楼主 扶摇？超算有什么用？
8月2日，基于阿里云智能计算平台，小鹏汽车在乌兰察布建成国内最大的自动驾驶智算中心“扶摇”，专用于自动驾驶模型训练。根据小鹏方面公布的数据，“扶摇”算力可达600PFLOPS，将小鹏自动驾驶核心模型的训练速提升170倍。
这个超级计算机的性能到底有多强？简单的看数据，似乎没有更深刻的印象。根据ISC 2022国际超级计算大会公布的第59届超级计算机Top500榜单显示，排名第二的日本“富岳”的算力为442PFLOPS。国内的算神·太湖之光名第，算力为93PFLOPS，由此可见鹏的“扶摇”算力还是相优秀。
很多鹏友和小伙伴，可能对这种超级计算机在自动驾驶里有什么作用还不是非常的了解，其实这个就如同何小鹏在发布会上所的说的那样：自动驾驶技术的不断突破，就意味着数据量越来越大，因而也就需要越来越大的算力对数据进行处理，其是训练神网络型。
通俗易懂的说，大概有以下几个功能：
1.视觉技术的深度训练。
2.长尾场景的不断学习。
3.高精地图的持续扩展。
首先来聊聊视觉技术的深度训练，要理解这个场景，我们先简单了解下自动驾驶的一些基础，小鹏的自驾驶技术锚用视觉作为根本基础，这就决定要对觉进深度训练。比如说，我们肉眼到一苹果，就能够理解这是一苹果，但是怎么教会计算机呢？计算机不到苹果，它能看到的只一个的像，计算机把苹果的样子记忆成若干个位置和色彩的固组合，当计算机再到这样的固组合之后，就意识到“这一个苹果”。
整个学习的过程，就像是孩子学习东西一样，可能一开始只知道红色圆的苹果，后面开始知道绿色苹果，后来知道苹果也可以切成一半，甚至一片片的状态。这些都需要一次次的输入、对比、纠正、完成机器图像认知。为了不断高准确度，统会次次把输出出来的误差进反向入，让识别误差率断缩，直到进入个更的正确范围。
而在日常行车，摄像头能够看到东西乎是罗万，每东西都要依靠视觉技术训练，可想象这个对计算机训练的算力要求有多。所，一高性的计算中心非常要的，在发布会上，何小鹏也表示，由有了“扶摇”，过去一周算不完数据，现在天就可以搞。由此可见，在扶摇的加持下，鹏的觉识别能力，将有进一步提升。
其次来说说长尾场景的不断学习。在我们日常驾驶过程中，常常会遇到各种各样的长尾场景，也就是通俗意义上说的少见场景，比如高速上有个小松鼠，比如前面卡车上装在了一批“停车”的标志牌……这些场景，对于人类驾驶员来说，是比较容易处理的问题，但是对计算机来说，可就难了，毕竟它看到不是具体的容，而是一堆无意义的数字代码，所以就不能识小鼠，会错误的把运输中“停”当成真正“停”标。
所以，这个时候如仅仅靠人工标记基本上无法完成这可怕任务，因为这个涉及到的场景太了，有了扶摇之后，我们就可以对各类数据进自动标注，并以此训练经网络模型。在大训练数据的喂养下，让汽的识别能力变得“见多识广”、更加聪，可识别同条件状况的各种长尾场景，现精确度的断提，更形象的说，就有点类似“不停的去做以前做错的题目”。
最后，就是高精地图的扩展。众所周知的是小鹏正在加快速度落地城市NGP的能力，而在目前而言城市NGP还对高精地图有着强依赖，那么这就带来一个问题，城市高精地图不仅仅涉及到的范围广阔，而且对更新时效也要求高，需要不的更和进，小鹏方面曾经表示这个更新的度甚至需要做到“天”这级别，这也对超级算力有巨大需求，而恰“扶摇”也足了这个方的需求。
在超算力支持，小鹏或可进行时测算式的地图绘，也意味着或将可迅速地对道上的变化做出反应。例如，今天某地的道路有交通管，那么所有小鹏NGP都会主绕开这条路，而是像在这样，还需要被地等地图供应商的更新。
最后，值得一说是，算的这些功实际上是一更长期的效，并意味马上就能够见到成效，但小鹏超算让我们到，更多产品还比拼有几个载激雷达，用合作的算法来讲故事的时候，鹏已提前进入了能汽的下场。
如智能，何必鹏？
#星创计划#
