如今，新能源汽車已經成為很多中國人購車的首選，尤其是智慧型控制體驗是傳統燃油車無法比擬的。 然而，無論是自動駕駛還是智慧型控制，這些技術都離不開強大的算力支援，尤其是車輛感測器產生的大量資料需要實時處理和分析。
2024年1月，數碼萬里行與算力經濟中國行專家組來到位於浙江省湖州市長興縣的吉利之星智慧型計算中心，不僅參觀考察了算力基礎設施，還深入了解了算力如何賦能車企各項業務，如人工智慧、 大模型、智慧型駕駛、智慧型座艙等熱門話題。
張云泉，中國人民政治協商會議第十四屆全國委員會委員，中國科學院計算技術研究所研究員。
中國人民政治協商會議第十四屆全國委員會委員、九三學會科技專委會副主任、九三學會科普工作委員會副主任、國家燈塔委員會計算標準工作組組長、中國科學院計算技術研究所研究員張云泉博士， 他說：“在數字經濟時代，算力成為一種新的生產力，而算力經濟是數字經濟衍生出來的一種新的經濟形態，尤其是在汽車行業，資料和算力延伸到整個環節。 新能源汽車作為汽車產業公升級發展的重要方向，是算力應用最直接的體現——每輛車在出廠前，工程師都對整車進行了完善的智慧型控制和應用測試，確保使用者更安全的智慧型駕駛和更智慧型的座艙。
吉利汽車研究院資料智慧型化發展中心主任陳勇博士。
為深入挖掘資料應用價值，吉利通過“1中心+3平台+N全場景資料智慧型服務”，打造全場景數智化服務。 吉利汽車研究院資料智慧型化開發中心主任陳勇博士介紹，乙個中心就是智慧型計算中心。 三大平台分別是大資料應用平台、人工智慧應用平台、智慧型駕駛資料閉環和虛擬實境平台，提供的資料智慧型服務包括AIGC人工智慧內容生成、虛擬實境平台、計算應用平台、遠端診斷RVDC、售後智慧型服務等。
資料驅動
智慧型計算賦能
吉利之星智慧型計算中心一期建設於2022年7月竣工，並於2023年2月27日正式亮相。 資料中心總投資10億元，占地面積52一期已建成12畝，規劃機櫃5000個，標準5KW機櫃2520個 目前（2024年1月），資料中心執行CPU資源超過6萬台，GPU卡2000多張，儲存容量超過60PB。
建立傳統資料中心的想法是先建立基礎設施，然後逐步將業務遷入。 面對智慧型化浪潮，吉利需要自上而下的規劃，亟需支援數智化業務，推動業務驅動平台建設。
吉利汽車研究院智慧型計算平台開發部主任謝東。
2022年7月，吉利之星智慧計算中心初建之時，在短時間內大量商家湧入。 吉利汽車研究院智慧型計算平台開發部主任謝東表示，作為全球車企首個“雲、數、智”一體化超級雲計算平台，吉利統一了智慧型架構、統一研發、統一運營、全棧租戶運營。
吉利的整體研發體系基本以資料為基礎，包括資料採集、資料處理、資料應用、資料合規處理等。
星瑞智慧型計算中心的計算設施主要分為智慧型駕駛區、通用區、**區三個區域。 智慧型駕駛領域的業務包括資料採集管理、資料標註管理、智慧型駕駛管理、資料管理平台、模型研發平台等。 一般區域主要服務於智慧型座艙和雲車載整機的研發，以及具有統一研發體系的資料湖。 **領域的主營業務包括碰撞、強度、電磁、氣動、熱管理等汽車執行的各個環節，需要大量的高精度算力。
在過去一年的運營中，從產品（新能源汽車）來看，智慧型計算中心也取得了許多階段性成果，例如：
NOA量產全面接入，為主流頭等車型（如博越L）帶來更多智慧型駕駛能力，實現智慧型駕駛資料自動閉環;
新一代座艙作業系統Galaxy NOS上線，覆蓋多種機型需求，讓使用者擁有與手機相同的車機互動體驗;
全場景AI服務，包括全場景AI模型、WOW桌布、AI**節奏、兒童繪本等，實際應用了大模型、AIGC等技術;
行業領先的大資料應用服務，如資料湖和治理能力，支援超過350萬輛汽車的實時資料回傳資料平台，治理等級已達0988，通過大資料應用實時提公升產品使用者服務，關愛使用者。
可為新能源汽車提供7個24小時雲保護，如Galaxy E8的宙斯盾電池安全系統，包括雲端智慧型安防控制，可實現事件期間的預警和告警。
目前是國內車企中自建裝置規模最大、綜合算力領先、業務覆蓋面最廣、安全等級高的智慧型計算中心。 吉利還與寧昌等伺服器廠商合作，擁有最強智慧型支撐能力的智慧型計算中心，同時基於英特爾至強可擴充套件處理器和應用的超大規模科學計算集群，測得的雙精度浮點算力達到354 PFLOPS，基於全智慧型業務的汽車製造“超級大腦”，顯著提公升了吉利的整體研發效率。
閉合資料迴圈
智慧型駕駛決戰下半場
目前，進入市場的自動駕駛已經經歷了感測器、演算法、算力的演進，需要大量的資料標註、行為警示、路點等。 但這些只是智慧型的冰山一角，或者更確切地說，是自動駕駛的“前半部分”。 隨著L2輔助駕駛功能在新車中的滲透率超過30%，人們對智慧型駕駛提出了更高的要求，並將逐漸開始關注冰山之下的部分。 然而，隨著量產智慧型汽車數量的增加和資料量的急劇增加，如何合規獲取資料、如何有效利用資料、如何將資料轉化為產品競爭力仍存在諸多挑戰。
吉利汽車研究院智慧型駕駛中心資料平台部主任陶世軍。
據吉利汽車研究院智慧型駕駛中心資料平台部主任陶世軍介紹，吉利是唯一一家具備合規採集資質的整車廠，利用車輛數量積累了大量資料。 一輛車每月收集的合規資料量約為幾千兆位元組，而星辰智慧型計算中心收集的資料日增長已達到TB級。 如此龐大的資料量，如果不進行治理，有效資料量會比較低，沒有辦法直接使用。 而且，如果沒有好的基礎平台，整個資料的流動也會很成問題。 在星瑞智慧型計算中心積累的海量資料的基礎上，需要在各種場景下不斷優化，構建資料閉環能力：感知資料閉環、地圖資料閉環、驅動資料閉環、使用者資料閉環。
吉利基於使用者車隊和集團內部運營車輛資源積累了大量資料，以達到資料驅動的感知提公升目標。 特別是有更多的機會發現極端情況（角落場景或極端場景）等，並對監管和演算法做一些優化迭代。
依託吉利智慧型計算中心和資料閉環技術能力，目標是利用車側01倍的算力，採用一套標準資料格式，使用10倍的雲算力，實現100倍的採集效率。
資料合成：
大型模型時代的助推器
資料閉環涉及海量資料，面臨兩個問題：一是在自動駕駛領域，需要長期的資料採集，需要重點挖掘分布廣泛、概率低、採集成本高的極端情況和長尾場景。 其次，任何演算法或系統在上路之前，都必須經過嚴格的道路測試，這需要覆蓋很多場景和安全風險。
張廣斌，億奇研究院創始人。
在易奇研究院看來，前者是“未知危險”，後者是“已知危險”。 隨著資料的積累，前乙個問題將逐漸被發現並轉化為應該覆蓋的場景，但發現新的極端場景將變得越來越困難。 後乙個問題面臨著難以覆蓋或複製的困難，例如凍雨等特殊氣候條件和非法交通參與者。 因此，近年來，業界開始將合成資料引入視覺問題中，以解決資料難以獲取和標註的問題。
合成資料首先可以解決多樣性問題。 在真實道路上很難獲得極端情況，甚至無法根據已知規則進行 3D 重建。 然而，合成資料是程式化的，可以通過置換和組合大量引數、引入隨機化等方式生成大量場景。 增加資料集中的合成資料量可以使訓練後的模型具有更好的泛化能力。
合成資料效率高。 真實資料的標註成本高，一張圖片成本1 5元，精度也受到人類認知、情感、疲勞等一致性問題的限制。 通常，預標記模型的精度不足，需要大量的人工校正。 大型模型自動標註的準確率高於人類，可達992% 和更高的效率。 合成資料具有合規和安全的天然優勢。 實時採集的資料需要脫敏，比如車牌號等，不容易在不同企業之間共享。
吉利汽車研究院前瞻創新部人工智慧模型開發總工程師梁振寶。
吉利汽車研究院前瞻創新部人工智慧模型開發總工程師梁振寶介紹了吉利在合成資料方面的整體布局：依託智慧型計算中心強大的算力、生產中心業內最大的資產資料湖、自動駕駛的大模型， 虛擬元宇宙世界是為合成資料的收集而構建的，包括一些基於真實資料的自動標註、類似聚合和一些已識別的資料治理。在此基礎上，可以提供一些應用服務能力，包括資料合成、場景合成、演算法測試、監管認證、標註和資料治理，以及數字孿生智慧城市。 整個系統框架其實是以世界為核心，連線了傳統的設計和物理感測器模型，包括自動化評估系統和軟硬體測試環節。
吉利的合成資料和測試平台具有以下幾個關鍵功能：
首先，它依賴於星瑞智慧型計算中心強大的算力。
其次，它有一套高保真車輛模型，無論是你自己的車還是其他的車，其特性都與真車相同，包括其中的感測器建模。 交通理論部分不僅僅是簡單的直行或左右變道，而是利用人工智慧來驅動行為，包括壓線、惡意變道等行為。 這可確保以良好的保真度合成或測試資料。
第三，它足夠真實。 通過人工智慧模型，可以將合成的資料轉換為真實的資料樣式，提高遷移的樣式和保真度。
第四，基於AI的自動建模比手動建模更有效率。 根據真實場景資料和監管限制，一小時內可生成數千公里的行為場景，並可模擬光線、天氣、光照等。 比如你做乙個海外專案，你可以按照當地的規則來建造，你不需要出國去收集。
最後，改善資料治理。 使用這個平台，吉利擁有了大量的資料，這些資料在過去可能只是躺在資料湖中。 分類治理後，有利於快速找到這些資料，並分析資料的分布情況。 研究中心製作了一套基於影象分類的運算元，有九大類策略，約120個子類，包括各種天氣、工況、障礙物，以及一些用於識別的識別演算法，可以快速標註**中包含的資訊，然後根據這個標註對所有量產回貨資料進行統計和治理。
不僅僅是智慧型駕駛
電動化與智慧型化相輔相成，智慧型化賦予汽車新的屬性。 在智慧型網聯和智慧城市時代，汽車是接收、生成和傳輸大量資料的移動智慧型網路節點。 吉利“1中心+3平台+N全場景資料智慧型服務”，展現了吉利在智慧型汽車新時代智慧型計算領域行業領先的代際優勢，迎來了吉利的“智慧型計算時代”。