智能网联时代，算力成为衡量车企的核心竞争力的重要一环。

尤其是在软件定义汽车时代，大算力能大大提升算法训练的效率，而更高的效率意味着车企将能够以更高的频率向用户推送更新的算法，以确保自己部署软件的性能领先。

数据对于车企有非常大的作用，是另外一种石油。但是面对海量的数据，如果没有一个高效的运算中心其实也是枉然。

智算中心，众多车企投向这一领域

自从几年前，特斯拉筹建其独立的智算中心Dojo（道场）后，有志于智能驾驶乃至于次世代发展的车企，都已经讲目光投向该领域。

在国内，去年8月，小鹏汽车在乌兰察布建成智算中心“扶摇”；今年1月初，长城汽车旗下毫末智行，宣布“雪湖·绿洲”智算中心投入使用。

至于其他的那些对手，也都在利用各种公云资源，跻身此赛道。

尽管各家在发布设施前，都曾宣称其为“最强”，也实不知做成短视频送去抖音审，最后哪个才能过。

打响算力之战，吉利布局智能汽车“新基建”

需求驱动之下，我国超过30个城市快速布局智算中心，用于支持地方产业AI化、AI产业化及智能化治理。一方面地方与科技企业协同建设，另一方面企业也在快速自建智算中心，蔚来、特斯拉、好摸智行、小鹏等均开始自研终端算力平台。

各大车企争相入局，正是因为“数字经济时代的算力等同于工业经济时代的电力”，智算中心作为算力的基础设施，未来会像水、电一样成为城市的公共基础资源，支撑产业基础发展。

吉利星睿智算中心上线，正是对智能汽车“新基建”的提前布局。

随着自动驾驶算法的演进，传统的L2自动驾驶系统，不仅衍生出了自动导航辅助驾驶系统，又发展出了城市场景的点到点自动驾驶能力，AI算法越来越高级，对数据收集和处理能力的要求越来越高。

辅助驾驶的实现，已不单单依靠激光雷达和高精地图，还需要一个强大的本地+云端的算力。以汽车自主变道为例，只有通过机器学习算法，计算机才能够识别出周围物体，所以未来自动驾驶有赖于AI模型海量数据训练。

吉利星睿智算中心规模创下国内车企之最，目前已接入智能驾驶和车联网实验数据近百PB，在线车辆的并发计算支持达百万辆，预计到2025年，可满足350万在线车辆的并发计算需求，数据存储规模将达EB级别。同时，吉利星睿智算中心拥有超算服务器1000多台，云端总算力达81亿亿次每秒，预计到2025年，算力规模将扩充到120亿亿次每秒，计算能力达到EFLOPS级别。

各家车企智算中心性能如何？

在国内，吉利并不是唯一一家布局智算中心的车企。蔚来、特斯拉、小鹏都已经布局了自研的终端算力平台。它们的性能究竟如何呢？

单纯从算力来看，后发制人的吉利的超算中心领先小鹏和毫末不少。更早部署的特斯拉的Dojo和国内车企的超算中心存在很大差距。但需要指出的是特斯拉Dojo超算中心的D1芯片是特斯拉自研。

除了芯片之外，特斯拉还开发了一整套的训练Tile和ExaPOD集群。这个能力是国内的车企短时间内无法达到的。考虑到特斯拉目前的算力能力已经足够支持FSD的开发，因此国内车企的超算中心的算力已经足够了。

虽然超算中心对于车企研发自动驾驶等相关软件非常重要，但自建超算中心并非唯一一条路。自建超算中心，需要在前期投入大量的资金，同时也要培养一支富有经验的团队。

对于车企来说，很有可能前期投入了大量的资金，但是最终还没有办法达到L4那一步。因此不少车企选择了轻资产运营的模式。通过和第三方的云计算企业进行合作，来避免前期的高额投入。

例如广汽和腾讯合作，福特和谷歌联手。当前，国内外知名的云企业像亚马逊、微软、阿里、腾讯、华为都已经意识到了车企自动驾驶算法优化计算的这个潜力巨大的市场，纷纷开始寻求和整车企业合作。

未来，整车企业和云企业合作的案例也会越来越多。

去年美国开始对输入中国的用于运算相关基础设施的芯片进行出口管制。英伟达、英特尔、AMD这些用于超算中心的芯片首当其冲。

短期来看这些影响并不会很大，但从长期来看，这却是个不容忽视的问题。

文章来源： 汽车公社，汽车经纬，汽车之家