盘点「蔚小理特华米」的算力，差距超过100倍？

第一电动大牛作者电动星球News蟹老板 2024-05-31 09:33

5 月 21 日，雷军直播小米 SU7 NOA 时，他说了这样一句话：「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」。

雷总口中的战国七雄是谁，舆论场有无数组合。但当我们把目光回到技术本身，一个关键词语，这两年成为证明车企自研智驾决心，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 日被马斯克直接拉到天花板。

他在 X 上说，「特斯拉今年大概会投资 100 亿美元，用于训练和推理结合的人工智能，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 2023 年研发投入是 1647 亿元，723 是 1647 的 43.9%。

这笔钱让马斯克拥有了全球最高的「计算卡」储备：到 2024 年底 85000 块英伟达 H100，直接成为全球最大的「卡皇」。

如果说自动驾驶可以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」。

于是我们不禁好奇：同样竞逐智能驾驶高峰的「蔚小理特华米」们，他们手握的智能驾驶「核弹当量」之间，有没有距离？如果有，差距在哪里？

今天数字轰炸。

E 时代

先聊聊时代背景——E 这个字母，大家这两年从车企那里听得不少。

算力语境里面，E 指的是 Exa，1Exa 翻译过来是 10 的 18 次方，一百亿亿。

比如 4 月 11 日的鸿蒙智行春季发布会上，余承东表示，目前华为的云端训练算力，已经达到了 3.3EFLOPS；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、规模相对很小的现实数据，得出预测结果。

常见的 Orin X，就是用于推理的小算力芯片；A100/H100，就是用于训练的大算力芯片。

或者举个很形象的例子，推理芯片是学生拿着现成的教材学习，学习芯片就像是教案组编教材，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。

蔚小理华们的算力军备

了解完背景知识，我们需要解答一个问题：蔚小理华米们，手里有多少训练算力资源？

作为智能汽车新军，截止我们发稿，小米汽车目前尚未公布训练算力具体规模。

但看完本段，你会对小米汽车需要「卷」到的算力规模，有一个大概认知——想要维持「战国七雄」的地位，3 个 E 的算力是起步。

华为系的算力前面已经提到过，3.3EFLOPS 的规模堪称庞大。而且在 4 月 25 日的北京车展，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）。

那蔚小理们呢？

有意思的是，目前来看，蔚小理三家各自走了不同的算力扩张方向。

先说蔚来吧，去年 9 月份的 NIO IN 全栈技术发布会上，任少卿晒出了这样一张 PPT：38100POPS 的「群体智能车队算力」，约合 38E，看起来相当炸裂（INT8 精度）。

NIO Day 2020 上，蔚来发布了 NT2.0 平台，四颗英伟达 Orin X 的配置堪称奢华。直到那张PPT，大家才真正知道第四颗 Orin X 的用途（一颗安全冗余）。

不过，按照 NIO IN 的信息，每台 NT2.0 上的其中一颗 Orin X，承担的实际上是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」，实际上的 NAD 中央智能计算集群，算力是 1400P，约合 1.4E（算力精度未公布）。

上面提到的 38E 群体算力，更像是广义上智驾训练的其中一环，也是蔚来随着保有量上升，加速智驾功能落地的独家武器。

然后聊聊理想，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，目前理想拥有 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。

同样是去年 6 月，雷锋网报道称，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，用以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，这意味着理想租用的，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，在于资产负担相对小，尤其对于进展迅速的半导体行业——2024 GTC 大会上，英伟达已经拿出了 A100 的下一代的下一代，B200。

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。

最后聊聊小鹏。

520 发布会上，何小鹏表示目前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？

先来算算卡，H100 有很多个版本，但只有最贵也最强的 H100 SXM，可以组成延迟最低的 DGX H100 训练服务器，或者说这就是黄仁勋给车企/科技公司准备的豪华套餐。

如果这 7000 张都是 H100，也就是 28000PFLOPS 的 FP8 算力，换算下来约合 32E，放在「云端训练算力」语境里面，竞争力当然极强的。

而如果这 7000 张都是 A100，那么估算结果大概是8.75EINT8，也够卷了。

然后算算何小鹏的 7 个亿。

补充一个背景知识，其实现在 DGX H100 国内都可以买到，大家作为个人都能买，只是需要经过代理，而不是直接一个电话打给老黄。闲鱼渠道显示，一台 DGX H100 的报价在 250 万元以上。

换算下来，7 亿元可以买到大概 250 台 DGX H100，里面是 2000 颗 H100 SXM，估算算力约为 8 个 E。

这也是我们惊讶于何小鹏直接「梭哈」的原因，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——在国内来看，足够梭哈了。

全球第一当量？

4 月 24 日，我在北京采访了英伟达数据中心副总裁 Norm Marks。

Norm 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——因为还算上了上一代的 A100。

可以看到第二位是一家 OEM（主机厂），它有 1866 个等效 DGX H100 Pods，算力规模大概是等效不到 1.5 万块 H100 吧。然后重点来了，第一位也是一家 OEM，看起来没多多少？实际上是图表不够地方画柱状图了——第一位是第二位的四倍多！换算下来大概是超过 6 万块 H100 的算力。然后 Norm Marks 来了句：「You know who it is.（笑）」。背景知识是，他说这句话的五个小时前，马斯克说到 2024 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 最高是 3958T，85000 块最高是 340EFLOPS（FP8），三位数的 Exa 级算力。

这样写可能还不够直观，一块 Orin X 是 254T（INT8），340E 大概就是 133.9 万块 Orin X，相当于 67 万台小米 SU7 Max，或者其他用了双 Orin X 的车型的算力总和。

当然马斯克给了个更广泛的语境「人工智能」，而不只是「自动驾驶」，但他还有另一句话：「自动驾驶就是真实世界里面的人工智能」。