深极智能云算力

㈠ 华为不造汽车，但自动驾驶汽车人工智能芯片这片阵地必须拿下

[汽车之家新鲜技术解读]华为成立于1987年，是一家制造通讯设备起家的中国企业。经过30多年的积累，华为已经发展成为全球最大的5G设备供应商。随着人工智能芯片市场的快速增长，华为借助中科寒武纪的芯片IP，成功在2017年推出了全球首款搭载人工智能加速单元的手机处理器芯片——麒麟970。该芯片的成功让华为进一步坚信人工智能技术的发展潜力，加速了其自研人工智能处理器的步伐。而自动驾驶系统的域控制器正是人工智能芯片大派用场的地方。究竟华为的人工智能芯片性能有多强？它又是如何赋能自动驾驶汽车的呢？今天我们一起来看一看。

●编辑总结：

华为在行业中的影响力毋容置疑，从技术到产品都走在世界的前列。树大招风，华为近年来就一直受到美国的制裁。如果现状长期持续的话，对于本文聚焦的华为人工智能芯片影响不小。如何解困是摆在华为面前的一道难题，从目前的一些信息来看，华为在英国建设芯片工厂、开发RISC-V架构处理器、培育HMS云服务生态等举措都是其突围关键，我们也将持续关注事态的进一步发展情况。（图/文/汽车之家常庆林）

㈡ IoT第一层：感知层企业

感知层：底层数据采集职能，包括芯片、连接芯片和应用设备的模组、传感器、各类识别技术等

1、芯片：低功耗、高可靠性的半导体芯片应用广泛，MCU/SoC逐渐渗透物联网领域。MCU芯片复杂度较低，适用于智能设备的短距离信息运输，主要应用于智能家居、消费电子、医疗保健和工业电子等领域；SoC芯片系统复杂度较高，集成功能更丰富，支持运行多任务复杂系统，可应用于功能较复杂的嵌入式电子设备，应用于无人机、自动驾驶和工业互联网等领域

2、无线模组：为物联网提供网联能力的基础硬件，将芯片、存储器和功放器件等集成在一块线路板上，并提供标准接口，在物联网产业中处于承上启下的中间环节，向上连接芯片行业，向下连接各类终端设备，终端设备借助无线模组实现通信或定位的功能。

3、传感器：作为物体的“五官”，传感器承担采集数据、感知世界的重任，不断向智能化、高精度、微型化的方向发展，市场空间广阔。传感器与MEMS结合是当下技术的新趋势，MEMS传感器集成通信、CPU、电池等组件及多种传感器，具有体积小、功耗低、成本低、集成度高、智能化特点，广泛应用于消费电子、医疗和车联网等领域。

涉及企业：

【芯片】

翱捷科技：具备全球稀缺的全制式蜂窝基带芯片研发能力的平台型芯片设计企业。2015年成立以来一直专注于无线通信芯片的研发和技术创新。公司各类芯片产品可应用于手机、智能穿戴设备为代表的消费电子市场和以智慧安防、智能家居、自动驾驶为代表的智能物联市场。

先科电子：领先的高质量模拟和混合信号半导体产品供应商。成立于1960年，主要为客户提供电源管理、保护、高级通信。人机界面、测试与测量以及无线和感应产品方的专有解决方案。

广芯微电子：成立于2017年，一家为客户提供创新解决方案的集成电路设计企业，公司开发包括面向工业物联网（IIoT）并支持边缘计算的专用处理器芯片、面向LPWA的IoT连接专用芯片、IoT基带处理器芯片、以及应用于传感器信号调理的专用芯片。

华为海思：全球领先的Fabless半导体与器件设计公司，前身为华为集成电路设计中心，2004年注册成立实体公司，提供海思芯片的对外销售及服务。

联发科：全球第四大无晶圆半导体公司，联发科技的核心业务包括移动通信、智能家居与车用电子，着重研发适用于跨平台的芯片组核心技术，联发科的芯片经过优化，能在极低散热量且极度节能的模式下运行，以延长电池续航力，时时刻刻达到高效能、高电源效率与连网能力的完美平衡。

紫光展锐：我国集成电路设计产业的龙头企业。公司于2013年成立，致力于移动通信和物联网领域核心芯片的研发及设计，产品包括移动通信中央处理器、基带芯片、AI芯片、射频前端芯片、射频芯片等各类通信、计算及控制芯片，其物联网解决方案支持众多智能电子产品，包括智能手机、平板电脑、Wi-Fi调制解调器、家用设备、可穿戴设备、互联汽车产品等。

移芯通信：为中国自主研发的超低功耗NB-IoT和Cat-M物联网芯片供应商。公司于2017 年成立，2020年12月完成B轮融资。主要业务为蜂窝物联网芯片的研发和销售，致力于设计全球极致性价比的蜂窝物联网基带芯片。

高通：是全球领先的无线科技创新者，也是5G研发、商用与实现规模化的推动力量。成立于1985年，1991年在纳斯达克上市。Qualcomm主要研发无线芯片平台和其它产品解决方案，凭借行业领先的技术解决方案以及在标准组织中的积极贡献，Qualcomm成为赋能无线生态系统不可或缺的一部分。

诺领科技成立于2018年9月，是探索满足IoT需求的全集成、低功耗无线SoC解决方案的先行者。诺领科技作为一家广域无线物联网芯片设计公司，拥有射频模拟、基带通信系统、GNSS、SoC系统和软件方面的顶尖人才，致力于发布最佳SoC解决方案。公司目前推出的产品包括物联网系统级芯片NB-IoT和Cat-M SoCs，服务于广泛的市场，其中包括智慧城市、可穿戴设备、资产追踪等等。

芯翼信息是5G物联网端侧SoC创新领导者。成立于2017年3月，公司专注于物联网通讯芯片（NB-IoT）的研发和销售。其产品XY1100是全球首颗single  die集成CMOS  PA的量产NB-IoT  SoC，具有超低功耗、超小体积模块设计和开发灵活等优势，可应用于智慧气表、智慧水表、烟感、电动车、物流跟踪、智慧穿戴等应用场景。

智联安科技是一家专业从事芯片设计的国家高新技术企业。成立于2013年9月，公司总部位于中国北京，在硅谷、武汉、合肥等多地设有子公司和技术研发中心。公司致力于无线通信芯片的技术研发，目前已于2019年8月成功完成NB-IoT终端通信芯片MK8010量产流片，并在多个行业中实现落地应用。

中兴微电子为中国领先的通信IC设计公司。成立于2003年，中兴微电子专注于通信网络、智能家庭和行业应用等通信芯片开发，自主研发并成功商用的芯片达到100多种，覆盖通信网络“承载、接入、终端”领域，服务全球160多个国家和地区，连续多年被评为“中国十大集成电路设计企业”。

Nordic Semiconctor北欧半导体是专注研究物联网无线技术无晶圆厂半导体公司。公司专注于低功耗无线技术产品，包括短距离蓝牙，2020年从Imagination Technologies收购的Wi-Fi技术和LTE-M / NB-IoT蜂窝物联网解决方案。

Marvell美满是高性能数据基础架构产品的全球半导体解决方案提供商。成立于1995年，Marvell专注模拟，混合信号，计算，数字信号处理，网络，安全性和存储领域，提供产品和解决方案来满足汽车，运营商，数据中心和企业数据基础架构市场日益增长的计算，网络，安全性和存储需求。公司当前的产品主要包括两大类：网络和存储。

Broadcom博通是全球领先的有线和无线通信半导体公司。拥有50年来的创新，协作和卓越工程经验，公司设计提供高性能并提供关键任务功能的产品和软件，包括半导体解决方案和基础设施软件解决方案，半导体解决方案主要包括明星级的有线基础设施业务（以太网交换芯片/数据包处理器/ASCI等）和无线芯片业务（Wi-Fi 芯片/蓝牙/GPS 芯片等）。基础设施软件部门主要包括主机、企业软件解决方案和光纤通道存储区域网络业务。

NXP恩智浦半导体公司是嵌入式应用安全连接解决方案的全球领导者。公司于2006年在荷兰成立，前身为荷兰飞利浦公司于1953年成立的半导体事业部，致力于为客户提供广泛的半导体产品组合，包括微控制器，应用处理器，通信处理器，连接芯片组，模拟和接口设备，RF功率放大器，安全控制器和传感器等

乐鑫科技是一家专业的物联网整体解决方案供应商。公司在2008年4月成立于上海，是一家主要从事智能物联网Wi-Fi  MCU通信芯片与模组研发设计与销售的公司。公司采用Fabless的经营模式，将晶圆制造、封装和测试环节委托于专业代工厂商。近年来，公司牢牢把握智能物联网行业的机遇，主要产品Wi-Fi MCU通信芯片目前主要运用于智能家居、智能照明、智能支付终端、智能可穿戴设备、传感设备及工业控制等物联网领域

晶晨股份是全球布局、国内领先的集成电路设计商。成立于2003年，公司专注于为多媒体智能终端SoC芯片的研发、设计与销售，芯片产品主要应用于智能机顶盒、智能电视和AI音视频系统终端等科技前沿领域。公司属于典型的Fabless模式IC设计公司，将晶圆制造、芯片封装和芯片测试环节分别委托给专业的晶圆制造企业和封装测试企业代工完成，自身则长期专注于多媒体智能终端SoC芯片的研发、设计与销售，已成为智能机顶盒芯片的领导者、智能电视芯片的引领者和AI音视频系统终端芯片的开拓者。

【蜂窝模组企业】

移远通信：全球领先的物联网模组龙头。公司成立于2010年，从事物联网领域无线通信模组及其解决方案的设计、生产、研发与销售服务，可提供包括无线通信模组、物联网应用解决方案及云平台管理在内的一站式服务。

广和通：作为首家上市的无线通讯模组企业，近十年为公司业务的快速发展期。成立于1999年，并于2017年在深圳证券交易所创业板上市，成为中国无线通讯模组产业中第一家上市企业。公司主要从事无线通信模块及其应用行业的通信解决方案的设计、研发与销售服务。

美格智能：全球领先的无线通信模组及解决方案提供商。成立于2007年，美格智能专注于为全球客户提供以MeiGLink品牌为核心的标准M2M/智能安卓无线通信模组、物联网解决方案、技术开发服务及云平台系统化解决方案。

日海智能：通信行业连接设备龙头，成立于2003年，2017年相继收购了龙尚科技与芯讯通，入股美国艾拉，在国内率先实现了“云+端”的物联网战略布局，卡位物联网发展关键环节；在2018年重新确立了AIoT人工智能物联网发展战略，

高新兴：全球领先的智慧城市物联网产品与服务提供商。成立于1997年，公司长期致力于研发基于物联网架构的感知、连接、平台层相关产品和技术，从下游物联网行业应用出发，以通用无线通信技术和超高频RFID技术为基础，融合大数据和人工智能等技术，实现物联网“终端+应用”纵向一体化战略布局，构筑物联网大数据应用产业集群，并成为物联网大数据应用多个细分行业领先者，服务于全球逾千家客户。目前公司正处于战略和资源进一步聚焦阶段，重点聚焦车联网和执法规范化两大垂直应用领域。

有方科技：物联网接入通信产品和服务提供商。成立于2006年，公司致力于为物联网行业提供稳定可靠的接入通信产品和服务。公司的主营业务为物联网无线通信模块、物联网无线通信终端和物联网无线通信解决方案的研发、生产（外协加工方式实现）及销售。

合宙通信：一家专业提供物联网无线通信解决方案技术产品和服务的高科技企业。成立于2014年，公司致力于提供基于通信模块的智能硬件、软件平台、云平台等综合解决方案

鼎桥通信：行业无线解决方案的领导者。成立于2005年，公司专注于无线通信技术与产品的创新，布局三大业务板块：行业无线、物联网&5G、行业定制终端。

锐明技术：全球商用车载监控龙头。成立于2002年，公司聚焦商用车视频监控和车联网18年，细分行业龙头公司，产品覆盖商用车全系车型。公司外销“商用车通用监控产品”，内销“商用车行业信息化产品”，全球累计超过120万辆商用车安装有公司的产品

【传感器】

奥比中光：一家全球领先的AI 3D 感知技术方案提供商。公司成立于2013年，在2020年12月进行上市辅导备案。公司拥有从芯片、算法，到系统、框架、上层应用支持的全栈技术能力，主要产品包括3D视觉传感器、消费级应用设备和工业级应用设备技术产品，其AI 3D 感知技术广泛应用于移动终端、智慧零售、智能服务、智能制造、智能安防、数字家庭等领域。

歌尔股份：一家电子元器件制造商，成立于2001年，属于消费电子行业，主营业务可分为精密零组件业务、智能声学整机业务和智能硬件业务。

汉威科技：气体传感器龙头企业，成立于1998年，并于2009年10月作为创业板首批上市公司在深交所创业板上市。公司致力于气体传感器和仪表的制造、并提供物联网解决方案

联创电子：成立于1998年，公司主营业务为研发、生产和销售触控显示类产品和光学元件产品。公司现已形成光学镜头和触控显示两大业务板块，主要产品包括高清广角镜头、平面保护镜片、手机触摸屏、中大尺寸触摸屏、显示模组、触控显示一体化模组等

瑞声科技：全球领先的智能设备解决方案提供商，在声学、光学、电磁传动、精密结构件、射频天线等领域提供专有技术解决方案。公司成立于1993年，公司是电磁器件、射频天线、精密结构件等多个细分领域的行业冠军，也是5G天线产品的重要供应商

睿创微纳公司是一家专业从事专用集成电路、红外热像芯片及MEMS传感器设计与制造，成立于2009年。公司具有完全自主的知识产权，为全球客户提供性能卓越的红外成像MEMS芯片、红外探测器、ASIC 处理器芯片、红外热成像与测温机芯、红外热像仪、激光产品光电系统。

远望谷：我国物联网产业的代表企业，成立于1999年，公司主营业务集中在物联网感知层和应用层，为多个行业提供基于RFID技术的系统解决方案、产品和服务。

金溢科技：一家智慧交通与物联网核心设备及解决方案提供商。公司创立于2004年，公司产品主要包括高速公路ETC产品、停车场ETC产品、多车道自由流ETC产品和基于射频技术的路径识别产品。

杭州士兰微电子：一家专业从事集成电路芯片设计以及半导体微电子相关产品生产的企业。公司成立于1997年，并于2003年3月在上交所主板上市。公司主要产品是集成电路以及相关的应用系统和方案，主要产品包括集成电路、半导体分立器件、LED（发光二极管）产品等三大类。

水晶光电：专业从事光学光电子行业的设计、研发与制造,专注于为行业领先客户提供全方位光学光电子相关产品及服务的公司。公司创建于2002年8月

敏芯股份：成立于2007年，是一家专业从事微电子机械系统传感器研发设计和销售的的高新技术企业，也是国内唯一掌握多品类MEMS芯片设计和制造工艺能力的半导体芯片上市公司，主营产品包括MEMS麦克风、MEMS压力传感器和MEMS惯性传感器

必创科技：成立于2005年，无线传感器网络系统解决方案及MEMS传感器芯片提供商

固锝电子：成立于1990年，2006年在深交所主板上市，是国内半导体分立器件二极管行业完善、齐全的设计、制造、封装、销售的厂商。

【感知交互企业】

出门问问：以语音交互和软硬结合为核心的AI公司。公司成立于2012年，作为入选“新基建产业独角兽TOP100”的人工智能企业，出门问问拥有完整的“端到端”语音交互相关技术栈，包括声音信号处理、热词唤醒、语音识别、自然语言识别、自然语言理解、语音合成等尖端技术。

汉王科技：国内人工智能产业的先行者，成立于1998年，在人工智能领域深耕二十多年，是一家模式识别领域的软件开发商与供应商，主营业务包括“人脸及生物特征识别”、“大数据与服务”、“智能终端”、“笔触控与轨迹”等

科大讯飞：亚太地区知名的智能语音和人工智能上市企业，公司成立于1999年，公司主营业务包括语音及语言、自然语言理解、机器学习推理及自主学习等人工智能核心技术研究、人工智能产品研发和行业应用落地。科大讯飞作为中国人工智能产业的先行者,在人工智能领域深耕二十年，公司致力让机器“能听会说，能理解会思考”，用人工智能建设美好世界,在发展过程中形成了显著的竞争优势。

声智科技：融合声学和人工智能技术的平台服务商，也是全球人工智能操作系统领域的开拓者。公司成立于2016年4月，拥有声学与振动、语音与语义、图像与视频等远场声光融合算法，以及开源开放的壹元人工智能交互系统(SoundAI Azero)，具有声光融合感知、人机智能交互、内容服务聚合、数据智能分析、IoT控制和即时通讯等能力。

云知声：致力于AI产业的高新技术企业，成立于2012年6月，总部位于北京。公司以AI语音技术起家，经过多年经验和技术的积累，逐渐构筑起一个涵盖机器学习平台、AI芯片、语音语言、图像及知识图谱等技术的技术城池，成为了具有世界顶尖智能语音技术的独角兽

【生物识别企业】

商汤科技：全球领先的人工智能平台公司，也是中国科技部指定的首个“智能视觉”国家新一代人工智能开放创新平台。公司自主研发并建立了全球顶级的深度学习平台和超算中心，推出了一系列领先的人工智能技术，包括：人脸识别、图像识别、文本识别、医疗影像识别、视频分析、无人驾驶和遥感等。商汤科技已成为亚洲领先的AI算法提供商。

神州泰岳：致力于将人工智能/大数据技术、物联网通讯技术、ICT技术进行融合，大力提升行业/企业组织信息化、智能化的质量与效率的高新技术企业。公司成立于2001年

【端侧BIoT】

比特大陆：是一家全球领先的科技公司，成立于2013年。公司立足中国，以全球视野整合前沿研发资源，专注于高速、低功耗定制芯片设计研发，其产品包括算力芯片、算力服务器、算力云，主要应用于区块链和人工智能领域。

㈢ 算力可贵，效率价高：智算中心凭啥是筑基新基建的最优解

在“新基建”浪潮下，人工智能正成为经济增长的新引擎，各行各业开启智能化升级转型。算力在其中扮演了重要角色，是国家未来竞争力的集中体现。但事实是，在发展的过程中，高速增长的海量数据与更加复杂的模型，正在为算力带来更大的挑战，主要体现为算力不足，效率不高。

算力诚可贵：数据、算法需要更多算力支撑

众所周知，在人工智能发展的三要素中，无论是数据还是算法，都离不开算力的支撑，算力已成为人工智能发展的关键要素。

IDC发布的《数据时代2025》报告显示，2018年全球产生的数据量为33ZB (1ZB=1万亿GB)，到2025年将增长到175ZB，其中，中国将在2025年以48.6ZB的数据量及27.8%的占比成为全球最大的数据汇集地。

另据赛迪顾问数据显示，到2030年数据原生产业规模量占整体经济总量的15%，中国数据总量将超过4YB，占全球数据量30%。数据资源已成为关键生产要素，更多的产业通过利用物联网、工业互联网、电商等结构或非结构化数据资源来提取有价值信息，而海量数据的处理与分析对于算力的需求将十分庞大。

算法上，先进模型的参数量和复杂程度正呈现指数级的增长趋势。此前 Open AI 发表的一项研究就显示，每三到四个月，训练这些大型模型所需的计算资源就会翻一番（相比之下，摩尔定律有 18 个月的倍增周期）。2012 至 2018 年间，深度学习前沿研究所需的计算资源更是增加了 30 万倍。

到2020年，深度学习模型对算力的需求达到了每天百亿亿次的计算需求。2020年2月，微软发布了最新的智能感知计算模型Turing-NLG，参数量高达到175亿，使用125POPS AI计算力完成单次训练就需要一天以上。随后，OpenAI又提出了GPT-3模型，参数量更达到1750亿，对算力的消耗达到3640 PetaFLOPS/s-day。而距离GPT-3问世不到一年，更大更复杂的语言模型，即超过一万亿参数的语言模型SwitchTransformer即已问世。

由此可见，高速增长的海量数据与更加复杂的模型，正在给算力带来更大的挑战。如果算力不能快速增长，我们将不得不面临一个糟糕的局面：当规模庞大的数据用于人工智能的训练学习时，数据量将超出内存和处理器的承载上限，整个深度学习训练过程将变得无比漫长，甚至完全无法实现最基本的人工智能。

效率价更高：环境与实际成本高企，提升效率迫在眉睫

在计算工业行业，有个假设是“数字处理会变得越来越便宜”。但斯坦福人工智能研究所副所长克里斯托弗•曼宁表示，对于现有的AI应用来说却不是这样，特别是因为不断增加的研究复杂性和竞争性，使得最前沿模型的训练成本还在不断上升。

根据马萨诸塞大学阿默斯特校区研究人员公布的研究论文显示，以常见的几种大型 AI 模型的训练周期为例，发现该过程可排放超过 626000 磅二氧化碳，几乎是普通 汽车 寿命周期排放量的五倍（其中包括 汽车 本身的制造过程）。

例如自然语言处理中，研究人员研究了该领域中性能取得最大进步的四种模型：Transformer、ELMo、BERT和 GPT-2。研究人员在单个 GPU 上训练了至少一天，以测量其功耗。然后，使用模型原始论文中列出的几项指标来计算整个过程消耗的总能量。

结果显示，训练的计算环境成本与模型大小成正比，然后在使用附加的调整步骤以提高模型的最终精度时呈爆炸式增长，尤其是调整神经网络体系结构以尽可能完成详尽的试验，并优化模型的过程，相关成本非常高，几乎没有性能收益。BERT 模型的碳足迹约为1400 磅二氧化碳，这与一个人来回坐飞机穿越美洲的排放量相当。

此外，研究人员指出，这些数字仅仅是基础，因为培训单一模型所需要的工作还是比较少的，大部分研究人员实践中会从头开发新模型或者为现有模型更改数据集，这都需要更多时间培训和调整，换言之，这会产生更高的能耗。根据测算，构建和测试最终具有价值的模型至少需要在六个月的时间内训练 4789 个模型，换算成碳排放量，超过 78000 磅。而随着 AI 算力的提升，这一问题会更加严重。

另据 Synced 最近的一份报告，华盛顿大学的 Grover 专门用于生成和检测虚假新闻，训练较大的Grover Mega模型的总费用为2.5万美元；OpenAI 花费了1200万美元来训练它的 GPT-3语言模型；谷歌花费了大约6912美元来训练 BERT，而Facebook针对当前最大的模型进行一轮训练光是电费可能就耗费数百万美元。

对此，Facebook人工智能副总裁杰罗姆•佩森蒂在接受《连线》杂志采访时认为，AI科研成本的持续上涨，或导致我们在该领域的研究碰壁，现在已经到了一个需要从成本效益等方面考虑的地步，我们需要清楚如何从现有的计算力中获得最大的收益。

在我们看来，AI计算系统正在面临计算平台优化设计、复杂异构环境下计算效率、计算框架的高度并行与扩展、AI应用计算性能等挑战。算力的发展对整个计算需求所造成的挑战会变得更大，提高整个AI计算系统的效率迫在眉睫。

最优解：智算中心大势所趋，应从国家公共设施属性做起

正是基于上述算力需求不断增加及所面临的效率提升的需要，作为建设承载巨大AI计算需求的算力中心（数据中心）成为重中之重。

据市场调研机构Synergy Research Group的数据显示，截至到2020年第二季度末，全球超大规模数据中心的数量增长至541个，相比2015年同期增长一倍有余。另外，还有176个数据中心处于计划或建设阶段，但作为传统的数据中心，随之而来的就是能耗和成本的大幅增加。

这里我们仅以国内的数据中心建设为例，现在的数据中心已经有了惊人的耗电量。据《中国数据中心能耗现状白皮书》显示，在中国有 40 万个数据中心，每个数据中心平均耗电 25 万度，总体超过 1000 亿度，这相当于三峡和葛洲坝水电站 1 年发电量的总和。如果折算成碳排放则大概是 9600 万吨，这个数字接近目前中国民航年碳排放量的 3 倍。

但根据国家的标准，到2022年，数据中心平均能耗基本达到国际先进水平，新建大型、超大型数据中心的 PUE（电能使用效率值，越低代表越节能）达到 1.4 以下。而且北上广深等发达地区对于能耗指标控制还非常严格，这与一二线城市集中的数据中心需求形成矛盾，除了降低 PUE，同等计算能力提升服务器，尤其是数据中心的的计算效率应是正解。

但众所周知的事实是，面对前述庞大的AI计算需求和提升效率的挑战，传统数据中心已经越来越难以承载这样的需求，为此，AI服务器和智算中心应运而生。

与传统的服务器采用单一的CPU不同，AI服务器通常搭载GPU、FPGA、ASIC等加速芯片，利用CPU与加速芯片的组合可以满足高吞吐量互联的需求，为自然语言处理、计算机视觉、语音交互等人工智能应用场景提供强大的算力支持，已经成为人工智能发展的重要支撑力量。

值得一提的是，目前在AI服务器领域，我们已经处于领先的地位。

近日，IDC发布了2020HI《全球人工智能市场半年度追踪报告》，对2020年上半年全球人工智能服务器市场进行数据洞察显示，目前全球半年度人工智能服务器市场规模达55.9亿美元（约326.6亿人民币），其中浪潮以16.4%的市占率位居全球第一，成为全球AI服务器头号玩家，华为、联想也杀入前5（分别排在第四和第五）。

这里业内也许会好奇，缘何中国会在AI服务器方面领跑全球？

以浪潮为例，自1993年，浪潮成功研制出中国首台小型机服务器以来，经过30年的积累，浪潮已经攻克了高速互联芯片，关键应用主机、核心数据库、云数据中心操作系统等一系列核心技术，在全球服务器高端俱乐部里占有了重要一席。在AI服务器领域，从全球最高密度AGX-2到最高性能的AGX-5，浪潮不断刷新业界最强的人工智能超级服务器的纪录，这是为了满足行业用户对人工智能计算的高性能要求而创造的。浪潮一直认为，行业客户希望获得人工智能的能力，但需要掌握了人工智能落地能力的和技术的公司进行赋能，浪潮就可以很好地扮演这一角色。加快人工智能落地速度，帮助企业用户打开了人工智能应用的大门。

由此看，长期的技术创新积淀、核心技术的掌握以及对于产业和技术的准确判断、研发是领跑的根本。

至于智算中心，去年发布的《智能计算中心规划建设指南》公布了智能计算中心技术架构，基于最新人工智能理论，采用领先的人工智能计算架构，通过算力的生产、聚合、调度和释放四大作业环节，支撑和引领数字经济、智能产业、智慧城市和智慧 社会 应用与生态 健康 发展。

通俗地讲，智慧时代的智算中心就像工业时代的电厂一样，电厂是对外生产电力、配置电力、输送电力、使用电力；同理智算中心是在承载AI算力的生产、聚合、调度和释放过程，让数据进去让智慧出来，这就是智能计算中心的理想目标。

需要说明的是，与传统数据中心不同，“智算中心”不仅把算力高密度地集中在一起，而且要解决调度和有效利用计算资源、数据、算法等问题，更像是从计算器进化到了大脑。此外，其所具有的开放标准，集约高效、普适普惠的特征，不仅能够涵盖融合更多的软硬件技术和产品，而且也极大降低了产业AI化的进入和应用门槛，直至普惠所有人。

其实我们只要仔细观察就会发现，智算中心包含的算力的生产、聚合、调度和释放，可谓集AI能力之大成，具备全栈AI能力。

这里我们不妨再次以浪潮为例，看看何谓全栈AI能力？

比如在算力生产层面，浪潮打造了业内最强最全的AI计算产品阵列。其中，浪潮自研的新一代人工智能服务器NF5488A5在2020年一举打破MLPerf AI推理&训练基准测试19项世界纪录（保证充足的算力，解决了算力提升的需求）；在算力调度层面，浪潮AIStation人工智能开发平台能够为AI模型开发训练与推理部署提供从底层资源到上层业务的全平台全流程管理支持，帮助企业提升资源使用率与开发效率90%以上，加快AI开发应用创新（解决了算力的效率问题）；在聚合算力方面，浪潮持续打造更高效率更低延迟硬件加速设备与优化软件栈；在算力释放上，浪潮AutoML Suite为人工智能客户与开发者提供快速高效开发AI模型的能力，开启AI全自动建模新方式，加速产业化应用。

那么接下来的是，智算中心该遵循怎样的发展路径才能充分发挥它的作用，物尽其用？

IDC调研发现，超过九成的企业正在使用或计划在三年内使用人工智能，其中74.5%的企业期望在未来可以采用具备公用设施意义的人工智能专用基础设施平台，以降低创新成本，提升算力资源的可获得性。

由此看，智能计算中心建设的公共属性原则在当下和未来就显得尤为重要，即智能计算中心并非是盈利性的基础设施，而是应该是类似于水利系统、水务系统、电力系统的公共性、公益性的基础设施，其将承载智能化的居民生活服务、政务服务智能化。因此，在智能计算中心规划和建设过程中，要做好布局，它不应该通过市场竞争手段来实现，而要体现政府在推进整个 社会 智能化进程的规划、节奏、布局。

总结： 当下，算力成为推动数字经济的根基和我国“新基建“的底座已经成为共识，而如何理性看待其发展中遇到的挑战，在不断高升算力的前提下，提升效率，并采取最佳的发展策略和形式，找到最优解，将成为政府相关部门以及相关企业的重中之重。

㈣ 寒武纪2021年主营业务翻倍增长

寒武纪2021年主营业务翻倍增长

寒武纪2021年主营业务翻倍增长，4月15日晚间，寒武纪发布2021年年报。2021年全年营收7.21亿元，同比增长57.12%，寒武纪2021年主营业务翻倍增长。

寒武纪2021年主营业务翻倍增长1

2022年4月15日,寒武纪(688256.SH)发布2021年年度报告。报告显示,2021全年,公司营业收入达到7.21亿元,较上年同期增长57.12%,综合毛利率为62.39%,较上年同期基本持平。营业收入中,智能芯片及加速卡业务贡献收入2.15亿元,同比上年增长101.01%。

另外,报告显示,本报告期内,公司在市场开拓方面也取得了一定成绩,报告期内毛利总额为44,989.46万元,同比上一年度增长49.94%。

新产品方面,报告显示,思元370是寒武纪第三代云端产品,采用台积电7nm先进制程工艺,是寒武纪首款采用Chiplet(芯粒)技术的人工智能芯片。

思元370智能芯片最大算力高达256TOPS(INT8),是寒武纪第二代云端推理产品思元270算力的2倍。同时,思元370芯片支持LPDDR5内存,内存带宽是思元270的3倍,可在板卡有限的功耗范围内给人工智能芯片分配更多的能源,输出更高的算力。

思元370智能芯片采用了先进的Chiplet芯粒技术,支持芯粒间的灵活组合,仅用单次流片就达成了多款智能加速卡产品的商用。公司目前已推出3款加速卡:MLU370-S4、MLU370-X4、MLU370-X8,已与国内主流互联网厂商开展深入的应用适配。

寒武纪2021年主营业务翻倍增长2

4月15日晚间，寒武纪发布年报。2021年全年营收7.21亿元，同比增长57.12%；亏损8.25亿元，2020年亏损金额为4.35亿元，亏损扩大89.66%；扣非亏损金额更是高达11.1亿元。芯片是资金密集型行业，具有高特入特点，高昂的研发投入使得寒武纪自身盈利能力堪忧，近五年累计亏损超过28亿元，且还将存在持续亏损风险。

寒武纪不计成本投入，研发平均薪酬超60万

对于2021年亏损扩大3.9亿元的情况，寒武纪指出了确保智能芯片产品及基础系统软件平台的高质量迭代，在竞争激烈的市场中保持技术领先优势，持续加大研发投入，积极引进优秀人才、保持公司研发团队稳定，在报告期内研发费用大幅增长。2021年，研发投入达11.35亿元，与去年同期增长47.8%，研发投入占营收收入比例157.5%。

营收无法覆盖研发投入，可以看出寒武纪不计成本搞研发，其研发人员薪酬更是惊人。年报数据显示，2021年应付职工薪酬为19.18亿元，同比增长41.75%。需要指出的是，寒武纪在职员工数量是1497个人，平均薪酬12.8万元，但研发人员的平均薪酬则超60万元。

截止2021年12月31日，寒武纪研发团队规模为1213人，占总人数比例81%，研发人员的薪酬合计为7.38亿元，平均薪酬达60.88万元，2020年研发人员平均薪酬为45.27万。因芯片设计人才稀缺，为吸引行业高端人才，稳定研发人才队伍，导致研发人员平均薪酬较上年同期提升34.48%。

当然，高昂的研发投入是为了保持技术先进性和市场竞争力，是其营收增长的核心驱动力，2021年营收同比大增五成。

营收增长强劲背后，单一客户营收占比超六成

营收看似增长强劲，遗憾的是，背后依赖单一客户。2021年，寒武纪来自智能计算集群系统营收4.56亿元，同比增长39.9%，占总收入比例六成以上。而这个营收主要来自昆山智能计算中心项目。

2021年12月，寒武纪与江苏昆山高新技术产业投资发展有限公司签署了智能计算中心基础设施建设项目设备采购合同，合同含税金额为5.089亿元。主要提供含智能加速器、计算服务器、人工智能算力平台软件等软硬件产品。

值得一提的是，昆山智能计算中心项目为寒武纪贡献了4.5亿元，占2021年公司营业收入的 63.19%。换一句话说，一个客户支撑起了寒武纪智能计算集群业务板块，也是支撑整个公司营收核心。且其他业务板块营收规模并不亮眼，尤其云端产品线、IP授权及软件、其他业务营收面临下滑尴尬局面。

要知道，寒武纪所处的芯片赛道上，汇聚了英特尔、英伟达、ARM等芯片大厂，与这些芯片巨头相比，寒武纪整体规模、资金实力、研发储备等存在较大差距。

尤其英伟达是全球人工智能芯片领导者，全球科技巨头都依赖于英伟达发展AI技术，包括微软、谷歌、Meta等全球科技巨头们均依赖于其GPU来训练AI，带动市场对英伟达AI的需求激增，在超大规模和云扩展的推动下，使得英伟达数据中心板块营收不断创纪录，且有望成取代游戏成为最大业务板块。

英伟达在云计算、企业和边缘数据中心、超级计算等市场中展现出强劲的竞争力。对于寒武纪来说，人工智能芯片产品主要应用于各类云服务器、边缘计算设备、终端设备。

目前推出了云端推理思元270、边缘推理思元220、云端训练思元290，还有推训一体思元370等芯片。其云端智能芯片及加速卡，已与包括阿里巴巴等国内头部互联网厂商的多个业务部门进行了深入合作。

在云端产品中，寒武纪推出了思元370，凭借7nm制程工艺和最新智能芯片架构MLUarch03，思元370智能芯片最大算力高达256TOPS(INT8)，是寒武纪第二代云端推理产品思元270算力的2倍。并推出3款加速卡（MLU370-S4/X4/X8），在视觉、语音、图文识别等场景的适配性能表现超出客户预期，部分场景已经进入小批量销售环节。

在金融领域，MLU370-X4在招行多个业务场景的实测性能超过竞品，能够大幅提升客户的效率。只是寒武纪云端产品线表现低迷，2021年营收为8023万，同比下降6.98%。

增速最快的板块是边缘产品线。2021年，思元220智能芯片及边缘智能加速卡实现出货量快速增长，实现收入1.75亿元，较上年同期显著增长741%，且是寒武纪第一款年度出货量近百万片的产品。

寒武纪2021年主营业务翻倍增长3

4月16日消息，A股上市公司寒武纪在4月15日发布2021年全年财报，财报显示寒武纪实现营收7.21亿元，较2020年同期的4.589亿元同比上涨了57.12%；全年净亏损为8.249亿元，较2020年同期的净亏损4.345亿元同比扩大89.86%。

从主营业务来看，寒武纪的智能芯片及加速卡业务贡献收入2.15亿元，智能计算集群系统业务实现收入4.56亿元。

不过从2017年到2021年，寒武纪已经连续亏损5年，合计亏损28.6亿元。

寒武纪还在财报中分析了至今仍未实现盈利的3个原因：

第一、为了在竞争激烈的市场中保持技术领先优势，寒武纪持续加大研发投入，积极引进优秀人才、保持公司研发团队稳定，报告期内研发费用增长幅度较大，2021年公司的研发投入总额为11.357亿元，较上年同期增长47.83%；

第二、寒武纪2020年底及2021年实施的股权激励计划，导致本报告期按归属期分摊的股份支付费用显著增加。较上年同期增长了1669.97%。

第三、寒武纪积极发力市场推广及生态建设，向客户提供高质量的.服务，积聚品牌效应，销

售费用有一定程度的增加，增幅为58.98%。

2021年，寒武纪在3项业务上都在持续推进：

硬件方面，他们发布了基于第四代智能处理器微架构的推训一体思元370智能芯片及加速卡；软件方面，公司投入了大量的资源优化基础系统软件平台，统一的软件平台日臻完善；同时，新一代产品及智能驾驶芯片的研发也在有序进行。

2021年，寒武纪还设立了控股子公司行歌科技，开展智能驾驶芯片的研发和产品化工作。这家公司在进行独立融资时，还曾获得蔚来、上汽及宁德时代旗下基金等机构的战略投资。截至 2021年12月31日，行歌科技已有超过80名员工，其中约90%是研发人员。

2021年共有超过200名资深专家和年轻员工加入寒武纪，截至2021年底，寒武纪共有1213名研发人员，与2020年同期的978人相比增长24.03%。

同时寒武纪也表示因芯片设计人才稀缺，为吸引行业高端人才，稳定研发人才队伍，2021年研发人员的平均薪酬较上年同期也有所提升，从2020年的平均年薪45.27万元，上升到2021年的平均年薪60.88万元。

也就是说，寒武纪的研发人员，在2021年里，平均月薪超过5万元，达到5.07万元。

其中公司创始人、董事长兼CEO陈天石的年薪为103.19万元，COO王在的年薪为154.4万元，副总经理刘少礼的年薪是133.86万元，CFO叶淏尹的年薪是126.36万元。这些高管中年薪最高的是公司前CTO梁军，他在2021年的年薪高达395.85万元。

不过遗憾的是，梁军在2022年已经离职。

梁军是在2022年3月14日晚间被宣布离职的，他在2022年1月份递交辞职申请，寒武纪曾尝试挽留，但最终没有成功。

寒武纪在2020年7月20日登陆A股，上市首日开盘曾上涨近290%，市值一度突破1000亿元，当天收盘价为212.4元。但目前其股价仅为56.26元，已经跌破发行价，当前市值也仅有225.5亿元。

作为科创板AI芯片第一股，寒武纪未来的亏损能否缩小并最终实现盈利，是他们面临的终极考验。

㈤ 智能化战争中左右战争胜负的新变量：连接力、计算力、认知力

智能化战争：“强者胜”的三个维度

杨耀辉 张三虎 周正

引言

战争制胜机理从来都是在 科技 进步的推动下悄然发生变化。从热兵器时代的火力制胜，到机械化时代的机动力制胜，再到信息化时代的信息力制胜，实际上都是在开辟战斗力生成新维度的过程中，对原有战斗力因子形成“降维”打击。智能化战争建立在火药化、机械化、信息化充分发展的基础之上，作战双方的火力、机动力、信息力迟早都会达到或接近同一个水平，连接力、计算力、认知力等新的战斗力因子，则成为左右战争胜负的新变量。

连接力强者胜

连接产生智能。最令人惊叹的莫过于人类脑细胞，数百亿个神经元并不存储信息，但在连接过程中不断传递信息并激发出新的信息。当前，军事领域正在利用连接来寻求智能化的延展。

连接力强者胜，反映的是群体智能的胜利。“蜂群”式作战平台、碎片状战力群组、分布式武器部署，将是智能化战争的作战景象，战场胜负的砝码在经历了“从数量到质量”的转换之后，又回到了“从质量到数量”上来。近年来，中东战场上出现的几千美元一架的低端无人机，在战场上的表现却并不是“凑数”的样子，集群式出现令一些大国军队极为头疼。这种规模化群体与传统战场上的个体叠加不同，它们依托泛在网络，用连接的方式形成一种群体智能效应，对传统中的高价值平台产生巨大冲击。2021年5月，美国国防部发布的《联合全域作战战略》中明确，联合全域指挥控制就是“连接一切、无处不在”。而美军先进战斗管理系统则试图把U-2、F-16、F-35、F-22、XQ-58、MQ-4C等有人、无人作战平台连接到一起。连接力强者胜，已经成为智能化战争的制胜关键。

连接力强者胜，推动的是“杀伤网”的构建。传统的杀伤链路，其连接呈“线性”，是顺序的、递进的、单行的，极易出现断链。智能化战争，在“连接一切”的背景下，全域空间内的作战资源进入同一作战体系，杀伤链条上的各个执行单元被分散在小型化、无人化、在线化作战平台上，形成此断彼通的“杀伤网”。连接力越强，进入作战体系的可选择资源就越多，杀伤链路上可选择的节点就越多，体系的韧性、弹性、应激性就越强。从杀伤链到“杀伤网”的升级，推动不同时间节点进入作战链路的平台灵活搭配，给对手呈现出一种随机网络式的复杂景象，而自身却能按作战任务需求，采取类似“网络打车服务”一样的资源高效动态连接方式，达成各类作战资源的快速建链，完成自我分配、自我组织、自我控制下的目标打击行动，在作战过程中呈现出能判断、有选择、会变通的智能化样子。

连接力强者胜，突显的是自适应作战体系。网络时代，每一次成功连接的背后都有一系列用户和用户之间的自适应交互，连接平台只是提供一个“桥梁”，并没有过多地介入到谁和谁的连接上。“连接一切”条件下的智能化作战平台构成的作战体系，其敏捷适应性将比网络时代更进一步。这种敏捷适应基于物理实体的数字化模型和运行状态的数字化表征，在特定系统的支持下，各类作战资源“在用”“饱和”“空闲”等状态即时感知，并完整映射到“基础网+作战云+数字孪生体”的虚拟空间，形成“全息”对照的战场态势，每一个作战平台都可以“全维”抽取关键信息，“全域”拼接作战场景、“全程”推演打击行动，并实时感知友邻平台的运行状态。在这样的全透明战场空间，任何个体要想避免被其他成员抛弃，必须主动向体系贡献自己的能力，从而自然地产生出一种自适应调整的体系能力。

计算力强者胜

很长一段时间里，计算多是粗略概算并服务于指挥员谋略，计算力一直是战斗力的配角。智能化战争中，智能机器的计算能力大大超越人类，人类的决策、行为和意识都受到机器计算的影响，计算力强者胜成为战争制胜的重要一面。

计算力强者胜，反映的是“算料”从“DB”到“BD”的质变。数据即“算料”，其实一直存在。早期的像会计账本之类，电算化时代是机读穿孔卡带，信息化时代升级成为诸如Database之类的数据库，即“DB”。到了智能化时代，万物互联加快了数据产生的速度，运用大数据Big data方法挖掘信息宝藏成为适应时代的必然选择，即“BD”。从“DB”到“BD”，两个字母位置的简单调换，反映的却是数据从量变到质变的重大跃迁。“DB”是对客观事实的记录、抽样和再现，“BD”则是对数据的关联关系分析并推理预测客观事实，已经接近甚至超出人类在因果关系分析上的技能。比如，谷歌公司曾运用大数据技术，分析了5000万条美国人检索最频繁的词汇，成功预测出美国冬季流感的传播。智能化战争中，数以万计的智能机器，必将产生数不胜数的数据，如何利用大数据手段提升“算料”处理能力，对敌方作战企图、战场走势等做出准确预测和判断，将是决定对抗胜负的重要一极。

计算力强者胜，推动的是算力的云边端供给模式。传统的中军帐、参谋部、指挥所都是“中心计算模式”，其弊端是计算结果滞后甚至偏离战场态势，问题的根源是算力不足。智能化战争中，每一个机器在做出行动时都要进行一系列的计算处理，仅一个“大脑”的中心计算模式已显得力不从心，“云+边+端”的新计算模式则应运而生。谁的云中心能够通过策略测算，从复杂场景中“窥出”真正的战场走势；谁的边缘计算中心能够快速将计算能力推送到作战前沿侧，为前端平台提供中等强度的近实时场景模拟推演；谁的智能作战平台能够在对抗活动中，快速规划出武器选择、打击窗口、攻击路线等，将成为左右战局发展走势的关键所在。近年来，美军大力发展类似F-22战机充当“战斗云”，提高无人系统的人工智能技术含量，推动自主作战平台的自协同能力提升等，都是对“云+边+端”计算模式的尝试。

计算力强者胜，突显的是算法的机器升级迭代。2019年，星际争霸Ⅱ人机对抗赛中两位人类顶尖选手以1 10的比分惨败，使人们对机器“只会计算、不会算计”的印象发生颠覆性改变。显然，在神经网络、深度学习等技术的推动下，智能机器具备了超越人类的用大量数据拟合出新算法的能力。当智能武器代替人类成为战场上的主角，支撑它们观察战场、分析战场、适应战场能力的关键——算法，将左右战场胜负的走向。算法战，已经从人类大脑层面转换到机器类脑层面，谁的机器学习能力越强，谁的算法迭代升级就越快，谁的决策就越符合对抗态势，谁就将在智能化战争中占据算法战的顶端。

认知力强者胜

形成对战场的统一认知，是作战体系中各个参战单元形成合力的关键。信息化战争主要解决信息“从信号到数据再到知识”的价值转换过程，智能化战争则更注重在“知识到智慧”的过程中提质增效。

认知力强者胜，反映的是作战环节从“OODA”到“OD”的进阶。从本质上讲，平台中心战、网络中心战、决策中心战，“OODA”环路上观察、判断、决策、行动等链条没有变，但不同阶段的行动特点发生了很大变化。机械化战争时代，“OODA”环路按部就班，环环相扣，一步慢、步步慢，一招领先、步步主动；信息化战争时代，发现即摧毁，观察“O”和行动“A”融为一体；智能化战争时代，作战双方的观察能力达到同一水平，战场趋于双向全时透明，谁也不能从“OODA”的第一个“O”即观察上占有多少优势，只有在第二个“O”即判断上一决高下，作战对抗从“OODA”四个环节进阶到“OD”两个环节上。在智能化战争的对抗过程中，信息驱动是源头，统一认知是关键。有了统一的认知，各参战平台才能建立起指向同一作战企图下的任务分析、规划和安排，群体性决策、自适应编组、分布式行动等具有智能化特征的活动，才能真正被激发出来并最终涌现出体系作战能力。

认知力强者胜，推动的是作战指挥从艺术到智慧的转进。智能化战争中，“AI军师”“智能参谋”进入作战指挥活动，带来的变化是指挥艺术里面添加了机器计算的成分。智能机器在算速和算法上的优长，使它们能通过海量数据关联分析，对战场态势进行呈现、分析和预测，辅助指挥员预判敌方企图、动向和威胁，从而促使作战指挥由基于“经验”的艺术流，向基于“经验+算法”的智慧型转进，把认知对抗从人类大脑领域拓展到了“人脑+机器脑”的新空间。美军2020年8月组织的“阿尔法空战”实验中，AI战机5 0击败人类飞行员，其背后的基础是40亿次仿真训练。智能化战争中，纯人脑的认知能力水平必将受到来自机器脑认知的强力挑战，而机器脑失去人脑的介入也会失去战争灵魂，“人脑+机器脑”协作融合形成智慧型认知才是制胜之道。

认知力强者胜，突显的是作战策略从近忧到远虑的延展。智能化战争时代，极易产生“机器信赖症”，任由机器对战场上的作战行动进行控制。但战争的复杂性告诫我们，机器的判断永远代替不了人类。“阿尔法狗”智能围棋虽然设定了四个策略来赢得棋局，但它仍有无法逾越的短视局限，其从繁就简的策略设计中，会对非关键因子进行“剪枝”处理，而被“剪枝”的恰恰可能是战争偶然的诱因。智能化战争中，发挥智能机器的优势，要在建立起“‘人机’交互、有人监督”的条件下，运用复杂系统中各分层之间相对独立的原理，对战局进行分层分域拆解，制定全局、局部和战术行动策略，形成一整套多级关联的规则库，让智能机器在指挥人员的监督下能够顺利地计算下去，在时间约束条件下快速得到一个基本满意的方案。一方面，避免机器陷入无休止的运算；另一方面，让机器在人类指引下对战局进行“远虑”，走向“谋全局而不是求一隅”的高度。

（作者单位：国防 科技 大学信息通信学院）

“智胜”机理：一个亟待研究的课题

刘光明

编者按 现代战争发生了深刻变化，最根本的是制胜机理变了,要想赢得战争必须把现代战争制胜机理搞透。当前，战争形态加速向信息化战争演变，智能化战争初现端倪。智能化战争的制胜机理是什么，有什么新变化，表现为哪些新特点？为把这些问题解答清楚，本刊特推出“聚焦智能化战争制胜机理”系列文章，欢迎广大读者献计献策、积极争鸣，共同推动智能化战争制胜机理研究走向深入。

当前，由人工智能引领的新一轮 科技 革命和产业变革方兴未艾，“人工智能就像先前的导弹、卫星一样，无论你是否有所准备都将登上人类战争的 历史 舞台”，智能化战争已经大步走来。打赢未来可能发生的智能化战争，核心是厘清智能化战争制胜机理。

厘清智能化战争制胜机理独特内涵

厘清智能化战争制胜机理，首先要把“机理”一词的内涵界定准确。笔者认为，“机”可理解为奥秘、门道，“理”可解读为道理、理由。所谓智能化战争制胜机理，即打赢智能化战争的门道（路径）和道理。为进一步厘清这一内涵，需要准确把握三对概念的区别与联系。

从机理与规律的关系把握独特内涵。规律是事物内在的本质的必然的联系，战争制胜规律是与战争制胜有关各种因素的本质联系和发展的必然趋势。战争作为复杂巨系统，制胜也具有复杂性，众多的制胜规律往往在战场上同时起作用。如果对具体战例作具体分析会发现，每一次胜负较量必定有某个规律起决定性作用，其他规律则起着辅助的但也是不可缺少的作用。战争制胜机理则是战争制胜因素在一定条件下触发制胜规律、发挥制胜作用的链路及其道理。制胜机理依赖制胜规律，体现了制胜规律发挥作用时的途径和依据，但单凭制胜规律本身不能成为制胜机理。用相对简单的话来概括，即制胜规律是制胜机理的基础，制胜机理是制胜规律的应用之道。

从机理与机制的关系把握独特内涵。机制是事物内部的构造、功能和相互关系，作战制胜机制是作战体系各要素互动形成合力、实现制胜的内在机制，如集效聚优、并行联动都是机制，是对有关制胜机理的运用方法和实现方式，且这些方式方法体现一定的规则，带有某种制度化的特征。在信息化战争中，对情报侦察、指挥控制、火力打击和综合保障等作战要素进行综合集成，对陆、海、空等作战单元进行优化重组，会形成多种多样的制胜机制。这些制胜机制大都包含这样的制胜机理，即：事件转化为信息、信息转化为态势、态势转化为认知、认知转化为决策、决策转化为行动的信息制胜链路，等等。由此可见，制胜机理是内在的“道”，更为抽象，而制胜机制是运用道的“术”，更为具体。

从机理与理论的关系把握独特内涵。认识、把握和灵活运用战争制胜规律和机理，需要从理论和战略策略上作出正确的指导。睿智的军事理论家，总是在发现新的制胜规律和机理后，作出理论上的加工和创造，由此形成新的军事指导理论。可见，军事理论创新的核心在于揭示和厘清新的战争制胜规律和机理，进而概括出新的战争指导。世界军事史上，马汉的“海权”理论、杜黑的“制空权”理论、富勒的“机械化战争”理论、图哈切夫斯基的“大纵深作战”理论、格雷厄姆的“高边疆”理论等，都揭示了相应的战争制胜规律和机理，引领了军事潮流，改变了战争面貌。可以说，战争制胜机理是军事理论创新的基础和源泉，军事指导理论是战争制胜机理的灵动运用和理论升华。

辩证把握智能化战争制胜机理多重意蕴

智能化战争的制胜机理包括战争制胜的一般机理，同时又体现着算法博弈的鲜明特点；在战略、战役、战术等层面都有相应的制胜机理，同时也都与算法博弈紧密联系。由于受多种因素制约，每一场战争具体的制胜机理都可能有所不同。这里，仅列举几类带有一定普遍性的制胜机理。

以“强”打“弱”的“智胜”机理。“强胜弱败”是带有一定普遍性的战争制胜规律。即使是那些以弱胜强的战例，往往也须在局部和特定时段形成对敌的力量优势才能真正取胜。依据“强胜弱败”规律，以强打弱便成为带有通用性的战争制胜机理。这里的“强”，是整体战斗力的强。在机械化战争时代，整体战斗力的强大主要体现为兵力和火力优势。在信息化战争时代，军队能打胜仗有赖于信息力优势。而在智能化战争时代，智力优势对战斗力的贡献率远高于其他要素。在智能化战争对抗中，人的智能广泛渗透到作战领域、移植到武器系统，智能水平更高更强的一方，能够更好地开发和运用以强打弱的“智胜”机理，甚至据此设计战争、主导战局发展，取得最终胜利。

以“高”打“低”的“智胜”机理。这里的“高”“低”，主要指“代差”“维度差”。通常情况下，运用更高级战争形态和作战样式的一方能够打赢尚在运用较低维度战争形态和作战样式的一方。比如，普遍使用火枪的部队几乎都能胜过使用大刀长矛的部队。如果说“高”胜“低”败是制胜规律，那么以“高”打“低”的那些门道及理由便成为制胜机理。在智能化战争进程中，针对对方作战体系的弱点进行打击，使其“智能”降低或失效，实施“降维打击”，便是以“高”打“低”“智胜”机理的具体运用。还要看到，智能化战争时代很可能存在由低到高的多个发展阶段，尽可能让自己处于高级阶段，攻击对手使其处于低维度的阶段，也是以“高”打“低”“智胜”机理的运用。

以“快”打“慢”的“智胜”机理。随着科学技术的强劲推动，战争中“快”的内涵在不断刷新。在第一次世界大战期间，坦克机动速度每小时只能达到4 8英里，到二战期间装甲集群已能实施闪击战。近些年我们认为超级计算机已经很快了，但量子计算机处理“高斯玻色取样”的速度比最快的超级计算机快一百万亿倍，量子算法比经典算法实现了指数级的加速，人工智能将实现质的飞跃。未来智能化战争在算法的支撑下，预警时间提前，决策时间缩短，作战行动向前延伸，“观察-判断-决策-行动”周期大幅压缩，“瞬时摧毁”升级为“即时摧毁”，真正进入发现即摧毁的“秒杀”时代。

以“巧”打“拙”的“智胜”机理。在一些经典战例中，我们往往能够看到指挥员运用灵活机动的战略战术，变被动为主动，化劣势为优势，体现了“巧”能胜“拙”的制胜规律和以“巧”打“拙”的制胜机理。智能化战争中的“巧”，依托算法优势，开始从指挥员的大脑中走出来，被赋予拥有“智能”的武器系统。当智能化战争发展到一定阶段，全域多维、各种类型的智能化作战平台能够快速耦合作战力量，根据任务需求构建作战体系，自主实施协同作战，任务结束迅速回归待战状态，呈现智能自主趋势。未来智能化战争将向极地、深海、太空等领域拓展，以“巧”打“拙”的“智胜”机理也会相应拓展，开发出更多更新的“智胜”路径。

前瞻 探索 和开发智能化战争制胜机理

当今世界， 科技 革命和军事革命相互影响，战争形态在加速演变，战争制胜机理也在不断更新。在智能化战争大幕缓缓开启的背景下，必须紧盯智能化战争制胜机理的发展趋势，变被动为主动，变跟进为引领，前瞻 探索 和开发智能化战争制胜机理，牢牢掌控打赢智能化战争的主动权。

开发新的制胜机理。 历史 和现实表明，先进的科学技术一旦被运用于军事，将使战争制胜机理发生深刻变化，从而使现有的作战指导、条令法规和部队编制随之改变。在人工智能飞速进步的今天，军事智能的发展不可限量，未来智能化战争具体的制胜机理也必然超出现有的预料。应积极 探索 现有先进技术可能运用于智能化战争的潜能， 探索 其可能的制胜机理。全面分析对手无人化作战体系的薄弱节点和我之优势，从目标靶点反推制胜机理，提出军事创新需求，精准研发战略性、前沿性、颠覆性技术，推动战争“ 游戏 规则”向于我有利的方向转变。

验证新的制胜机理。智能化战争制胜机理的研究成果究竟管不管用，需要用实践来检验。在相对和平时期，应加强实战化军事训练和针对性作战实验的检验，在检验中发现问题、修正认识，使新的制胜机理尽可能科学、周密。在时机和条件成熟时，推动新的智能化战争制胜机理成为军事训练全方位变革、整体性提升的依据，坚持以战领训、以训促战，做到按智能化战争实战要求训练，实现作战和训练一体化。要以我为主，适度借鉴外军，破除定性分析多、定量分析少的局限，大力构建完善智能化战争实验室，打通从制胜机理到作战概念再到实验平台的创新链路，推动去粗取精、去伪存真，提高智能化战争制胜机理研究成果的科学性、权威性。

升华新的制胜机理。新的战争制胜机理是推进军事理论创新的深层依据。当我们发现了新的以“强”打“弱”、以“高”打“低”、以“快”打“慢”、以“巧”打“拙”等具体的“智胜”机理后，就可以契合这一机理提出核心作战概念、作战原则和战争指导等，经过系统加工形成关于智能化战争的新的军事理论。有人说，“丰富的想象力和深刻的洞察力，远比百分之百的准确性更为重要”。要适度鼓励战争设计上的“异想天开”，引导有创见的研究人员在深刻理解军事智能“技术创意”及其衍生而来的制胜机理的基础上，提出新的“战争创意”。要基于智能化战争制胜机理的研究，深化军事理论创新，加快形成具有时代性、引领性、独特性的军事理论体系。

（作者单位：国防大学国家安全学院）

㈥ 一年吸金超400亿 自动驾驶离我们到底还有多远

2021年，自动驾驶赛道不断传出好消息。资本层面上，巨头与资本争相押注，去年整个行业披露的融资总额达436.3亿元；企业方面，网络Apollo进驻多个城市、蔚来/小鹏/R 汽车 等均已在最新产品上规划装备激光雷达......越来越多的征兆都在向外界预示，自动驾驶离我们不远了。

然而，在另一方面，特斯拉疑因自动驾驶频频出事，车企此前规划L4级产品面世的时间纷纷延后，自动驾驶量产进度条被不断重启，那么，在当前又一轮资本热的大背景下，自动驾驶到底走到了哪一步？最早能在哪里真正落地？

十年吸引两千多亿资本

关注 汽车 行业的都知道，最近几年新能源 汽车 市场一直是资本的宠儿，各种融资、IPO以及股市神话争相上演，但值得一提的是，自动驾驶的吸金能力也丝毫不逊色。

企查查大数据研究院发布的《近十年自动驾驶项目投融资数据报告》显示， 2020年，自动驾驶市场披露融资总金额大幅度上涨，高达436.3亿元；2021年开年，自动驾驶赛道热度不减，仅前两月的投融资事件已达24起，披露投融资总金额已达176.4亿元。而在过去近十年间，公开披露的自动驾驶项目投融资事件更是达到376起，披露的融资总金额接近2377.5亿元。

具体到企业上来看，仅以近90天拿到融资的部分企业为例，在半导体领域，诞生于2015年的地平线，从成立至今已经拿到了约106.6亿融资，其于今年2月9日最新完成的3.5亿美元C3轮融资不仅有顶级机构的参与，还有众多 汽车 产业链上下游明星企业的战略加持，其中包括众所周知的比亚迪、长城、东风资产、舜宇光学及星宇股份等企业。

在Robotaxi（自动驾驶出租车）领域，L4级自动驾驶出行公司文远知行WeRide2021年开局就宣布完成了由宇通集团领投的B2、B3两轮融资，总金额达3.1亿美元；成立于2019年的滴滴自动驾驶，截至目前已经获得超8亿美元投资，在今年1月份完成3亿美元融资后，L4级自动驾驶车型的研发与量产已被列为当前内部的重点项目。

林肯 林肯MKZ（询价模块，请勿手动编辑，如需删除，请在图片上右键删除询价）

作为全球唯一一家在中美两国均推出自动驾驶出租车（Robotaxi）服务的公司，小马智行（Pony.ai）已于2月8日正式完成了总额为3.67亿美元的C轮融资，截至目前其公开披露总融资已经超过11亿美元，领投方包括丰田、红杉、弘泰、普华等车企/明星资本等。

多款高算力 汽车 相继发布

资本市场的变化在一定程度上也反映了整个行业的发展，毫无疑问，吸金能力越来越强的自动驾驶赛道背后当然是整个市场在技术上的不断突破。

打一个形象的比喻，如果将自动驾驶 汽车 当成一个司机，那么激光雷达就是TA用来看路的眼睛，芯片则是其大脑，只有“眼睛”看的够清楚（支持L3级自动驾驶的激光雷达至少要达到100线以上分辨率），“大脑”反应够快（当前公认处领导地位的特斯拉 Autopilot 3.0系统硬件算力为144TOPS），才能聪明的躲开道路上每一个障碍物。

而当下据爱卡 汽车 行业频道获悉，在高级别自动驾驶上，半导体巨头英伟达目前量产的Xavier，单芯片算力已达30TOPS，2021 年即将量产的Orin系列芯片，单芯片算力可达 200TOPS；地平线将于今年上半年推出的征程5芯片单芯片AI算力则为96TOPS，采用车规级7mm工艺的征程6芯片人工智能算力超过400TOPS。深受蔚来资本青睐的Innovution最新研发的固态激光雷达分辨率已经达到等效 300 线，最远探测距离达到500米。

落地到产品上，据不完全数据显示，仅从2021年开局至今，就有超过5款搭载激光雷达的高算力产品发布相关规划。其中，蔚来ET7作为蔚来充分展示自动驾驶野心的一款车型，其所搭载的正是来自Innovution 的1550nm 波长固态激光雷达，再搭配来自英伟达提供的由四核NVIDIA Drive芯片组成的自动驾驶平台，其算力可达1016TOPS。这是什么概念呢？特斯拉当前最强算力不过144TOPS，而蔚来ET7是其7 倍有多。

蔚来 ET7（询价模块，请勿手动编辑，如需删除，请在图片上右键删除询价）

上汽集团“一号工程”——IM智己的首款智能纯电轿车，在技术路线上选择了兼容激光雷达软硬件架构冗余方案，可支持英伟达Orin X（500~1000+TOPS）和3个激光雷达的升级。R 汽车 最新发布的由R-TECH高能智慧体加持的首款产品ES33，尽管未公开透露其硬件方案，但爱卡 汽车 获悉，该产品将装备号称业内顶级的Luminar激光雷达，分辨率同样达到300线，测距距离可达500米。

而在更早的2020年12月30日，长城发布了相关智能技术——咖啡智驾系统。作为中国首个全车冗余的L3级能力自动驾驶，咖啡智驾搭载的全固态激光雷达可识别130米范围内的安全隐患，通过搭配两个标准大算力平台的升级方案，该智能驾驶平台算力可达700+TOPS。

商用车或将最先落地

如果以自动驾驶技术公认最厉害的特斯拉为参照，那么仅从配置上来看，无论是长城还是蔚来，似乎都可以“吊打”。但值得注意的是，这并不意味着我们很快就能看到这些仿佛来自未来的产品。无论是号称为自动驾驶而生的蔚来ET7，还是首次装备Luminar激光雷达的R 汽车 ES33，均需要等到2022年才能完全落地量产。换言之，这些产品都是“期货”。

R 汽车 R 汽车 ES33（询价模块，请勿手动编辑，如需删除，请在图片上右键删除询价）

之所以造成这种现象，业内普遍认为主要是有两方面原因。其中，一方面是源自于全球范围内的“芯片危机”，一位来自于 汽车 域控制器制造商的负责人告诉爱卡 汽车 ，通常一颗芯片的制造周期为3-6个月，而从去年三季度以来，交付周期不断拉长，有的品类甚至超过一年，也就是说今天下单，在500天之后才能拿到货。

更多的原因则是由于自动驾驶整个市场环境所导致。按照《推荐性国家标准报批公示》来看，L3级别就已经要求驾驶过程有 汽车 负责（驾驶员需随时准备接管），L4级别更是要求完全由系统接管。尽管当前很少有企业再宣传L3、L4，但从蔚来ET7、ES33等产品的配置来看，无一不是朝着这一范围冲刺。

“需要承认，这些产品的硬件都非常优秀，但最终是否能呈现出很好的效果还是两说，当前国内路况尤其是自动驾驶接受程度最高的一二线城市路况更是极其复杂，特斯拉自动驾驶事故比比皆是，近日美国相关部门更是着手调查27起特斯拉事故。”一位资深 汽车 分析师告诉爱卡 汽车 ，无数事故案例意味着当前路况或技术还远未满足高级别自动驾驶落地的条件，因此近期规划发布的高算力车型更像是信仰，他们还需要大量的时间打磨技术，落地后怎样还有待商榷，“在OTA的大背景下，这些产品更大可能是先落地普通驾驶辅助系统，后期随着技术进步再进行升级。”

不过，相比于至少还需要2年才能见到的高算力乘用车，自动驾驶商用车或许将更快进入我们生活中。与乘用车驾驶环境不同，商用车尤其是物流运输行业中的重卡，驾驶环境大多为高速，用车场景相对简单，已经成为当前最有希望率先实现自动驾驶量产和商业化的领域。

公开数据显示，2020年，中国自动驾驶投融资事件中，一半投向了布局商用车领域的初创公司。而在19家获投企业中有8家布局干线物流场景，平均获投金额也远高于其他细分赛道。

在这一领域跑得最快的赢彻 科技 已经于3月10日发布了业内首个直接面向量产、全栈自研的卡车自动驾驶系统。按照规划，嬴彻 科技 与东风商用车、中国重汽分别联合研发的两款L3重卡将搭载这款自动驾驶系统，于2021年底量产交付。而在去年9月，智加 科技 助力一汽解放、挚途 科技 ，发布全球首款自动驾驶超级重卡J7 L3，计划2021年上半年正式量产上市，距离我们只有2个多月时间。

写在最后 ：自动驾驶其实是一个很大的话题，它所涉及到内容并非是短短几千字可以概括。不过仅从当前的公开信息来看，凭借着更为简单的用车场景，商用车领域或将抢先拿下自动驾驶第一应用场景的王冠。而在日常用车中，普通消费者想要体验到自动驾驶，需要等的可能不止2年，更多的还要看当前政策落地以及自动驾驶环境是否改善。

相关内容回顾：

小马智行首批自动驾驶无人车正式下线

实拍蔚来ET7 为自动驾驶而生的纯电旗舰

或年底量产 嬴彻发布轩辕自动驾驶系统

single