一句題外話，我們?cè)趯?xiě)作之余回溯了周光早年的學(xué)術(shù)研究，發(fā)現(xiàn)他早在德州大學(xué)達(dá)拉斯分校攻讀博士期間，就提出“去中心化自穩(wěn)定算法”和“群體協(xié)作智能體”模型，探討如何通過(guò)局部通信與自組織機(jī)制，讓分布式系統(tǒng)在無(wú)中心控制下實(shí)現(xiàn)穩(wěn)定協(xié)同。這種“由局部交互涌現(xiàn)全局智能”的邏輯，與VLA的視覺(jué)、語(yǔ)言、行動(dòng)三模態(tài)的協(xié)同推理架構(gòu)，在思想上已高度契合。

三、VLA 為何需要一座“算力電站”？

然而，為汽車(chē)裝上VLA這個(gè)強(qiáng)大的“物理AI大腦”，難度巨大。它顛覆了傳統(tǒng)的研發(fā)模式，帶來(lái)三個(gè)“指數(shù)級(jí)”增長(zhǎng)的挑戰(zhàn)，讓智駕公司必須重塑自己。

挑戰(zhàn)一：數(shù)據(jù)處理的“量級(jí)之變”。VLA模型吃的不是“二手”的高精地圖數(shù)據(jù)，而是物理世界最原始、最鮮活的多模態(tài)數(shù)據(jù)——海量的圖像、視頻、傳感器信號(hào)。處理這些數(shù)據(jù)，對(duì)數(shù)據(jù)處理的吞吐量和效率提出了前所未有的要求。

挑戰(zhàn)二：模型訓(xùn)練的“范式之變”。訓(xùn)練VLA模型，就像培養(yǎng)一個(gè)天才。不能從零教起，而是采用“知識(shí)蒸餾”技術(shù)：先用一個(gè)擁有千億參數(shù)的云端“教師模型”（基座大模型）進(jìn)行預(yù)訓(xùn)練，再將它的智慧“蒸餾”到車(chē)端僅有幾十億參數(shù)的“學(xué)生模型”上。這個(gè)過(guò)程，對(duì)算力集群的規(guī)模、穩(wěn)定性和調(diào)度能力要求極高。

挑戰(zhàn)三：研發(fā)效率的“成本之變”。“早些年幾百?gòu)埧ň湍荛_(kāi)個(gè)小作坊?！敝芄飧锌?，“但在VLA時(shí)代，幾千張卡是起步，萬(wàn)卡是入場(chǎng)券。”研發(fā)成本結(jié)構(gòu)也從過(guò)去“人力占97%，算力占3%”的勞動(dòng)密集型，轉(zhuǎn)向“人力與算力一半一半”的資本密集型。

阿里云智能AI汽車(chē)行業(yè)線銷(xiāo)售總監(jiān)黃晨，向我們揭示了一個(gè)殘酷的現(xiàn)實(shí)：“一臺(tái)GPU智算服務(wù)器，它每一分鐘的成本都可以核算出來(lái)。你如果只用了70%，那么30%空跑的時(shí)間就是損失掉的真金白銀。”

面對(duì)這些挑戰(zhàn)，自建算力中心已非最優(yōu)解。建設(shè)和運(yùn)維一個(gè)“超萬(wàn)卡集群”，其工程復(fù)雜度、能耗和成本都是天文數(shù)字。智駕公司最明智的選擇，是接入一個(gè)穩(wěn)定、高效、且懂AI的“算力電網(wǎng)”。

這正是元戎啟行與阿里云的合作進(jìn)入深水區(qū)的原因。他們需要的不是簡(jiǎn)單的算力租賃，而是一個(gè)能解決VLA時(shí)代全鏈路挑戰(zhàn)的合作伙伴。

四、超級(jí)AI云的全棧解法

具體而言，阿里云提供的“超級(jí)AI云”，是一套從IaaS（基礎(chǔ)設(shè)施）、PaaS（平臺(tái)工具）到MaaS（模型服務(wù)）的全棧式解決方案，精準(zhǔn)解決其在VLA路上可能遇到的痛點(diǎn)，從而帶來(lái)極致的效率優(yōu)化。

第一重：以極致的工程能力，構(gòu)筑穩(wěn)定高效的算力基石（IaaS層）。

要解決“萬(wàn)卡集群甚至超萬(wàn)卡集群”的穩(wěn)定性問(wèn)題和通信效率瓶頸，無(wú)疑需要久經(jīng)考驗(yàn)的系統(tǒng)工程能力。元戎啟行的算力需求，主要由阿里云PAI-靈駿智算服務(wù)承載，PAI-靈駿的核心價(jià)值在于，通過(guò)自研的高性能網(wǎng)絡(luò)及智能調(diào)度算法，能將大規(guī)模集群的AI算力利用率提升超過(guò)95%。對(duì)于“每一分鐘都是錢(qián)”的智駕研發(fā)而言，這意味著巨大的成本節(jié)約和時(shí)間縮短。

VLA訓(xùn)練中，海量小文件的并發(fā)訪問(wèn)，對(duì)存儲(chǔ)系統(tǒng)是極大考驗(yàn)。對(duì)此，阿里云的分布式文件系統(tǒng)CPFS就派上用場(chǎng)，它提供超高并發(fā)的多機(jī)讀取能力，為萬(wàn)卡集群提供了數(shù)據(jù)的“飽和投喂”，確保元戎VLA模型訓(xùn)練極致高效。

此外，VLA大模型的訓(xùn)練也是一場(chǎng)圍繞數(shù)據(jù)的精密接力賽：對(duì)元戎啟行而言，百PB級(jí)的原始感知數(shù)據(jù)在深圳匯集、清洗和標(biāo)注，最終在阿里云烏蘭察布智算集群完成模型迭代。面對(duì)該問(wèn)題，阿里云的云企業(yè)網(wǎng)CEN構(gòu)建了一張覆蓋全國(guó)的“算力一張網(wǎng)”，可實(shí)現(xiàn)數(shù)據(jù)和算力的靈活調(diào)度。同時(shí)，阿里云的全棧安全防護(hù)體系，可確保元戎啟行在云端訓(xùn)練過(guò)程中的數(shù)據(jù)安全。

這些堅(jiān)實(shí)的基礎(chǔ)設(shè)施，共同構(gòu)成了元戎啟行在VLA時(shí)代加速奔跑的底氣。

第二重：以獨(dú)有的工具鏈，加速數(shù)據(jù)處理與模型迭代（PaaS層）。

說(shuō)完了數(shù)據(jù)訓(xùn)練，那么說(shuō)到數(shù)據(jù)處理，其效率也直接決定了模型訓(xùn)練的速度，如何高效完成海量多模態(tài)數(shù)據(jù)的清洗、標(biāo)注和預(yù)處理，是模型訓(xùn)練的重要一步。

在數(shù)據(jù)處理方面，阿里云自研的分布式計(jì)算框架MaxFrame，日均可完成數(shù)十萬(wàn)級(jí)數(shù)據(jù)包處理，生成數(shù)百萬(wàn)Clips和數(shù)億訓(xùn)練樣本，相比開(kāi)源框架性能提升40%以上。同時(shí)，結(jié)合智能數(shù)據(jù)開(kāi)發(fā)治理平臺(tái)DataWorks，可實(shí)現(xiàn)百萬(wàn)級(jí)任務(wù)統(tǒng)一開(kāi)發(fā)調(diào)度與元數(shù)據(jù)追溯，高效支撐VLA模型海量多模態(tài)數(shù)據(jù)訓(xùn)練。這些工具鏈的高效協(xié)同，為VLA模型訓(xùn)練提供了充足且高質(zhì)量的“燃料”。

接下來(lái)在模型訓(xùn)練階段，迭代速度決定了競(jìng)爭(zhēng)優(yōu)勢(shì)。阿里云專(zhuān)為智駕領(lǐng)域定制“加速包”P(pán)AI-TurboX，在數(shù)據(jù)層、計(jì)算層、系統(tǒng)層深度優(yōu)化。阿里云計(jì)算平臺(tái)事業(yè)部負(fù)責(zé)人汪軍華介紹，TurboX能在多個(gè)主流模型上將訓(xùn)練時(shí)間縮短50%以上——這意味著元戎的模型迭代周期直接減半，能夠更快將新技術(shù)能力應(yīng)用到產(chǎn)品中。

第三重：以開(kāi)源開(kāi)放的生態(tài)，提供創(chuàng)新的戰(zhàn)略縱深（MaaS層）。

如上文所提，VLA模型的構(gòu)建并非從零開(kāi)始，它需要強(qiáng)大的基座模型進(jìn)行知識(shí)蒸餾和調(diào)優(yōu)。在這一點(diǎn)上，阿里云的開(kāi)源開(kāi)放戰(zhàn)略，為元戎啟行提供了助力。

通義千問(wèn)（Qwen）系列模型，作為全球第一的開(kāi)源模型矩陣（根據(jù)Huggingface開(kāi)源大模型榜單Open LLM Leaderboard），它目前全球下載量超6億次，衍生模型超17萬(wàn)個(gè)，為行業(yè)提供了堅(jiān)實(shí)基座。周光對(duì)此高度認(rèn)可：“元戎啟行經(jīng)常用通義大模型去做一些蒸餾，通義開(kāi)源挺好的。”這種開(kāi)放性，讓元戎啟行得以站在基座模型的肩膀上，更高效優(yōu)化自己的車(chē)端模型。

同時(shí)，它支持廠商基于開(kāi)源能力做深度自研，這一點(diǎn)至關(guān)重要。這使得元戎啟行能夠?qū)氋F的研發(fā)資源，投入到智駕垂類(lèi)知識(shí)的積累和創(chuàng)新上，而不是重復(fù)造輪子。

從IaaS的工程能力，到PaaS的工具鏈，再到MaaS的開(kāi)源開(kāi)放生態(tài)，阿里云提供的“超級(jí)AI云”全棧能力，構(gòu)筑了其在智駕訓(xùn)練領(lǐng)域的重要地位。正如阿里云智能集團(tuán)公共云事業(yè)部AI汽車(chē)行業(yè)總經(jīng)理李強(qiáng)在一次公開(kāi)演講中提到，超過(guò)60%中國(guó)智能輔助駕駛的AI算力來(lái)自阿里云。這足以證明，阿里云已成為智駕訓(xùn)練中那朵好用的云。

五、選擇對(duì)的伙伴，駛向更遠(yuǎn)的路

誠(chéng)然，強(qiáng)大的技術(shù)基建，最終要轉(zhuǎn)化為商業(yè)成果和產(chǎn)業(yè)引領(lǐng)。

在商業(yè)策略上，許多智駕公司廣撒網(wǎng)、服務(wù)多個(gè)品牌車(chē)型（多SKU），而作為全棧智能駕駛解決方案提供商元戎啟行，再次展現(xiàn)了與其技術(shù)路線一致的“專(zhuān)注”。

周光進(jìn)一步指出，有的智駕公司SKU特別多，但月銷(xiāo)可能只有幾百臺(tái)；元戎啟行專(zhuān)注于“大單品”策略——集中資源與車(chē)企深度合作，打造爆款車(chē)型。在他看來(lái)，只有深度合作，才能打磨出極致的產(chǎn)品體驗(yàn)?！澳阍绞亲龅纳ⅲ龅碾s，你這個(gè)產(chǎn)品越難?！?/p>

這種“少而精”的策略背后，是對(duì)自身技術(shù)研發(fā)效率的絕對(duì)自信。而這份自信，很大程度上來(lái)源于其選擇了一個(gè)能提供長(zhǎng)期價(jià)值、深刻理解AI、并具備開(kāi)放生態(tài)的云合作伙伴。

當(dāng)然，智駕的商業(yè)化過(guò)程中，成本控制也至關(guān)重要。如今智駕已成標(biāo)配，而非溢價(jià)項(xiàng)。黃晨告訴我們：“車(chē)上有智駕，不一定讓你多賣(mài)1萬(wàn)塊，但如果沒(méi)有，一定不被接受。”