自动驾驶正在成为中国汽车行业快速发展的重要方向，而这一技术领域再度迎来关键节点。
9月2日，2022盐城自动驾驶算力峰会召开。会上，百度智能云与江苏省盐城市盐南高新区携手共建的“百度智能云-昆仑芯（盐城）智算中心”正式揭牌上线。该计算中心算力规模达到200P，有望成为盐城建设长三角一体化产业发展基地的重要抓手。
盐城百度智算中心促产业进步
2022年5月，盐南高新区、百度智能云、昆仑芯科技三方联合牵手，成功签署了百度智能云-昆仑芯（盐城）智算中心项目合作协议，而在四个月不到的时间后又迎来了揭牌仪式，可见项目规划与落地进展的高效、精准。
（图源：百度）
盐城有着颇为集中的汽车产业，目前有高合（华人运通）、悦达汽车集团、中研汽车、新石器等多种类型的汽车厂商在当地建厂研发，还建设规划了面积大设施全的第三方汽车试验场，包括一个智能网联汽车试验场。智算中心的到来和当地行业需求吻合，有机会相互成就。
在人工智能技术大幅投入的百度，同样在自动驾驶有着相当高的研发能力。智算中心则相当于把云端全链路自动驾驶开放工具，提供给了所有想要在这一领域有所成就的企业，包括但不限于传统主机厂、造车新势力、Tier1供应商、自动驾驶解决方案商等。相当于是赋能全行业了。
百度智能云-昆仑芯（盐城）智算中心，是百度智能云业务基于百度人工智能计算架构、昆仑芯通用AI计算处理器、百度百舸·AI异构计算，打造出的可以服务包括全链路自动驾驶研发在内的人工智能技术研发平台。
这套自主研发全流程自动驾驶开发平台，有涵盖数据、仿真、训练、安全的全栈工具链。使得端到端的开发周期从以月缩短为以周计算。在模型训练上，百度百舸·AI异构计算平台可将训练集群资源利用率提升80%~95%，Transformer算法训练吞吐提升152%，千卡数据并行加速比达90%。
在仿真层面，EB级别原始数据纳管处理能力、不低于一万个数据处理工作流并发、不低于2000万个覆盖98%以上场景类型的仿真场景、支持最高上万人同时在线使用的B/S架构工具链等自动驾驶研发工具实际能力，可以视作Apollo在内的百度自动驾驶研发积累出的经验在统一对外释放。
值得一提的是，前身是百度智能芯片及架构部的昆仑芯科技，为构建这座智算中心发挥重要作用。
作为云端通用人工智能计算处理器，昆仑芯2代产品具备了较为完善的硬件虚拟化能力，在AI计算性能层面有着两到三倍提升，以昆仑芯AI加速卡R200为例，经过业务规模部署的实际测试，在典型AI负载上平均加速可达到业界主流方案的1.5倍。据了解，在自动驾驶领域，昆仑芯早有新一代产品布局，目前进展顺利。
自动驾驶成为行业明星
自动驾驶将帮助人完成出行中诸如长途行驶、发车泊车这样繁琐的工序，有效降低驾驶者疲劳度，同时主动安全能力也有望改善事故发生概率和道路交通秩序......如此美好前景让百度等互联网巨头重金投入，更吸引到了车企、创业公司等行业重要角色参与其中。
历经十余年探索，关于如何在主流场景中实现高可用性高安全度的自动驾驶能力，行业已经形成共识，接下来只需清晰理解目标并按照科学严谨的态度执行，就有机会为用户提供高水准自动驾驶体验。
不过还有一道难题摆在各大车企、出行服务等相关企业面前，便是高昂的研发成本。据了解，投身自动驾驶的企业均会消耗数十亿不等的研发预算。
在自动驾驶最为核心的人工智能算法上，各家企业选择大手笔自建团队研发的做法无可厚非，这会是最有可能建立起技术壁垒，用性能和实际体验在行业中拉开差距的部分。而在构成算法的子项目及其他部分中，通过行业已有能力或资源搭建产品，显然是更能降本增效的方式。
在我们看来，百度智能云-昆仑芯（盐城）智算中心会是新型人工智能基础设施，更是百度为自动驾驶行业搭建的宝贵平台。
云端研发加速自动驾驶进化
与所有的人工智能项目一样，自动驾驶需要通过大量的数据训练才能获得可用性足够高的算法，而且需要同时满足安全、效率、可靠性等多方面因素。因此，高水平自动驾驶实际需要的数据量和训练时长都相当可观，给所有想要涉足其中的企业带来挑战。
特斯拉是为数不多通过纯视觉传感器，在北美实现有质量辅助驾驶能力的厂商，可以看作拿到了通往真正的自动驾驶的入场券。这背后离不开约300万辆行驶在路上的特斯拉电动车，积年累月地获取真实道路数据，并对各种辅助驾驶场景积累反馈的迭代。
然而没有第二个想要在自动驾驶领域有所成就的厂商，能够拥有如此庞大的车队，只能通过另外的方式达成类似结果。除了组织一定数量的车队进行现实中的道路测试之外，借由仿真测试在虚拟世界中训练自动驾驶算法，成为快速、高效获取成果的主要手段之一。
行业认为，仿真测试将有效化解自动驾驶训练中的三大问题：上面提到的真实车队在规模和运行里程上的不足；发生概率极低但同样关乎到安全，不能忽视的边界案例（Corner Case）；多地欢迎自动驾驶实际测试，但实际上还存在着道路交通法规空白的合法合规问题。
因为是在虚拟的世界中发生，仿真测试能够以相较真车的低成本展开超大规模训练，更无需担心有任何测试过程中安全隐患，出现错误学习成果只要即时监督纠正便能解决。对于使用仿真测试的企业来说，问题变成了如何尽可能地以更完善方式、更高效率完成达成测试目的。
从目前给出的信息来看，在自动驾驶研发深入了较长时间的百度，借由智算中心开放能力给行业时，已经先把研发过程中的“坑”全部踩了一遍，同时平台功能上做了相对应的解决。
百度智能云在工具链上做到了全栈的完整，在计算平台上有昆仑芯的积累，在场景中则有长距离和多场景覆盖。
自动驾驶成熟道路持续向前
曾几何时，车速保持、车道保持、自动泊车等相对基础的辅助驾驶能力，就足以让行业和消费者欢欣雀跃。虽然在今天看来，这些功能已经是主流价位段汽车产品应当具备的功能，但回到刚开始普及的时代，都切切实实地改善了驾乘体验，让驾驶变得更加安全而不枯燥乏味。
如今，高阶自动驾驶能力正在来到更多的新车上面。就如我们通过车企资料车展体验还有媒体介绍看到的，车辆不仅仅是能够自行决策如何在高速路上变道、上下匝道，还有了颇为可靠的NOA辅助驾驶。应对城市复杂路况的辅助驾驶乃至自动驾驶，也正在按场景逐步完善。
要实现覆盖场景足够多，做到感知可靠、决策质量高、控制稳定的高水准高阶自动驾驶，自然就离不开各车企的长期大规模投入，以及在训练测试中的不断学习和改进。
有了百度智能云智算中心还有更多的研发平台，行业进步或许能再度加速，又好又快地实现技术创新与迭代。
可以确定的是，在前往自动驾驶成熟的道路上，我们又迈出了坚实的一步。
