0
自动驾驶的云上算力竞争正在愈演愈烈。
2022年起，百度智能云与长安汽车合作建设自动驾驶智算中心，为长安汽车的车联网、自动驾驶相关业务提供统一算力底座。
今年 6 月，理想的智算中心定址山西。早于理想一年，小鹏在乌兰察布也落地了专用于自动驾驶模型训练的智算中心——扶摇。
在汽车智能化的浪潮下，「云」正逐渐成为决定车企自动驾驶研发能力的关键领域。而算力作为云上能力的重要组成，在 2022 年也不断搅动着自动驾驶的市场热度。
5月22日，IDC发布了《中国汽车云市场跟踪研究，22H2》。报告显示，2022下半年，中国汽车云自动驾驶解决方案市场规模总计4.95亿人民币，根据 IDC 的预测，自动驾驶研发解决方案市场未来五年复合增速预计高达90.0%。
其中，百度智能云在自动驾驶研发解决方案市场中以35.9%的市场份额排名第一，相比去年同期实现162%的超高速增长，在国内汽车云市场中处于龙头地位。这些数据的变化，也表明越来越多的自动驾驶客户正在上百度智能云。拿下这个成绩，百度智能云凭什么？
自动驾驶业务为什么要上云，已经不是一个问题，而是共识。
2019 年，特斯拉Autopilot开始收费并持续产生现金流。这打破了汽车行业以往的认知。软件定义汽车一时间成为最火热的话题，带动了智能驾驶浪潮的兴起。这一趋势决定了，数据已成为汽车行业的关键生产要素。
广汽集团董事长曾庆洪曾表示：“只有掌握数据才能有机生长。自动驾驶云数据中心，是实现算法场景演化叠加的有力保障，也是广汽着手布局的关键赛道。
2022年是自动驾驶从研发走向量产的元年，L2自动驾驶开始走向普及，带动数据处理、模型优化、仿真等需求的爆发式增长。从L2开始，自动驾驶的每一次向高阶驾驶演进，对于云的基础设施平台、应用、服务的消耗量都要上升一个量级。
据IDC报告显示，L3长尾场景训练将进一步引发存量客户云用量的增长：在自动驾驶量产向L3进发的情况下，需要从封闭/半封闭区域走向开放区域，更多长尾场景的覆盖将带动云平台的消耗量爆发式上升。
其次，随着高阶自动驾驶逐渐走向量产，自动驾驶研发将进一步向关键零部件厂商覆盖。车载ECU的数量及配套软件开发量增加（例如自动驾驶汽车将搭载更多的激光雷达及毫米波雷达），上云将是其最优的选择。
第三，从企业成本的角度看，自建云计算基础设施需要巨大的前期投入，投入大（千万元级）、耗时长（8-10 个月）。即便搭建成功，还需要专人维护、需要持续进行迭代，何时能够摊平成本未可知，上云成为了车企的必然选择。
上云已成共识，云端能力则成了汽车行业的重要竞争因素。但对车企来说，面临的更重要的问题是：究竟具备何种能力的云，可以真正帮助自身自动驾驶业务的快速发展和落地?
从车企智能驾驶研发所需要的云上服务来看，主要包括两个部分：基础的资源层服务和上层的智能驾驶研发全流程所需要的研发工具。
其中，资源层服务为上层的研发工具提供了计算、存储、网络等云端资源服务，以及支持车载模型训练、仿真所必须的 AI异构资源。而上层的研发工具，面向智驾研发场景涉及到数据管理、模型训练、云上仿真等环节。
从实际情况来看，对车企而言，底层的算力与资源层面仍在如火如荼的建设。但与之对应的是，车企对云服务建设的需求已经不仅仅是简单的拿来即用的云资源。曾有自动驾驶公司的高管向雷峰网坦言，“云厂商应该在对汽车行业有更深入了解的前提下，为企业提供更好用的智能驾驶研发工具，以使车企能够更专注于核心的研发工作，进而帮助更智能的汽车更快落地”。
而汽车行业从上半场「电气化」到下半场「智能化」的发展过程中，我们也可以意识到，汽车智能化的过程，其实就是汽车行业的业务与“云智一体”进行深度融合的过程。
这个过程大致分为三个阶段：在传统的汽车开发过程中，云仅仅停留在提供各类计算、网络、存储等资源。随着车企业务进行数字化转型，所有的业务都完成了上云。这时，大量的数据在云上流转，云逐渐成为串联各个业务的基础设施，帮助数据在企业内部实现应用的闭环，提升了车企的研发效率。
在智能驾驶时代，车企开始智能化升级，云已经从传统的云升级成了AI原生的云，而后者的优势在于不仅可以提供高性能的算力，还可以提供端到端的加速能力、车企所需的覆盖全流程的云端开发工具和云上应用等能力。
自 2013 年切入到自动驾驶赛道以来，百度对自动驾驶和智能交通行业已有十年投入，让其对整车制造，尤其是以自动驾驶为代表的研发生产环节有深刻认知。这也可以从一定程度理解，为什么百度会提出和升级“云智一体，深入产业”的战略。该战略也是帮助百度智能云在自动驾驶研发解决方案市场份额排名第一的关键所在。
2020年5月，百度智能云明确提出了“云智一体”战略。百度智能云也在2020-2022年期间，以一年一级的频率，完成了云智一体架构从1.0到3.0的升级。并在2022智能经济高峰论坛上，发布全新战略“云智一体，深入产业”。
云与智的融合并不是容易的事情，这需要云厂商对底层芯片、深度学习框架、大模型到上层的应用均有深入的了解。在过去，企业选择云厂商更多看算力、存储等基础云服务。而现在，更多要看框架好不好、模型好不好，以及芯片、框架、模型、应用这四层之间的协同是否高效。
但业内很多云厂商要么关注AI但不具备底层的芯片和系统能力，要么做芯片出身但不具备上层软件能力，特别是不具备直面客户需求的能力。
百度集团执行副总裁、百度智能云事业群组负责人沈抖表示，除了百度，国内还没有哪家云厂商，能在芯片、框架、模型、应用这四层进行全栈布局。百度作为国内领先的人工智能公司，从高端芯片昆仑芯，到飞桨深度学习框架，再到文心预训练大模型，到搜索、智能云、自动驾驶、小度等应用，各个层面都有领先业界的自研技术。
实际上，在百度之外，多家云厂商巨头也曾有过诸类优化“用户体验”的尝试。
2019年发布八爪鱼时，华为就提出了要协助车企“0”基础构建自动驾驶开发能力的口号。为此，华为宣称其在八爪鱼中内置了2000万框标注数据集、20万仿真场景库、以及完整的工具链和标注算法。
2021年，腾讯再次调整方向，推出了自动驾驶云平台，虚拟仿真成为了工具链中的一环。
说到底，这些工具都是为了能够让用户拎包入住。思路是对的，但能否实现“全流程”、“全闭环”的上手效果还有待商榷。
自动驾驶研发过程中，从数据采集、标注、处理、模型训练、仿真到OTA的每个环节，均需要对应的工具和平台的支持，这些工具统称为「自动驾驶研发工具链」。工具链的效率直接决定了车企自动驾驶系统开发的效率。
但是在这些关键流程中，不同的工具往往都是由不同的供应商提供，这是国内B端产品销售碎片化、定制化的一个弊端所在。例如仿真环节有一批仿真工具链公司，标注环节又有几家标注工具链公司，这就导致车企在自动驾驶开发的数据传输、模型适配等环节缺乏兼容性，大大增加工作量。
简而言之，车企需要的是云服务商拥有提供或整合统一工具链的能力：一是开发工具齐全，二是“懂场景的AI”。只有这样才可以降低车企自身的开发门槛，在云端搭建属于自身的AI能力。
以AI仿真驾驶环境的测试为例，自动驾驶仿真测试平台必须要具备几种核心能力：真实还原测试场景的能力、高效利用路采数据生成仿真场景的能力和云端大规模并行加速的能力。
百度智能云的一位专家向雷峰网说到，“是否有足够多的仿真场景库，仿的真不真，如何评测仿真的效果，一个是要靠时间，一个要靠工程能力。”就像是高考生刷《五年高考三年模拟》，只有持续钻研，投入足够多的时间与精力，才会取得好成绩。
自 2013 年启动自动驾驶领域的布局至今，百度已经积累超过 5000 万公里的真实路测数据。同时，基于真实路测数据和多年研发积累，百度也了拥有百万级的设计场景和千万级的挖掘场景，帮助车企 1:1 还原各种道路、快速验证各种极端场景、保证云上仿真的充分性。此外，百度智能云支持数十万云上仿真任务并发运行和日行千万公里的仿真里程，将云上仿真的成本降低至路测的 1%。
在大模型出现之后，百度智能云的工具链能力得到了进一步的进化。
百度集团副总裁袁佛玉在公开演讲时表示，“未来MaaS（Model as a Service 模型即服务）将成为云计算的主流商业模式，每个企业都将拥有一个智能底座。因此，企业要尽快行动起来，重新思考自己的优势是什么、如何用AI放大这个优势。”
目前，百度文心大模型的能力已经应用到数据挖掘场景中，不断提升长尾场景的识别能力。举个例子，在当前的研发过程中，如果现有感知模型对某这特殊车辆的识别效果不佳......开发人员需要从已有图片集中挖掘出所有包含这类特殊车辆的图片用于模型训练。传统方式需要事先专门针对这类特殊车辆给图片打好标签，通过标签来检索出需要的图片。有了大模型后，可以采用少量包含特殊车辆的图片作为查询条件，或者直接用自然语言描述的方式，快速从已有的海量图片中检索出想要的图片。通过这种以文搜图、以图搜图的方式，极大提高了数据挖掘的效率和灵活性。
在未来，百度智能云的大模型还将应用到数据标注、云上仿真等场景，比如可以通过输入“标出所有的障碍物”，“为我构建一个主车在直行道上直行的场景”就可以自动实现对应的效果，大大提升自动驾驶的研发效率。
百度集团副总裁侯震宇向雷峰网说到，很多云计算平台都集成了一些AI能力，“看上去表面是差不多的，不是内行真的分辨不出来的。但有些东西是百度独有的，比如智能汽车的AI仿真驾驶环境的测试等”。支撑大模型、自动驾驶工具链、车载模型训练的云上平台，是百度智能云的 AI 大底座。百度AI大底座的各个组成部分，诞生于不同时间，却在一个集中的时间点上，成为百度智能云实现端到端闭环、全栈融合的关键拼图。
其中百度百舸 · AI 异构计算平台为为自动驾驶在AI计算、AI存储、AI加速、AI容器等领域提供了强大的支持，为车企的自动驾驶研发过程提供工程化的定制能力。在车辆感知场景下，百度智能云也联合英伟达，优化了17个智驾场景下常用的感知模型，通过通信加速和算子融合等技术，提升分布式训练的性能，在典型模型场景下吞吐提升50%~400%。而在标注场景下，百度百舸也提供了GPU共享方案，自动化标注的成本降低了1倍以上。
IDC预测，到2027年，自动驾驶解决方案的市场规模将达到208.7亿，占整体解决方案市场比例从28.1%提升至接近70%。
百度智能云基于“云智一体，深入产业”的战略，围绕「行业领先的自动驾驶工具链-文心大模型 -AI 大底座」持续优化。这已然成为百度智能云在未来汽车云市场竞争中的底气：从百度智能云的角度来看，自动驾驶解决方案是「云智一体」在汽车行业的样板工程；从行业的需求来看，「云智一体」已是汽车行业走向智能化的大势所趋，百度智能云在诸多的竞争对手中抢占了一个好的身位。
对于百度智能云在汽车行业的展望，百度智能云云计算产品解决方案和运营部总经理宋飞向雷峰网(公众号：雷峰网)表示，“未来几年，汽车行业还存在很多变量。百度在自动驾驶领域已经投入了十年的时间，我们希望凭借多年的技术积累，为汽车行业提供一整套行业领先的自动驾驶解决方案，让车厂更专注于自身业务，加速中国汽车行业智能化转型步伐。我们期望在未来，百度的云上方案可以帮助自动驾驶可以走入千家万户。”
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
