汽车由工业时代向数字化时代迈进，自动驾驶已成为行业无可争议的未来。自2019年特斯拉以高速领航拉开这场向智能化驾驶体验升级比拼的大幕，历经四年从蔚来、小鹏到吉利、北汽、长城，伴随新能源技术快速发展，智能化竞争正在成为国内外各大新老汽车厂商“决定未来生死的战场”。

目前，在乘用车领域，自动驾驶技术上半场战况依然焦灼。几乎大部分主流车厂在售车型都正在由 L2 向 L3+过渡。当自动驾驶竞争来到下半场，什么样的关键能力才能推动自动驾驶迈向高度甚至完全自动化？

抓准技术架构中的“决策核心“

众所周知，自动驾驶的发展离不开“感知、决策、执行”三大核心技术架构。执行层最容易被用户理解，通过底盘及各种控制附件驱动车辆执行相应命令动作，它紧密围绕在最终端的应用体验，对于大部分车厂而言都非难事。

事实上，在这三个紧密相连的环节中，感知能力是基础，决策能力才是关键，而决策力又深深依赖于算力与存力。决策环节就好比车的“大脑”，不仅需要对感知层提供的环境信息和车辆定位情况进行接收与存储，还需要基于大量数据积累，通过算法融合、特征提取等进行整合分析、训练与模拟，并给出最佳匹配的决策，输出到各种执行层的控制单元。

由此可见，智能汽车自动驾驶日益白热化的竞争背后，其实根源还是算力与存力的竞争。可以肯定的是，在自动驾驶领域具有长期规划的车企，无论是“新势力”还是“老品牌”，都在不断进行更高存力与算力的长远布局，从云到智算中心，以应对持续激增的算力需求挑战，并长远控制成本，保持自身发展核心竞争力。2022年8月，小鹏汽车打造“扶摇”智算中心，算力实现600PFLOPS，2023年1月，长城旗下的自动驾驶公司毫末智行成立雪湖绿洲智算中心，算力突破到670PFLOPS，同年吉利汽车打造星睿智算中心，算力达到810PFLOPS……可以说，更高层级的算力已成为“兵家必争之地“！

考验存算力的“2大”关键场景

为何说更高阶的存算力如此重要？

在自动驾驶实际研发过程中，有2个重要的环节分别与存力和算力紧密相关。首先与存力直接相关的是感知模型训练环节，众所周知自动驾驶会产生海量数据，且多为多模态数据，只有高效、高质完成数据的采集存储与管理、标注才能为模型训练提供强有力的场景数据。其次在算力竞争中仿真测试环节则至关重要，场景库构建、仿真测试及测试评价的体系化能力需要大规模算力支撑，最终能力将会直接影响自动驾驶系统训练效果。

宁畅作为一家新锐服务器厂商，日前宣布入局自动驾驶领域。基于多年对AI计算的深耕与理解，特别应对目前存算力竞争中具有代表性的“自动驾驶训练与仿真测试”2大重要环节，打造对应解决方案，一存一算，形成强有力的车外计算能力体系。此外，宁畅还结合6大汽车智造方案与生态共建能力，完整打造“2+6+N”智慧汽车解决方案，从计算到智造给予车企更多助力。

针对与存力相关的模型训练环节，宁畅拥有分布式存储，为自动驾驶提供数据注入、预处理、训练、仿真各个环节的业务数据全生命周期管理，并拥有“部件、节点、系统、方案级”四级可靠性保障。面对拥有大算力需求的仿真测试场景，宁畅能够以全线计算产品助力三大测试仿真体系构建，在场景库建设环节可实现虚拟创建与真实路采两种方式，在仿真测试环节可实现传感器模型仿真、交通流仿真、车辆动力学仿真及其他高效仿真，最后在结果评估环节，宁畅这一方案可分别对场景库与测试结果进行评估，对应进行优化，实现完整闭环。

目前，宁畅已推出其最新旗舰级自动驾驶平台X680 G55及全能型平台X640 G50和支柱型平台X620 G50。三大平台可分别支持大模型训练场景、多路并行计算场景与不同规模并行计算场景。同时，为加快算法迭代，宁畅还推出强大AI算力网络，专为AI融合模型设计的POD组网，可实现所有AI节点、全高速无阻、低时延连接，模型训练过程中通讯高效准确，为自动驾驶技术提供强大的算力底座。

在已经打响的“算力”大战中，国内多家极具潜力的汽车厂商已率先与宁畅达成合作。某热门电动品牌自动驾驶业务与宁畅合作500个CPU核心，总算力达到50TFLOPS。某中国汽车行业的骨干企业选择部署宁畅双路机架式服务器，以此全力推动车、人、生态协同。我们有理由期待，宁畅这一计算领域的“老朋友”，作为自动驾驶领域的“新人”也同样未来可期。