7月22日，馬斯克在推特上宣布，x.AI由10萬張H100組成AI訓練集群上線，這是全世界目前最強的AI訓練集群。

光是這10萬張卡本身，就需要40億美元的資本投入，再加上驚人的電耗、散熱管理以及卡間通信的成本。

到2024年，AI公司進入第一梯隊的門票可能進一步提升到10萬張卡這個量級。

AI公司的突圍成本，正變得越發巨高無比。

在智能駕駛領域，特斯拉的純視覺智駕獨樹一幟，國內也只有極越等少數汽車品牌能夠跟進，超高的算力、數據、算法門檻決定了純視覺只能是「少數玩家的游戲」。

一、純視覺智駕，為何只是少數人的狂歡？

激光雷達的核心原理是運用回波時間測量法，繪制出周邊物體的點云，激光點云包含的信息精度高，但信息的維度有限。

純視覺則類似于人眼，其獲取的信息十分豐富，并且車端的成本更低。但采用純攝像頭作為數據輸入，距離識別，尤其是縱向距離的精度提高非常困難。同時，攝像頭的輸入也容易受到光照等環境影響，在逆光、大雪遮擋的情況下會造成辨識困難。

就連特斯拉的前AI高級總監Andrej Karpathy早些時候也在演講時表示：「純視覺能夠精準感知深度、速度、加速度信息，實現純視覺是一件困難的事情，需要大量的數據?！?/p>

好在，隨著AI技術的發展，基于人工智能框架和大模型，純視覺方法對三維環境的識別能力已有大幅提升。

不過，相應的代價，是這套流程需要強大的算力。

前文提到，建立一個10萬卡的AI訓練集群，光買下這10萬卡的集群，就需要40億美元的投入。

而從能耗角度，10萬張H100的功耗是150MW（兆瓦）。作為對比，目前最大的國家超級計算機El Capitan只需要30MW的功率。

更何況，這些AI集群之間通過光通信連接，距離越遠，光通信的成本也越高。

這也是為什么，特斯拉不僅部署了超級算力中心，還于去年正式投產了特斯拉的Dojo，后者是特斯拉自研的超級計算機。

據公開數據，特斯拉每個Dojo都集成了120個訓練模塊，內置3000個D1芯片，擁有超過100萬個訓練節點，算力達到1.1EFLOP（每秒千萬億次浮點運算）。

特斯拉基于自研芯片的算力集群，一個ExaPod 1.1 EFLOPS

此外，特斯拉預計，2024年10月特斯拉的算力總規模將達到100 Exa Flops ，相當于30萬塊英偉達A100顯卡的算力總和。

今年3月，特斯拉推出FSD V12更新，整個系統中端到端的算法幾乎全部采用神經網絡構建，靈活度非常高、應變能力強，并能以高度擬人化的狀態駕駛。

但光有算力就夠了嗎？顯然不是。純視覺技術路線的主要「成本」，除了算力之外，還包括算法和數據。

視覺算法需要海量的數據進行訓練。算力可以砸錢堆砌，但算法和數據，卻很難坐等「拿來主義」。因此，純視覺方案，對于追趕者具有極高的門檻。

而在國內造車新勢力中，背靠百度的能力，由集度主導智能化研發的極越01在純視覺智能駕駛的路線中走在市場前列。

二、背靠百度，極越特斯拉「并肩」

在談到為什么要押注純視覺方案時，集度（極越）汽車CEO夏一平曾表示：因為這是最為類似人類駕駛的方案，人眼看到的圖像和視頻包含了大量的場景信息，機器也可以從圖像中獲得最為豐富的信息，通過這些信息，機器只要能夠識別圖像中的相關語義，就可以做出準確的判斷，并且覆蓋范圍更廣。

而更深層次的原因，其實也包括純視覺方案相對激光雷達方案對硬件要求低，對AI能力要求高，因此，只要AI算法一直升級，它的智駕能力就能一直升級，智駕系統就能越來越像人類老司機，能自主理性決策，更人性化，所以它的上限更高。

這也是為什么夏一平會喊出「五年內不過時」的內在邏輯。

「這樣的技術路線選擇，其實是為了將來能夠讓智駕能夠更加快速普及，做的一個非常大的決定?！?/p>

極越其采用的純視覺方案，以自動駕駛視覺大模型VTA（Vision Takes All）為底座，大幅升級包括動靜態檢測、時序跟蹤、實時建圖、場景理解等能力。

硬件上，由集度主導智能化研發的極越01全系則配置了大算力智駕芯片，搭載2顆OrinX，除此之外，還有百度為其智駕訓練提供的2.2 EFlops的云端算力。事實上，基于百度Apollo純視覺高階智駕能力和安全體系賦能，極越完成了OCC占用網絡升級。

去年10月，極越在國內第一個用了BEV+Transformer的純視覺方案，而后在今年1月又是國內第一個應用了OCC占用網絡技術，形成了“BEV+OCC+Transformer”純視覺方案的“完全體”。

其中，OCC占用網絡這個技術的原理是感知攝像頭將周邊環境的物體3D化，將物體識別為網絡中的一個個“體素”，感知系統只要對網絡體素是否被占用進行識別，這樣就能對3D物理空間的可通行區域進行高保真度還原。

依托這套比激光雷達點云分辨率更高的三維結構信息，OCC占用網絡還能減少漏檢、誤檢并彌補視覺所不具備的空間高度信息，突破能力上限和提升安全保障的同時，完全替代了激光雷達，大幅提升了泛化能力。

由此，在搭載了OCC占用網絡技術后，極越能夠實現障礙物精細刻畫，3D精度可以做到厘米級，輕松比肩激光雷達精度。

過去一段時間，坊間習慣性將純視覺路線視為車企的降本之舉。誠然，對比激光雷達的硬件成本，純視覺方案的確要「 省錢」不少，但其實，藏在純視覺方案背后的軟件成本，卻要大幅高于激光雷達方案。

對車企而言，只要愿意掏錢，激光雷達方案可以輕松上車。但純視覺方案卻不行。

而極越的優勢，來自于百度的技術賦能。在純視覺智能駕駛相關的技術指標上，百度在算力、算法、數據這三個關鍵領域都有著深厚積累。

首先是算力，百度已為智能駕駛在建立了超過2.2 EFLOPS高算力訓練集群。

其次是算法，百度Apollo擁有10多年的L4級自動駕駛技術研發積累。

而國內其他車企的應用方案目前都是L2級，雖然都在發力L3級乃至更高級別的自動駕駛的研發工作，但相比已搭建起L4級別自動駕駛大模型、并成熟落地應用的百度而言，技術差距是顯而易見的。

最后是數據方面，百度Apollo的自動駕駛里程已經超過1億公里，未發生過重大傷亡事故，這些都是高質量的L4級別自動駕駛數據積累。同時，通過蘿卜快跑、極越汽車等品牌，百度還在持續迭代數據規模。

目前，百度不僅擁有海量L4級別高質量實際行駛數據，還形成數據資產管理、自動化數據產線等一系列的體系化能力。目前國內其他車企也還做不到這樣的數據能力。

而這些百度所獨有的技術優勢，無疑將毫無保留地在極越品牌身上得到體現。

作為全球領先的AI大模型公司，也是自動駕駛技術領軍企業，百度擁有10余年L4級自動駕駛技術研發和創新應用經驗。同時，百度Apollo已形成海量的數據資產管理，建立了百億參數的視覺大模型、高標準的自動化標注產線、超過2.2 EFLOPS高算力訓練集群，為AI算法升級提供持續動力，同時賦能極越和蘿卜快跑的智駕能力高速迭代。

正是在百度智駕能力的加持下，極越汽車的智駕表現才站在了第一梯隊，比肩特斯拉，成為中國純視覺智駕方案的領跑者。

值得一提的是，國內不少車企都從今年開始跟進布局純視覺智駕的路線，包括小鵬汽車今年的新車，以及蔚來子品牌樂道在內。

隨著極越以及特斯拉這兩家領航者的持續推動，未來不排除越來越多的車企會加碼純視覺的陣營

返回第一電動網首頁 >