11月7日-8日，2024中国汽车软件大会在上海嘉定召开。本届大会由中国汽车工业协会和安亭•上海国际汽车城联合主办，以“软件智领未来，融合共创生态”为主题，共设置“1场闭门会议、1场大会论坛和6场主题论坛”。其中，在11月8日下午举办的“主题论坛二：扬帆远航：全球化破浪”上，阿里云智能集团汽车行业架构师总经理孙勇发表精彩演讲。以下内容为现场发言实录：

　　我是来自阿里云汽车行业的架构师团队负责人孙勇，今天我分享的主题是“AI驱动的云计算加速汽车产业智能化升级”。在整个汇报第一个片子当中，我想给各位老师汇报一下，我们阿里云从2009年诞生一直到现在，我们汽车产业一直在相随相伴发展。
　　最开始的时候云计算以资源的方式给到我们汽车行业客户关于解决ADC相关资源的问题。随着云服务不断的迭代，后续因为汽车产业对于整个业务敏捷性，所以云从资源逐渐迭代成为服务，以服务的形式提供给我们的客户，到2021年、2022年随着自动驾驶，也就是汽车产业当中智能化非常重要的一个环节，阿里云从传统通用资源变成智算资源，从2023年一直到现在为止，汽车产业智能化的维度就是大模型，也就是我们智能座舱领域。在云计算和汽车产业当中我们会发现结合得更加紧密，所以我们从整个算力结构上来看的话，会发现2021年是非常大的节点。
　　2021年之前阿里云提供通用算力，2021年有了自动驾驶的爆发，阿里云整个算力的架构从通用算力到GPU异构算力转变。云计算通过智算构建了庞大的集群，到2023年出现了大模型，我们会发现大模型它需要庞大的异构算力，这样云作为其中一个基础设施以及对于大模型的研究相关的一些学术研究，出现了非常多的基础模型，我们会发现这件事情将会促进汽车产业的发展。所以，汽车产业和云之间我们会发现形成了非常好的伙伴关系来构建我们整个产业生态。
　　当然也给各位老师汇报一下，从汽车行业来看的话，阿里云现在所获得的一些成绩。我们会发现在2009年到2021年或者说2020年左右的时间，整个公共云在汽车产业当中占比还不是特别高，在最近这几年，2023年尤其是到2024年上半年，我们会发现整个公共云在汽车产业里结构发生了非常大的变化，由原来20%、40%甚至说现在超过了50%。
　　这期间阿里云所提供的公共云服务能力，在整个汽车行业当中占到了35.5%，如果从更深层次来思考这件事情，我们会发现汽车产业这几年竞争压力非常大，我们如何提供一个比较匹配的资源服务，让我们客户更加敏捷把业务进行拓展以及研发提效。
　　所以我们认为公共云之所以这几年有这样的发展，也离不开汽车产业当前的氛围，一方面面临产品竞争力的压力，另外面临市场上的压力。同时，还面临国内市场的卷。现在到海外如何能够在全球提供一个统一的技术展？让我们客户在一周之内在海外站点开服，来开展我们的业务，这对于我们公共云提出了更高的要求，当然我们也认为公共云是汽车产业面向全球化非常好的基础设施。
　　当然我们也有另外一个观点，当前全球化和智能化将会成为我们后续汽车产业发展的两个动力。其中第一个就是全球化。大家知道我们全球化面临最大的问题就是合规，现在阿里云在全球云厂商当中，我们所拥有安全数据合规的资质是最强的。
　　同时，智能化我们国内遥遥领先，我们也是伴随国内智能化，我们的客户从自动驾驶到现在的大模型，甚至说现在已经在今年上半年上线的智能座舱里的领域开始了非常紧密的合作。阿里云也推出了面向全行业开源大模型。阿里云推出开源大模型，实际上从商业业务的角度去给各位汇报一下，本质上希望能够让开源的产品、大模型帮助我们的客户尽快在业务探索上能够完成试错，尽早完成我们的商业闭环。
　　大家都知道大模型是以技术来驱动的场景，当前并没有非常固定的模式，大家都在采用不同的架构、不同的商业闭环、不同的团队来构建这样的场景。如何能够快速来完成我们商业上的验证？这实际上是非常重要。如果一开始我们就承担很高的成本和费用来完成这件事情，对于我们整个业务的迭代实际上是没有好处的。
　　阿里之所以推出开源的通义模型是更好帮助各行各业有更好的场景产生。
　　第一，智能驾驶，我们从一开始的辅助驾驶、定速巡航以及现在经常提到的端到端大模型领域，技术是一方面，真正能够迎来市场，实际上是我们对于创新的速度。
　　我们先看一下智能驾驶针对这方面的观点。端到端的方案正在呈现行业变化。大家都提到端到端，端到端的终局是一个大模型实现我们的感知、规划、决策。但目前我们认为感知大模型和规控大模型，将会成为两段式的模型而呈现出来，我们认为这是分段式端到端的阶段，将会是我们端到端大模型当中一个长期会持续引进的阶段。
　　第二，汽车产品和我们传统其他消费类的产品不同，我们完全是放在第一类。基于规则的策略要确保我们汽车行业绝对安全。因为算力、数据和我们的算法是驱动智能化的三驾马车。算力和数据的规模会持续增长，在2021年、2022年的时候，我们发现我们的客户做L2的时候，他的数据量在十几P到一百P左右，但今年上半年，我们新势力的客户他的数据量达到了300P到500P，甚至说我们现在已经都到我们客户最新需求，明年的时候要达到一个亿。
　　如何将我们如此庞大的数据把我们有价值的数据挖掘出来？这是我们传统算力架构无法实现的，如何通过云计算弹性多层次存储架构来实现算力数据的存储，以及我们可扩容弹性的资源扩容，实际上是非常关键的。
　　同时，我们也发现智驾团队更关注数据和模型，如何能够从写规则的策略到训练端到端的模型，大家会注意到2021年的时候，我们客户训练一个模型的时候，基本上周期相对来说还是比较长的，大概是半个月到一个月，训练的数据单次也是在GB级别，但今年的时候，我们的客户利用我们云上训练卡的时候，云接近200卡，甚至达到了大几千卡的规模，如何在基础设施层面能够完成庞大智算集群的建设？我们实际上是需要更先进的技术来支撑我们的。
　　接下来介绍一下阿里云，阿里云我们本身不做自动驾驶，我们希望利用云计算加速我们端到端自动驾驶研发的相关工作。这里面包含我们对于云整体架构的升级，由原来的IaaS、PaaS层升级到MaaS层，让我们的车和模型尽快上车，这是我们阿里云做云计算的宗旨。
　　另外就是我们看到首先是第一个，刚才讲得比较多大规模的异构计算，目前我们自动驾驶模型它整个还在做升级，我们会发现我们的客户在使用异构算力的时候已经不再局限单一的算力，单一算力的芯片和集群可能会带来单一任务型心最大的提升。
　　但是我们客户训练的时候通常会有大中小各种模型，什么样的模型我们可以采用像产生的A100、H100训练集群，什么会采用H20集群，甚至会采用消费级的卡，我们阿里云可以提供多种异构算力的组合来完成不同于我们训练模型训练的效率或者性能的需求，这样我们会从整体成本上能够下降。
　　第二个数据合规，数据合规前两天各位在座的嘉宾也已经看到了，我们数据合规目前存在一个非常严管的策略上，阿里云也是面向行业推出了我们的汽车行业合规云，我们可以和我们合作伙伴一起确保我们在自动驾驶采集到涉及测绘数据不出境，并且在国内完成我们数据处理以及数据的训练。
　　同时，大规模的交付经验。在2021年的时候，是阿里云第一个自动驾驶的客户，我们云上算力2000卡，这个集群是阿里云真正面向自动驾驶的算力，我们当时也是对标特斯拉的。从那个时候我们在乌兰察布构建了万卡的计算集群，我们迎来了非常多的自动驾驶客户，我们有非常丰富的大规模交付经验，能够帮我们客户尽快完成我们在自动驾驶方面的效能提升。
　　现在我们的客户由原来的模型训练一次大概需要两周或者一个月时间，到现在最新的数据，我们采访了一下我们头牌的新势力客群，他们对于中小模型的话两天就可以完成数据闭环和模型的迭代，这种效率的提升，我们认为是能够极大对于整个最终产品性能或者说整个产品的特征带来快速的迭代，这种情况是最佳适合于我们当下国内非常卷，竞争非常大的汽车行业来面向的云计算设施。
　　当然我们再看一下大模型，大模型我们认为当前的阶段还是处在应用的阶段，但我们有一些客户已经将大模型嵌入到操作系统当中去，将传统OS升级为AROS，AROS当中最核心的一点是什么呢？也就是Model，如何在操作系统级别将我们的用户数据快速摘要、快速分类，实现面向真正车主有个性化的操作系统，而不是通用操作系统，而且我们云端可以通过72B大模型，来完成车主个性化的不管是开放域的搜索还是生图的场景出来。
　　对于2B领域的话，汽车行业客户也在面临研发模式的提效，我们如何将我们的团队更加精简化？让研发模式更加敏捷化，将我们的代码效率更加有效，实际上我认为这是我们在汽车产业当中另外一个维度，也就是生产力。目前阿里云推出了零码，对标于海外GitHub。目前研发效率提升最低值也就是20%，也希望阿里云通过大模型技术，能够帮助我们的客户在内部运营生产力上做一些贡献。
　　从底层架构来看的话，阿里云大家都知道有非常多的通义，通义有两个，一个是千问，一个是万相。千问是原理模型，万相是呈现模型。我们发现70%以上的车企和座舱场景都开始由语言类到多模态演进。比如说我们通过座舱来做一些简单的屏幕上事件。
　　这里提到了阿里云所提供的开源模型以及匹配的基础设施云，还有阿里巴巴整个集团像支付宝、菜鸟以及高德整个生态，我们是真正帮助我们汽车行业客户能够全方位提升我们产品力和市场竞争力。
　　另外一个就是全球化，全球化刚才提到，我们目前在全球除了汽车行业之外，我们有非常多的客户，尤其是油气行业的客户在海外已经开展相关的服务了，汽车像比亚迪、小鹏、红旗等，数据合规方面目前超过了全球130项的合规资质，来帮助我们客户数据能够完全符合我们当地数据合规的要求。
　　面向智能化的时代，全球化的时代，阿里云已经升级了云计算的基础设施，我们也希望能够和客户一起升级我们最底层的基础设施服务，能够随着我们汽车产业发展共同往前发展，谢谢。
　　（注：本文根据现场速记整理，未经演讲嘉宾审阅）