從完成數(shù)據(jù)采集、篩選到打標(biāo)后，自動駕駛算法模型訓(xùn)練、回放性驗證（推理過程）以及仿真測試這三大環(huán)節(jié)都離不開超算中心發(fā)揮作用。車企或者自動駕駛公司要想做好自動駕駛模型訓(xùn)練，一個大規(guī)模超算中心是必需品。這其實也是車企自建數(shù)據(jù)中心的底層邏輯。

建一座超算中心，就完了嗎？

不過在起“量”之前，還有幾個問題需要思考。

搭建超算中心不僅與服務(wù)器相關(guān)，還涉及系統(tǒng)構(gòu)建，包括GPU集群、存儲、高速網(wǎng)絡(luò)、軟件調(diào)度、機房管理、數(shù)據(jù)中心基礎(chǔ)設(shè)施建設(shè)等內(nèi)容。每個部分都涉及大量組件，增加了設(shè)計階段的難度；

再者，無論是設(shè)備還是軟件的部署，都需要一個較長周期，在統(tǒng)一協(xié)調(diào)部署和集成方面存在很多挑戰(zhàn)；最后當(dāng)數(shù)據(jù)中心設(shè)備全部安裝部署完后，如何讓其常用常新，一直保持最鮮狀態(tài)，維持最好的工作狀態(tài)同樣至關(guān)重要。

市場研究公司Forrester早些時候在一份調(diào)查報告中指出，超過6成的受訪企業(yè)認為自己的數(shù)據(jù)中心處于L3級階段。

這項調(diào)查通過采訪197位大中型企業(yè)的IT部門領(lǐng)導(dǎo)者和技術(shù)決策者發(fā)現(xiàn)，云計算、人工智能等技術(shù)有助于數(shù)據(jù)中心網(wǎng)絡(luò)提升自動化和智能運維的水平，但由于相關(guān)企業(yè)在建設(shè)和運維階段仍然依賴專家經(jīng)驗和員工技能，導(dǎo)致效率低且易出錯。

在上述白皮書中還有一點，即無形的成本問題。車企和Tier1對搭建智算中心的預(yù)算普遍超過1億元人民幣，超過2億元的占到五分之一。AI科技公司和自動駕駛獨角獸也不乏投資過億者，然而這些還只限于前期投入。

開發(fā)自動駕駛技術(shù)是個燒錢活，以Waymo、Cruise等公司為例，三五年燒掉幾十億美元是家常便飯。再尷尬一點，一些自動駕駛公司持續(xù)燒錢卻毫無進展。硬件是錢，數(shù)據(jù)是錢，人才也是錢。

搭建人工智能計算中心投資金額（人民幣）；圖片來源：IDC

比起自建超算中心，選擇合適的供應(yīng)商或許能夠事半功倍。針對這些挑戰(zhàn)，英偉達可以提供端到端，從芯片到數(shù)據(jù)中心的一體化解決方案。

以SuperPOD超級計算機來說，其擁有支持從小規(guī)模迅速擴展的參考架構(gòu)，可以從20臺變成40臺、80臺、1000多臺，像搭積木一樣不斷拓展。同時具備持續(xù)的軟件優(yōu)化、“白盒”交付等特點。如此一來，車企便能將更多時間和精力聚焦在算法開發(fā)上，而非數(shù)據(jù)中心。

至少現(xiàn)階段，超算中心比拼的不一定是規(guī)模和服務(wù)器的數(shù)量，諸如效率、開發(fā)方法也將決定著自動駕駛模型的進度條，而這里面不僅涉及硬件，還涉及開發(fā)的AI框架、方法、管理平臺等等。誰能搶占先機，就有望先拿下一局。

英偉達會是唯一的答案嗎？

從市場過往的發(fā)展規(guī)律來看，高科技行業(yè)的第一梯隊將掌握在少數(shù)幾家公司手中，隨著科技新兵不斷入場，絕對意義的寡頭壟斷格局只會越來越脆弱。

眼下數(shù)據(jù)中心處理器市場，英偉達、英特爾和AMD幾乎100%形成壟斷格局。單就GPU計算芯片而言，英偉達和AMD持續(xù)對壘，前者份額超過8成。目前自動駕駛算法模型的訓(xùn)練多以GPU為主，英偉達憑借以GPU構(gòu)建服務(wù)器，基于“服務(wù)器+網(wǎng)絡(luò)”構(gòu)建超算中心的方案正在積極搶市。

圍繞超算中心的戰(zhàn)爭已然打響，車企和自動駕駛公司要想拔得頭籌，唯有快、更快地行動。

返回第一電動網(wǎng)首頁 >