傳輸、存儲，到最終的發佈過程進行拆解，構成一套完整的端到端處理方案。但這並不是終點。實現自動駕駛的過程需要不間斷的性能迭代，前提是對路況、車輛信息的進一步收集挖掘，匹配高精硬件，並且降低網絡延遲，解決這個問題的關鍵之一，就是提高雲計算平台使用效率。
無獨有偶，前段時間吉利星睿智算中心落地湖州，同樣也是基於阿里雲飛天智算雲平台打造來提升後續研發效率，星睿案例的特殊性在於，在智能駕駛、車聯網之外，新能源動力管理方面也將基於智算中心加速智能應用的研發，比如根據用户駕駛習慣和路況，對電池進行實時管理。
除此以外，對於一輛車來説，除了車輛本身，從車廠到市場，中間的研發、生產、營銷，同樣被車企認為是令人頭大的環節。舉個簡單的例子，當新勢力的直營模式帶來更好的用户體驗時，D2C直營模式和混合代理模式也成了很多車企的轉型方向，在這一過程中有很多新問題出現，比如怎樣運營，並觸達更多用户。
一汽奧迪和一汽紅旗的解決方案是，在阿里雲“營銷雲”上建設內容中台。前者構建出170多個內容標籤，這麼做直接帶來超過10萬的DAU；後者在運營成本降低30%的情況下，品牌線索轉化率提升超過10%。對比傳統的投放方式，阿里雲“營銷雲”最大的特點是能夠帶來新的增量，背後的技術能力則來自瓴羊的數據智能和達摩院的數字人。
但這並不是最關鍵的，對於一家將近2萬設備同時在線的工廠來説，如何協調資源才是最棘手的難點，這也解釋了為什麼一汽紅旗會選擇和阿里雲“智造雲”合作、進行仿真試驗，底層邏輯仍是對數字化和智能化的應用：藉助數字孿生、智能計算、輔助決策，本質上來説，智能工廠壓縮的不僅是週期，還有出錯率。
全週期服務的起點
某種程度上來説，當下的數字化轉型就是向雲轉型，韋青是微軟（中國）的CTO，他的描述很貼切：“就像電力系統被髮明出來，我們花很長時間讓工具都接上電，之後就是生產力的大爆發。”
對於任何一家企業來説，想克服的都是怎樣才能把產品快速打造出來，並且能夠賣出去，在這個過程中，穩定、安全、高效缺一不可。拿雲計算來説，經過二十多年的演變，它已經成功實踐在金融、政務、零售等各個領域，本身的應用場景也已經非常成熟。
然而，由於過去很多雲廠商的收入主要來源互聯網企業，一度讓人以為只有互聯網才需要雲計算。但事實上，很多傳統實體製造業在越來越卷的情況下，也需要藉助雲計算實現轉型、突圍，而汽車雲，就是這種環境下誕生的產物。
但問題是，同樣是卷算力，芯片和雲是兩種不同的解決方式。前者更傾向對汽車產品本身的優化，後者則關聯了企業背後全流程的數字化，從後端的製造，到終端的供應鏈，到前端的營銷，再到最前端的用户使用，整個過程不僅有正在爆發的駕駛數據，還有未來增長的生產製造側、營銷流通過程的數據。
因此，行業需要更加聚焦應用場景的雲，將數據收集上傳至雲端，進行存儲、計算、模型訓練，並通過OTA升級的方式，把不斷迭代的軟件算法下發，另一面，雲廠商也需要躬身入局，深入到汽車行業的毛細血管裏。
值得注意的是，在數字化和智能化的浪潮下，汽車雲在智能網聯車的應用空間遠不止這些。在車聯網的背景下，汽車雲對數據發揮的作用，能夠把對用户的服務，從原本的產品交易終點，轉變為提供車輛全生命週期服務的起點，在優化用户體驗的同時，也為車企創造了實打實的價值和收益，而這，極有可能成為一場變革的開端。