智谷趨勢（ID：zgtrend）|王延鶴
01
5000億美元的震撼
暴風雨總是不期而至。
9月11日，特斯拉股價大漲10%，市值一夜增加800億美元，約5800億元人民币。
交易員所見皆驚懼。
突然崛起的原因并不是馬斯克新的37萬字傳記，而是摩根士丹利釋出的一份66頁的報告。
華爾街的分析師關注的不是新款 Model 3 或墨西哥超級工廠，而是 Dojo 超級計算機。
由于擔心别人不了解，摩根士丹利畫了一張大圖：Dojo 估值超過 5000 億美元！
什麼是道場？特斯拉用于自動駕駛的人工智能計算基礎設施。
發展自動駕駛需要收集數十億公裡的行車資料并優化列車算法。
随着L4、L5等各個級别的推進，自動駕駛對資料和計算能力的需求呈指數級增長。
為了提高訓練效率，特斯拉開發了自己的超級計算機，并在 2021 年 AI Day 上正式宣布，名為 Dojo。為了不過度依賴NVIDIA，我們甚至開發了自己的D1晶片。
Dojo的計算能力達到1 EFlops，即每秒十億次浮點運算。
特斯拉将額外花費10億美元，在2024年10月擴充到100 EFlops，相當于30萬個NVIDIA A100晶片的計算規模。
人們不禁想到了全球最大的雲服務提供商亞馬遜雲AWS。
一開始，亞馬遜為其電商和黑色星期五購物節預留了大量備援伺服器，閑置算力被打包出售。
目前，AWS雲貢獻了亞馬遜70%的淨利潤，遠超電商零售，成為其最賺錢的業務。
Dojo 會成為特斯拉的 AWS 嗎？
如果特斯拉也輸出其計算能力、自動駕駛技術、視覺算法和AI能力，它将獲得比汽車更有價值的生态系統。
是以摩根士丹利寫道：
Dojo 讓特斯拉在價值 10 萬億美元的自動駕駛業務中獲得了“不對稱優勢”。
顯然，并非所有汽車制造商都是特斯拉。
福特和通用汽車等美國汽車巨頭面臨13000名汽車勞工的罷工。勞工們要求更高的工資，并擔心自己會“被新技術收割”。因為電動汽車的自動化生産将使大量傳統勞工失業。
全球汽車制造商也陷入轉型緩慢、降價競争、利潤削減的陣痛之中。
也就是說，很少有人能夠不計成本地用數億美元的現金流來建設計算基礎設施。華為預計L4級自動駕駛至少需要10億公裡的道路測試。這相當于 100 萬輛汽車一年内每天行駛 10 小時。
小鵬曾透露，每年算力支出超過10億元；國内自動駕駛企業的算力需求也在過去兩三年翻了一番。
汽車制造商之間正在形成一個共識：與其自己做，不如與雲服務提供商深入合作。
為什麼不聯合起來，成為一個更安全的社群呢？
02
四輪+超級計算機
制造汽車過去被稱為“四個輪子加一個沙發”；
現在它是四個輪子加上一個超級計算機。
智能汽車作為下一代移動終端，一切都在雲端，重複着“智能手機+移動網際網路”的機遇。
特斯拉想要主宰自動駕駛時代，他唯一能對抗的對手隻能誕生在中國。
中國市場電動化滲透率全球領先；
2023年上半年，中國汽車出口量超過日本，成為全球第一大汽車出口國；
據中國汽車協會統計，1-7月大陸汽車出口253.3萬輛，同比增長67.9%，創曆史新高。預計年内新能源汽車出口将穩步突破100萬輛。
華為雲、阿裡雲、百度雲等國内主要雲服務商也紛紛推出汽車雲業務。
更大的市場、緊密協同的産業鍊、衆多開發者的參與，中國擁有一切誕生的理由：超大規模的汽車雲和前沿的自動駕駛技術。
例如，華為在烏蘭察巴建立了雲資料中心，并開辟了汽車行業專用區域，為自動駕駛場景提供安全、相容、自主創新、強大的雲計算基礎設施。
華為雲Ascend AI雲服務已在汽車領域部署。大卡訓練30天内不會中斷，斷點恢複時間不超過10分鐘。
這是車企與雲服務商合作的主要模式。
汽車企業擷取算力資源的方式與水電排程一樣。雲服務提供商解決計算能力、存儲和網絡流量的效率問題。
不過，汽車企業的雲需求也将從單純的計算基礎設施轉向軟體服務和平台生态。
華為雲與汽車廠商長期合作，打造了自動駕駛研發平台，可以提供“一站式”和“積木式”兩種部署方案。
對于初創車企來說，華為雲可以提供完善的資料閉環和自動駕駛專家團隊，幫助車企從0到1快速搭建完整的自動駕駛研發平台。
當然，每個車企的發展不同，合作的需求當然也不同。
比如，一些車企想要“邊界感”，不願意與雲廠商深度捆綁；擁有自己資料中心的汽車公司需要軟體協作。
在這種情況下，“積木式方法”就更加靈活。華為雲提供開放、開源的平台、內建的參考代碼和多種工具，汽車制造商可以根據自己的需求進行選擇。“影響高端自動駕駛落地的關鍵因素不再是解決常見的一般情況，而是讓模型能夠快速學習各種不尋常但不斷出現的長期問題。”華為雲人工智能專家金解釋道。
這是目前自動駕駛企業面臨的最大問題。
目前的自動駕駛技術可以處理95%的駕駛場景，但剩下的5%的邊緣或轉彎場景是從未學習過的場景。
收集數以萬計的樣本來鑒定新的牛角盒需要花費數周甚至數月的時間。
理論上，至少需要積累100億公裡的道路測試資料才能實作完全自動駕駛。成本和時間是不可接受的。
為了解決這個問題，華為雲的大型盤古汽車模型可以根據多條道路收集的資料生成虛拟空間。
虛拟空間中交通參與者的物體、位置、空間分布、運動軌迹等參數均可調整。
該解決方案可以将極端情況下的資料采集和訓練時間從幾周縮短至兩天，顯着提高效率。
這也是自動駕駛首次使用生成資料的能力，盤古汽車大模型的能力還不止于此。
雲服務提供商通常是工業制造領域的新手。
但華為本身就是先進生産的代表。盤古汽車的大模型可以覆寫車企從汽車設計、生産到營銷等全場景，讓每個員工都擁有一個AI助手。
比如，一汽解放就深度融入了盤古車型。
過去，在設計汽車座椅的外觀時，他們需要兩周的時間才能完成渲染。他們現在使用可以在幾秒鐘内生成并快速疊代的大型模型，直到他們滿意為止，意識到“所言即所得”。
又如8萬多個汽車設計标準和160萬頁說明書。新手設計師需要花費幾周的時間來整理标準，但大型模型可以快速找到相關章節并提供标準來源。
将盤古大模型融入一汽解放的資料後，可以為解放提供研、産、供、銷服務的全方位補強。
華為和特斯拉在自動駕駛和AI算力領域深度布局。
作為中國頂尖的技術供應商，華為要承受的更多。
大車模型是棋盤的一個關鍵角，但需要看清整個棋盤的方向：
而遭受算力焦慮的不隻是車企嗎？
數千個行業有 4000 萬家公司。誰不需要明智的轉型，重新獲得增長的确定性？
03
重新開放世界
再過 2 個月，ChatGPT 将滿一周歲。
7月份以來，國内共推出130款大型車型。接下來誰可以去？
從百種模式之戰到泡沫出現，新的共識是大模式注重産業落地。
研究人工智能需要算法、算力、資料，但每一個都是浪費錢。
并非所有賽道都像自動駕駛一樣，汽車制造商和消費者都會為此付出代價。投資者正在收緊錢包，捍衛現金為王，并對自己的舉動格外謹慎。
就連OpenAI也顯露出疲态，推出了企業版ChatGPT來争奪B端市場，希望更快盈利。
新的世界即将來臨，财務名額、技術難題和成本控制讓他猛然回到現實。
在“ChatGPT時刻”過濾器褪去之後，企業也看到了大型模型的局限性。
比如大模型的精度不夠。 80% 對于日常使用來說可能足夠了，但對于企業來說還不夠，尤其是法律、醫藥和金融等容錯率幾乎為零的行業。
例如，大型模型的部署成本和技術門檻太高。企業始終想要的是低成本、即用型産品和全面的服務。
千千萬萬個行業顯然都有真實的需求和真實的問題；
AI公司也想把這個産業落地，獲得資料流和現金流；
但它們之間存在着差距——技術與産業之間的差距。
華為始終相信解決問題、做複雜的事、紮根行業。
比如，今年，從東北到京津冀、粵港澳到華東地區，全國都出現了暴雨。
“世紀大雨”、“百年一遇”、“一年一度的暴雨”等都是社交媒體上的頭條新聞，影響着數百萬人，造成了無數的經濟損失。
有人問我們的天氣預報系統有用嗎？為什麼我們不能及早預警，留出時間預防災難呢？
這就是技術與現實的差距。
現代天氣預報技術，簡單來說就是：收集大量的氣象資料，輸入超級計算機，利用複雜的算法模拟預報結果。
這似乎是人工智能擅長的領域嗎？那是對的。
今年夏天，華為雲團隊夜以繼日地更新盤古天氣模型。
盤古預測台風“杜蘇裡”路徑
不僅準确預測了今年台風的路徑，還實作了未來6小時和24小時的降雨量預報。
盤古氣象模型成為第一個精度超越傳統數值預報方法的人工智能模型。目前，我們已與中國國家氣象局、深圳市氣象局、歐洲中期天氣預報中心、泰國氣象局建立了合作。
隻需一台伺服器即可在10秒内預測台風未來10天的全球路徑；
接下來，盤古要挑戰暴雨紅色預警，從提前3小時調整為提前24小時。
這是一場與時間的生命線賽跑，利用人類技術來對抗自然的混亂和無序。
9月20日，華為全聯接大會2023召開，主題為“加速工業智能”，旨在與千行業企業共同邁向智能世界。會上還透露了盤古模型的最新進展。
在模型層面，盤古模型形成了5+N+X的三層架構。最底層的L0層是五個基本大模型； L1層是汽車、礦業、氣象、藥物分子、政務、數字人等N大産業模型； L2層是供應鍊物流、台風路等X業務場景的具體模型。
例如，一種新藥的開發已被證明需要 10 年時間和 10 億美元。這就是醫療行業著名的“雙十定律”。
通過盤古藥物大分子模型，主藥研發周期可縮短至1個月，研發成本可降低70%。
西安交通大學第一附屬醫院劉兵教授借助盤古藥物分子模型研發出超級抗菌藥物。
近年來，華為向礦山、工廠、直播間、氣象台派遣了一批批醫生、專家和科學家。
隻有深入一線，才能知道各行各業需要什麼。創新不是閉門造車、拍拍自己的頭，而是不斷前進，解決問題。
我們也知道大家更關心算力問題。
畢竟NVIDIA A100/H100在國内被斷供，就連“閹割”的A800/H800也賣到了令人眼花缭亂的高價，難覓蹤影。
未來10年，AI算力需求可能增長500倍。國内AI算力能否彌補差距？
華為對此已經做好了充分的準備。
他們在烏蘭察布、貴安、蕪湖建立了雲資料中心，支援超大規模叢集的算力使用。
此外，從硬體到軟體，從算力、算子庫、AI架構到AI平台，華為都進行了全面的内部研究。可以幫助客戶從其他平台平滑遷移到華為雲升騰AI雲服務生态。
簡單來說，華為雲家庭環境中産生的人工智能算力，消除了算力“瓶頸”的擔憂。
有了植根于行業的自主技術和生态的保障，華為雲的大規模産業革命才能站穩腳跟，打開新局面。
04
結論
《奧本海默》這不是新武器，而是新世界。
或許，面對大模型，我們也應該說：這不是一項新技術，而是一個新世界。
這個匆忙的新世界，無論你稱之為第四次工業革命還是智能革命，一切都将被人工智能改變，就像一個新世界的開始。
我們尋求的技術必須是颠覆性的創新，颠覆原有的公式，帶來新的增長确定性；它必須幫助普通人彌合差距，而不是加深障礙。
能夠彌合差距的公司會蓬勃發展；能惠及千行百業的企業，才是強者。
命運的齒輪已經開始轉動。
僅在頭條号釋出，其他平台均為搬運
圖檔來源于網絡，侵删。
原創不易，歡迎轉發！
對此你有什麼看法？歡迎在評論區留言評論！