深極智能雲算力

㈠ 華為不造汽車，但自動駕駛汽車人工智慧晶元這片陣地必須拿下

[汽車之家新鮮技術解讀]華為成立於1987年，是一家製造通訊設備起家的中國企業。經過30多年的積累，華為已經發展成為全球最大的5G設備供應商。隨著人工智慧晶元市場的快速增長，華為藉助中科寒武紀的晶元IP，成功在2017年推出了全球首款搭載人工智慧加速單元的手機處理器晶元——麒麟970。該晶元的成功讓華為進一步堅信人工智慧技術的發展潛力，加速了其自研人工智慧處理器的步伐。而自動駕駛系統的域控制器正是人工智慧晶元大派用場的地方。究竟華為的人工智慧晶元性能有多強？它又是如何賦能自動駕駛汽車的呢？今天我們一起來看一看。

●編輯總結：

華為在行業中的影響力毋容置疑，從技術到產品都走在世界的前列。樹大招風，華為近年來就一直受到美國的制裁。如果現狀長期持續的話，對於本文聚焦的華為人工智慧晶元影響不小。如何解困是擺在華為面前的一道難題，從目前的一些信息來看，華為在英國建設晶元工廠、開發RISC-V架構處理器、培育HMS雲服務生態等舉措都是其突圍關鍵，我們也將持續關注事態的進一步發展情況。（圖/文/汽車之家常慶林）

㈡ IoT第一層：感知層企業

感知層：底層數據採集職能，包括晶元、連接晶元和應用設備的模組、感測器、各類識別技術等

1、晶元：低功耗、高可靠性的半導體晶元應用廣泛，MCU/SoC逐漸滲透物聯網領域。MCU晶元復雜度較低，適用於智能設備的短距離信息運輸，主要應用於智能家居、消費電子、醫療保健和工業電子等領域；SoC晶元系統復雜度較高，集成功能更豐富，支持運行多任務復雜系統，可應用於功能較復雜的嵌入式電子設備，應用於無人機、自動駕駛和工業互聯網等領域

2、無線模組：為物聯網提供網聯能力的基礎硬體，將晶元、存儲器和功放器件等集成在一塊線路板上，並提供標准介面，在物聯網產業中處於承上啟下的中間環節，向上連接晶元行業，向下連接各類終端設備，終端設備藉助無線模組實現通信或定位的功能。

3、感測器：作為物體的「五官」，感測器承擔採集數據、感知世界的重任，不斷向智能化、高精度、微型化的方向發展，市場空間廣闊。感測器與MEMS結合是當下技術的新趨勢，MEMS感測器集成通信、CPU、電池等組件及多種感測器，具有體積小、功耗低、成本低、集成度高、智能化特點，廣泛應用於消費電子、醫療和車聯網等領域。

涉及企業：

【晶元】

翱捷科技：具備全球稀缺的全制式蜂窩基帶晶元研發能力的平台型晶元設計企業。2015年成立以來一直專注於無線通信晶元的研發和技術創新。公司各類晶元產品可應用於手機、智能穿戴設備為代表的消費電子市場和以智慧安防、智能家居、自動駕駛為代表的智能物聯市場。

先科電子：領先的高質量模擬和混合信號半導體產品供應商。成立於1960年，主要為客戶提供電源管理、保護、高級通信。人機界面、測試與測量以及無線和感應產品方的專有解決方案。

廣芯微電子：成立於2017年，一家為客戶提供創新解決方案的集成電路設計企業，公司開發包括面向工業物聯網（IIoT）並支持邊緣計算的專用處理器晶元、面向LPWA的IoT連接專用晶元、IoT基帶處理器晶元、以及應用於感測器信號調理的專用晶元。

華為海思：全球領先的Fabless半導體與器件設計公司，前身為華為集成電路設計中心，2004年注冊成立實體公司，提供海思晶元的對外銷售及服務。

聯發科：全球第四大無晶圓半導體公司，聯發科技的核心業務包括移動通信、智能家居與車用電子，著重研發適用於跨平台的晶元組核心技術，聯發科的晶元經過優化，能在極低散熱量且極度節能的模式下運行，以延長電池續航力，時時刻刻達到高效能、高電源效率與連網能力的完美平衡。

紫光展銳：我國集成電路設計產業的龍頭企業。公司於2013年成立，致力於移動通信和物聯網領域核心晶元的研發及設計，產品包括移動通信中央處理器、基帶晶元、AI晶元、射頻前端晶元、射頻晶元等各類通信、計算及控制晶元，其物聯網解決方案支持眾多智能電子產品，包括智能手機、平板電腦、Wi-Fi數據機、家用設備、可穿戴設備、互聯汽車產品等。

移芯通信：為中國自主研發的超低功耗NB-IoT和Cat-M物聯網晶元供應商。公司於2017 年成立，2020年12月完成B輪融資。主要業務為蜂窩物聯網晶元的研發和銷售，致力於設計全球極致性價比的蜂窩物聯網基帶晶元。

高通：是全球領先的無線科技創新者，也是5G研發、商用與實現規模化的推動力量。成立於1985年，1991年在納斯達克上市。Qualcomm主要研發無線晶元平台和其它產品解決方案，憑借行業領先的技術解決方案以及在標准組織中的積極貢獻，Qualcomm成為賦能無線生態系統不可或缺的一部分。

諾領科技成立於2018年9月，是探索滿足IoT需求的全集成、低功耗無線SoC解決方案的先行者。諾領科技作為一家廣域無線物聯網晶元設計公司，擁有射頻模擬、基帶通信系統、GNSS、SoC系統和軟體方面的頂尖人才，致力於發布最佳SoC解決方案。公司目前推出的產品包括物聯網系統級晶元NB-IoT和Cat-M SoCs，服務於廣泛的市場，其中包括智慧城市、可穿戴設備、資產追蹤等等。

芯翼信息是5G物聯網端側SoC創新領導者。成立於2017年3月，公司專注於物聯網通訊晶元（NB-IoT）的研發和銷售。其產品XY1100是全球首顆single  die集成CMOS  PA的量產NB-IoT  SoC，具有超低功耗、超小體積模塊設計和開發靈活等優勢，可應用於智慧氣表、智慧水表、煙感、電動車、物流跟蹤、智慧穿戴等應用場景。

智聯安科技是一家專業從事晶元設計的國家高新技術企業。成立於2013年9月，公司總部位於中國北京，在矽谷、武漢、合肥等多地設有子公司和技術研發中心。公司致力於無線通信晶元的技術研發，目前已於2019年8月成功完成NB-IoT終端通信晶元MK8010量產流片，並在多個行業中實現落地應用。

中興微電子為中國領先的通信IC設計公司。成立於2003年，中興微電子專注於通信網路、智能家庭和行業應用等通信晶元開發，自主研發並成功商用的晶元達到100多種，覆蓋通信網路「承載、接入、終端」領域，服務全球160多個國家和地區，連續多年被評為「中國十大集成電路設計企業」。

Nordic Semiconctor北歐半導體是專注研究物聯網無線技術無晶圓廠半導體公司。公司專注於低功耗無線技術產品，包括短距離藍牙，2020年從Imagination Technologies收購的Wi-Fi技術和LTE-M / NB-IoT蜂窩物聯網解決方案。

Marvell美滿是高性能數據基礎架構產品的全球半導體解決方案提供商。成立於1995年，Marvell專注模擬，混合信號，計算，數字信號處理，網路，安全性和存儲領域，提供產品和解決方案來滿足汽車，運營商，數據中心和企業數據基礎架構市場日益增長的計算，網路，安全性和存儲需求。公司當前的產品主要包括兩大類：網路和存儲。

Broadcom博通是全球領先的有線和無線通信半導體公司。擁有50年來的創新，協作和卓越工程經驗，公司設計提供高性能並提供關鍵任務功能的產品和軟體，包括半導體解決方案和基礎設施軟體解決方案，半導體解決方案主要包括明星級的有線基礎設施業務（乙太網交換晶元/數據包處理器/ASCI等）和無線晶元業務（Wi-Fi 晶元/藍牙/GPS 晶元等）。基礎設施軟體部門主要包括主機、企業軟體解決方案和光纖通道存儲區域網路業務。

NXP恩智浦半導體公司是嵌入式應用安全連接解決方案的全球領導者。公司於2006年在荷蘭成立，前身為荷蘭飛利浦公司於1953年成立的半導體事業部，致力於為客戶提供廣泛的半導體產品組合，包括微控制器，應用處理器，通信處理器，連接晶元組，模擬和介面設備，RF功率放大器，安全控制器和感測器等

樂鑫科技是一家專業的物聯網整體解決方案供應商。公司在2008年4月成立於上海，是一家主要從事智能物聯網Wi-Fi  MCU通信晶元與模組研發設計與銷售的公司。公司採用Fabless的經營模式，將晶圓製造、封裝和測試環節委託於專業代工廠商。近年來，公司牢牢把握智能物聯網行業的機遇，主要產品Wi-Fi MCU通信晶元目前主要運用於智能家居、智能照明、智能支付終端、智能可穿戴設備、感測設備及工業控制等物聯網領域

晶晨股份是全球布局、國內領先的集成電路設計商。成立於2003年，公司專注於為多媒體智能終端SoC晶元的研發、設計與銷售，晶元產品主要應用於智能機頂盒、智能電視和AI音視頻系統終端等科技前沿領域。公司屬於典型的Fabless模式IC設計公司，將晶圓製造、晶元封裝和晶元測試環節分別委託給專業的晶圓製造企業和封裝測試企業代工完成，自身則長期專注於多媒體智能終端SoC晶元的研發、設計與銷售，已成為智能機頂盒晶元的領導者、智能電視晶元的引領者和AI音視頻系統終端晶元的開拓者。

【蜂窩模組企業】

移遠通信：全球領先的物聯網模組龍頭。公司成立於2010年，從事物聯網領域無線通信模組及其解決方案的設計、生產、研發與銷售服務，可提供包括無線通信模組、物聯網應用解決方案及雲平台管理在內的一站式服務。

廣和通：作為首家上市的無線通訊模組企業，近十年為公司業務的快速發展期。成立於1999年，並於2017年在深圳證券交易所創業板上市，成為中國無線通訊模組產業中第一家上市企業。公司主要從事無線通信模塊及其應用行業的通信解決方案的設計、研發與銷售服務。

美格智能：全球領先的無線通信模組及解決方案提供商。成立於2007年，美格智能專注於為全球客戶提供以MeiGLink品牌為核心的標准M2M/智能安卓無線通信模組、物聯網解決方案、技術開發服務及雲平台系統化解決方案。

日海智能：通信行業連接設備龍頭，成立於2003年，2017年相繼收購了龍尚科技與芯訊通，入股美國艾拉，在國內率先實現了「雲+端」的物聯網戰略布局，卡位物聯網發展關鍵環節；在2018年重新確立了AIoT人工智慧物聯網發展戰略，

高新興：全球領先的智慧城市物聯網產品與服務提供商。成立於1997年，公司長期致力於研發基於物聯網架構的感知、連接、平台層相關產品和技術，從下游物聯網行業應用出發，以通用無線通信技術和超高頻RFID技術為基礎，融合大數據和人工智慧等技術，實現物聯網「終端+應用」縱向一體化戰略布局，構築物聯網大數據應用產業集群，並成為物聯網大數據應用多個細分行業領先者，服務於全球逾千家客戶。目前公司正處於戰略和資源進一步聚焦階段，重點聚焦車聯網和執法規范化兩大垂直應用領域。

有方科技：物聯網接入通信產品和服務提供商。成立於2006年，公司致力於為物聯網行業提供穩定可靠的接入通信產品和服務。公司的主營業務為物聯網無線通信模塊、物聯網無線通信終端和物聯網無線通信解決方案的研發、生產（外協加工方式實現）及銷售。

合宙通信：一家專業提供物聯網無線通信解決方案技術產品和服務的高科技企業。成立於2014年，公司致力於提供基於通信模塊的智能硬體、軟體平台、雲平台等綜合解決方案

鼎橋通信：行業無線解決方案的領導者。成立於2005年，公司專注於無線通信技術與產品的創新，布局三大業務板塊：行業無線、物聯網&5G、行業定製終端。

銳明技術：全球商用車載監控龍頭。成立於2002年，公司聚焦商用車視頻監控和車聯網18年，細分行業龍頭公司，產品覆蓋商用車全系車型。公司外銷「商用車通用監控產品」，內銷「商用車行業信息化產品」，全球累計超過120萬輛商用車安裝有公司的產品

【感測器】

奧比中光：一家全球領先的AI 3D 感知技術方案提供商。公司成立於2013年，在2020年12月進行上市輔導備案。公司擁有從晶元、演算法，到系統、框架、上層應用支持的全棧技術能力，主要產品包括3D視覺感測器、消費級應用設備和工業級應用設備技術產品，其AI 3D 感知技術廣泛應用於移動終端、智慧零售、智能服務、智能製造、智能安防、數字家庭等領域。

歌爾股份：一家電子元器件製造商，成立於2001年，屬於消費電子行業，主營業務可分為精密零組件業務、智能聲學整機業務和智能硬體業務。

漢威科技：氣體感測器龍頭企業，成立於1998年，並於2009年10月作為創業板首批上市公司在深交所創業板上市。公司致力於氣體感測器和儀表的製造、並提供物聯網解決方案

聯創電子：成立於1998年，公司主營業務為研發、生產和銷售觸控顯示類產品和光學元件產品。公司現已形成光學鏡頭和觸控顯示兩大業務板塊，主要產品包括高清廣角鏡頭、平面保護鏡片、手機觸摸屏、中大尺寸觸摸屏、顯示模組、觸控顯示一體化模組等

瑞聲科技：全球領先的智能設備解決方案提供商，在聲學、光學、電磁傳動、精密結構件、射頻天線等領域提供專有技術解決方案。公司成立於1993年，公司是電磁器件、射頻天線、精密結構件等多個細分領域的行業冠軍，也是5G天線產品的重要供應商

睿創微納公司是一家專業從事專用集成電路、紅外熱像晶元及MEMS感測器設計與製造，成立於2009年。公司具有完全自主的知識產權，為全球客戶提供性能卓越的紅外成像MEMS晶元、紅外探測器、ASIC 處理器晶元、紅外熱成像與測溫機芯、紅外熱像儀、激光產品光電系統。

遠望谷：我國物聯網產業的代表企業，成立於1999年，公司主營業務集中在物聯網感知層和應用層，為多個行業提供基於RFID技術的系統解決方案、產品和服務。

金溢科技：一家智慧交通與物聯網核心設備及解決方案提供商。公司創立於2004年，公司產品主要包括高速公路ETC產品、停車場ETC產品、多車道自由流ETC產品和基於射頻技術的路徑識別產品。

杭州士蘭微電子：一家專業從事集成電路晶元設計以及半導體微電子相關產品生產的企業。公司成立於1997年，並於2003年3月在上交所主板上市。公司主要產品是集成電路以及相關的應用系統和方案，主要產品包括集成電路、半導體分立器件、LED（發光二極體）產品等三大類。

水晶光電：專業從事光學光電子行業的設計、研發與製造,專注於為行業領先客戶提供全方位光學光電子相關產品及服務的公司。公司創建於2002年8月

敏芯股份：成立於2007年，是一家專業從事微電子機械繫統感測器研發設計和銷售的的高新技術企業，也是國內唯一掌握多品類MEMS晶元設計和製造工藝能力的半導體晶元上市公司，主營產品包括MEMS麥克風、MEMS壓力感測器和MEMS慣性感測器

必創科技：成立於2005年，無線感測器網路系統解決方案及MEMS感測器晶元提供商

固鍀電子：成立於1990年，2006年在深交所主板上市，是國內半導體分立器件二極體行業完善、齊全的設計、製造、封裝、銷售的廠商。

【感知交互企業】

出門問問：以語音交互和軟硬結合為核心的AI公司。公司成立於2012年，作為入選「新基建產業獨角獸TOP100」的人工智慧企業，出門問問擁有完整的「端到端」語音交互相關技術棧，包括聲音信號處理、熱詞喚醒、語音識別、自然語言識別、自然語言理解、語音合成等尖端技術。

漢王科技：國內人工智慧產業的先行者，成立於1998年，在人工智慧領域深耕二十多年，是一家模式識別領域的軟體開發商與供應商，主營業務包括「人臉及生物特徵識別」、「大數據與服務」、「智能終端」、「筆觸控與軌跡」等

科大訊飛：亞太地區知名的智能語音和人工智慧上市企業，公司成立於1999年，公司主營業務包括語音及語言、自然語言理解、機器學習推理及自主學習等人工智慧核心技術研究、人工智慧產品研發和行業應用落地。科大訊飛作為中國人工智慧產業的先行者,在人工智慧領域深耕二十年，公司致力讓機器「能聽會說，能理解會思考」，用人工智慧建設美好世界,在發展過程中形成了顯著的競爭優勢。

聲智科技：融合聲學和人工智慧技術的平台服務商，也是全球人工智慧操作系統領域的開拓者。公司成立於2016年4月，擁有聲學與振動、語音與語義、圖像與視頻等遠場聲光融合演算法，以及開源開放的壹元人工智慧交互系統(SoundAI Azero)，具有聲光融合感知、人機智能交互、內容服務聚合、數據智能分析、IoT控制和即時通訊等能力。

雲知聲：致力於AI產業的高新技術企業，成立於2012年6月，總部位於北京。公司以AI語音技術起家，經過多年經驗和技術的積累，逐漸構築起一個涵蓋機器學習平台、AI晶元、語音語言、圖像及知識圖譜等技術的技術城池，成為了具有世界頂尖智能語音技術的獨角獸

【生物識別企業】

商湯科技：全球領先的人工智慧平台公司，也是中國科技部指定的首個「智能視覺」國家新一代人工智慧開放創新平台。公司自主研發並建立了全球頂級的深度學習平台和超算中心，推出了一系列領先的人工智慧技術，包括：人臉識別、圖像識別、文本識別、醫療影像識別、視頻分析、無人駕駛和遙感等。商湯科技已成為亞洲領先的AI演算法提供商。

神州泰岳：致力於將人工智慧/大數據技術、物聯網通訊技術、ICT技術進行融合，大力提升行業/企業組織信息化、智能化的質量與效率的高新技術企業。公司成立於2001年

【端側BIoT】

比特大陸：是一家全球領先的科技公司，成立於2013年。公司立足中國，以全球視野整合前沿研發資源，專注於高速、低功耗定製晶元設計研發，其產品包括算力晶元、算力伺服器、算力雲，主要應用於區塊鏈和人工智慧領域。

㈢ 算力可貴，效率價高：智算中心憑啥是築基新基建的最優解

在「新基建」浪潮下，人工智慧正成為經濟增長的新引擎，各行各業開啟智能化升級轉型。算力在其中扮演了重要角色，是國家未來競爭力的集中體現。但事實是，在發展的過程中，高速增長的海量數據與更加復雜的模型，正在為算力帶來更大的挑戰，主要體現為算力不足，效率不高。

算力誠可貴：數據、演算法需要更多算力支撐

眾所周知，在人工智慧發展的三要素中，無論是數據還是演算法，都離不開算力的支撐，算力已成為人工智慧發展的關鍵要素。

IDC發布的《數據時代2025》報告顯示，2018年全球產生的數據量為33ZB (1ZB=1萬億GB)，到2025年將增長到175ZB，其中，中國將在2025年以48.6ZB的數據量及27.8%的佔比成為全球最大的數據匯集地。

另據賽迪顧問數據顯示，到2030年數據原生產業規模量占整體經濟總量的15%，中國數據總量將超過4YB，佔全球數據量30%。數據資源已成為關鍵生產要素，更多的產業通過利用物聯網、工業互聯網、電商等結構或非結構化數據資源來提取有價值信息，而海量數據的處理與分析對於算力的需求將十分龐大。

演算法上，先進模型的參數量和復雜程度正呈現指數級的增長趨勢。此前 Open AI 發表的一項研究就顯示，每三到四個月，訓練這些大型模型所需的計算資源就會翻一番（相比之下，摩爾定律有 18 個月的倍增周期）。2012 至 2018 年間，深度學習前沿研究所需的計算資源更是增加了 30 萬倍。

到2020年，深度學習模型對算力的需求達到了每天百億億次的計算需求。2020年2月，微軟發布了最新的智能感知計算模型Turing-NLG，參數量高達到175億，使用125POPS AI計算力完成單次訓練就需要一天以上。隨後，OpenAI又提出了GPT-3模型，參數量更達到1750億，對算力的消耗達到3640 PetaFLOPS/s-day。而距離GPT-3問世不到一年，更大更復雜的語言模型，即超過一萬億參數的語言模型SwitchTransformer即已問世。

由此可見，高速增長的海量數據與更加復雜的模型，正在給算力帶來更大的挑戰。如果算力不能快速增長，我們將不得不面臨一個糟糕的局面：當規模龐大的數據用於人工智慧的訓練學習時，數據量將超出內存和處理器的承載上限，整個深度學習訓練過程將變得無比漫長，甚至完全無法實現最基本的人工智慧。

效率價更高：環境與實際成本高企，提升效率迫在眉睫

在計算工業行業，有個假設是「數字處理會變得越來越便宜」。但斯坦福人工智慧研究所副所長克里斯托弗•曼寧表示，對於現有的AI應用來說卻不是這樣，特別是因為不斷增加的研究復雜性和競爭性，使得最前沿模型的訓練成本還在不斷上升。

根據馬薩諸塞大學阿默斯特校區研究人員公布的研究論文顯示，以常見的幾種大型 AI 模型的訓練周期為例，發現該過程可排放超過 626000 磅二氧化碳，幾乎是普通 汽車 壽命周期排放量的五倍（其中包括 汽車 本身的製造過程）。

例如自然語言處理中，研究人員研究了該領域中性能取得最大進步的四種模型：Transformer、ELMo、BERT和 GPT-2。研究人員在單個 GPU 上訓練了至少一天，以測量其功耗。然後，使用模型原始論文中列出的幾項指標來計算整個過程消耗的總能量。

結果顯示，訓練的計算環境成本與模型大小成正比，然後在使用附加的調整步驟以提高模型的最終精度時呈爆炸式增長，尤其是調整神經網路體系結構以盡可能完成詳盡的試驗，並優化模型的過程，相關成本非常高，幾乎沒有性能收益。BERT 模型的碳足跡約為1400 磅二氧化碳，這與一個人來回坐飛機穿越美洲的排放量相當。

此外，研究人員指出，這些數字僅僅是基礎，因為培訓單一模型所需要的工作還是比較少的，大部分研究人員實踐中會從頭開發新模型或者為現有模型更改數據集，這都需要更多時間培訓和調整，換言之，這會產生更高的能耗。根據測算，構建和測試最終具有價值的模型至少需要在六個月的時間內訓練 4789 個模型，換算成碳排放量，超過 78000 磅。而隨著 AI 算力的提升，這一問題會更加嚴重。

另據 Synced 最近的一份報告，華盛頓大學的 Grover 專門用於生成和檢測虛假新聞，訓練較大的Grover Mega模型的總費用為2.5萬美元；OpenAI 花費了1200萬美元來訓練它的 GPT-3語言模型；谷歌花費了大約6912美元來訓練 BERT，而Facebook針對當前最大的模型進行一輪訓練光是電費可能就耗費數百萬美元。

對此，Facebook人工智慧副總裁傑羅姆•佩森蒂在接受《連線》雜志采訪時認為，AI科研成本的持續上漲，或導致我們在該領域的研究碰壁，現在已經到了一個需要從成本效益等方面考慮的地步，我們需要清楚如何從現有的計算力中獲得最大的收益。

在我們看來，AI計算系統正在面臨計算平台優化設計、復雜異構環境下計算效率、計算框架的高度並行與擴展、AI應用計算性能等挑戰。算力的發展對整個計算需求所造成的挑戰會變得更大，提高整個AI計算系統的效率迫在眉睫。

最優解：智算中心大勢所趨，應從國家公共設施屬性做起

正是基於上述算力需求不斷增加及所面臨的效率提升的需要，作為建設承載巨大AI計算需求的算力中心（數據中心）成為重中之重。

據市場調研機構Synergy Research Group的數據顯示，截至到2020年第二季度末，全球超大規模數據中心的數量增長至541個，相比2015年同期增長一倍有餘。另外，還有176個數據中心處於計劃或建設階段，但作為傳統的數據中心，隨之而來的就是能耗和成本的大幅增加。

這里我們僅以國內的數據中心建設為例，現在的數據中心已經有了驚人的耗電量。據《中國數據中心能耗現狀白皮書》顯示，在中國有 40 萬個數據中心，每個數據中心平均耗電 25 萬度，總體超過 1000 億度，這相當於三峽和葛洲壩水電站 1 年發電量的總和。如果折算成碳排放則大概是 9600 萬噸，這個數字接近目前中國民航年碳排放量的 3 倍。

但根據國家的標准，到2022年，數據中心平均能耗基本達到國際先進水平，新建大型、超大型數據中心的 PUE（電能使用效率值，越低代表越節能）達到 1.4 以下。而且北上廣深等發達地區對於能耗指標控制還非常嚴格，這與一二線城市集中的數據中心需求形成矛盾，除了降低 PUE，同等計算能力提升伺服器，尤其是數據中心的的計算效率應是正解。

但眾所周知的事實是，面對前述龐大的AI計算需求和提升效率的挑戰，傳統數據中心已經越來越難以承載這樣的需求，為此，AI伺服器和智算中心應運而生。

與傳統的伺服器採用單一的CPU不同，AI伺服器通常搭載GPU、FPGA、ASIC等加速晶元，利用CPU與加速晶元的組合可以滿足高吞吐量互聯的需求，為自然語言處理、計算機視覺、語音交互等人工智慧應用場景提供強大的算力支持，已經成為人工智慧發展的重要支撐力量。

值得一提的是，目前在AI伺服器領域，我們已經處於領先的地位。

近日，IDC發布了2020HI《全球人工智慧市場半年度追蹤報告》，對2020年上半年全球人工智慧伺服器市場進行數據洞察顯示，目前全球半年度人工智慧伺服器市場規模達55.9億美元（約326.6億人民幣），其中浪潮以16.4%的市佔率位居全球第一，成為全球AI伺服器頭號玩家，華為、聯想也殺入前5（分別排在第四和第五）。

這里業內也許會好奇，緣何中國會在AI伺服器方面領跑全球？

以浪潮為例，自1993年，浪潮成功研製出中國首台小型機伺服器以來，經過30年的積累，浪潮已經攻克了高速互聯晶元，關鍵應用主機、核心資料庫、雲數據中心操作系統等一系列核心技術，在全球伺服器高端俱樂部里佔有了重要一席。在AI伺服器領域，從全球最高密度AGX-2到最高性能的AGX-5，浪潮不斷刷新業界最強的人工智慧超級伺服器的紀錄，這是為了滿足行業用戶對人工智慧計算的高性能要求而創造的。浪潮一直認為，行業客戶希望獲得人工智慧的能力，但需要掌握了人工智慧落地能力的和技術的公司進行賦能，浪潮就可以很好地扮演這一角色。加快人工智慧落地速度，幫助企業用戶打開了人工智慧應用的大門。

由此看，長期的技術創新積淀、核心技術的掌握以及對於產業和技術的准確判斷、研發是領跑的根本。

至於智算中心，去年發布的《智能計算中心規劃建設指南》公布了智能計算中心技術架構，基於最新人工智慧理論，採用領先的人工智慧計算架構，通過算力的生產、聚合、調度和釋放四大作業環節，支撐和引領數字經濟、智能產業、智慧城市和智慧 社會 應用與生態 健康 發展。

通俗地講，智慧時代的智算中心就像工業時代的電廠一樣，電廠是對外生產電力、配置電力、輸送電力、使用電力；同理智算中心是在承載AI算力的生產、聚合、調度和釋放過程，讓數據進去讓智慧出來，這就是智能計算中心的理想目標。

需要說明的是，與傳統數據中心不同，「智算中心」不僅把算力高密度地集中在一起，而且要解決調度和有效利用計算資源、數據、演算法等問題，更像是從計算器進化到了大腦。此外，其所具有的開放標准，集約高效、普適普惠的特徵，不僅能夠涵蓋融合更多的軟硬體技術和產品，而且也極大降低了產業AI化的進入和應用門檻，直至普惠所有人。

其實我們只要仔細觀察就會發現，智算中心包含的算力的生產、聚合、調度和釋放，可謂集AI能力之大成，具備全棧AI能力。

這里我們不妨再次以浪潮為例，看看何謂全棧AI能力？

比如在算力生產層面，浪潮打造了業內最強最全的AI計算產品陣列。其中，浪潮自研的新一代人工智慧伺服器NF5488A5在2020年一舉打破MLPerf AI推理&訓練基準測試19項世界紀錄（保證充足的算力，解決了算力提升的需求）；在算力調度層面，浪潮AIStation人工智慧開發平台能夠為AI模型開發訓練與推理部署提供從底層資源到上層業務的全平台全流程管理支持，幫助企業提升資源使用率與開發效率90%以上，加快AI開發應用創新（解決了算力的效率問題）；在聚合算力方面，浪潮持續打造更高效率更低延遲硬體加速設備與優化軟體棧；在算力釋放上，浪潮AutoML Suite為人工智慧客戶與開發者提供快速高效開發AI模型的能力，開啟AI全自動建模新方式，加速產業化應用。

那麼接下來的是，智算中心該遵循怎樣的發展路徑才能充分發揮它的作用，物盡其用？

IDC調研發現，超過九成的企業正在使用或計劃在三年內使用人工智慧，其中74.5%的企業期望在未來可以採用具備公用設施意義的人工智慧專用基礎設施平台，以降低創新成本，提升算力資源的可獲得性。

由此看，智能計算中心建設的公共屬性原則在當下和未來就顯得尤為重要，即智能計算中心並非是盈利性的基礎設施，而是應該是類似於水利系統、水務系統、電力系統的公共性、公益性的基礎設施，其將承載智能化的居民生活服務、政務服務智能化。因此，在智能計算中心規劃和建設過程中，要做好布局，它不應該通過市場競爭手段來實現，而要體現政府在推進整個 社會 智能化進程的規劃、節奏、布局。

總結： 當下，算力成為推動數字經濟的根基和我國「新基建「的底座已經成為共識，而如何理性看待其發展中遇到的挑戰，在不斷高升算力的前提下，提升效率，並採取最佳的發展策略和形式，找到最優解，將成為政府相關部門以及相關企業的重中之重。

㈣ 寒武紀2021年主營業務翻倍增長

寒武紀2021年主營業務翻倍增長

寒武紀2021年主營業務翻倍增長，4月15日晚間，寒武紀發布2021年年報。2021年全年營收7.21億元，同比增長57.12%，寒武紀2021年主營業務翻倍增長。

寒武紀2021年主營業務翻倍增長1

2022年4月15日,寒武紀(688256.SH)發布2021年年度報告。報告顯示,2021全年,公司營業收入達到7.21億元,較上年同期增長57.12%,綜合毛利率為62.39%,較上年同期基本持平。營業收入中,智能晶元及加速卡業務貢獻收入2.15億元,同比上年增長101.01%。

另外,報告顯示,本報告期內,公司在市場開拓方面也取得了一定成績,報告期內毛利總額為44,989.46萬元,同比上一年度增長49.94%。

新產品方面,報告顯示,思元370是寒武紀第三代雲端產品,採用台積電7nm先進製程工藝,是寒武紀首款採用Chiplet(芯粒)技術的人工智慧晶元。

思元370智能晶元最大算力高達256TOPS(INT8),是寒武紀第二代雲端推理產品思元270算力的2倍。同時,思元370晶元支持LPDDR5內存,內存帶寬是思元270的3倍,可在板卡有限的功耗范圍內給人工智慧晶元分配更多的能源,輸出更高的算力。

思元370智能晶元採用了先進的Chiplet芯粒技術,支持芯粒間的靈活組合,僅用單次流片就達成了多款智能加速卡產品的商用。公司目前已推出3款加速卡:MLU370-S4、MLU370-X4、MLU370-X8,已與國內主流互聯網廠商開展深入的應用適配。

寒武紀2021年主營業務翻倍增長2

4月15日晚間，寒武紀發布年報。2021年全年營收7.21億元，同比增長57.12%；虧損8.25億元，2020年虧損金額為4.35億元，虧損擴大89.66%；扣非虧損金額更是高達11.1億元。晶元是資金密集型行業，具有高特入特點，高昂的研發投入使得寒武紀自身盈利能力堪憂，近五年累計虧損超過28億元，且還將存在持續虧損風險。

寒武紀不計成本投入，研發平均薪酬超60萬

對於2021年虧損擴大3.9億元的情況，寒武紀指出了確保智能晶元產品及基礎系統軟體平台的高質量迭代，在競爭激烈的市場中保持技術領先優勢，持續加大研發投入，積極引進優秀人才、保持公司研發團隊穩定，在報告期內研發費用大幅增長。2021年，研發投入達11.35億元，與去年同期增長47.8%，研發投入占營收收入比例157.5%。

營收無法覆蓋研發投入，可以看出寒武紀不計成本搞研發，其研發人員薪酬更是驚人。年報數據顯示，2021年應付職工薪酬為19.18億元，同比增長41.75%。需要指出的是，寒武紀在職員工數量是1497個人，平均薪酬12.8萬元，但研發人員的平均薪酬則超60萬元。

截止2021年12月31日，寒武紀研發團隊規模為1213人，占總人數比例81%，研發人員的薪酬合計為7.38億元，平均薪酬達60.88萬元，2020年研發人員平均薪酬為45.27萬。因晶元設計人才稀缺，為吸引行業高端人才，穩定研發人才隊伍，導致研發人員平均薪酬較上年同期提升34.48%。

當然，高昂的研發投入是為了保持技術先進性和市場競爭力，是其營收增長的核心驅動力，2021年營收同比大增五成。

營收增長強勁背後，單一客戶營收佔比超六成

營收看似增長強勁，遺憾的是，背後依賴單一客戶。2021年，寒武紀來自智能計算集群系統營收4.56億元，同比增長39.9%，占總收入比例六成以上。而這個營收主要來自崑山智能計算中心項目。

2021年12月，寒武紀與江蘇崑山高新技術產業投資發展有限公司簽署了智能計算中心基礎設施建設項目設備采購合同，合同含稅金額為5.089億元。主要提供含智能加速器、計算伺服器、人工智慧算力平台軟體等軟硬體產品。

值得一提的是，崑山智能計算中心項目為寒武紀貢獻了4.5億元，佔2021年公司營業收入的 63.19%。換一句話說，一個客戶支撐起了寒武紀智能計算集群業務板塊，也是支撐整個公司營收核心。且其他業務板塊營收規模並不亮眼，尤其雲端產品線、IP授權及軟體、其他業務營收面臨下滑尷尬局面。

要知道，寒武紀所處的晶元賽道上，匯聚了英特爾、英偉達、ARM等晶元大廠，與這些晶元巨頭相比，寒武紀整體規模、資金實力、研發儲備等存在較大差距。

尤其英偉達是全球人工智慧晶元領導者，全球科技巨頭都依賴於英偉達發展AI技術，包括微軟、谷歌、Meta等全球科技巨頭們均依賴於其GPU來訓練AI，帶動市場對英偉達AI的需求激增，在超大規模和雲擴展的推動下，使得英偉達數據中心板塊營收不斷創紀錄，且有望成取代游戲成為最大業務板塊。

英偉達在雲計算、企業和邊緣數據中心、超級計算等市場中展現出強勁的競爭力。對於寒武紀來說，人工智慧晶元產品主要應用於各類雲伺服器、邊緣計算設備、終端設備。

目前推出了雲端推理思元270、邊緣推理思元220、雲端訓練思元290，還有推訓一體思元370等晶元。其雲端智能晶元及加速卡，已與包括阿里巴巴等國內頭部互聯網廠商的多個業務部門進行了深入合作。

在雲端產品中，寒武紀推出了思元370，憑借7nm製程工藝和最新智能晶元架構MLUarch03，思元370智能晶元最大算力高達256TOPS(INT8)，是寒武紀第二代雲端推理產品思元270算力的2倍。並推出3款加速卡（MLU370-S4/X4/X8），在視覺、語音、圖文識別等場景的適配性能表現超出客戶預期，部分場景已經進入小批量銷售環節。

在金融領域，MLU370-X4在招行多個業務場景的實測性能超過競品，能夠大幅提升客戶的效率。只是寒武紀雲端產品線表現低迷，2021年營收為8023萬，同比下降6.98%。

增速最快的板塊是邊緣產品線。2021年，思元220智能晶元及邊緣智能加速卡實現出貨量快速增長，實現收入1.75億元，較上年同期顯著增長741%，且是寒武紀第一款年度出貨量近百萬片的產品。

寒武紀2021年主營業務翻倍增長3

4月16日消息，A股上市公司寒武紀在4月15日發布2021年全年財報，財報顯示寒武紀實現營收7.21億元，較2020年同期的4.589億元同比上漲了57.12%；全年凈虧損為8.249億元，較2020年同期的凈虧損4.345億元同比擴大89.86%。

從主營業務來看，寒武紀的智能晶元及加速卡業務貢獻收入2.15億元，智能計算集群系統業務實現收入4.56億元。

不過從2017年到2021年，寒武紀已經連續虧損5年，合計虧損28.6億元。

寒武紀還在財報中分析了至今仍未實現盈利的3個原因：

第一、為了在競爭激烈的市場中保持技術領先優勢，寒武紀持續加大研發投入，積極引進優秀人才、保持公司研發團隊穩定，報告期內研發費用增長幅度較大，2021年公司的研發投入總額為11.357億元，較上年同期增長47.83%；

第二、寒武紀2020年底及2021年實施的股權激勵計劃，導致本報告期按歸屬期分攤的股份支付費用顯著增加。較上年同期增長了1669.97%。

第三、寒武紀積極發力市場推廣及生態建設，向客戶提供高質量的.服務，積聚品牌效應，銷

售費用有一定程度的增加，增幅為58.98%。

2021年，寒武紀在3項業務上都在持續推進：

硬體方面，他們發布了基於第四代智能處理器微架構的推訓一體思元370智能晶元及加速卡；軟體方面，公司投入了大量的資源優化基礎系統軟體平台，統一的軟體平台日臻完善；同時，新一代產品及智能駕駛晶元的研發也在有序進行。

2021年，寒武紀還設立了控股子公司行歌科技，開展智能駕駛晶元的研發和產品化工作。這家公司在進行獨立融資時，還曾獲得蔚來、上汽及寧德時代旗下基金等機構的戰略投資。截至 2021年12月31日，行歌科技已有超過80名員工，其中約90%是研發人員。

2021年共有超過200名資深專家和年輕員工加入寒武紀，截至2021年底，寒武紀共有1213名研發人員，與2020年同期的978人相比增長24.03%。

同時寒武紀也表示因晶元設計人才稀缺，為吸引行業高端人才，穩定研發人才隊伍，2021年研發人員的平均薪酬較上年同期也有所提升，從2020年的平均年薪45.27萬元，上升到2021年的平均年薪60.88萬元。

也就是說，寒武紀的研發人員，在2021年裡，平均月薪超過5萬元，達到5.07萬元。

其中公司創始人、董事長兼CEO陳天石的年薪為103.19萬元，COO王在的年薪為154.4萬元，副總經理劉少禮的年薪是133.86萬元，CFO葉淏尹的年薪是126.36萬元。這些高管中年薪最高的是公司前CTO梁軍，他在2021年的年薪高達395.85萬元。

不過遺憾的是，梁軍在2022年已經離職。

梁軍是在2022年3月14日晚間被宣布離職的，他在2022年1月份遞交辭職申請，寒武紀曾嘗試挽留，但最終沒有成功。

寒武紀在2020年7月20日登陸A股，上市首日開盤曾上漲近290%，市值一度突破1000億元，當天收盤價為212.4元。但目前其股價僅為56.26元，已經跌破發行價，當前市值也僅有225.5億元。

作為科創板AI晶元第一股，寒武紀未來的虧損能否縮小並最終實現盈利，是他們面臨的終極考驗。

㈤ 智能化戰爭中左右戰爭勝負的新變數：連接力、計算力、認知力

智能化戰爭：「強者勝」的三個維度

楊耀輝 張三虎 周正

引言

戰爭制勝機理從來都是在 科技 進步的推動下悄然發生變化。從熱兵器時代的火力制勝，到機械化時代的機動力制勝，再到信息化時代的信息力制勝，實際上都是在開辟戰鬥力生成新維度的過程中，對原有戰鬥力因子形成「降維」打擊。智能化戰爭建立在火葯化、機械化、信息化充分發展的基礎之上，作戰雙方的火力、機動力、信息力遲早都會達到或接近同一個水平，連接力、計算力、認知力等新的戰鬥力因子，則成為左右戰爭勝負的新變數。

連接力強者勝

連接產生智能。最令人驚嘆的莫過於人類腦細胞，數百億個神經元並不存儲信息，但在連接過程中不斷傳遞信息並激發出新的信息。當前，軍事領域正在利用連接來尋求智能化的延展。

連接力強者勝，反映的是群體智能的勝利。「蜂群」式作戰平台、碎片狀戰力群組、分布式武器部署，將是智能化戰爭的作戰景象，戰場勝負的砝碼在經歷了「從數量到質量」的轉換之後，又回到了「從質量到數量」上來。近年來，中東戰場上出現的幾千美元一架的低端無人機，在戰場上的表現卻並不是「湊數」的樣子，集群式出現令一些大國軍隊極為頭疼。這種規模化群體與傳統戰場上的個體疊加不同，它們依託泛在網路，用連接的方式形成一種群體智能效應，對傳統中的高價值平台產生巨大沖擊。2021年5月，美國國防部發布的《聯合全域作戰戰略》中明確，聯合全域指揮控制就是「連接一切、無處不在」。而美軍先進戰斗管理系統則試圖把U-2、F-16、F-35、F-22、XQ-58、MQ-4C等有人、無人作戰平台連接到一起。連接力強者勝，已經成為智能化戰爭的制勝關鍵。

連接力強者勝，推動的是「殺傷網」的構建。傳統的殺傷鏈路，其連接呈「線性」，是順序的、遞進的、單行的，極易出現斷鏈。智能化戰爭，在「連接一切」的背景下，全域空間內的作戰資源進入同一作戰體系，殺傷鏈條上的各個執行單元被分散在小型化、無人化、在線化作戰平台上，形成此斷彼通的「殺傷網」。連接力越強，進入作戰體系的可選擇資源就越多，殺傷鏈路上可選擇的節點就越多，體系的韌性、彈性、應激性就越強。從殺傷鏈到「殺傷網」的升級，推動不同時間節點進入作戰鏈路的平台靈活搭配，給對手呈現出一種隨機網路式的復雜景象，而自身卻能按作戰任務需求，採取類似「網路打車服務」一樣的資源高效動態連接方式，達成各類作戰資源的快速建鏈，完成自我分配、自我組織、自我控制下的目標打擊行動，在作戰過程中呈現出能判斷、有選擇、會變通的智能化樣子。

連接力強者勝，突顯的是自適應作戰體系。網路時代，每一次成功連接的背後都有一系列用戶和用戶之間的自適應交互，連接平台只是提供一個「橋梁」，並沒有過多地介入到誰和誰的連接上。「連接一切」條件下的智能化作戰平台構成的作戰體系，其敏捷適應性將比網路時代更進一步。這種敏捷適應基於物理實體的數字化模型和運行狀態的數字化表徵，在特定系統的支持下，各類作戰資源「在用」「飽和」「空閑」等狀態即時感知，並完整映射到「基礎網+作戰雲+數字孿生體」的虛擬空間，形成「全息」對照的戰場態勢，每一個作戰平台都可以「全維」抽取關鍵信息，「全域」拼接作戰場景、「全程」推演打擊行動，並實時感知友鄰平台的運行狀態。在這樣的全透明戰場空間，任何個體要想避免被其他成員拋棄，必須主動向體系貢獻自己的能力，從而自然地產生出一種自適應調整的體系能力。

計算力強者勝

很長一段時間里，計算多是粗略概算並服務於指揮員謀略，計算力一直是戰鬥力的配角。智能化戰爭中，智能機器的計算能力大大超越人類，人類的決策、行為和意識都受到機器計算的影響，計算力強者勝成為戰爭制勝的重要一面。

計算力強者勝，反映的是「算料」從「DB」到「BD」的質變。數據即「算料」，其實一直存在。早期的像會計賬本之類，電算化時代是機讀穿孔卡帶，信息化時代升級成為諸如Database之類的資料庫，即「DB」。到了智能化時代，萬物互聯加快了數據產生的速度，運用大數據Big data方法挖掘信息寶藏成為適應時代的必然選擇，即「BD」。從「DB」到「BD」，兩個字母位置的簡單調換，反映的卻是數據從量變到質變的重大躍遷。「DB」是對客觀事實的記錄、抽樣和再現，「BD」則是對數據的關聯關系分析並推理預測客觀事實，已經接近甚至超出人類在因果關系分析上的技能。比如，谷歌公司曾運用大數據技術，分析了5000萬條美國人檢索最頻繁的詞彙，成功預測出美國冬季流感的傳播。智能化戰爭中，數以萬計的智能機器，必將產生數不勝數的數據，如何利用大數據手段提升「算料」處理能力，對敵方作戰企圖、戰場走勢等做出准確預測和判斷，將是決定對抗勝負的重要一極。

計算力強者勝，推動的是算力的雲邊端供給模式。傳統的中軍帳、參謀部、指揮所都是「中心計算模式」，其弊端是計算結果滯後甚至偏離戰場態勢，問題的根源是算力不足。智能化戰爭中，每一個機器在做出行動時都要進行一系列的計算處理，僅一個「大腦」的中心計算模式已顯得力不從心，「雲+邊+端」的新計算模式則應運而生。誰的雲中心能夠通過策略測算，從復雜場景中「窺出」真正的戰場走勢；誰的邊緣計算中心能夠快速將計算能力推送到作戰前沿側，為前端平台提供中等強度的近實時場景模擬推演；誰的智能作戰平台能夠在對抗活動中，快速規劃出武器選擇、打擊窗口、攻擊路線等，將成為左右戰局發展走勢的關鍵所在。近年來，美軍大力發展類似F-22戰機充當「戰斗雲」，提高無人系統的人工智慧技術含量，推動自主作戰平台的自協同能力提升等，都是對「雲+邊+端」計算模式的嘗試。

計算力強者勝，突顯的是演算法的機器升級迭代。2019年，星際爭霸Ⅱ人機對抗賽中兩位人類頂尖選手以1 10的比分慘敗，使人們對機器「只會計算、不會算計」的印象發生顛覆性改變。顯然，在神經網路、深度學習等技術的推動下，智能機器具備了超越人類的用大量數據擬合出新演算法的能力。當智能武器代替人類成為戰場上的主角，支撐它們觀察戰場、分析戰場、適應戰場能力的關鍵——演算法，將左右戰場勝負的走向。演算法戰，已經從人類大腦層面轉換到機器類腦層面，誰的機器學習能力越強，誰的演算法迭代升級就越快，誰的決策就越符合對抗態勢，誰就將在智能化戰爭中占據演算法戰的頂端。

認知力強者勝

形成對戰場的統一認知，是作戰體系中各個參戰單元形成合力的關鍵。信息化戰爭主要解決信息「從信號到數據再到知識」的價值轉換過程，智能化戰爭則更注重在「知識到智慧」的過程中提質增效。

認知力強者勝，反映的是作戰環節從「OODA」到「OD」的進階。從本質上講，平台中心戰、網路中心戰、決策中心戰，「OODA」環路上觀察、判斷、決策、行動等鏈條沒有變，但不同階段的行動特點發生了很大變化。機械化戰爭時代，「OODA」環路按部就班，環環相扣，一步慢、步步慢，一招領先、步步主動；信息化戰爭時代，發現即摧毀，觀察「O」和行動「A」融為一體；智能化戰爭時代，作戰雙方的觀察能力達到同一水平，戰場趨於雙向全時透明，誰也不能從「OODA」的第一個「O」即觀察上佔有多少優勢，只有在第二個「O」即判斷上一決高下，作戰對抗從「OODA」四個環節進階到「OD」兩個環節上。在智能化戰爭的對抗過程中，信息驅動是源頭，統一認知是關鍵。有了統一的認知，各參戰平台才能建立起指向同一作戰企圖下的任務分析、規劃和安排，群體性決策、自適應編組、分布式行動等具有智能化特徵的活動，才能真正被激發出來並最終涌現出體系作戰能力。

認知力強者勝，推動的是作戰指揮從藝術到智慧的轉進。智能化戰爭中，「AI軍師」「智能參謀」進入作戰指揮活動，帶來的變化是指揮藝術裡面添加了機器計算的成分。智能機器在算速和演算法上的優長，使它們能通過海量數據關聯分析，對戰場態勢進行呈現、分析和預測，輔助指揮員預判敵方企圖、動向和威脅，從而促使作戰指揮由基於「經驗」的藝術流，向基於「經驗+演算法」的智慧型轉進，把認知對抗從人類大腦領域拓展到了「人腦+機器腦」的新空間。美軍2020年8月組織的「阿爾法空戰」實驗中，AI戰機5 0擊敗人類飛行員，其背後的基礎是40億次模擬訓練。智能化戰爭中，純人腦的認知能力水平必將受到來自機器腦認知的強力挑戰，而機器腦失去人腦的介入也會失去戰爭靈魂，「人腦+機器腦」協作融合形成智慧型認知才是制勝之道。

認知力強者勝，突顯的是作戰策略從近憂到遠慮的延展。智能化戰爭時代，極易產生「機器信賴症」，任由機器對戰場上的作戰行動進行控制。但戰爭的復雜性告誡我們，機器的判斷永遠代替不了人類。「阿爾法狗」智能圍棋雖然設定了四個策略來贏得棋局，但它仍有無法逾越的短視局限，其從繁就簡的策略設計中，會對非關鍵因子進行「剪枝」處理，而被「剪枝」的恰恰可能是戰爭偶然的誘因。智能化戰爭中，發揮智能機器的優勢，要在建立起「『人機』交互、有人監督」的條件下，運用復雜系統中各分層之間相對獨立的原理，對戰局進行分層分域拆解，制定全局、局部和戰術行動策略，形成一整套多級關聯的規則庫，讓智能機器在指揮人員的監督下能夠順利地計算下去，在時間約束條件下快速得到一個基本滿意的方案。一方面，避免機器陷入無休止的運算；另一方面，讓機器在人類指引下對戰局進行「遠慮」，走向「謀全局而不是求一隅」的高度。

（作者單位：國防 科技 大學信息通信學院）

「智勝」機理：一個亟待研究的課題

劉光明

編者按 現代戰爭發生了深刻變化，最根本的是制勝機理變了,要想贏得戰爭必須把現代戰爭制勝機理搞透。當前，戰爭形態加速向信息化戰爭演變，智能化戰爭初現端倪。智能化戰爭的制勝機理是什麼，有什麼新變化，表現為哪些新特點？為把這些問題解答清楚，本刊特推出「聚焦智能化戰爭制勝機理」系列文章，歡迎廣大讀者獻計獻策、積極爭鳴，共同推動智能化戰爭制勝機理研究走向深入。

當前，由人工智慧引領的新一輪 科技 革命和產業變革方興未艾，「人工智慧就像先前的導彈、衛星一樣，無論你是否有所准備都將登上人類戰爭的 歷史 舞台」，智能化戰爭已經大步走來。打贏未來可能發生的智能化戰爭，核心是釐清智能化戰爭制勝機理。

釐清智能化戰爭制勝機理獨特內涵

釐清智能化戰爭制勝機理，首先要把「機理」一詞的內涵界定準確。筆者認為，「機」可理解為奧秘、門道，「理」可解讀為道理、理由。所謂智能化戰爭制勝機理，即打贏智能化戰爭的門道（路徑）和道理。為進一步釐清這一內涵，需要准確把握三對概念的區別與聯系。

從機理與規律的關系把握獨特內涵。規律是事物內在的本質的必然的聯系，戰爭制勝規律是與戰爭制勝有關各種因素的本質聯系和發展的必然趨勢。戰爭作為復雜巨系統，制勝也具有復雜性，眾多的制勝規律往往在戰場上同時起作用。如果對具體戰例作具體分析會發現，每一次勝負較量必定有某個規律起決定性作用，其他規律則起著輔助的但也是不可缺少的作用。戰爭制勝機理則是戰爭制勝因素在一定條件下觸發制勝規律、發揮制勝作用的鏈路及其道理。制勝機理依賴制勝規律，體現了制勝規律發揮作用時的途徑和依據，但單憑制勝規律本身不能成為制勝機理。用相對簡單的話來概括，即制勝規律是制勝機理的基礎，制勝機理是制勝規律的應用之道。

從機理與機制的關系把握獨特內涵。機制是事物內部的構造、功能和相互關系，作戰制勝機制是作戰體系各要素互動形成合力、實現制勝的內在機制，如集效聚優、並行聯動都是機制，是對有關制勝機理的運用方法和實現方式，且這些方式方法體現一定的規則，帶有某種制度化的特徵。在信息化戰爭中，對情報偵察、指揮控制、火力打擊和綜合保障等作戰要素進行綜合集成，對陸、海、空等作戰單元進行優化重組，會形成多種多樣的制勝機制。這些制勝機制大都包含這樣的制勝機理，即：事件轉化為信息、信息轉化為態勢、態勢轉化為認知、認知轉化為決策、決策轉化為行動的信息制勝鏈路，等等。由此可見，制勝機理是內在的「道」，更為抽象，而制勝機制是運用道的「術」，更為具體。

從機理與理論的關系把握獨特內涵。認識、把握和靈活運用戰爭制勝規律和機理，需要從理論和戰略策略上作出正確的指導。睿智的軍事理論家，總是在發現新的制勝規律和機理後，作出理論上的加工和創造，由此形成新的軍事指導理論。可見，軍事理論創新的核心在於揭示和釐清新的戰爭制勝規律和機理，進而概括出新的戰爭指導。世界軍事史上，馬漢的「海權」理論、杜黑的「制空權」理論、富勒的「機械化戰爭」理論、圖哈切夫斯基的「大縱深作戰」理論、格雷厄姆的「高邊疆」理論等，都揭示了相應的戰爭制勝規律和機理，引領了軍事潮流，改變了戰爭面貌。可以說，戰爭制勝機理是軍事理論創新的基礎和源泉，軍事指導理論是戰爭制勝機理的靈動運用和理論升華。

辯證把握智能化戰爭制勝機理多重意蘊

智能化戰爭的制勝機理包括戰爭制勝的一般機理，同時又體現著演算法博弈的鮮明特點；在戰略、戰役、戰術等層面都有相應的制勝機理，同時也都與演算法博弈緊密聯系。由於受多種因素制約，每一場戰爭具體的制勝機理都可能有所不同。這里，僅列舉幾類帶有一定普遍性的制勝機理。

以「強」打「弱」的「智勝」機理。「強勝弱敗」是帶有一定普遍性的戰爭制勝規律。即使是那些以弱勝強的戰例，往往也須在局部和特定時段形成對敵的力量優勢才能真正取勝。依據「強勝弱敗」規律，以強打弱便成為帶有通用性的戰爭制勝機理。這里的「強」，是整體戰鬥力的強。在機械化戰爭時代，整體戰鬥力的強大主要體現為兵力和火力優勢。在信息化戰爭時代，軍隊能打勝仗有賴於信息力優勢。而在智能化戰爭時代，智力優勢對戰鬥力的貢獻率遠高於其他要素。在智能化戰爭對抗中，人的智能廣泛滲透到作戰領域、移植到武器系統，智能水平更高更強的一方，能夠更好地開發和運用以強打弱的「智勝」機理，甚至據此設計戰爭、主導戰局發展，取得最終勝利。

以「高」打「低」的「智勝」機理。這里的「高」「低」，主要指「代差」「維度差」。通常情況下，運用更高級戰爭形態和作戰樣式的一方能夠打贏尚在運用較低維度戰爭形態和作戰樣式的一方。比如，普遍使用火槍的部隊幾乎都能勝過使用大刀長矛的部隊。如果說「高」勝「低」敗是制勝規律，那麼以「高」打「低」的那些門道及理由便成為制勝機理。在智能化戰爭進程中，針對對方作戰體系的弱點進行打擊，使其「智能」降低或失效，實施「降維打擊」，便是以「高」打「低」「智勝」機理的具體運用。還要看到，智能化戰爭時代很可能存在由低到高的多個發展階段，盡可能讓自己處於高級階段，攻擊對手使其處於低維度的階段，也是以「高」打「低」「智勝」機理的運用。

以「快」打「慢」的「智勝」機理。隨著科學技術的強勁推動，戰爭中「快」的內涵在不斷刷新。在第一次世界大戰期間，坦克機動速度每小時只能達到4 8英里，到二戰期間裝甲集群已能實施閃擊戰。近些年我們認為超級計算機已經很快了，但量子計算機處理「高斯玻色取樣」的速度比最快的超級計算機快一百萬億倍，量子演算法比經典演算法實現了指數級的加速，人工智慧將實現質的飛躍。未來智能化戰爭在演算法的支撐下，預警時間提前，決策時間縮短，作戰行動向前延伸，「觀察-判斷-決策-行動」周期大幅壓縮，「瞬時摧毀」升級為「即時摧毀」，真正進入發現即摧毀的「秒殺」時代。

以「巧」打「拙」的「智勝」機理。在一些經典戰例中，我們往往能夠看到指揮員運用靈活機動的戰略戰術，變被動為主動，化劣勢為優勢，體現了「巧」能勝「拙」的制勝規律和以「巧」打「拙」的制勝機理。智能化戰爭中的「巧」，依託演算法優勢，開始從指揮員的大腦中走出來，被賦予擁有「智能」的武器系統。當智能化戰爭發展到一定階段，全域多維、各種類型的智能化作戰平台能夠快速耦合作戰力量，根據任務需求構建作戰體系，自主實施協同作戰，任務結束迅速回歸待戰狀態，呈現智能自主趨勢。未來智能化戰爭將向極地、深海、太空等領域拓展，以「巧」打「拙」的「智勝」機理也會相應拓展，開發出更多更新的「智勝」路徑。

前瞻 探索 和開發智能化戰爭制勝機理

當今世界， 科技 革命和軍事革命相互影響，戰爭形態在加速演變，戰爭制勝機理也在不斷更新。在智能化戰爭大幕緩緩開啟的背景下，必須緊盯智能化戰爭制勝機理的發展趨勢，變被動為主動，變跟進為引領，前瞻 探索 和開發智能化戰爭制勝機理，牢牢掌控打贏智能化戰爭的主動權。

開發新的制勝機理。 歷史 和現實表明，先進的科學技術一旦被運用於軍事，將使戰爭制勝機理發生深刻變化，從而使現有的作戰指導、條令法規和部隊編制隨之改變。在人工智慧飛速進步的今天，軍事智能的發展不可限量，未來智能化戰爭具體的制勝機理也必然超出現有的預料。應積極 探索 現有先進技術可能運用於智能化戰爭的潛能， 探索 其可能的制勝機理。全面分析對手無人化作戰體系的薄弱節點和我之優勢，從目標靶點反推制勝機理，提出軍事創新需求，精準研發戰略性、前沿性、顛覆性技術，推動戰爭「 游戲 規則」向於我有利的方向轉變。

驗證新的制勝機理。智能化戰爭制勝機理的研究成果究竟管不管用，需要用實踐來檢驗。在相對和平時期，應加強實戰化軍事訓練和針對性作戰實驗的檢驗，在檢驗中發現問題、修正認識，使新的制勝機理盡可能科學、周密。在時機和條件成熟時，推動新的智能化戰爭制勝機理成為軍事訓練全方位變革、整體性提升的依據，堅持以戰領訓、以訓促戰，做到按智能化戰爭實戰要求訓練，實現作戰和訓練一體化。要以我為主，適度借鑒外軍，破除定性分析多、定量分析少的局限，大力構建完善智能化戰爭實驗室，打通從制勝機理到作戰概念再到實驗平台的創新鏈路，推動去粗取精、去偽存真，提高智能化戰爭制勝機理研究成果的科學性、權威性。

升華新的制勝機理。新的戰爭制勝機理是推進軍事理論創新的深層依據。當我們發現了新的以「強」打「弱」、以「高」打「低」、以「快」打「慢」、以「巧」打「拙」等具體的「智勝」機理後，就可以契合這一機理提出核心作戰概念、作戰原則和戰爭指導等，經過系統加工形成關於智能化戰爭的新的軍事理論。有人說，「豐富的想像力和深刻的洞察力，遠比百分之百的准確性更為重要」。要適度鼓勵戰爭設計上的「異想天開」，引導有創見的研究人員在深刻理解軍事智能「技術創意」及其衍生而來的制勝機理的基礎上，提出新的「戰爭創意」。要基於智能化戰爭制勝機理的研究，深化軍事理論創新，加快形成具有時代性、引領性、獨特性的軍事理論體系。

（作者單位：國防大學國家安全學院）

㈥ 一年吸金超400億 自動駕駛離我們到底還有多遠

2021年，自動駕駛賽道不斷傳出好消息。資本層面上，巨頭與資本爭相押注，去年整個行業披露的融資總額達436.3億元；企業方面，網路Apollo進駐多個城市、蔚來/小鵬/R 汽車 等均已在最新產品上規劃裝備激光雷達......越來越多的徵兆都在向外界預示，自動駕駛離我們不遠了。

然而，在另一方面，特斯拉疑因自動駕駛頻頻出事，車企此前規劃L4級產品面世的時間紛紛延後，自動駕駛量產進度條被不斷重啟，那麼，在當前又一輪資本熱的大背景下，自動駕駛到底走到了哪一步？最早能在哪裡真正落地？

十年吸引兩千多億資本

關注 汽車 行業的都知道，最近幾年新能源 汽車 市場一直是資本的寵兒，各種融資、IPO以及股市神話爭相上演，但值得一提的是，自動駕駛的吸金能力也絲毫不遜色。

企查查大數據研究院發布的《近十年自動駕駛項目投融資數據報告》顯示， 2020年，自動駕駛市場披露融資總金額大幅度上漲，高達436.3億元；2021年開年，自動駕駛賽道熱度不減，僅前兩月的投融資事件已達24起，披露投融資總金額已達176.4億元。而在過去近十年間，公開披露的自動駕駛項目投融資事件更是達到376起，披露的融資總金額接近2377.5億元。

具體到企業上來看，僅以近90天拿到融資的部分企業為例，在半導體領域，誕生於2015年的地平線，從成立至今已經拿到了約106.6億融資，其於今年2月9日最新完成的3.5億美元C3輪融資不僅有頂級機構的參與，還有眾多 汽車 產業鏈上下游明星企業的戰略加持，其中包括眾所周知的比亞迪、長城、東風資產、舜宇光學及星宇股份等企業。

在Robotaxi（自動駕駛計程車）領域，L4級自動駕駛出行公司文遠知行WeRide2021年開局就宣布完成了由宇通集團領投的B2、B3兩輪融資，總金額達3.1億美元；成立於2019年的滴滴自動駕駛，截至目前已經獲得超8億美元投資，在今年1月份完成3億美元融資後，L4級自動駕駛車型的研發與量產已被列為當前內部的重點項目。

林肯 林肯MKZ（詢價模塊，請勿手動編輯，如需刪除，請在圖片上右鍵刪除詢價）

作為全球唯一一家在中美兩國均推出自動駕駛計程車（Robotaxi）服務的公司，小馬智行（Pony.ai）已於2月8日正式完成了總額為3.67億美元的C輪融資，截至目前其公開披露總融資已經超過11億美元，領投方包括豐田、紅杉、弘泰、普華等車企/明星資本等。

多款高算力 汽車 相繼發布

資本市場的變化在一定程度上也反映了整個行業的發展，毫無疑問，吸金能力越來越強的自動駕駛賽道背後當然是整個市場在技術上的不斷突破。

打一個形象的比喻，如果將自動駕駛 汽車 當成一個司機，那麼激光雷達就是TA用來看路的眼睛，晶元則是其大腦，只有「眼睛」看的夠清楚（支持L3級自動駕駛的激光雷達至少要達到100線以上解析度），「大腦」反應夠快（當前公認處領導地位的特斯拉 Autopilot 3.0系統硬體算力為144TOPS），才能聰明的躲開道路上每一個障礙物。

而當下據愛卡 汽車 行業頻道獲悉，在高級別自動駕駛上，半導體巨頭英偉達目前量產的Xavier，單晶元算力已達30TOPS，2021 年即將量產的Orin系列晶元，單晶元算力可達 200TOPS；地平線將於今年上半年推出的征程5晶元單晶元AI算力則為96TOPS，採用車規級7mm工藝的征程6晶元人工智慧算力超過400TOPS。深受蔚來資本青睞的Innovution最新研發的固態激光雷達解析度已經達到等效 300 線，最遠探測距離達到500米。

落地到產品上，據不完全數據顯示，僅從2021年開局至今，就有超過5款搭載激光雷達的高算力產品發布相關規劃。其中，蔚來ET7作為蔚來充分展示自動駕駛野心的一款車型，其所搭載的正是來自Innovution 的1550nm 波長固態激光雷達，再搭配來自英偉達提供的由四核NVIDIA Drive晶元組成的自動駕駛平台，其算力可達1016TOPS。這是什麼概念呢？特斯拉當前最強算力不過144TOPS，而蔚來ET7是其7 倍有多。

蔚來 ET7（詢價模塊，請勿手動編輯，如需刪除，請在圖片上右鍵刪除詢價）

上汽集團「一號工程」——IM智己的首款智能純電轎車，在技術路線上選擇了兼容激光雷達軟硬體架構冗餘方案，可支持英偉達Orin X（500~1000+TOPS）和3個激光雷達的升級。R 汽車 最新發布的由R-TECH高能智慧體加持的首款產品ES33，盡管未公開透露其硬體方案，但愛卡 汽車 獲悉，該產品將裝備號稱業內頂級的Luminar激光雷達，解析度同樣達到300線，測距距離可達500米。

而在更早的2020年12月30日，長城發布了相關智能技術——咖啡智駕系統。作為中國首個全車冗餘的L3級能力自動駕駛，咖啡智駕搭載的全固態激光雷達可識別130米范圍內的安全隱患，通過搭配兩個標准大算力平台的升級方案，該智能駕駛平台算力可達700+TOPS。

商用車或將最先落地

如果以自動駕駛技術公認最厲害的特斯拉為參照，那麼僅從配置上來看，無論是長城還是蔚來，似乎都可以「吊打」。但值得注意的是，這並不意味著我們很快就能看到這些彷彿來自未來的產品。無論是號稱為自動駕駛而生的蔚來ET7，還是首次裝備Luminar激光雷達的R 汽車 ES33，均需要等到2022年才能完全落地量產。換言之，這些產品都是「期貨」。

R 汽車 R 汽車 ES33（詢價模塊，請勿手動編輯，如需刪除，請在圖片上右鍵刪除詢價）

之所以造成這種現象，業內普遍認為主要是有兩方面原因。其中，一方面是源自於全球范圍內的「晶元危機」，一位來自於 汽車 域控制器製造商的負責人告訴愛卡 汽車 ，通常一顆晶元的製造周期為3-6個月，而從去年三季度以來，交付周期不斷拉長，有的品類甚至超過一年，也就是說今天下單，在500天之後才能拿到貨。

更多的原因則是由於自動駕駛整個市場環境所導致。按照《推薦性國家標准報批公示》來看，L3級別就已經要求駕駛過程有 汽車 負責（駕駛員需隨時准備接管），L4級別更是要求完全由系統接管。盡管當前很少有企業再宣傳L3、L4，但從蔚來ET7、ES33等產品的配置來看，無一不是朝著這一范圍沖刺。

「需要承認，這些產品的硬體都非常優秀，但最終是否能呈現出很好的效果還是兩說，當前國內路況尤其是自動駕駛接受程度最高的一二線城市路況更是極其復雜，特斯拉自動駕駛事故比比皆是，近日美國相關部門更是著手調查27起特斯拉事故。」一位資深 汽車 分析師告訴愛卡 汽車 ，無數事故案例意味著當前路況或技術還遠未滿足高級別自動駕駛落地的條件，因此近期規劃發布的高算力車型更像是信仰，他們還需要大量的時間打磨技術，落地後怎樣還有待商榷，「在OTA的大背景下，這些產品更大可能是先落地普通駕駛輔助系統，後期隨著技術進步再進行升級。」

不過，相比於至少還需要2年才能見到的高算力乘用車，自動駕駛商用車或許將更快進入我們生活中。與乘用車駕駛環境不同，商用車尤其是物流運輸行業中的重卡，駕駛環境大多為高速，用車場景相對簡單，已經成為當前最有希望率先實現自動駕駛量產和商業化的領域。

公開數據顯示，2020年，中國自動駕駛投融資事件中，一半投向了布局商用車領域的初創公司。而在19家獲投企業中有8家布局干線物流場景，平均獲投金額也遠高於其他細分賽道。

在這一領域跑得最快的贏徹 科技 已經於3月10日發布了業內首個直接面向量產、全棧自研的卡車自動駕駛系統。按照規劃，嬴徹 科技 與東風商用車、中國重汽分別聯合研發的兩款L3重卡將搭載這款自動駕駛系統，於2021年底量產交付。而在去年9月，智加 科技 助力一汽解放、摯途 科技 ，發布全球首款自動駕駛超級重卡J7 L3，計劃2021年上半年正式量產上市，距離我們只有2個多月時間。

寫在最後 ：自動駕駛其實是一個很大的話題，它所涉及到內容並非是短短幾千字可以概括。不過僅從當前的公開信息來看，憑借著更為簡單的用車場景，商用車領域或將搶先拿下自動駕駛第一應用場景的王冠。而在日常用車中，普通消費者想要體驗到自動駕駛，需要等的可能不止2年，更多的還要看當前政策落地以及自動駕駛環境是否改善。

相關內容回顧：

小馬智行首批自動駕駛無人車正式下線

實拍蔚來ET7 為自動駕駛而生的純電旗艦

或年底量產 嬴徹發布軒轅自動駕駛系統

single