算力正日益成为汽车企业竞争的关键
人工智能时代，汽车行业最缺的是智算的基础设施，而不是生产能力。随着汽车与AI的深度融合，端到端智能驾驶、座舱大模型等技术加速上车，行业对智能算力的需求快速增长。在端到端智能驾驶领域，起步算力是1EFLOPS（超级计算浮点性能的衡量单位），而车企平均投入的算力已达到3EFLOPS以上，但距离100EFLOPS的理想算力仍相去甚远。在座舱大模型领域，基础模型算力需求大于10EFLOPS，座舱垂域模型算力需求为数百到数千EFLOPS。然而，国内车企现有的算力都在10EFLOPS以下，中国移动、中国电信、中国联通三大运营商到2024年底的规划算力合计也只有53EFLOPS，远不能满足行业需求。
随着人工智能大模型技术的快速发展，汽车云端智能算力的需求急剧增长，算力正日益成为汽车企业竞争的关键。据了解，汽车企业可以通过自建、合作建设与使用云服务多种模式发展算力。谷歌、特斯拉等科技巨头的自动驾驶业务是基于自身强大的技术积累和资金储备，从芯片、算法、软件到系统几乎全栈自研。
国内百度、华为、商汤等企业基于自身在人工智能与信息通信等领域的积累，依托自建数据中心发展自动驾驶等汽车智能化业务。百度、阿里、火山引擎等科技企业已有算力中心相关布局和经验，能够向汽车企业提供包括算力中心规划、建设、运维等多种服务。通过合作建设，整车企业可以大幅节省算力建设的时间，减轻运维压力。
近年来，长安汽车、吉利、小鹏、理想等车企纷纷联合科技企业，建设智算中心。例如，长安汽车与百度共建长安汽车智算中心，算力达142EFLOPS；小鹏汽车联合阿里云在乌兰察布建设专用于自动驾驶模型训练的“扶摇”智算中心，算力达600EFLOPS。亚马逊云科技、微软云、阿里云、腾讯云、火山引擎等云服务企业本身储备了相当规模的算力，基于覆盖全球或区域的算力中心，为汽车企业提供算力服务及多种数字化解决方案。
例如，亚马逊云科技围绕自动驾驶、车联网和软件定义汽车三大场景赋能汽车行业，为宝马、比亚迪、小鹏、理想等企业提供服务；微软基于Azure云平台，打造了完整的自动驾驶开发支持解决方案，合作企业包括通用、大众、元戎启行等；腾讯云的智能汽车“云专区”，为智能汽车企业定制一站式云解决方案，已与奔驰、博世、蔚来等企业合作，助力汽车企业自动驾驶研发。另外，一些城市的智算中心也通过云服务为当地企业及科研机构提供算力支撑。
数据驱动体系下算法决定上限，云端算力是燃料，数据是食材，数据闭环工具是厨具，共同决定了企业的智驾能力。在技术方面，特斯拉算力、数据、工具、算法具备先发优势。特斯拉算力规模超过国内厂商一个数量级。2023年一季度，特斯拉云端算力达到35EFLOPS，超过华为车BU、百度极越、长城、蔚来、理想、吉利、小鹏等企业已公开自建算力总和的3倍。
且特斯拉不受芯片法案影响，具备自研AI训练芯片能力，算力增长空间很大。马斯克表示，2024年底算力将提升至100EFLOPS。汽车行业未来应从四个方面加强算力共建共享，提升资源利用效率：
一是算力集中，提高模型迭代效率；
二是基础模型共享，减少资源重复利用；
三是软硬协同，提升软硬件适配；四是生态共建，完善软件开发生态。
除了算力规模不足，中国本土算力还需要解决从不成熟向成熟化发展的问题。目前，虽然有了英伟达芯片，但围绕芯片的软件开发才刚刚起步，形成了“有芯片、缺软件”的不成熟算力。通过丰富软件和生态，可以将不成熟的算力转变为成熟的算力，减少未来被“卡脖子”的风险。现在已经有国内企业在智驾、智能座舱芯片领域开始突破，挤进第一阵营，但仍需要解决高算力芯片本土制造问题，不能只有本土研发、设计。
从数据的角度，需要改变汽车企业对数据挖掘能力不足，对数据价值利用不利的现状，要让数据变成资产，要让资产产生价值；还需要解决数据汇聚，解决数据的协同效应。AI时代，所有的竞争力都要靠数据训练出来，必须解决规模化数据的问题。此外，汽车企业要利用模型或者研发模型，解决汽车“新五域”：一是利用人工智能解决汽车电子电气架构的设计问题；二是利用人工智能融合解决动力问题；三是智能驾驶；四是智能座舱；五是底盘。如果发展自主可控的操作系统时间过长，会加重车企做切换、替换的成本，降低转换可能性。
需要指出的是，完成人工智能与汽车融合战略，完全靠车企是不可能的。在汽车之外有大量能够给汽车赋能、链接汽车的跨界力量。这些力量在技术、模型、软件、网络、硬件，甚至飞行领域，有足够强的单项能力，这些能力链接到汽车上，汽车将被赋能。就趋势而言，中国智能汽车的发展正处于关键时期，算力不足、标准缺失、数据和商业模式不明确是当前面临的主要挑战。通过加强算力共建共享、提升大模型的应用水平、建立统一的标准和明确发展方向，中国智能汽车产业有望在未来的竞争中占据有利地位，推动智能汽车时代的到来。
全球首个干细胞数据国际标准发布
在10月29日召开的第五届中国干细胞与再生医学协同创新平台大会上，由我国专家牵头制定的全球首个干细胞数据国际标准ISO8472-1:2024正式发布。
该标准的制定和发布，将推动我国干细胞研究和应用快速发展，进一步提升我国干细胞研究的国际合作与交流水平，为全球干细胞研究和应用贡献中国智慧和中国方案。据悉，干细胞数据国际标准ISO8472-1:2024对实现干细胞海量数据的高效利用具有重要意义。该标准针对生物技术领域数据产生呈爆炸式增长、海量数据共享应用低效等问题，规定了干细胞数据互操作性框架，适用于管理干细胞数据的数据库、数据管理系统、网页接口等，为后续干细胞数据国际标准制定提供了体系构架，将为干细胞转化应用的国际共享、互联互通奠定坚实基础。
中国科学院动物研究所所长乔格侠表示，首个干细胞数据国际标准的发布，标志着中国在干细胞数据管理的国际舞台上迈出重要的一步，为全球干细胞数据管理和应用提供了规范和指导，展现了中国在生物技术领域创新实力和国际影响力。
此外，大会还发布了人大脑皮质类器官、人小胶质细胞、人间充质干细胞血液相容性评估技术规范等16项团体标准。
这些标准涵盖干细胞研究、临床应用、产业发展等方面，由中国干细胞与再生医学协同创新平台协同中国细胞生物学学会标准工作委员会、中国细胞生物学学会干细胞分会等机构组织制定。
中国将构建智能工厂梯度培育体系
10月28日，工业和信息化部、国家发展改革委、财政部等六部门联合印发通知，部署开展2024年度智能工厂梯度培育行动。明确将构建智能工厂梯度培育体系，按照《智能工厂梯度培育行动实施方案》（以下简称《实施方案》）、《智能工厂梯度培育要素条件》，分基础级、先进级、卓越级和领航级四个层级开展智能工厂梯度培育。其中：
鼓励制造业企业参考智能制造能力成熟度评估结果制定智能工厂建设提升计划，对照基础级智能工厂要素条件开展自建自评。
省级工业和信息化主管部门联合相关部门制定本地区、有关中央企业制定本集团智能工厂培育计划和支持措施，组织开展先进级智能工厂评审认定工作，并推荐符合条件的申报卓越级智能工厂。
工业和信息化部联合国家发展改革委、财政部、国务院国资委、市场监管总局、国家数据局共同组织开展卓越级智能工厂培育工作。
鼓励有意愿、有条件的卓越级智能工厂积极申报领航级智能工厂，由所在地区或所属中央企业向工业和信息化部等部门推荐，在国家智能制造专家委员会指导下开展建设工作。
智能工厂作为实现智能制造的主要载体，是制造业数字化转型智能化升级的主战场。据介绍，“十四五”以来，工业和信息化部、国家发展改革委、财政部、国务院国资委、市场监管总局等部门深入实施智能制造工程，培育了一批高水平、标志性智能工厂，带动各地万余家制造业企业开展数字化车间和智能工厂建设，试点工作取得显着成效，具备了进行大规模技术推广的基础条件。
《实施方案》提出，力争通过五到十年持续培育，推动基础级智能工厂大面积普及，规模化建设一批区域行业领先的先进级智能工厂，择优打造一批国内领先的卓越级智能工厂，探索培育一批具有全球影响力的领航级智能工厂，带动一批智能制造装备、工业软件、系统解决方案和标准应用突破，加速以新一代人工智能为代表的新一代信息技术和先进制造技术深度融合，培育形成一批未来制造模式，推动研发范式、生产方式、服务体系和组织架构变革创新。
《实施方案》还提出，加强政策引导。将符合条件的智能工厂项目纳入大规模设备更新、重点产业链高质量发展、重大科技创新等政策支持范围。鼓励各地出台智能工厂梯度培育配套政策，分层分级支持智能工厂建设。加强公共服务，完善智能制造数据资源公共服务平台，鼓励各地建设一批区域和行业公共服务平台，为智能工厂建设提供评估诊断、标杆案例、供需对接等公益性服务。
来源：安邦智库
