90
0
对话 | 盖世汽车CEO、盖世汽车资讯部总编 周晓莺
撰文 | 盖世汽车编辑 熊薇
以下为采访实录：
上期内容见音频栏目上期
UniAD真·端到端：感知决策一体化的通用模型，图片来源：商汤绝影
周晓莺：就是虽然都叫端到端，中间还是有非常多的差异，回到大模型也一样，这两年特别火，包括汽车行业整车厂和技术公司也都在推自己的大模型，您怎么看待这个现象？
王晓刚：我觉得这是一个必然过程，大模型出现以后，大家都想去尝试。但未来一定会收敛，因为这对资源的投入要求非常高，并且需要不断追踪技术的发展。今天大模型的发展不是已经到了天花板，而是还处在一个快速发展的阶段，对投入要求非常高。
刚才提到算力，我们去年已经实现了1000P算力，等效于把3000块A100芯片连在一起进行大模型网络训练。今年我们的目标是实现3000P算力，等效于1万块A100连成一个集群用来训练网络，明年进一步达到10000P算力，整个基础设施是不断演进的。
但我们看今天很多做大模型的企业，可能只有100P或者几百P的算力，其实不具备这种原生态大模型能力，而是拿一些开源模型在上面做修改。这样一来，如果想做一些根本性的创新很难，而且这是一个持续投入的过程。
我们看过去十年人工智能的发展，2012年神经网络第一次在视觉里面取得比较大的突破，之后从AlexNet到AlphaGO，再到今天的GPT-4，算力需求已经增长了1000万倍，目前还在不断增长。在这种情况下，前面说既是短跑又是长跑，如果从长跑角度来看，不太可能每家车厂都构建自己的大模型，更多可能是找到这方面的合作伙伴，而且这个合作伙伴也需要在这条路上持续投入，持续创新，我觉得这恰恰是商汤绝影的机会。
在AGI领域，商汤本身就有很深的积累，同时我们也是非常坚定地持续往前走。未来，我相信整车厂能够意识到基础设施所带来的价值，到时候我们怎么能够更好地深入合作，什么是他们要做的，什么由我们来做，会慢慢清晰。
周晓莺：大家需要一个时间学习新东西，并且在定位上慢慢把边界区隔开，而不是什么都自己做。
王晓刚：尤其大模型发展很快，可能你上一代还没有100%达到别人的水平，别人下一个版本又出来了。
“整车厂迈向通用人工智能，商汤绝影希望成为核心供应商”
周晓莺：刚刚提到算力，原来燃油车时代是靠马力驱动，现在智能车时代靠算力驱动，咱们有预测过智能汽车变革对算力的需求上限吗？
王晓刚：今天还没有看到上限，我们知道人脑的神经元数量约为860亿个，如果把每个神经元的突触算上，相当于百万亿规模，今天还远远没有达到上限。所以可以看到，目前对算力的需求还在持续增加。
不过我觉得未来可能是“云端模型+离线模型+终端模型”的融合状态，汽车领域有望出现一个超级强的大模型，类似于今天的GPT-4，然后派生出若干个能部署在终端的小模型。在此过程中，随着算力提升，终端小模型的能力将逐渐增强。
周晓莺：商汤大装置现在算力是12000P，后面的算力规划能不能给我们讲讲?
王晓刚：今年底计划达到16000P，但这里面的规划其实滞后于需求。我们最早规划大装置的时候，算力是5000P，但实际需求很快就超过了当时的计划。所以说这个领域还是一个高速发展的状态，但有一点比较肯定，就是商汤作为人工智能平台性企业，在这些方面一定要抓住制高点。
周晓莺：过去两年我们也看到很多车企在组建智算中心，您觉得这个现象会持续吗？
王晓刚：组建智算中心投入非常大，还可能出现的一种情况是，智算中心刚建好发现规模不够用了。所以对算力的规划一定要留有冗余，用于弹性调度，这样的规模化才是最经济的。如果说每家公司都具备100P或者200P的算力，将来可能不仅不能解决自身问题，还会产生比较高的维护成本，从这个角度并不是一个经济的选择，可能选择合作更合适。
其实商汤原本也在各地组建了比较多小的算力中心，后来才统一汇聚到临港，实现像刚才说的万卡集群大算力，大家的任务可以充分调配我们的算力，达到一个最优使用情况。不然的话，想扩充算力规模的时候扩不出去，另外使用效率也不是很高。
周晓莺：它更像是一种新基建。
王晓刚：而且技术难度很高，当我们把10000块GPU连在一起的时候，中间只要一块GPU出现问题，或者硬件之间的连接出问题，都会对整个系统带来影响。现在商汤可以进行万卡互联的超大集群训练，且能够长时间稳定运行，一旦出现问题，异常检测速度已达到分钟级，能实现快速诊断并及时修复。这些都是我们这么多年训练AI大模型计算过程中积累的经验，如果每家公司自己去做的话，是不划算的。
周晓莺：人工智能某种程度属于科技非常顶端的技术，不仅研发投入大，回报周期也很长。而现在汽车行业竞争十分激烈，企业会面临很多选择，比如究竟要市场份额还是利润，对于商汤绝影来说，怎么看待在汽车产业商业闭环走的更久，能够更好盈利这件事情？
王晓刚：我们也还在探索当中，在汽车行业绝影非常年轻，还有很多东西需要学习。我们也从汽车行业引进了大量相关人才，一方面推进产品落地，加深跟客户的合作关系，另一方面对下一代技术提前布局。因为技术迭代非常快，可能这一代技术或产品抢到了市场份额，但又失去了下一代技术更新迭代的机会。所以我们看绝影的商业价值，也是放在商汤大背景下面，希望通过比较好的技术持续引领市场，而不是停留在某一个阶段。
周晓莺：从您的视野来看，现在中国智能汽车的发展和应用，包括大模型上车，您觉得在全球市场大概处于什么样的生态位？
王晓刚：发展肯定是非常快的，当然如果说美国的话，特斯拉肯定是行业标杆。除此之外我觉得国内过去几年的积累包括迭代速度，都体现出了比较强的竞争力。所以将来把我们这些智能化技术推向全球，也是很重要的一个点。
周晓莺：如果往后看三年，您对商汤绝影的发展有何期待？
王晓刚：从自身定位来说，面向未来AGI发展目标，我们希望能够助力整车厂和合作伙伴，去实现我们新的定位和价值。
本身绝影就是一匹千里马，需要能够跑的比较远，我觉得这是时代给了我们非常远大的目标，和充满想象力的空间。同时我们还要跟整车厂紧密合作，扎扎实实做好产品落地。今天市场竞争仍然非常激烈，我们希望能够做好产品交付，同时在行业里面持续引领创新。
希望三年以后绝影能够成为AGI时代整车厂走向通用人工智能非常重要的核心技术伙伴，非常核心的供应商。如果能够实现这点的话，我会非常高兴，我想商汤也非常高兴实现我们的目标。
周晓莺：我们也非常期待商汤绝影在接下来的发展中，像千里马一样跑得越来越快。
彩蛋
周晓莺：您小时候就是学霸，中科大的少年班，后来从学术到产业会有不适应吗？
王晓刚：各种调整吧，我刚来公司的时候，汤老师说你只要管好技术就行，不需要负责管理。但后来其实发现，如果不懂技术也管不了人，而不懂管理，也形成不了落地的结果，因为还是结果为导向。
我刚到商汤的时候并不管业务，后来需要负责一些具体业务，商务收入指标，各方面要求还比较高。但我觉得这也是商汤的选择，公司发展需要你变成一个什么样的人，能够随着发展快速做出调整。
另一方面，这个转变对我来说还是非常感恩，我非常珍惜这个转变。因为人工智能发展非常快，待在学校里很多事情做不了，要资源实现AI落地。十几年前我们做AI研究都是停留论文上，2004年我们发表了五篇CVPR，那时候中国很少有人能做到。但今天不一样，论文很多，甚至都用ChatGPT来写论文。
周晓莺：生产工具不一样。
王晓刚：但要形成影响力的话，在产业里面把AI落地是非常重要的点。从培养人才来说，以前我就带十几个博士生，每年有几个人毕业。但到了商汤，我们这几年培养了几千人。
对人才的培养，底层其实还是要实现技术突破，让技术产生社会价值，同时也能培养人，底层逻辑是一样的。但这里面实现的方式不一样，从原来的学术背景到今天的产业界，风格各方面都不一样。
但这里面我也能体会到自己的优势，比如说管理，他们之前给我上了很多管理课，最终我发现精髓就两个字：信任。这个和我以前做老师，背后的核心逻辑是相通的，可能表面看着有很多不一样，但做事、管理不可避免会带着原来的背景，也会做出不一样的事情。
其实不光是我，汤老师以前做这些事情，能够实现超出行业引领性的东西，因为他原来也不是一个企业家。有时候思考维度、追求的东西不一样，反而能够做出一些引领性的东西出来。
周晓莺：您觉得在自己的发展经历当中，什么对您影响特别大？
王晓刚：那肯定是汤老师对我影响最大，我2001年本科毕业，那时连CVPR是什么都不知道，国外那些高水平研究、论文都没见过。到后面他创立商汤，要做公司，我说我们做研究挺好的，为什么要做公司，他一步一步把我们的人生轨迹改变了。
周晓莺：遇到一个好的老师，人生的引路人很重要。
王晓刚：2001年的时候，相当于中国AI研究从中国走向世界，原来就是自己搞，都不知道高水平研究是什么。2014年就是AI落地了，从写论文到产业落地，也是一个划时代变化。再到2021年汤老师做国家实验室，AI变成了国家的一个战略选择，一个责任。所以说每一步都有深刻意义，也是在那个时代背景下发生的事。
周晓莺：您对现在年轻人有什么好的建议吗？
王晓刚：最早汤老师给我们的要求就是要坚持原创、坚持创新，做别人没有做过、不敢想的事情，这在今天可能特别缺少。为什么会出现“百模大战”？ChatGPT出现之前没有“百模大战”，因为之前大家不知道能不能做出来，所以就不投入。一旦做出来了，大家觉得是确定的东西，都开始做同样的事情，重复消耗了很多资源。所以能够跳出这些思维，勇于担当去做一些新东西，并且能够坚持。
