汽車由工業時代向數字化時代邁進，自動駕駛已成為行業無可爭議的未來。自2019年特斯拉以高速領航拉開這場向智能化駕駛體驗升級比拼的大幕，歷經四年從蔚來、小鵬到吉利、北汽、長城，伴隨新能源技術快速發展，智能化競爭正在成為國內外各大新老汽車廠商“決定未來生死的戰場”。
目前，在乘用車領域，自動駕駛技術上半場戰況依然焦灼。幾乎大部分主流車廠在售車型都正在由 L2 向 L3+過渡。當自動駕駛競爭來到下半場，什麼樣的關鍵能力才能推動自動駕駛邁向高度甚至完全自動化？
抓准技術架構中的“決策核心“
眾所周知，自動駕駛的發展離不開“感知、決策、執行”三大核心技術架構。執行層最容易被用戶理解，通過底盤及各種控制附件驅動車輛執行相應命令動作，它緊密圍繞在最終端的應用體驗，對於大部分車廠而言都非難事。
事實上，在這三個緊密相連的環節中，感知能力是基礎，決策能力才是關鍵，而決策力又深深依賴於算力與存力。決策環節就好比車的“大腦”，不僅需要對感知層提供的環境信息和車輛定位情況進行接收與存儲，還需要基於大量數據積累，通過算法融合、特徵提取等進行整合分析、訓練與模擬，並給出最佳匹配的決策，輸出到各種執行層的控制單元。
由此可見，智能汽車自動駕駛日益白熱化的競爭背後，其實根源還是算力與存力的競爭。可以肯定的是，在自動駕駛領域具有長期規劃的車企，無論是“新勢力”還是“老品牌”，都在不斷進行更高存力與算力的長遠布局，從雲到智算中心，以應對持續激增的算力需求挑戰，並長遠控制成本，保持自身發展核心競爭力。2022年8月，小鵬汽車打造“扶搖”智算中心，算力實現600PFLOPS，2023年1月，長城旗下的自動駕駛公司毫末智行成立雪湖綠洲智算中心，算力突破到670PFLOPS，同年吉利汽車打造星睿智算中心，算力達到810PFLOPS……可以說，更高層級的算力已成為“兵家必爭之地“！
考驗存算力的“2大”關鍵場景
為何說更高階的存算力如此重要？
在自動駕駛實際研發過程中，有2個重要的環節分別與存力和算力緊密相關。首先與存力直接相關的是感知模型訓練環節，眾所周知自動駕駛會產生海量數據，且多為多模態數據，只有高效、高質完成數據的採集存儲與管理、標註才能為模型訓練提供強有力的場景數據。其次在算力競爭中仿真測試環節則至關重要，場景庫構建、仿真測試及測試評價的體系化能力需要大規模算力支撐，最終能力將會直接影響自動駕駛系統訓練效果。
寧暢作為一家新銳服務器廠商，日前宣布入局自動駕駛領域。基於多年對AI計算的深耕與理解，特別應對目前存算力競爭中具有代表性的“自動駕駛訓練與仿真測試”2大重要環節，打造對應解決方案，一存一算，形成強有力的車外計算能力體系。此外，寧暢還結合6大汽車智造方案與生態共建能力，完整打造“2+6+N”智慧汽車解決方案，從計算到智造給予車企更多助力。
針對與存力相關的模型訓練環節，寧暢擁有分布式存儲，為自動駕駛提供數據注入、預處理、訓練、仿真各個環節的業務數據全生命周期管理，並擁有“部件、節點、系統、方案級”四級可靠性保障。面對擁有大算力需求的仿真測試場景，寧暢能夠以全線計算產品助力三大測試仿真體系構建，在場景庫建設環節可實現虛擬創建與真實路采兩種方式，在仿真測試環節可實現傳感器模型仿真、交通流仿真、車輛動力學仿真及其他高效仿真，最後在結果評估環節，寧暢這一方案可分別對場景庫與測試結果進行評估，對應進行優化，實現完整閉環。
目前，寧暢已推出其最新旗艦級自動駕駛平台X680 G55及全能型平台X640 G50和支柱型平台X620 G50。三大平台可分別支持大模型訓練場景、多路並行計算場景與不同規模並行計算場景。同時，為加快算法迭代，寧暢還推出強大AI算力網絡，專為AI融合模型設計的POD組網，可實現所有AI節點、全高速無阻、低時延連接，模型訓練過程中通訊高效準確，為自動駕駛技術提供強大的算力底座。
在已經打響的“算力”大戰中，國內多家極具潛力的汽車廠商已率先與寧暢達成合作。某熱門電動品牌自動駕駛業務與寧暢合作500個CPU核心，總算力達到50TFLOPS。某中國汽車行業的骨幹企業選擇部署寧暢雙路機架式服務器，以此全力推動車、人、生態協同。我們有理由期待，寧暢這一計算領域的“老朋友”，作為自動駕駛領域的“新人”也同樣未來可期。
