全球混凝土行业元宇宙供应链平台

3月27日晚间，康希诺生物股份公司（下称“康希诺”）发布2021年年度报告。 数据显示，康希诺2021年实现营业收入42.99亿元，相较2020年同期的2489万元大增17174.82%；净利润实现19.14亿元，2020年同期则为亏损3.97亿元。基本每股收益7.74亿元，2020年同期则为亏损1.72元。 分季度看，康希诺分别在2021年第一季度至第四季度实现营收4.67亿元、15.94亿元、10.24亿元和12.14亿元。净利润分别实现-1.4亿元、9.51亿元、3.97亿元和5.8亿元。分地区看，境内贡献营业收入12.4亿元，相较上年同期增6600%；境外贡献营收30.57亿元，相较上年同期增长48074%。 公开资料显示，康希诺是一家致力于研发、生产和商业化符合中国及国际标准的创新型疫苗企业。现主要从事疫苗的研发、生产及商业化，主要产品为重组新型冠状病毒疫苗（5 型腺病毒载体）、脑膜炎球菌疫苗、重组埃博拉病毒病疫苗（腺病毒载体）、百白破疫苗、肺炎球菌结合疫苗、结核病加强疫苗等。 作为一家创新型企业，研发人才是核心竞争力。财报数据显示，截至2021年末，康希诺研发人数309人，占公司比重15.88%，平均薪酬29.8万元。 从股东持仓来看，焦巍管理的银华富裕主题混合基金四季度末持有康希诺340万股，首次进入前十大股东。从该只基金过往持仓看，焦巍于2021年中报时建仓174万股，并于三季度加仓至218万股。 截至发稿，康希诺股价报261.86元/股，总市值648亿元。

3月25日，蔚来发布年报，“赚钱”能力增强，但研发投入近乎翻番，因此与大部分新造车企一样，蔚来未实现盈利。李斌称扩大技术投入“是不会妥协的”，且还会继续加大。背后逻辑很简单，维持毛利水平的基础上，通过不断扩充产品，在量产车型中放大技术优势，支撑蔚来的销量提升，而提升销量后，研发投入会被分摊，从而实现盈利。 为了长期主义，蔚来不怕亏？ 蔚来更会花钱了。 3月25日，蔚来发布2021年年报及第四季度财报。财报显示，去年第四季度，蔚来研发支出达到18.29亿元，较上个季度增加53%，也是蔚来美股上市以来研发投入最多的一个季度。根据财报显示，蔚来2021年全年研发投入为45.91亿元，较上一年度24.9亿元的研发投入增长84.7%，占营收12.7%。 事实上，蔚来主营业务的“赚钱”能力增强。从财报来看，蔚来整车毛利率维持在20.1%。截至2021年1月，蔚来品牌车辆平均成交价超43万元，高于很多传统豪华品牌。 另一方面，蔚来的亏损收窄24.3％，在仍未实现盈亏平衡的基础上，研发投入大幅增加，是限制其现阶段盈利的一大原因。 “去年（2021年）我们基本上执行的公司财务战略是我们的毛利能覆盖销售费用和管理费用，我们执行得还不错。”李斌称，过去一年，公司的主要亏损即在于对长期研发的高投入。 不止蔚来，事实上，目前大部分新能源车企都未实现盈利。这背后，如果把新能源汽车比作上半场，智能网联汽车比作下半场，中国汽车行业上半场取得了很大成效，但决定胜负还在下半场。车企也深谙此理，在下半场的竞争中，谁都不敢松懈。 财报电话会议上，蔚来创始人李斌称，在毛利已经可以覆盖销售管理费用的经营现状下，蔚来将在未来几年继续加大研发投入。 “我们全年的研发投入与去年相比，增长会超过一倍，有很多是长期技术的研发，包括明年上市新车型的研发，也包括进入全球市场的一些车型的适配。今年年底预计研发人员会到9000人的规模。”李斌说，“（对于）研发的投入毫无疑问，我们是不会妥协的。” 对于蔚来加大研发投入的逻辑，理解起来并不复杂，由于新能源汽车已经进入了超大的增量市场。今天能不能赢，并不重要，毕竟目前市场盘子还不够巨大，但是随着新能源汽车市场渗透率加大，接下来几年能不能赢，就十分重要了。到最后，各家车企拼的是全方位能力。其中，最重要的一项就是技术能力，包括全栈自动驾驶技术和动力电池相关的关键领域。 为了接下来的三至五年中能够更有竞争力，蔚来只能暂时放弃短期内盈亏平衡的目标。对此，有业内人士认为，这是在产品和技术高倍速更迭的新能源智能汽车赛道上，把资金投进去做研发，为了打造出更多有竞争力的技术和产品的做法，目的是几年之后的市场爆发。 蔚来的危机意识：预防“卡脖子” 毫无疑问，在技术、产品、商业模式高倍速迭代的新能源汽车市场，加大研发是竞争所需。 这一点，在软件和智能驾驶层面体现得淋漓尽致。蔚来虽然已建立起足够的研发实力，但汽车工业全方位智能化的过程，目前还是正在进行时，对于一家在长跑赛道上竞赛的企业而言，蔚来需要投入更大精力主动探索，而这些都需要持续的投入。 软件能力是未来车企打造差异化必不可少的条件，而车企围绕人才的竞争焦点也“由硬向软”，从传统造车技术人才转变为智能网联、自动驾驶等领域人才的竞争。 当大众汽车宣布组建5000人的软件部门时，就代表着大众加速车内智能布局以及数字化转型步伐，这就意味着，造车逻辑发生了根本变化，车企追求产业链核心技术的自主可控和技术创新研发已成为刚需。 以行业标杆特斯拉为例，2020年，特斯拉的研发费用合到每辆车上近1.9万元，是行业平均水平的3倍，在埃隆·马斯克眼里，汽车就是一个可以载人的“机器人”。 为加强技术能力，蔚来“求贤若渴”，2022年要把自己的研发团队扩大到近万人的规模。 “没有全栈自研的能力就会被卡脖子。” 一位蔚来内部人士告诉《财经天下》周刊，当前，人才是车企争夺战中最重要的，没有人才就没有全栈自研的能力，自动驾驶研发、电池研发这些核心技术研发都要人。 据不完全统计，车企发布的自动驾驶研发、智能座舱设计、软件工程师、用户运营等岗位的需求同比增幅已经超过1.8倍。蔚来储备更多人才，也是为了解决技术问题。 实际上，现在蔚来服务好、品牌口碑也不错，但蔚来部分产品，的确走在技术升级的十字路口上，主动升级成为必须投入精力的事情。 此外，李斌承认，目前其在售车型ES8、ES6、EC6座舱等智能硬件，已经到了升级的周期内，“2022年我们计划对ES8、ES6、EC6进行智能硬件的升级，同时也会给现有的用户提供后装升级服务。” 此情况下，蔚来只能加大投入来维持赶超。而智能化等技术的全面投入，是提升企业竞争力和改善盈利水平的重要因素。这些已在蔚来的诸多产品上得到体现，但未来会继续体现在更多产品上。 在业内人士看来，蔚来“烧钱”研发实现盈亏平衡的逻辑很简单。维持毛利水平的基础上，通过不断扩充产品，在量产车型中放大技术优势，能够继续支撑蔚来的销量提升，而提升销量后，研发投入会被分摊，从而实现盈亏平衡乃至盈利。 2024年盈亏平衡，蔚来还需做什么？ “对核心技术的研发投入，不仅能够增强我们技术和产品的持续竞争力，长期来看也能提升毛利率水平和盈利能力。”李斌还明确了其具体的市场预期扭亏为盈的时间点会出现在2023年第四季度，并在2024年全年实现盈利。 要想实现盈亏平衡，一般有两种路径：第一是增加营收和毛利率；第二是减少支出。蔚来目前处于加大研发投入阶段，新车型亟待推向市场，渠道和换电站也在扩张，支出显然必不可少。 至于增加营收最重要的方式，就是多卖车。需要注意的是，2021年，蔚来的全年毛利率提升至17%，蔚来整车毛利率达到20.1%，创历史新高。稳健的整体毛利率为蔚来接下来的发展奠定了盈利的基础。 这也就意味着，蔚来车卖得越多，整体毛利就越高，支出虽然在增加，但只要收入增加的速度高于支出增加的速度，实现盈亏平衡就比较容易了。过去一年蔚来的净亏损比收窄，也离不开销量的增长，以及毛利率的提升。 事实上，蔚来也将此次盈利的主抓手放到了汽车销售主营业务上，并发起了自成立以来最大规模的一次产品攻势。2022年，蔚来将推出包括ET7、ET5、ES7在内的三款基于第二代技术平台NT2打造的全新车型，另外，面向大众市场的新品牌首批产品也已经进入了关键的研发阶段。 新车型代表了蔚来的最新技术水平，在ET7身上，蔚来倾注了大量心血，在这场核心实力上的较量中，外界可以从ET7的身上看到蔚来有要赢的冲动。 它是蔚来NT2平台开发的首款高度智能化电动旗舰轿车，采用最新的Orin芯片，算力高达1016TOPS，是目前最强大的量产移动计算平台，此外还采用了固态电池，续航里程最高可达到1000公里，蔚来ET7的目标竞争对手是宝马5系。 ET5作为一款中型轿跑，为蔚来打开了30万元价格大门的局面，是蔚来的入门款车型。李斌直言，ET5的订单火爆程度超过蔚来此前所有车型，该车型预计2022年9月开启交付。而中型5座SUV产品ES7本来预计将于今年北京车展对外正式发布，同时与宝马X5直接展开竞争，国产前的X5目前的月销量稳定在4000多台，蔚来对这款车的期待很高，该车将在今年第二季度发布并交付。 但《财经天下》周刊也注意到，从车型配置上看，这三款车型具备很强的竞争力，对接下来的交付会有很大提振作用，即便蔚来有NT1和NT2两个几乎完全不同的车型平台，属于新旧平台共存，但并不会影响现有车型的市场竞争力。 正如李斌所说：“我们不认为这会对现在的866SUV的销售有什么影响，它应该会是一个增量。ES7所在的五座SUV市场容量是20多万辆，而且还在不断地增长，我们对这个细分市场还是非常有信心的。” “现在卖车环境也与燃油车时代大不相同，新能源车企其实都是在找自己的用户和市场生存空间，只讨好属于自己细分市场的人。”一位业内人士告诉《财经天下》周刊，但挑战在于，“三辆新车毕竟交付时间晚 ，同类优秀产品也越来越多，我预计放量的时间会有所延长。” 事实上，蔚来毛利水平较高，现在对2023四季度盈亏平衡的预期，其实已经是参考了原材料上涨的现实因素。 与此同时，行业面临部分原材料上涨压力，李斌明确表示，目前在售车型ES8、ES6和EC6近期不会涨价，但三款新车会针对智能硬件进行提升。“我们要看到时候原材料价格来制定具体政策。” 李斌还透露，出于对原材料成本上涨的考量，2022年全年整车毛利率目标为18-20%。 另外，蔚来的大众化新品牌也有了最新的消息。“蔚来品牌主要在5万-10万美金的区间，然后用一个新的品牌进入大众市场，这是一个更好的策略。保时捷、奥迪、大众，或是雷克萨斯和丰田，都是非常成功的例子。”李斌说，进入大众市场的前提是通过完整的效率导向去设计有足够毛利的产品，“我们不会牺牲毛利去进入大众市场。” 据悉，目前该业务工作进展顺利，核心团队搭建完成，首批产品也已经进入了关键的研发阶段。蔚来品牌的大面积投入或许也可以赋能给大众市场新品牌，助其更快实现盈利。 此外，2022年，蔚来将累计建成1300座换电站，6000根超充桩，10000根目的地充电桩，全面提升蔚来服务和销售网络体系实力。2022年，蔚来将继续在中国扩展销售服务网络，计划全年新增不少于100个销售网点，新增超过50家蔚来服务中心和授权服务中心。 日渐成熟的产品和服务、充足的现金流、逐步加强的成本控制能力和资金使用效率、越来越完善的供应链体系，也让蔚来的护城河不断加深并加宽。 “蔚来现在的现金流很充裕，现金存货差不多554亿元，虽然足以支撑起其基础设施和业务运营，但还是需要合理调整控制，做好健康发展。好日子也要当紧日子过。”一位业内人士说道。

“伴随着新一轮的科技革命和产业革命，中国汽车正在经历着百年一遇的重大变革，电动化拉开了汽车产业的序幕，而人工智能、自动驾驶、车路协同正在重构未来的汽车、未来的交通和未来的城市。”在3月26日举办的中国电动汽车百人会论坛（2022）上， 百度集团资深副总裁、智能驾驶事业群组总经理李震宇指出。 展望未来汽车，百度认为，它将会具备自我进化能力的新物种，它将具有情感和智慧的机器人，不仅具备L4级别或者L5级别的自动驾驶能力，而且能够比人类驾驶更安全。它还具备语音、人脸识别等多模交互能力，可以分析用户潜在的需求，主动提供服务，是忠诚陪伴人类出行的智能助理。此外，它还具备自我学习和不断升级的能力，可以在各类场景中为人类提供服务。 而面向未来交通的发展，李震宇认为，在未来10年甚至40年，车路行一体化是交通发展的必经之路，从数字化（人类驾驶员&应需交通诱导），到网联化（少量无人驾驶&环境信息辅助）再到自动化（完全无人驾驶&一体化决策）。 随着未来交通系统的升级，汽车机器人的日益普及，丰富的智能网联场景将应用到阡陌之中，城市规划、能源供给、通信服务、产业发展等相应发生创新变革，交通出行行业的技术创新，让城市治理、人们的生活更加美好，人享其行，物畅其流，我们的生活将变得更加安全、便捷、高效、经济、绿色。 百度在出行这个大领域也耕耘了近十年，李震宇在此次论坛上重点分享了百度在实践过程中的发现的一些重要机遇。 创新机遇1：自动驾驶正在成为智能汽车的竞争焦点。 随着各方的投入、政府政策的支持、相关企业的竞争，将加速自动驾驶时代的到来。在过去一年，自动驾驶发展明显提速。去年5月，在北京的首钢园区首先开放了商业化的无人化运营，在今年1月，北京的开放道路上已经开始了大规模的无人化测试，驶入了亦庄核心区域的社会开放道路。 同时也看到，自动驾驶也在加速商业化的运营落地。去年11月，北京正式开放了国内首个自动驾驶出行服务试点，自动驾驶正由技术验证、产品开发迈向了商业化布局的新阶段。百度获得首批运营许可，得以把服务放在真实的环境中接受市场的体验。自动驾驶服务已经开始慢慢成为一些老百姓通勤的选择之一。目前百度的萝卜快跑，已经在北上广深等八个城市面向公众区开放。 百度在实践中也深刻意识到，其实未来已经到来，无人化正成为全球自动驾驶技术、产业竞争的制高点，是智能网联汽车发展的必然趋势。 创新机遇2：车路云图融合发展，是中国汽车产业“换道超车”的关键路径。 近年来，传统的交通正在实现智能化的升级，这个智能化的转型可以理解为“一个数字底座”、“三个智能引擎”，还有上面支撑的“N个生态应用”。 简单来看：“一个数字底座”是车路云图的数字化升级，“三个智能引擎”分别以自动驾驶、车路协同、MaaS出行服务为核心的技术，“N个生态应用”就是在车路云图的智能底座基础上形成新的产业生态。整体架构，面向未来，还能服务当下。 车路云图为所有的参与者提供服务、创造价值，广大的开发者生态合作伙伴和产业上下游都可以进行丰富的应用开发，比如面向未来的自动驾驶出行、园区的新物种，还有服务当下的智能信号灯、智能停车、智能网联服务等。这些应用在过去一段时间都取得很显著的进展。 车路云图数字化升级，可以让交通更加高效。在河北保定，百度的“ AI 智慧交管大脑”让红绿灯能够看清路口流量的状态，能够看懂交通的演变规律，并实时动态调整红绿灯的配时策略，就是灯看到车，车过来的时候适时调整。目前已经在多条主干道形成绿波带，让市面一路绿灯出行，不再依赖好运气，行程时间缩短了20%。 在长沙，百度建立了覆盖全域的停车管理平台，静态交通管理和市民动态服务结合起来，改善了城市停车难、停车乱的现象，有效提升了城市核心区的通行效率。核心区的泊车位，周转率提高了3倍，周转效率提高了56%。 车路云图在智能网联中的广泛应用，还可以创造更大的价值。在高速场景中，过去因为雨雾这种恶劣天气，经常封路，因为有些是安全管理的要求，也有些是基于实际技术水平的限制，会存在一些不合理封路的情况，也带来了很大的经济损失。 实际上，智慧高速可以有效解决雾天通行的问题。通过车路协同看到车端视角的问题，能够保证车辆安全行驶，预计可以大幅度降低不合理的封路和交通事故，实现高速公路准全天候的通行。 而在城市的复杂场景，车路云图的协同应用正在加速自动驾驶的规模落地。自动驾驶规模化落地的最大挑战是安全，目前来看，在城市道路里最难的是路口，仅仅凭着单车智能，会存在一些场景中无法解决的问题。 比如，信号灯遮挡、盲区感知、超远视距，还有一些障碍物、地图更新等，但是这个路口经过升级之后，可以有效的解决这些问题，路侧的基础设施已经具备了感知和规划决策的能力，高精地图能够提供动态的更新路况的信息，云端的数据能够提供协助的决策，相辅相成。 同时云端还有一个5G的安全员，他可以提供远程的安全冗余，车路云图协同应用可以带来图中显示的上帝视角，支持车辆在车端的控制执行，打破单车感知和场景理解的局限性，降低困难场景的复杂度，提升路口的通行效率。 在去年5月份，百度联合清华大学智能产业研究院、北京高级自动驾驶示范区一同发布了Apollo Air计划，共同验证了车路协同可以让自动驾驶更经济、更安全。李震宇表示，百度坚定的相信，车路协同的技术价值和市场价值，是中国汽车产业实现换道超车的关键路径。 在演讲分享的最后，李震宇表示，“一直以来百度Apollo秉承开放的理念，以领先的技术和开放的平台，向全社会赋能，开放能力，共享资源，加快创新，持续共赢。我们相信智能汽车、智能交通的发展，来自于产业技术突破和上下游的紧密协同。”（本文首发钛媒体App

导读： 百度智能云于3月9日对外宣布落地新一代高性能AI计算集群，可提供EFLOPS级算力支持，并发布新一代GPU服务器实例GPU-H5-8NA100-IB01。 3月16日，智东西公开课联合百度智能云、英伟达，策划推出「百度智能云&英伟达新一代高性能AI计算集群」线上分享会，并在B站企业号“百度智能云的朋友们”和“百度智能云”视频号，以及“智猩猩”视频号上成功进行同步直播。 百度智能云的异构计算产品经理玄凌博、资深研发工程师孙鹏、资深系统工程师武正辉，以及英伟达解决方案架构师程帅四位技术专家参与了本次线上分享会，并围绕新一代高性能AI计算集群中的技术方案和应用进行了深入剖析。 GPU云产品体系介绍和应用场景分享 百度智能云异构计算产品经理玄凌博 从算力维度出发，首先回顾企业在计算方面的发展 按照时间维度，企业有四个典型的计算发展阶段： 1、2006年以前，大多数企业仍是以传统物理机为主的单体IT架构； 2、2006年以后，随着企业上云的大趋势，迎来了云计算的时代，并随着云服务器、弹性裸金属等产品的爆发，能够弹性按需的满足企业对IT资源的使用诉求； 3、2017年以后，随着云原生技术的成熟，像容器、微服务等技术不断的商业化落地，能够为企业提供极致弹性，云原生应用的开发架构； 4、2020年以后，随着人工智能技术不断的爆发及增长，现在正迎来一个AI原生云的阶段。 企业需要极强的AI算力，来满足各个AI应用相关的开发及训练。在这个时代，云服务器厂商需要提供极致弹性且高性能AI算力，是适用于AI应用开发的云架构。 为了更好的解决人工智能计算的并发问题，通常会使用适用于计算密集且易于并行计算的GPU。 随着计算架构的不断发展，异构计算加速器通常会包含多种计算核心，来更有效率的加速特殊数据格式的计算。以NVIDIA GPU为例，通常CUDA Core是面向通用计算的计算核，能够计算几乎所有的数据格式。RT Core则是面向渲染里做光线追踪的加速单元，而Tensor Core则是面向人工智能或深度学习里做矩阵向量乘加的核心。近年来，很多国产的AI芯片也采取了类似的思路和策略，例如昆仑芯，包含拥有大量的面向矩阵做加速的处理单元。 异构计算是AI原生时代重要的算力底座。百度内部拥有大量的AI应用场景，多年的AI算力建设经验和技术积累，通过百度智能云对外提供的异构计算云服务，能够赋能千行百业。 云上的异构计算服务主要分为两种：一种是以BCC异构计算云服务器的形态，提供极致弹性、灵活、高性价比的算力规格。而搭配BBC异构计算的弹性裸金属服务器，能够做到算力的零虚拟化损失、百分百服务于客户业务，提供极高性能的算力，且满足部分客户对安全隔离性的要求。 百度智能云支持丰富的异构加速卡的型号，支持英伟达最新的安培架构计算卡，也提供自研的加速芯片昆仑芯。在高性能的异构计算上，用户可以在分钟级创建以往可能花费需要数月来构建的InfiniBand集群环境。 在产品命名上，主力产品的实例规格族和异构卡类型是一一对应的，比如GN5通常会支持英伟达安培架构的卡，GN3会支持上一代的架构，像V100、T4等。在实例规格的搭配方面，实例根据GPU的一些物理规格，例如显存、SM等，经过了合理CPU、内存配比。针对部分的异构计算卡也提供了像vGPU的实例，能够提供更具性价比的计算算力和渲染算力服务。 在面向AI应用爆发的时代，异构计算产品也在不断打磨，推出新的产品特性。除了业界对云服务的一些通用要求，像运维及弹性按需之外，百度智能云也深耕GPU虚拟化技术，通过透传、GPU分片以及多容器共享等技术，能够更好的提高客户对资源的利用率。在硬件层面上，也是百度智能云投入的重点，陆续推出了自研的AI芯片、AI架构服务器，即X-MAN，以及云上高性能的网络组网方式，目的是能够不断提高AI全栈的负载计算效率。 在异构计算卡、服务器和网络等方面，百度智能云的产品能力有哪些？ 不同GPU的型号都有不同的定位，面向计算的GPU，比如AI推理、训练或者HPC的型号，通常会在双精度浮点FP64以及半精度FP 16上做一些特殊的加强。有些GPU则会支持更多的应用场景，例如A10，有更多的CUDA Core和RT Core，在渲染场景也有很好的性能，提供更强的单精度算力。 除了计算单元，显存也是一个很重要的参数。A100和A30都是支持HBM的。对于一些访问密集型的计算，HBM显存会有更强的性能表现。此外一点是GPU的P2P能力，PCle这一代在双向带宽上可以做到64GB，而支持NVLink的计算卡，比如A100、V100，能够在GPU P2P上有进一步的能力提升，像最新的NVLink 3.0，可以做到双向600GB的量级。 除了英伟达的卡，昆仑芯也来迎来了第二代。第二代的昆仑芯在性能上都有了全方位、大幅度的提升，比如在通用性以及各个规格的算力，工艺也从13纳米到了7纳米。除了性能的提升，也集成了ARM核，可以更好的适用于一些边缘计算场景。此外，也考虑到了分布式的典型AI应用场景，昆仑芯也可以支持K-Link这种高速P2P能力。如果客户在云上突然对虚拟化有一些诉求，昆仑芯可以在物理上支持虚拟化。在软件的适配性上，提供了更友好的开发环境，支持C和C++编程。 本次讲解的重点话题是云上的高性能计算集群，以往企业搭建一套高性能计算集群，需要投入极高的人力成本和数月的时间成本。而大部分客户使用高性能计算，追求的是极高的业务时效性。使用百度智能云可以分钟级获取到一套高性能的异构计算实例，也就是利用最新发布的高性能H5系列，来组建高性能集群，这套实体也是基于X-MAN架构来对外提供服务。 在计算效率上，数据的访问效率及通信效率都进行了硬件层面的升级与增强；在配置上，标配了业界最高规格的配置，比如英特尔铂金系列CPU，全闪存的本地盘，还有和GPU 1:1配比的InfiniBand网卡；I/O设备可以直连A 100 GPU，这样可以通过GDR、GDS加速GPU读取I/O设备的访问效率。 在集群分布式的AI训练中，往往会有一半的时间用于GPU节点之间做梯度交换，而在交换时则会造成计算资源的闲置或浪费，影响了整个模型的收敛效率。那RDMA的高性能网络，可以极大的降低节点之间的时延，而InfiniBand作为天然支持RDMA的通信协议，有极强的性能表现。InfiniBand对比传统TCP IP协议，对时延有极大的提升。 从实际模型的训练表现来看，以BERT的训练为例子，高性能计算H5对比云上普通的A100，在单节点上差距并不明显，但在整个集群训练中，即便是4节点的小规模计算集群，高性能计算H5也可以带来近2倍的吞吐性能。更高的吞吐意味着模型收敛时间可以进一步降低，一个小时的训练任务可以缩短到接近半个小时，成本可以节约近50%。 那么如何更有效率的发挥硬件的性能？百度在去年推出了百度百舸·AI异构计算平台，除了高性能H5这些计算实例外，也推出了AI容器、AI存储，进一步能提高GPU工作效率和作业效率，像AI存储可以提供百万级IOPS和百万GB吞吐的能力，可以进一步的提高训练数据读取效率；AI容器则提供多种调度以及GPU增强能力，比如AI作业调度、集群管理能力，并且提供GPU容器虚拟共享。 超大规模AI异构计算集群的设计和优化 百度智能云资深研发工程师孙鹏 最近，业界有一个很大的趋势是训练规模越来越大的模型。从GPT-3开始，模型已经被推到了千亿参数量的维度。从2020年到现在，各个厂商也在不断推出更大参数量的模型，比如OpenAI的GPT-3、Google的Switch Transformer，百度去年也先后推出了多个大模型，像ERNIE 3.0 Titan，它是全球最大的中文单体模型。 现阶段大模型还会成为一个逐渐演进趋势，比如可以类比人脑，通常认为人脑中有861亿个神经元，每个神经元大概有7000多个突触，近似的做一个类比或代换，大概有60万亿的参数规模，约是GPT-3模型参数量的300多倍。现在的模型规模离人脑的通用智能还有很大差距，这会是一个值得持续投入和研究的领域。 那大模型究竟是个什么样子？该怎么用它呢？文心大模型提供了一个线上试用的地址： https://wenxin.baidu.com/wenxin/ernie，感兴趣的同学可以打开试一试。 文心大模型可以在NLP领域支持多个任务，包括歌词续写、旅行问问、剧本生成、对联续写等。举个简单例子，输入文本“7月11日准备去青海，该准备怎么样的服装”，文心大模型会根据训练过的模型数据自动生成一段对话：“如果是自己去，要准备好衣服、雨衣、帽子、墨镜、手机、相机，还有一些生活必需品，如手表、相机、雨衣、防晒霜、太阳伞、洗发液等。这些是在青海的基本必需品。”，结果看起来比较符合真实场景，也比较符合人类智能，这就是用大模型的实际感受。 同时，大模型不仅业务效果好，而且对业务还会产生很多的收益，比如随着模型规模越来越大，业务训练过程中的损失会越来越低，而且呈Power-law的趋势。并随着参数规模的倍数增长，Test Loss会线性下降，这也带来了一个启发：可以用大模型的方式提升整体业务的训练效果，或整体业务在线上的效果。 除此之外，研究人员还发现大模型可以通过小样本在其他领域取得很好的效果，不需要像原来一样，对每个业务场景都重新训练一遍，而是先拿一个大参数的预训练模型，结合特定领域的小样本做finetune，可以很快完成业务的迭代。而从一定程度上也反映，它其实是一种更接近通用智能的方式。 虽然大模型有很多好处，但大模型训练会很难，那究竟多难呢？比如有3000亿条词语，需要1750亿的参数，这样的模型计算量大概是420ZFLOPS，其中1 ZFLOPS是1024 EFLOPS，1 EFLOPS又是1024 PFLOPS，这是一个非常大的数量级。也有论文分析，对于这么大的参数、这么多的样本，用1024张A100卡，也需要月级别才能完成训练，这对整个训练和技术架构的挑战都是非常大的。 百度智能云现在做的就是如何在大规模参数情况下完成高效稳定的持续训练。模型训练需要这么多的参数，也需要很多的计算资源，因此需要搭建一个集群来支撑整个训练。 有集群建设经验的同学可能知道，搭建一个集群并非易事，这个过程会有很多不同的选择，比如单机该如何选，训练卡是什么样，训练卡内部的互联方式是什么样，多机之间又应该如何架设网络保证它们之间能高效通信，网络规模又需要是什么样的，这些都是在集群建设中很关键的问题。 要解答这些问题，必须深入整个理解大模型训练的过程和模式。所以接下来会结合现在业界比较主流的几种大模型训练方式，对它进行展开和剖析，看看完整的训练一个大模型需要什么样的计算、通信和过程。 先来看下业界比较主流的混合并行的模式，混合并行是指什么？先来做一个简单的数学计算题，在当前的大模型下，假设以1000亿参数为例，每个参数需要占4个字节，是FP 32的数据类型，因此仅对于这个参数来说，就需要400G左右的存储空间。对比市面上最大的计算卡，一张卡可能只有80G，像NVIDIA A100，在400G到80G之间存在一个很大的GAP，尤其是包含了其他的一些梯度等中间变量之外，GAP会变得越来越明显，所以无法简单粗暴的像以前一样把一个模型塞到一张卡里，然后通过纵向扩展数据卡来提升训练效率，而是一定要把模型做切分。 目前，大模型通常都是BERT类模型，BERT类模型的特点是不断的堆叠Transformer层，这种堆叠天然的带来一些切分的策略和方式。业界通常有几种切分策略，如BERT模型中的两个Transformer层，这两个Transformer层之间会有前后的依赖关系，即在第一层计算完之后，把计算结果传送到第二层再开始计算，这就带来了一种切分的可能性，就是按层切分， 把这种每层切分的方式叫做流水线并行，因为层与层之间可以认为是流水线的过程，先把第一层计算完，然后再流水的计算第二层。 除此之外，再观察每一层内部，在大模型的环境下，MatMul参数会特别大，导致其中的矩阵张量都会很大，在一张卡上计算会比较慢，那如何加速这个过程呢？可以把模型中的张量一分为二，一部分卡负责其中的一部分计算，它们之间的额外代价需要进行一些通信操作，这种切分由于是把一个张量一分为二，所以这种切分策略通常称为张量切分或模型并行。 有了这样的切分方式之后，模型基本可以做一个完整的训练。由于样本比较多，这时训练效率会比较低，可以通过传统的数据并行方式，不断的堆叠这些层做数据训练的加速，这就是纵向扩展方式，也是大家比较熟悉的数据并行方式。 因为显存占用还是比较紧张的，还有一些减少显存占用的策略和方式，大家比较熟悉的是Sharding方式。这些混合策略整合起来，会形成混合并行的策略，像百度飞桨提出的4D混合并行策略就是将这几种运行策略做了组合。这个是第一种大模型训练方式，即混合并行的模式。 业界还有另外一种训练方法，称为混合专家模式，或专家并行模式。专家并行模式是原来一个模型由一张卡的一部分做计算，但由于模型参数很大，所以需要把它打散到不同的卡上。现在对一些层面压缩模型的大小，让每一个卡或每一个专家只负责处理其中的一部分参数，然后只需要横向扩展不同的专家个数，就可以达到参数上的成倍或者线性的扩展。好处是可以在计算量基本不变的情况下，大幅增加模型的参数量，从而在更低廉的规模集群上完成训练，但这个训练同样也会带来一些通信能力上的要求。举个例子，原来每一个专家可能分别会有自己的一些数据，但是现在要把这些数据分发给不同的专家，所以会做一个给所有人发送数据的操作，即是All2All的操作。这个操作对整个集群的网络压力或网络要求非常高，这就是常见的专家并行模式。 在百度内部我们对整个训练的模式做了更细微的观察，以及更量化的计算。如果以1000亿参数的模型为例，对于不同的切分模式、切分策略，在通信的卡数、通信量上以及在通信过程中做计算时间都会有不同的差异，这就能整体推导出对集群需求会不一样。比如流水线并行，一般会把不同流水线的层放到不同机器上，机器之间需要互相传递最后一层的激活以及反向梯度，这通常是一个标准的Send/Recv操作，而这个数据量大概在MB级别。这种并行模式对集群的要求是机间的P2P带宽延迟要非常低，从而尽量减少对整个模型训练的阻塞。 大家比较常见的数据并行模式，同样也会把它分成不同的组，然后组内全部卡都要做数据并行的AllReduce操作。虽然看起来数据通信量很大，但是留给它的计算时间相对的充裕一些，不过整体上来看，仍然要求很高的机间高吞吐AllReduce操作。 最后一个是专家并行模式或者混合专家模式，它要做全卡之间的All2All操作，每张卡在往外发数据的同时，每张卡还要做收数据，这对整个集群要求非常高，尤其是对网络上的吞吐和整体网络的交换能力，这个也导出了要求机间高吞吐All2All的需求。 结合论文来看，还有一个隐式的需求，比如在英伟达在《Efficient Large-Scale Language Model Training on GPU Clusters》论文中预估过：1750亿参数的模型，在3000亿样本的规模下，即使是1024卡，也需要训练34天。维护过集群或做过分布式学习的同学可能都会知道，这么多卡在这么长时间之内不出现故障基本是不可能的，那如何保证在有故障发生的情况下，模型能持续稳定的训练，也是亟需解决的问题。 总之，为了训练一个完整的大模型，要建设一个机内高速通信、机间有低延迟高吞吐能力，同时支持大规模算力的集群，还要保证它能持续稳定的月级别训练。 百度智能云推出的百度百舸·AI异构计算平台，就是基于这样的AI工程能力构建的解决方案。 百度百舸·AI异构计算平台在底层使用了超级AI计算机X-MAN，也基于InfiniBand做了一个大规模网络的建设，同时还配合上自己的高性能存储，解决了数据I/O的问题。在这之上，还给AI容器做了一些优化，比如有高效的AI作业调度、AI加速引擎，再配合上PaddlePaddle框架、TensorFlow框架、PyTorch框架，可以很方便的给开发者提供高性能、高效率且稳定的大规模模型训练的平台和场景。 首先，从单机层面看，单机用的是X-MAN 4.0超高性能计算机。这款计算机上搭载了8块NVIDIA A100 80GB GPU，共提供640G显存，因为需要卡与卡之间的高性能通信，所以启用了NVSwitch，保证机内带宽能做到134GB每秒。同时，为了能保证机间能做高性能的互联，最终选择了8×200G的网卡，接下来会用IB网络做互联。这台机器的效果怎样呢？在最近发布的MLPerf 1.1单机训练A100 80G规格中，做到了全球TOP 2。 再来看下集群，集群上关注的是规模如何以及集群互联方式是什么样的。这里选用了一个面向大模型优化过的三层Clos架构，分别是Tor层、Leaf层、Spine层，它最大能支持到16000卡的超大规模集群，这个规模是现阶段全IB网络盒式组网的最大规模。 上面提到在计算过程中会频繁做AllReduce操作，甚至会做All2All操作。结合这些计算模式，尤其是针对AllReduce需求，做了一个8导轨网络的定制优化，即在同号卡尽量减少跨网络的跳步数，从而增加网络的稳定性，以及减少对整体网络的冲击。此外还充分使能了IB网络中的Sharp能力，整体支撑集群的稳定和持续训练。 在网络架构上，结合CPU、 GPU做了联合网络规划，从而高效的提供网络拓扑感知能力。那这个集群的效果如何？在建完之后做实测，发现集群中的P2P延迟能做到1.4us左右，网络中平均时延小于2us。单机转发延时小于200ns，远低于以太网络的400~500ns。在96机All-Reduce算法带宽实测为78GB每秒。同时，为了保证作业能稳定的训练，还特意测试了性能稳定性，性能稳定一致性能做到98%的水平，也就是接近一个一直在稳定通信的状态。有了这样的集群就可以让算力发挥的更好，从而让训练时间变得更短。 即使集群搭建好了，但上面的所有软件或模型也不可能一直安全的运行下去。除了硬件之外，还要在软件层面做一些软硬结合的联合优化。百度有8年多的万卡规模EFLOPS算力最佳实践的能力和积累，然后把这些最佳实践统统用到了自研的平台上，下面介绍几个比较有特色的： 首先是自研的异构集合通信库ECCL。由于内部有很多不同代的GPU，还有昆仑芯等不同的异构芯片，如何把所有的芯片都高效使能起来，是要解决的一个关键问题。同时，在大规模上还需要解决一些拓扑探测、拓扑感知的问题，所以也把它放在通信库中。 在此有这么多资源，还需要做一个比较好或比较科学的调度和管理，包括AI作业调度、硬件感知，及在训练过程中发现的故障节点和慢节点的感知，放到了集群资源管理层中。 百度自研的PaddlePaddle框架，提供了从框架到集群再到通信联合优化的可能性。 下面会为分享一些具体的case。先从通信来看，自研的异构集合通信库ECCL是为了解决现在集群中同时存在多类芯片，但集群中的容错能力有限，而且有一些慢节点业务感知不到，慢慢的拖慢了训练效率。为了解决这些问题，设计了一款自研高性能集合通信库，它首先是面向超大规模设计的，专门为这些弹性能力做了一些考虑。此外，还提供了一些拓扑探测、通信算法的高性能实现，加上刚才提到的在训练过程中很敏感的故障感知，提供了部分的自愈能力，这些都在大集群中做过验证。除此之外，还具备异构多芯的特点，能支持GPU和CPU之间、GPU和昆仑之间的高性能通信。总之，它就是为了加速卡与卡之间AllReduce等级流动性操作而设计。 异构芯片通信通过联合GPU、昆仑团队，把传统需要通过CPU中转、CPU过滤转发进行通信的方式，通过Direct RDMA的方式直接进行实现，这样可以有效减少数据拷贝的次数，提升通信性能。 IB网络中也有很多有意思的能力，比如做AllReduce操作时，为了保证网络吞吐尽可能发挥，会在算法层做一些AllReduce实现。AllReduce本身会进行两次操作，比如同一块数据要做两份，但会给集群带来的是数据要在整个网络和集群中进行两次。IB有一个很有意思的特点叫Sharp，即把整个计算卸载到交换机中，对于用户来说，只需要把数据传给交换机，交换机就可以把AllReduce计算完的结果再反馈给我，整个过程能使数据通信的带宽降低、减半，也能使算法翻倍。同时，由于减少跳步之间的次数，可以让通信延迟更加稳定，这也是在大集群中跟英伟达联合使能的一个工作。 在大集群训练中会需要做All2All操作，这对网络中的需求或对整个网络的冲击都非常大，因为所有的节点都在同时的收发数据，在NCCL 2.12版本中也使能了一个新的功能，就是做Rail-local的All2All，即可以利用本机高性能的NVSwitch的一些通道，减少对网络的冲击。尤其是在8导轨设计下，能很好的减少网络中的流量。在使能英伟达的联合工作之后，本地也做了一些性能测试，在64机的情况下有70%的性能提升。 在集群资源的管理层面也做了很多工作，包括面向AI训练作业的特点，提供了一些Gang调度、优先级资源管理的能力。还结合硬件的特点，尤其是结合通信中提供的拓扑能力、组网能力，做了一些相关的拓扑感知，以及TOR亲和、TOR反亲和之类的调度策略，从而更好的支撑做训练。联合框架进行了一些弹性扩缩容，包括故障容错、慢节点巡检等，都是在集群调度层面去实现的。 接下来分享下端到端自适应训练框架，众所周知，在训练过程中经常会发生故障，发生故障之后有几种做法，一种是做容错的替换，还有一种可以做弹性的扩缩容。无论是替换还是扩缩容，由于参与计算的节点所在位置发生了变化，它们之间的通信模式也许不是最优，也许可以通过作业重新排布、调度，在更好的放置来提升整体训练作业的效率。 这个过程中联合PaddlePaddle框架，整体提供了端到端自适应训练框架的能力。具体来说，当发生节点替换时，无论是因为容错还是节点扩缩容，都会重新做一个预跑，在小节点上去看这个模型需要什么样的计算方式和通信方式，然后结合集群拓扑探测出来的集群性能，再结合计算需求和通信需求，整体做了一个重新的映射。这是一个系统性、全生命周期的优化，在端到端上实测有2.1倍的性能提升。 映射和拓扑是两部分信息，一部分是框架告诉模型该怎么训练，或模型有哪些切分方式，切分之后计算模式是什么样的，它们之间的通信模式什么样。另一部分是结合自己在通信库中做的拓扑探测和拓扑感知，会探知出一个集群中的单节点和集群之间的计算、通信模式和能力，形成集群拓扑通信图。 这两个图之间会结合一些图算法，做最优映射，再将映射结果交由框架，再借助调度器的策略调度能力，做最终的硬件拓扑调度以及作业的重放置。通过这种方式，实现了一个框架调度通信库的联合优化，从而端到端的提升整体的训练效率。 最终的效果建立了一个完整的EFLPOS级算力的集群，真正的实现了月级别千卡大模型的训练。在训练过程中，整个GPU的利用率一直维持在95%以上，很好的发挥了硬件能力，千卡规模的加速倍也做到了90%以上，整个业务训练的吞吐结合业务实测大概有3.87倍的提升，这个集群也真实的支撑了像ERNIE 3.0 Titan等多个大模型的持续迭代。 超级AI计算机X-MAN技术揭秘 百度智能云资深系统工程师武正辉 GPU进入数据中心约有8~10年，这些年内GPU显存的容量、GPU P2P带宽、GPU性能都在不断提升。据不完全统计，每年GPU显存大约有一倍的变化， P2P带宽有1.5倍到2倍的变化，而且性能变化更多。 由于性能的变化，会引起GPU功耗的变化， GPU功耗变化从最早的40瓦一直到现在的400瓦、500瓦，以及到未来的700瓦等等，这种变化会引起算力提升。 由于业务模型的需求，算力的提升推动了硬件在整个性能方面的不断迭代。模型的变化大约在3~4个月会有一次迭代更新，每年大约有3~4次的迭代，而近几年硬件的变化速度明显低于模型的变化，这对整个硬件系统在设计过程中带来了极大挑战，主要表现在以下5方面： 1、算力挑战，主要表现在GPU的算力方面和整个系统的算力； 2、存储挑战，主要是GPU和存储之间通信的带宽和通信速度的挑战。 3、通信挑战，主要是GPU和GPU之间或者计算节点和计算机节之间的挑战 4、散热挑战，GPU 功耗增加散热的挑战越来越明显。 5、供电挑战，最早是12V的供电，近几年逐渐发展到54V供电，目的是为了解决大功率密度GPU在供电过程中的高功耗问题。 X-MAN 4.0的设计恰好解决了上面提到的几个痛点。算力问题上，因为整个设计是一个硬件解耦的设计，采用了GPU资源池化的解决方案，同时是一个模块化的设计，兼容了OAI和OAM；由于X-MAN 4.0设计有一个灵活的、拓扑的I/O，能够支持I/O扩展和多网卡的性能；在整体散热上，采用了风冷兼容液冷的设计，能够很好的发挥GPU的性能；供电上，采用了54V供电，相较于12V供电，系统更加稳定可靠，而且适合于大功率密度的GPU应用场景。 在整个硬件架构设计方面，采用了融合架构，即AI和HPC架构融合，整机柜和标准机架构融合，同时把存储靠近GPU，实现GPU和存储之间访问时延最短； 硬件解耦是GPU和计算节点完全分离，而且可以灵活支持不同的CPU，比如Intel 平台、ARM平台、AMD平台等；还有灵活分布的I/O，而且I/O可以扩展；GPU和网卡之间的配比关系可以实现1:1；在整个散热的过程中，有风冷和液冷共存； 另外，支持资源池化和模块化的设计。X-MAN 4.0在相同硬件配置下，它的MLperf结果在全球名列第二。 因为X-MAN 4.0具有I/O灵活的扩展性，所以对于超大规模集群来说，它有一个很好的组网能力。因为在整个集群的组网过程中，采用了200G的IB网络，实现了上行网络和下行网络的1:1的带宽。在整个的集群设计过程中，采用了Ethernet和IB共存的模式，实现了存储和GPU之间高带宽通信，实现了GPU和存储的池化。 除X-MAN 4.0之外，也看到了一些其他的产品，比如X-MAN 1.0、X-MAN 2.0、X-MAN 3.0，还有正在开发的X-MAN 5.0。对于每一代产品都有不同的产品形态和架构设计， X-MAN 1.0采用的是一个16卡的PCIe卡架构，这种架构设计当时是为了解决多机和单机处理不同任务时，可以给一个机器分配多个任务，或者把一个任务分配给多个机器，好处是可以充分利用GPU资源，从而实现 GPU资源的最大利用。 从X-MAN 1.0到X-MAN 2.0，实现了 GPU P2P带宽的提升，从PCIe 3.0提升到NVLink 2.0，而且在X-MAN 2.0时，具有灵活I/O雏形。 在X-MAN 2.0到X-MAN 3.0之后，整个网络实现了100G RDMA的通信，同时整个架构上的设计，可以支持单机内的大模型，从而在GPU和GPU之间通信采用了NVLink 3.0技术。 从X-MAN 3.0到X-MAN 4.0，整个架构发生了一些变化，即有了更丰富的I/O，能够支持更多的网卡，而且能够实现节点和节点之间的高速互联和灵活组网，支持100G网络和200G网络以及更高的一些网络。 X-MAN还能够结合4路CPU的计算节点，解决一些行业内应用的问题。 从整个架构上来看， X-MAN是硬件的解耦，而且能够灵活匹配不同的硬件平台，比如Intel平台，AMD平台，ARM平台。 另外，在整个设计过程中，采用资源池化的设计思路，即可以把一个机箱里的GPU看做一个资源池，按照业务需求去分配。 同时，机内的网络能够支持Fabric任务架构，动态的对GPU资源进行分配。 在整个设计过程中，是模块化设计，可以把整个架构分为4个模块：网络交换模块， GPU模块，存储模块和供电模块，以及计算模块。整个网络模块从X-MAN1.0、X-MAN2.0、X-MAN3.0、X-MAN4.0发生了重大的变化，而且整个时延在不断减小，网络带宽在逐渐提升。 X-MAN架构还引领了 OAI和OAM标准，因为它有一个丰富的I/O，能够实现灵活扩展，而且适合于匹配不同的计算节点，或适合于组成不同的网络和集群。 同时 ，X-MAN在新技术方面，也在不断的探索和尝试，比如散热方面，从最早的风冷逐渐过渡到冷背技术，而冷背技术在X-MAN 2.0上已经大规模的应用，在数据中心已经应用了长达2~3年，而且非常的稳定。随着GPU功耗和性能的不断提升，在未来的某个时刻内，会发现冷背的散热技术已经满足不了GPU的需求，所以会采取浸没的散热方式彻底解决GPU散热问题，提高GPU的性能。 未来随着模型的发展，可以看到芯片的设计越来越大，而且需求的带宽和时延越来越低，这样可能会形成一个芯片在未来代表一个集群，这种设计的好处是时延低、带宽大。但对于系统设计来说，散热是一个挑战。另外，还需要有一些非常高速的带宽网络满足节点和节点之间的通信需求。 随着网络和网络带宽的不断提升，在整个集群方面，需要有更高的带宽网络来满足GPU和GPU之间通信的需求。同时，由于显存和内存的局限性，未来在显存和内存的扩展方面会有新技术的出现，这样会形成显存和内存的池化技术，来满足业务的需求，从而提升显存和内存的利用率。 随着技术的发展，未来整个系统架构的设计，模块化的融合设计。而对于应用场景来看，需要精准的匹配不同应用，来满足不同应用场景和业务需求。 随着芯片技术的不断发展和整个行业互联技术的发展，从底层的芯片到服务器节点内部，CPU和GPU之间互联技术的带宽比原来越来越高，大约有2~3倍的提升，而时延在不断的降低，节点之间和Rack之间的带宽也越来越高。所以，未来整个通信方面或互联技术方面，需要更高的Ethernet或IB网络支持整个节点和节点之间的通信，或Rack和Rack之间的通信。 随着技术发展，不仅仅有IB网络和以太网，还有其他的网络用于节点或集群之间的通信，可能有另外一种低时延、高利用率的网络出现，来满足像HPC或者AI集群的通讯需求。 NVIDIA SuperPOD赋能AI数据中心 英伟达解决方案架构师程帅 AI数据中心的趋势和挑战 在数据中心里，不管是数据集还是模型大小，近几年都呈现出爆炸式的增长。从数据的角度来看，数据已经非常接近100+Zettabytes量级，更可怕的是这里面数据，90%是在过去两年的时间内产生的，这也得益于智能手机、智能终端以及消费互联网的普及，使得每个终端每时每刻都在产生大量的数据。 另外，可以看到一个趋势是AI+HPC的融合，在科学领域可以看到它的数据集在不同计算领域里也呈现非常大的增长，比如正在经历的新冠病毒，如何分析它对人类细胞的攻击变化，可能需要几百T的数据量；比如做地球气候的模拟，每天会产生200+T的数据量，这些数据都是非常大的量级。对大数据更好的洞察和解析其本身内在的一些模式，由此引出需要更大的模型来处理和分析这么多的数据。 在过去三年，以Transformer为代表的语言模型，参数量已经提升了3个数量级。2020年，GPT-3有175B的参数量，达到了千亿级别。那这样的数据爆炸及模型爆炸趋势，对计算、通信和基础架构带来什么样挑战？ 首先，以GPT-3为例，从计算量来看，做了一个相关的评测。根据英伟达的《Efficient Large-Scale Language Model Training on GPU Clusters Using Megatron-LM》论文中的Lower bounder of each iteration公式对GPT-3模型进行解析，可以发现GPT-3最小需要的计算量和batch size、sequence length、Transformer网络层数、hidden size以及词汇表的大小有关。在实际应用中，batch size可以选为1536，通过对Lower bounder of each iteration公式计算，一个迭代步骤的计算量大概是4.5ExaFLOPS。另外，在我们的实践中，大概需要有9万多次迭代，所以总的计算量430 ZettaFLOPS。 这个计算量有多大呢？以A100 312TFLOPS的FP 16计算能力来看，需要16000张A100算一天的规模，而且还没有考虑计算过程中效率的损耗。在实际训练中，这个大模型大概需要在1000多张卡，计算训练34天。 模型变化对底层的通信也有非常大的挑战。过去， AI模型并不大，可以在单卡GPU中放下一个模型，更多是做纯数据并行的加速、迭代。在这个过程中，只需要在模型后向时去做一次AllReduce通信，把梯度全部规约一遍。而且在很多实际优化中，通信的AllReduce有很大机率会和计算重叠，有很好的一个优化效果，所以这种模式是比较简单的。 当模型大时，需要加上Tensor模型并行，即一个GPU已经放不下大模型了，必须把模型切分开。它是把一个网络层切开，每个层的第一部分可以放在第一个GPU上，第二部分放在第二个GPU上。这样做给计算和通信都带来一个挑战，即每次前向及后向计算时，每走一遍网络都要做一次通信，通信量非常大。通信通常也是AllReduce类型，所以针对这种计算通信特点，最好把模型并行的划分限制在节点内，利用NVLink以及NVSwitch的高速带宽来缓解这一变化带来的通信压力。 如果模型大到一定程度时，单机8卡的规模也放不下一个模型，则需要做另外一种划分，即网络层之间的划分，是Pipeline并行。它的特点是在相邻划分点的前向及后向计算时都会有通信，通信的类型往往是P2P通信。每次P2P通信的计算量可能不是很大，但通信的点非常多，最好的情况是每一个GPU和相邻节点通讯时，有一个最近的网卡和它配合，这样可以运用到GPU DirectRDMA的功能。这种划分的挑战是需要多网卡来加速通信。 总之，建一个数据中心大概有三方面的挑战：第一，怎么设计一个可扩展的训练平台，它可以更好的支撑不同计算特征的业务，而且还要保证它的可扩展性，以及AI模型变化带来计算特征变化的预期；第二，一个分布式的集群系统非常复杂，它需要很长的部署过程，是否有一种方案可以快速部署搭建起来；第三，部署完之后，怎样让业务部门、云客户更快的使用起来，以及自身如何做到可持续的维护。 为什么需要GPU SuperPOD 为解决上面三个挑战，英伟达推出了SuperPOD架构。大家知道英伟达做了很多AI研究，像自动驾驶、语言模型等，它也有自己的数据中心。结合过去四五年的时间，英伟达在数据中心的迭代、运维维护以及建设经验，总结出来一套方案叫DGX SuperPOD，DGX SuperPOD分为3块，一块有一套标准化的部署流程，可以帮你快速部署；第二块是架构有最优的设计，只要参考这个架构，就可以在AI训练里面达到更好的效果；第三块有一套完整的运营流程。DGX SuperPOD可以帮用户快速的搭建、使用和可持续运维。 对一般用户可以有两个选择，一种可以直接采用NVIDIA DGX SuperPOD架构搭建自己的平台，另一种正如今天的主题，百度参考了这样的架构建设X-MAN SuperPOD。用户可以通过百度智能云灵活、按需的使用SuperPOD架构，加速自己的AI业务。 英伟达基于自己的SuperPOD架构，建了集群NVIDIA Selene。NVIDIA Selene由560台8卡计算机组成，有4000多块A100 GPU，850台 InfiniBand交换机搭建的集群，存储搭配了14PB的分布式高性能存储，计算能力可以达到2.8 EFLPOS的AI计算能力。 这个集群的性能如何呢？在MLPerf 1.1版本中，以收敛到一定程度最快的时间来看，采用分布式训练的方式加速评测中的8个任务，包括目标检测、语音、推荐系统等，可以看到在所有的任务中，NVIDIA SuperPOD架构的时间是最快的，这也足以证明了NVIDIA SuperPOD架构的可扩展性和有效性。 NVIDIA SuperPOD最新参考架构解析 SuperPOD架构的设计理念是什么呢？首先，它是一个模块化的理念，它由140台的A100服务器，即1120张A100 GPU组成，它的网络采用计算网络和存储网络相隔离的方式，计算由8张200G的InfiniBand搭建起来，存储由1个或2个200G的InfiniBand搭建起来，这样可以保证计算和存储互不干扰。另外，不管是计算网络还是存储网络，都是采用了一个胖树互联的方式，而且是无阻塞的，这样可以达到更好的扩展和低延时。而且里面可以用到InfiniBand的自适应路由，以及SHARP（Scalable Hierarchical Aggregation and Reduction Protocol）卸载的功能。 SuperPOD的可扩展单元简称为SU，每个SU有20台的规模。对于计算网来说，因为每台机器有8个200G的计算网，每个网卡都会连到Leaf层的相应位置，每台机器的第1个卡连到第1个Leaf，第2个卡连到第2个Leaf，以这样的互联方式。从Leaf层到Spine层，需要有4台Spine层交换机，然后均分的连接起来。好处是可以保证到相同位置GPU在通信时都在一个交换机上，可以减少延迟跳数；另外，可以很好的去用到网络卸载，相同位置的GPU以及相应位置的网卡通信时，用SHARP卸载功能加速这个过程。 基于1个SU的拓扑，可以去扩展到2个SU，甚至标准的7个SU。7个SU的拓扑相比于1个SU多加了一层交换机。从计算节点到Leaf层连接，和1个SU的理念一样。从Leaf层到Spine层，每个SU里相应位置的Leaf层交换机连到相应的一个SG组，一共是有8个SG组，80台的交换机。从Spine层到Core层分成两个组，CG1和CG2，Spine层奇数位置的交换机连到 CG1，偶数位置的交换机连到CG2，通过这样的互联方式达到扩展。 总之，SuperPOD是一个可以是任意扩容的设计理念，可以基于1个SU甚至半个SU扩展，可以扩展到2个、4个、7个，甚至像百度一样可以扩展到上千台的规模。 另外，SuperPOD里可以用到优化好的一个软件镜像NGC，即NVIDIA GPU Cloud。这个Cloud是一个软件概念，它里面包含了很多针对不同框架优化好的镜像，这些镜像可以很快启动起来，保证性能更优。另外，NGC里也放了很多预训练模型。除此之外，针对不同的行业，还有一些开发好的方案，比如针对医疗有Clara，针对智慧城市有Metropolis方案，针对自主机器人有Isaac，这些都已经放在NGC里使用，这些镜像可以支持不同的云、裸金属、混合云或终端，在x86、ARM以及POWER上都有很好的支持。 分布式训练很大的一个挑战是通信，英伟达有NCCL（NVIDIA Collective Communication Library）通信库，它是GPU之间通信优化的库，也已经成为了一个工业标准。NCCL可以支持不同节点内的拓扑，也支持不同节点间的拓扑，它可以自适应的选择最优的Ring或Tree以及相应的协议，让通信最快。 同样，交换机卸载的功能叫Sharp，即可扩展的分层聚合和规约协议，简单来说就是把在CPU或GPU上的通信放到交换机上，一方面释放CPU和GPU资源，另一方面延迟和带宽是最好的。Sharp和NCCL可以无缝结合起来，只需要通过一个插件库就可以把这个功能用起来。 NVIDIA SuperPOD加速全球AI数据中心案例 不管在学术界还是工业界，有很多采用SuperPOD构建自己的AI数据中心，在加速自己领域的一些AI研究。 第一是Meta，这也是在国外最大的一个AI数据中心， Meta用DGX SuperPOD搭建的一个平台，支撑Meta研究院里300多人的研究。Meta的研究涵盖各种前沿AI领域，比如会话系统、推荐系统、大语言模型。Meta会在今年会建设成由2000台DGX A100组成的SuperPOD，达到了16000张 A100 GPU的规模。 最早采用SuperPOD做模型加速的是微软，微软和OpenAI做了一个有上万卡的规模，这个集群当时也加速催生了GPT-3模型的诞生。 韩国最大的搜索引擎公司NAVER，用DGX SuperPOD建立了一个AI数据中心，训练一些会话模型用于呼叫中心。由140台DGX SuperPOD组成的集群，相比于原来传统的集群在会话系统基础模型的训练上，可以达到2.7倍的加速效果。 另外，我们也谈了很多AI科学领域，这也是AI和HPC结合比较好的一个方向。佛罗里达大学在这领域深耕了很多年，一直在探索去用AI如何融合到一些跨学科、跨学界的加速。基于DGX SuperPOD，搭建了一个针对医疗领域的模型分析，即利用一些语言模型分析病人的临床数据，在39亿模型参数下，之前的训练大概需要几周时间，现在只需要不到一周的时间就可以完成。相比于之前的训练效率可以达到10倍以上的提升。 另外一个领域是自动驾驶，特斯拉是自动驾驶行业开启比较早的一个家企业，也是用 CV解决自动驾驶问题非常坚实的拥簇者。特斯拉针对感知这块，有四五十个DNN模型，每天都要做训练，基于SuperPOD架构搭建了一个5000多卡的集群，支撑它每天上百位AI科学家，进行几十个模型的训练迭代。 汽车行业比较领先的大陆集团，基于DGX SuperPOD搭建了一个集群，用于AI训练、模拟和虚拟数据的生成。搭建的集群性能名列在Top500里面。 最后，用MLPerf 数据做下总结，在过去一年半的时间里，MLPerf迭代了三个版本：MLPerf 0.7、MLPerf1.0和MLPerf 1.1。在MLPerf 1.1与MLPerf 0.7的性能对比中可以看到，基于一些软件和分布式技术的优化，同样是A100安培架构的GPU，可以看到在同样的任务里面，最快有5.3倍的性能提升；单机性能的对比，可以看到基于软件优化，在同样的A100 GPU里最高也有2倍的性能提升。这表明只要购买了A100 GPU，只需要通过软件升级就可以得到持续加速的效果，这也是英伟达软件栈持续优化带来的好处。 总之，SuperPOD是一个非常高效的架构，它用在大规模的分布式训练里，不管是直接采用NVIDIA DGX SuperPOD，还是采用百度智能云上的SuperPOD，都可以享用SuperPOD架构带来的好处。 SuperPOD架构可以帮助在AI领域做快速迭代，开发更智能的AI模型，它是把产品更快上线非常关键的一个环节。不管是在CV、NLP、语音、推荐系统、AI+科学等领域，还是做搜索、CTR、AV感知等各种各样的场景，都可以用SuperPOD架构做加速。如果你想要用SuperPOD架构，上百度智能云，即刻享用SuperPOD带来的好处。

越来越多的设备联网让安全威胁频出。今年3月，黑客入侵了一家位于硅谷的安全设备厂商，盗取了15万个摄像头拍摄的实时视频。同样是在年初，Palo Alto Networks对13.5万个安全摄像头进行了检查，发现54%的摄像头至少有1个安全漏洞，黑客利用这些漏洞可以完全控制、操控这些摄像头，以此为跳板进入企业网络发动攻击。此外，大部分家庭使用的路由器也普遍存在安全漏洞，黑客很容易通过这些设备进入家庭网络，利用薄弱的家庭和办公设备发起勒索攻击。 （图片来自computechds） 连续两年的调查结果显示，企业必须改善网络安全措施，以保护企业网络免受非商业物联网设备带来的风险。今年的研究中，100%的中国大陆受访者都认为其组织的物联网安全保护方法需要改进，27%的受访者则表示需要彻底改革。其中，对风险评估（70%）、提供给安全团队的物联网设备上下文（64%）、装备可见性和库存（62%）以及政策执行和零信任控制（62%）等方面需求最大。 随着更多的员工以个人为单位使用智能音箱、穿戴设备、智能家居等产品，安全风险的入口也越来越多，而且像工业类企业用到的传感器也越来越细分，包括具有WiFi功能的恒温器控制的采暖通风和HVAC系统等等，这些传感器在接入核心网的时候很可能没有经过IT运维团队的授权。一项调查显示，大多数企业并没有觉察到物联网或工业物联网的无线网络，与企业基础设施是分离的。 其实对于家中的联网设备来说， 同样面临着被入侵的风险。比如，当亲友来访时，都会问“你家WiFi密码多少？”。每个人都告诉一遍其实是个非常麻烦的事。而且亲友的移动设备，是否存在安全风险并不能确定。如果亲友的移动设备安装了“WiFi万能钥匙”等应用或者已被木马感染，自家的网络就会受到威胁。 访客网络可以解决这一问题。要向来访亲友发送自己的SSID和WiFi密码，需要很强的安全性。无线路由器厂商已经在iOS和安卓的路由器控制应用中，提供发送SSID和WiFi密码的功能。这一隐私信息将通过电子邮件或文本文档，发送给来访的亲友。路由器还可以主动为接入的亲友进行网络限速，优先保障用户自己的设备能够流畅上网。 国内的厂商也考虑到了这一问题，比如，艾泰推出的无线路由器产品，将无线路由器的移动端管控和微信相结合。用户无需单独下载移动端app，关注微信公众号，并绑定设备，就可以使用微信对无线路由器进行管理。在移动端微信管理后台的“应用中心”中，用户只需用手指点击一下，即可将WiFi密码发送到亲友的微信中，非常方便。 除了向亲友的设备发送信息外，用户还可以设立“访客网络”，来支持亲友的移动设备上网。“访客网络”会设置一个单独的SSID，用户可以选择不设置密码方便亲朋好友来访时使用。并且用户可以对“访客网络”进行限速，在不影响自己网络流畅的前提下，提供无线网络连接。并且“访客网络”不会访问用户的内网，只提供外网连接。使用“访客网络”，来访亲友上网更方便了，用户自己的网络安全也能得到保障。 对于很多人来说，安装后变很少去关心的很多无线路由器上，都有“访客网络”或者“客人网络”这一功能。只需要打开浏览器，在浏览器地址栏输入“http://192.168.x.1”（根据不同型号路由器后台管理地址略有不同，请大家自行分辨）。然后，路由器的管理后台中找到“访客网络”这一功能，就可以对其进行设置。 随后，可以对访客网络的网络名称（SSID）进行个性化设置，方便亲友进行查找，设置一个辨识度高的名字是必须的。一般的访客网络，为了方便使用，通常都会在开放状态下运行，让亲友不必再输入无线密码进行连接。因为无法访问内网，使得安全级别大幅提升，如果发现不是自己认识的亲友连接到了自己的访客网络，千万别忘了将它强制断开连接

苹果要铝，也要够「绿」 课本上的这个知识点，你还记得吗：在地壳中含量最丰富的元素中位列前三的，分别是氧、硅、铝，也就是说，铝是地壳中含量最丰富的金属元素。 电解铝技术大幅提升了铝的产量，重量轻、强度高和并且可回收，让铝成为了广泛应用于生产和生活各个领域的材料，也成了可持续产品开发的首选。 图片来自：Twitter 在铝中添加其他元素形成的铝合金，在我们的生活中也随处可见，你的手上也许就正在握着铝合金制品。 手机、平板等电子产品经常会用到铝合金。从 iPhone 5 以后，在苹果的产品上，你总能找到铝合金。但苹果想要的不止是铝，还得是「绿色」的铝。 iPhone 12 的铝合金边框，图片来自：Unsplash 苹果不久前宣布，将向加拿大公司 ELYSIS 购买全球首批商用纯度的低碳铝金属，并计划将其用于 iPhone SE 机型，并且这批铝会由 ELYSIS 公司在位于加拿大魁北克省的工业研究与开发中心使用水电生产。 图片来自：Apple 上百年的工业化让人类文明得到快速发展，也让我们慢慢尝到了「苦果」，如今全球都在为环保和可持续而努力，苹果自然也不例外。 苹果有一个目标：在 2030 年底前实现整个供应链的碳中和，为了实现这个目标，它从 2016 年起开始发行绿色债券，目前总计发行了 47 亿美元，「无碳铝」正是这个项目的其中一项成果。 图片来自：Apple 铝的冶炼方法从诞生至今已经有超过130年，虽然消耗能源和规模等方面有变化，但原理一直没变，它需要通过施加电流将氧化铝变为电解铝，这个过程中很重要的一部分是阳极，而阳极会在燃烧作用下释放二氧化碳及甲烷、二氧化硫等「副产品」。 ELYSIS 公司开发了一种专有的电极材料，并以此作为炼制铝时的阳极，传统的碳阳极通常每 25 天更换一次，而 ELYSIS 公司的阳极预计可以使用好几年都不需要更换，生产率提升的同时还消除生产过程中的温室气体。 图片来自：Apple 2018 年起苹果与美国铝业公司、力拓集团等的合作，促进了这项铝金属生产工艺的进步。也让苹果即将拥有更「绿色」的 iPhone。其实在 2019 年，苹果就已经将 ELYSIS 公司产出的首批商用级铝材料，用于 16 英寸 MacBook Pro 的生产。 16 寸 MacBook Pro 铝作为苹果产品的重要原料，遇上「减碳」后，不止诞生了「无碳铝」。此前苹果已经用再生铝与使用水电冶炼的铝进行产品制造。比如包括新款 iPad Air 在内的 iPad 系列产品全部机型，以及最新款的 MacBook Pro、MacBook Air、Mac mini 与 Apple Watch 的外壳，都是 100% 再生铝。 图片来自：Unsplash 也正因为这些尝试，从 2015 年至今，苹果与铝有关的碳排放量已减少了近 70%。 值得一提的是，与苹果绿色债券有关的项目还有不少，比如为丹麦的 Viborg 数据中心供电甚至能将剩余能源并入丹麦电网的大型陆上风力涡轮机，以及苹果在 44 个国家和地区的办公地点和零售店都已使用 100% 清洁能源。许多合作伙伴也已承诺在苹果产品的生产过程中使用 100% 可再生资源。 丹麦 Viborg 数据中心，图片来自：Apple 也许很快，我们就能看到越来越多高度「绿色」的苹果产品。

新眸汽车业组作品 作者｜阮雪 编辑｜桑明强 走到今天这一步，蔚来并不容易。 前不久，蔚来发布了2021年度财报。去年交付9万辆的蔚来，依旧保持着稳健的节奏感：全年营收361.4亿元，同比增长122.3%，营收提高之外，全年整车销售毛利率20.1%的成绩，格外亮眼。 这是一个很明显的信号，尤其对于蔚来来说，在电动化和智能化的双螺旋浪潮下，这个数字意味着公司的成长性和经营状况良好，背后牵系着供需两端。 自去年开始，新能源汽车涨价呼声此起彼伏，蔚来是少数还未提价的车企之一，考虑到材料成本上涨以后的毛利目标，展望2022年，李斌还是把数字定格在了18-20%之间，对比保时捷、法拉利17%上下的单车毛利率，对于定位豪华高端的蔚来来说，这已经是里程碑。 高举高打，蔚来从超跑起步，逐步下沉进入高端市场，蓄力奔跑了近8年后，走过了至暗时刻的蔚来，迎来了曙光。当人们还停留在“关于蔚来有没有未来”的探讨时，蔚来已经不断刷新自己，无论是新品ET7、ES7的发布，还是对原有车系“886”的迭代升级，在新能源赛道上，蔚来有了自己的新逻辑。 新“军备竞赛” 改变从来不是悄然发生的。 财报之外，蔚来谋划的大局也在徐徐铺开。和之前相比，ET7、ET5、ES7终于来到了台前。今年3月28日，蔚来首款智能电动轿车ET7即将开始交付，这也意味着蔚来基本实现畅销车型产品的全覆盖。在Q4财报的电话会议上，和过去的卖个关子不同，李斌称ET7的实际订单量是超乎预期的。 某种意义上来说，推新和爆单的背后，是蔚来长期投入和播种的必然结果。 众所周知，自研是摆在新能源汽车玩家面前的一道艰难的选择题，不自研会受制于人，搞自研又难免在短期内落于人后。在车企倾力投入自研时，巨额的成本支出不可被忽视。这有可能直接引发一个现象——烧钱。 问题是，投入并不意味着自研完全成功，因为这还涉及实验室建设、专业人才招聘、核心团队搭建等；另一方面，时间成本也是车企不可回避的重要因素。技术研发除了巨大的资金和人力成本投入外，研发周期的长短，也会对一项新技术从研发到投入应用产生关键影响。 而在这道选择题面前，蔚来给出的答案是“持续加大关键技术的研发投入”，从2018年的40亿，到2021年全年超45亿元的研发费用，蔚来在技术研发上从来没有吝啬。不过，和盲目地烧钱投入不同的是：蔚来的自研已经有所收获。 以新车ET7搭载的第二代高效电驱平台为例，首次应用碳化硅模块，在蔚来的旗舰轿车中采用峰值功率180kW的碳化硅前永磁驱动电机和后300kW的感应电机，在这样的组合下，蔚来ET7系统综合功率可以达到480kW、峰值扭矩850Nm，动力系统层面的升级蔚来ET7的 0-100km/h加速可以做到3.9s，100km/h-0制动距离可做到33.5米。 在新能源汽车硬件上的“军备竞争”里，蔚来和它的电力系统一起，跑在了前面。从最初的三电系统，到现在的核心三智单元全套自研，没有标的可对标的蔚来，一直在摸着石头过河，河是中国新能源车市场，石头是蔚来自己的判断，这是一条艰难的道路，不过好在结果并没有让李斌失望。 拆解财报背后的隐性基因 做企业就像种一棵树，你不能头天种下了，下个星期就将它拔起，我们需要做的，是观察它的根本，看看它是否还在生长。 这也是我们容易忽略的企业隐性基因。一般来说，传统汽车平均换代的周期在5-7年，这也解释了为什么传统整车厂会把产品的更新重点放在动力、底盘、车身和内外饰上，和燃油车相比，新能源车的结构性差异，让它在产品的迭代模式也有了巨大的改变，软件与服务上的升级革新，意味着新能源汽车需要在硬件设计和软件搭载上实现快速迭代。 单从新能源汽车的结构来看，除了具有传统的车辆基本要素车身、底盘外，核心的变化在于电池、传感器、软件和服务部分，它们迭代的周期也被缩短，以电池为例，迭代周期多在2年左右，而车辆的软件和服务迭代周期在3-6个月，甚至更短，就像是人体细胞的更新，每间隔几个月，已经全面换新。 对于新能源赛道的玩家来说，如果说新车的推出是各家显性基因的外露，那么藏在迭代之间的则是不易察觉的隐性基因。不过，和人体的自我更新所不同的是，蔚来的隐形基因来自于后天的打磨和创新，以及以产业级的视角看待行业的演进。 这也解释了为什么蔚来这些年会一直押注底层创新能力的建设，以ET7搭载的最新的自动驾驶技术NAD为例，从感知算法到地图定位、再从控制策略到底层系统，蔚来已经实现了全面自研，在NAD全栈自动驾驶技术能力下，蔚来先后发布了NIO Aquila超感系统和NIO Adam超算平台。 如果将这些成果落实在财报数字上，恰好对应了蔚来四季度高达18亿人民币的研发费用以及全年同比增长84.6%的技术投入，落实在人员配置上，则是蔚来年底规模近9000人的研发团队，可以预见的是，这些数字在未来还会增长。 值得一提的是，在2022年的产品升级中，蔚来的隐性基因也开始逐渐显露。 一方面，蔚来2022款ES8、ES6、EC6产品，三款改款车型将对智能硬件进行重大升级，这些升级包括8155芯片、360环视摄像头以及5G模块等，均达到预期性能的提升；另一方面，蔚来也同样承诺，可以为现有ES8、ES6和EC6用户提供智能座舱硬件后装升级服务。 这也符合蔚来留给用户们的期待，因为对于他们来说：提车从来不是终点。 关于蔚来的边界问题探讨 2018年时，我国前十豪华车市场销量合计为275万辆，新能源汽车的加入为场开辟了新的增量，在当时有一个假设：如果2025年新能源的渗透率达到20%-25%，豪华车所对应的市场规模也将达到80-100万辆。 在现在看来，这个假设会显得过于悲观，以蔚来ET7所在的30万元以上中大型轿车市场为例，去年销量75万辆，而ES7所在的中大型五座SUV市场容量也已经达到20万辆。2021年全年，就上海地区来看，在35万人民币以上所有燃油和电动SUV中，蔚来的市场份额已经达到23%。 随着新能源汽车渗透率的不断提高，新能源车企们也走进了深水区。 在工业时代，物资缺乏，通常是卖方市场，企业关注的是产品、价格、渠道、促销，比如福特的T型车，性价比当道；时间来到信息时代，消费者开始按照喜好选择产品，企业需要对市场进行细分，针对消费群体的差异化需求，开发最优势的产品，例如宝马的运动品牌营销，沃尔沃主打汽车安全等；到了互联网时代，人与人、人与厂商、厂商和产业之间的交互方式也都发生了转变。 过去在新能源行业，高研发投入带来技术突破后产品的升级，往往被看作是车企能否跑赢的关键，但人们常常容易忽略的是：在这场赛跑中，用户往往决定着企业能不能跑得稳，而产业链的高度往往决定这个行业能跑多远。 在蔚来的直营模式中，相比传统OEM的产销分离，带来的车厂与用户之间的交流割裂，蔚来的“线上订车”+“线下体验”，一方面管控服务质量，提供极致的用户体验，及时掌握用户数据，扩大用户规模；另一方面，越过经销商，降低了用户的购买成本，将销售利润回归车企，进而反哺用户。 需要注意的是，除了订车和服务外，线上的NIO App还被蔚来打造成为线上社区，进行用户间的社交及经验分享，这种做法的好处很明显，既可以提高用户的产品粘性，还利于增强宣传，扩大涟漪，据新眸不完全统计，蔚来有超过50%的新客户是由老客户推荐来的。 门店的扩张和服务网络的铺设，反应在蔚来的财报中对应的是销售及行政费用的持续走高：2021年四季度公司销售及行政费用23.58亿元，占收入的24%，环比第三季度增加了29%；而反应在消费者层面，最直观的就是2021年蔚来同比增长109.1%的订单量。 浅水是喧哗的，深水总是沉默的。对于蔚来来说，它的边界隐藏在它的布局动作里，也隐藏在蔚来背后的产业链接里，我们不能用简单的产品思维去理解它所构建的护城河，无论是技术层面的大力投入，还是对于用户服务感的提升，这些都是当下很难看到财务成效的付出，如果以长期主义的视角，你会发现，蔚来的胜算恰恰在于它押注了未来。

原标题：比亚迪王传福：电池续航比肩燃油车 能量密度不再是最重要指标 3月26日，比亚迪股份有限公司董事长兼总裁王传福在2022中国电动汽车百人会论坛发表主题演讲。 王传福表示，按照去年行业变革速度来看，如果是等速计算，今年底，预计我国新能源汽车渗透率可达35%。 在论坛上，王传福还提出了几点建议和想法，第一是希望明确后补贴时代新能源汽车优惠政策。考虑到产品开发需要3到5年，为稳定行业预期，建议新能源汽车的购置税减免政策能够继续延长。 对于新能源汽车技术路线的看法，王传福称，要坚持纯电动和插电混动“两条腿”走路。目前，市场上插电混动产品越来越多。 如果说纯电动车重点解决了增购需要，那么插电混动则有效解决了更多家庭首购和换购需求，对庞大存量燃油车市场，形成了明显替代效应。” 同时，随着我国新能源汽车的快速爆发，动力电池行业，也发生了明显产业变革。比亚迪坚持磷酸铁锂作为正确的发展道路。 这是因为安全是新能源汽车发展的基石，成本是必须要面对的一项重要指标，当性能迈过一定门槛后，能量密度重要性在降低。 而且，因为续航里程的提高，动力电池的能量密度重要性和优先级，也会发生相应的改变。 以前电动车续航里程在200公里的时候，能量密度是最重要指标；但当续航里程达到 500 公里的时候，和燃油车一箱油一样里程，电池能量密度已不再是最重要的了，最重要的指标可能会变成安全、成本、循环寿命等。 比亚迪推出刀片电池，解决安全痛点，实现包体能量密度与三元电池相当，循环寿命、安全系数更强，把磷酸铁锂重新拉回了行业正道。同时，中国不可能从燃油车时代被石油卡脖子，变成电动车时代被金属钴、金属镍卡脖子。磷酸铁锂不含稀有金属，更加匹配社会资源承受度。

3月27日消息，据“雪球 芯榜”爆料称，美国正在调查中国大型车企是否使用美国技术，某国际汽车电子产品供应商提供的调查问卷显示，调查分三个问题方向： 一、技术、软件： 1、生产过程中是否有使用美国的技术、软件； 2、如有，请填写具体使用的技术、软件名称，该技术、软件的ECCN编码，以及该技术、软件提供方的名称。 二、美国设备 1、生产过程中是否有使用美国的设备； 2、如有，请填写具体使用的设备名称，设备的ECCN编码、设备提供方名称。 三、原料、产品 1、生产过程中是否有使用美国的原料、产品； 2、如有.请填写具体使用的原料及产品名称。原料及产品的ECCN 编码，原料及产品的提供方名称。 不过对此消息，还没有相关车企和机构发声证明，后续保持关注。 但值得注意的是，中国车企的绝大部分汽车销量，均为国内销售，目前开展跨国业务的车企，并且在美国进行销售的车企，更是少之又少。美国的这份调查，目的是否为了制裁中国车企，还需更多信息公布。

原标题： AEB装置建议汽车标配！政协委员：非常赞同 当前一众新能源电动车，均已配备有AEB紧急制动功能，但是大部分传统燃油车，还没有配备此功能。对此，国内不少汽车业内人士，呼吁车企积极配备，并且规范法规建设。 在3月26日举行的2022中国电动汽车百人会论坛“迎接新能源汽车市场化发展新阶段”高层论坛上，全国政协经济委员会副主任苗圩在主题演讲中表示： 非常赞同理想汽车创始人、董事长兼CEO李想提出的将AEB（自动刹车系统）作为车辆标配的建议，此举将大幅提高道路交通安全。 据悉，AEB是一种主动安全技术，采用雷达测出与前车或者障碍物的距离，然后利用数据分析模块将测出的距离与警报距离、安全距离进行比较，小于警报距离时就进行警报提示。 并且，不少车企设置的紧急策略为，当车辆小于安全距离时，即使在驾驶员没有来得及踩制动踏板的情况下，AEB系统也会启动，使汽车自动制动，从而保证行车安全。该设置也避免了不少事故车祸，为车辆的“救命”装置。 此外，苗圩也展望了中国新能源汽车行业的发展，他认为，中国汽车行业决胜取决于下半场的智能化竞争，“我们要充分发挥我国在体制机制、市场空间、信息通信技术等方面的优势，坚持单车智能+网联赋能，凝聚行业共识与战略协同，强化创新驱动，加速法规修订，扩大示范应用。”

21世纪经济报道记者 宋豆豆 报道3月26日，2022年中国电动汽车百人会论坛上，比亚迪董事长兼总裁王传福对中国新能源汽车产业发展提出了三条建议，其中包括建议参照农业的粮食储备调节机制，研究设立一个积分池，以调节供需平衡，增强积分价格的可预见性，确保双积分政策有效运行。 这一背景则是去年新能源汽车销量创新高，积分供需严重失衡，价格大幅波动，对行业发展不利。 值得一提的是，今年两会期间，哪吒汽车创始人兼董事长方运舟在《关于加快出台新能源汽车一揽子支持政策 促进新能源汽车稳定健康发展的建议》中提出，要稳定NEV积分价格，确保NEV积分2000元/分以上。 “这次积分价格变化波动比较大，2019年单个积分的价格约为1000多元，2021年约2000多元，2022年又回到1000元左右。这对于企业的经营有一定的压力，建议国家要形成一个积分池，保持这种积分的稳定平衡。”方运舟表示。 3月初，中汽数据有限公司发布了2021年积分价格预测联合研究成果：积分核算年度预测价格区间为2600-2900元/分（基于2021年中视角，对于2021年1月-12月交易期的预测）；积分交易年度预测价格区间为1000-1400元/分（基于2022年初视角，对于2022年1月-9月交易期的预测）。此前欧拉管理层曾透露，今年积分的价值只有500-800块钱一分。 事实上，双积分的预测价格波动较大，受到市场供求影响。西部证券在研报中指出，新能源积分的预测交易价格之所以在短时间内降低，主要是因为2021年新能源汽车产销量增长较快，使得市场积分供给增多，从而影响交易价格。 王传福 除了积分问题外，王传福也提出希望明确后补贴时代新能源汽车优惠政策、坚持纯电动和插电混动“两条腿”走路以及坚持磷酸铁锂作为正确的发展道路三条建议。 王传福指出，从世界范围来看，欧美国家在增加对新能源汽车财税支持力度，但我国新能源车购置补贴、购置税减免等政策到今年底即将退出。考虑到产品开发需要3到5年，为稳定行业预期，建议新能源汽车的购置税减免政策能够继续延长，维持“十四五”期间政策稳定。 对于技术路线的选择，王传福坚持纯电动和插电混动“两条腿”走路。“去年，插电混动在欧洲市场占有率高达50%，但中国只有18%。中国有60%多家庭仍然是无车家庭，插电混动实现短途用电、长途用油，让家庭第一部车可油可电。” 在王传福看来，如果说纯电动车重点解决了增购需要，那么插电混动则有效解决了更多家庭首购和换购需求，对庞大存量燃油车市场，形成了明显替代效应。插电混动是实现双碳目标的重要路径，有助于产业链供应链稳定，实现从燃油车到纯电动车的平稳过渡。 “按照去年行业变革速度来看，如果是等速计算，今年底预计我国新能源汽车渗透率可达35%。”他表示。 此外，王传福再次强调坚持磷酸铁锂作为正确的发展道路。他表示安全是新能源汽车发展的基石，成本是必须要面对的一项重要指标，当续航里程迈过一定门槛后，动力电池能量密度的重要性在降低，最重要的指标可能会变成安全、成本和循环寿命。同时磷酸铁锂不含稀有金属，更加匹配社会资源承受度。 面对原材料价格暴涨这一挑战，王传福建议全面梳理碳酸锂资源布局和产能，增加国内开采量和国外进口量，维护市场供需，稳定价格预期，促进行业健康安全发展。

这一幕终于要来了。 不久前，本田汽车旗下豪华品牌讴歌将退出中国市场的消息纷沓而来。更多公开细节流出：相关经销商或已停止销售该车型；北京唯一家4S店广汽Acura北京金港店已经正式停止销售讴歌……截至目前，本田中国尚未正式回应。但在外界看来，讴歌在华的衰落，已经是不争的事实。 曾几何时，讴歌也是日系豪华汽车的天子骄子。20世纪80年代，本田汽车为了抢占美国豪华汽车市场推出了讴歌，轰动一时。这是第一个日系豪华汽车品牌，早于日后的雷克萨斯和英菲尼迪。2006年，讴歌正式入华，售价30万元级别，一度喊出年销10万辆的目标。如今15年过去，讴歌2021全年销量只有6000台，堪称惨淡。 讴歌远去的身影，令人唏嘘。中国汽车工业崛起，当国产新能源汽车滚滚而来，还会有更多外国品牌被碾进历史的尘埃里。 第一个日系豪车 入华15年，销量依旧惨淡 讴歌也曾有过辉煌的岁月。 提起日系豪车“三巨头”，人们首先可能会想到雷克萨斯、英菲尼迪和讴歌。其中，讴歌是本田汽车于1986年在美创立的高端汽车品牌，正是它开创了“日系豪华车”这一概念。 那时正值经济复苏，北美市场豪华车需求量激增。本田迅速嗅到商机，以讴歌作为开拓豪车市场的利刃。起初，讴歌是在本田大型轿车Legend基础上“换标”而生——以一把卡钳为Logo原型，在中间加入小横杠，整体用象形字母“A”为品牌标志。其英文名Acura源于拉丁语中的Accuracy，意为 “精确”。 1986年，讴歌在美推出了Legend和Integra两款车型，一炮而红，次年销量就已经超过了任何一款欧洲豪华车。而1990年，讴歌推出的全球首台全铝制造的汽车“NSX”，直面法拉利、保时捷等欧洲超跑，被誉为“史上最好的跑车”。 海外豪车的轰鸣也传入了中国人的耳朵，国人对豪华车的热度自2000年以来直线上升。讴歌趁热打铁，依靠本田集团的扎实背书强势闯入中国豪车江湖。 2006年，讴歌宣布携中大型轿车RL和中型轿车TL正式进入中国。彼时，讴歌在美国市场销量已达20万，受欢迎程度甚至超过奔驰。信心十足的讴歌试图在中国复制神话。 然而，讴歌在华拓荒之路似乎格外艰难。正如网友们普遍认为：日本企业往往把一流产品销往欧美，二流产品留给自己，三流产品倾销到中国。这一印象，令讴歌的境况极为尴尬。 再加上当时，奔驰、宝马、奥迪已完成国产化转型，以它们为代表的一线豪车品牌把持着中国豪华汽车市场，BBA的强势印象也已经初现，讴歌想分一杯羹可谓是“虎口夺食”。 数据是惨淡的。根据本田中国公布的销售情况，2011年讴歌在华销售4014辆，2012年缩水至2300多辆，2013年虽然同比翻番，销售4600辆，但依然远不及一线豪车品牌的数十分之一。入华多年之后，讴歌在全国仅有约40家授权经销商，而且其中近10家由于经营乏力要求退网。 讴歌也曾想过自救。2016年，本田联手广汽在华投产讴歌车型，开启讴歌品牌的本土化之路。 随后，讴歌接连推出首款国产车型CDX、四驱版车型CDX AWD和全新一代跑车Acura NSX。其中，CDX定位于紧凑型SUV，指导价格在25-30万元之间，刚上市曾经连续三个月实现销量增长，成为主力畅销款。 这里有一组数据：2016年10月，讴歌累计销量（批发）达1381台，终端销售达1378台，同比增长143%。其中，CDX的销量（批发）1236台，终端销售1058台，撑起了讴歌的大半江山。 此后，广汽本田对讴歌本土化寄予厚望，并计划到2020年讴歌品牌的销量将占广汽本田整体销量的10%，即年销达到10万辆。 理想很丰满，但现实很骨感——数据显示，2017年，讴歌销售16348辆，同比增长80.4%；然而2018年，讴歌销售10044辆，同比下降38.56%；2019年讴歌销量为14786辆，同比增长47.21%； 到了2020年，讴歌销量仅为11210辆，同比下降24.19%。这个数字显然距离10万的目标仍相差甚远。2021年更惨淡，在一线BBA品牌及雷克萨斯等二线豪华车的挤压下，讴歌的销量已下跌至6000多台。 不久前，多家媒体报道称，讴歌即将退出中国市场，相关经销商或已停止销售该车型，已经进入到了清库存阶段。截止目前，本田中国方面尚未给出明确回应，但讴歌在华岌岌可危已是不争的事实。 消息一出，一位网友痛惜留言：“算是一种遗憾吧，记得2018年自己买车时非常喜欢TLX-L，奈何价格超了预算，无奈买了迈腾。”入华刚过15年，讴歌留下了一声声叹息。 败走中国市场 讴歌，到底做错了什么 凭借有冲击感的外观和动力配置，讴歌曾一度在国内圈粉。如今走到这步田地，讴歌到底做错了什么？ 梳理讴歌进入中国市场以来的动作，我们不难发现，“车型少”“价格高”一直是讴歌身上摘不掉的标签。 在美国市场，讴歌至少有6款车型在售，并不断有高性能车型更新上市，但自2021年8月讴歌在国内停售多款进口车以来，目前只有CDX和RDX两款国产车型在售，定价区间分别为22.98-34.98万元、32.8-46万元。 这在BBA一众豪华品牌中并无优势。中国消费者往往更会被同等价位的奥迪Q3、宝马X1、奔驰GLA吸引。 更重要的是，讴歌入华后的宣传和品牌形象也不温不火。不同于BBA以密集的广告宣传抢占用户心智，讴歌在国内为人所知的广告仅有一支，那就是2014年请刘德华、桂纶镁代言，日常除了参加车展，并无过多宣传。 这一点在讲究面子、排场的中国豪华汽车市场，堪称致命。 如此一个“名不见经传”的品牌卖豪华车，不但曲高和寡，还会因辨识度问题惨遭抛弃——讴歌与国产品牌长安的Logo颇为相似，常有人将二者混淆。曾有车主无奈表示：已经被人家说，这是长安新出高配。 当然，还有一个最关键的原因——在燃油车向电动车迅速转型的大背景下，豪华汽车风光不再。 数据显示，2021年我国新能源汽车产量高达354.5万辆，销售量超352.1万，同比均增长1.6倍，速度惊人。在这一背景下，各大豪车品牌纷纷投身电动化大潮，不但有梅赛德斯EQC 400、奥迪E-tron Quattro、宝马iX3、特斯拉Model S等点燃市场。而反观讴歌，虽然已在北美市场宣布全面进入电动车型开发，预计将在2024年推出首款电动汽车，但在中国市场却始终保持沉默。 而讴歌，可能只是“大逃杀”的开始。其他燃油车时代的翘楚，在电动车时代，甚至要面临与讴歌类似的命运。 国产新能源汽车崛起 下一个被淘汰的，会是谁？ 放眼这几年，中国豪华汽车江湖发生了翻天覆地的变化。 2009年，中国国产汽车产销首次超越美国，成为世界汽车产销第一大国。然而，豪车市场却是国人一块心病——畅销的几乎清一色外国品牌，看不到一个国产品牌的踪影。如此尴尬的一幕，深深刺痛了中国汽车人的内心。 但任何一个豪华品牌的崛起并非一蹴而就，于是另一条路出现了。2010年，汽车狂人李书福迈出了第一步，18亿美元拿下曾与BBA分庭抗礼的沃尔沃品牌。 随后，最重要的弯道超车机遇来了——国产新能源汽车大爆发。2014年，出行教父李斌开始了人生第四次创业，创立了蔚来汽车。 实际上，在正式造车之前，李斌便思考一个问题：到底要造什么价位的车？纵观全球汽车公司创始人，国内吉利、长城、比亚迪三座大山的创始人当时还是年富力强，而国外的宝马、奔驰、奥迪创始人则已经十分高龄。综合考虑下，李斌认为进入主流高端市场，是一个具有比较优势的选择。 自成立起，蔚来汽车的定位便是高端豪车品牌，对标传统燃油车豪华品牌的头部阵营。目前，蔚来拥有ES8、ES6、EC6三款纯电SUV、纯电动汽车ET5和旗舰纯电轿车ET7，起售价区间在35.8万-44.8万。其中，ET7的定位是中大型纯电轿车，起售价达到了44.80万元，顶配更是突破了50万元。 无独有偶，2015年，李想开始辞去在汽车之家的职务，开启了人生的第三次创业。这一次，李想选择了创业中的“地狱模式”——造车，成立了车和家，后来改为理想汽车汽车。理想推出的理想ONE定位为豪华中大型SUV，售价仅为33.8万元，这一价格跟讴歌同处一价格线上，但表现却是天壤之别。 今年1月，乘联会公布了2021年全年乘用车厂商批发销量排名。在2021年的豪华SUV市场，常年稳坐前三的奔驰GLC、奥迪Q5L、宝马X3，遭受到了前所未有的冲击。新能源领域的大爆款——特斯拉Model Y，占据了榜首的位置。 此外，中国造车新势力表现不俗——理想ONE全年销量达到90491辆，同比大增177.4%，排名第五。值得注意的是，2021年12月，理想ONE以14087辆的成绩位居第2名，同比增长130.0%，短暂地超越了奔驰、奥迪、宝马等传统豪车品牌；而蔚来ES6排在榜单第10位，全年销量达到41474辆，同比增长48.4%。 2021年理想全年营收270.1亿元，同比增长185.6%，创下历史新高，截至目前，理想ONE已连续三个月交付超过1万辆，创30万元以上的中国豪华品牌车型交付新纪录。 随着新能源汽车崛起，越来越多国产新能源品牌开始挤掉外国品牌的市场份额。这几年，日产旗下豪华车品牌英菲尼迪节节败退，美国通用旗下豪华车品牌凯迪拉克价格连连下降。 如果说在燃油车时代，起步晚的国产品牌难以打破传统豪华汽车品牌建造的重重围墙。那么在电气化时代，国产自主品牌弯道超车的机会来了。 正如一位长年关注汽车行业的投资人直言：“从终局来看，中国汽车市场可能有70%以上会是自主品牌。更为关键的是，中国车企尤其是造车新势力，正在引领着世界智能电动汽车的创新。我们相信，中国企业将会定义汽车的形态和方式，也会重新改写全球汽车市场。” 而讴歌的落寞可能只是一个开始。不知下一个离场的海外汽车品牌，又会是谁呢？

电动车代工混战开始？ 蔚来自己还没赚到钱，江淮就已赚到蔚来的钱。 3月24日至25日，蔚来及其代工合作方江淮汽车相继发布2021年财报。其中，蔚来财报显示，该公司2021全年营收361.4亿元，同比增长122.3%，净亏损虽大幅收窄，但仍亏40.2亿元。 相比之下，据江淮汽车2021年财报，其全年营收402.14亿元，同比下降6.11%，营收规模下滑显示出主营业务未根本好转，但在盈利能力上，有了蔚来这个铁杆客户后，江淮归属上市公司股东净利润2亿元，同比增长40.24%。 2016年，蔚来和江淮签订了代工协议，此后蔚来便和江淮保持长期合作关系，蔚来旗下的车型都由江淮代工生产。而江淮也依靠蔚来的销量增长，获得了稳定的收入来源，代工收入成了它业绩报告中最亮眼的部分。 《财经天下》周刊了解到，江淮汽车从2017年开始陷入连续三年的亏损，2020年起利润转正，而江淮利润转正的两年，也是蔚来销量快速增长的两年。 财报显示，2021年江淮纯电动乘用车累计销量13.4万辆，同比增长169.12%。其中为蔚来代工的约9.3万辆，江淮自己新能源乘用车销量仅有4万余辆。 在蔚来2020年财报中，截至2019年12月31日，蔚来一共向江淮支付2.71亿元人民币的代工费，该时间段前蔚来共售出车辆31913辆，如果按此推算，江淮为蔚来汽车代工，平均一辆车收入约为8500元。由于双方具体的代工合同细节并未公布，8500元只是粗略判断，但依旧可以从侧面证明代工收入之丰厚。 2020年随着蔚来销量增加，江淮获得的代工费用也随之水涨船高。2020年蔚来向江淮支付了5.07亿元的代工费，当年蔚来的全年销量为4.3万辆，江淮平均一辆车的代工费从此前的8500元上涨到了1.1万元。 单从财报上看，代工对江淮而言是一门稳赚不赔的生意。在代工项目投产前三年，蔚来需要对亏损进行全额补偿。2018年-2020年，江淮汽车分别确认亏损补偿1.26亿元、2.07亿元和0.65亿元，这些亏损费用将全部由蔚来支付。 如果把江淮的代工费和主流车企，长城和吉利的单车毛利和净利润相比较，会发现江淮的单车代工费用几乎和长城吉利的单车毛利不相上下。2020年长城的单车毛利为1.6万元，单车净利润4806元，吉利的单车毛利为1.28万，单车净利润为4223元。 2021年蔚来的全年交付量继续攀升超过了9万辆，由于蔚来在2021年财报中并未公布相关代工支出，但可以肯定的是，江淮获得的代工费将会在2020年的基础上进一步增加。 强大“吸金”能力的吸引下，越来越多的主流车企和制造巨头开始对整车代工这块“肥肉”虎视眈眈。 2021年9月，比亚迪集团董事长王传福为e平台3.0高调站台，称该平台是比亚迪从电动化转向智能化的最关键布局，可以在研发周期和产品质量上提高竞争力。不仅如此，e平台3.0向全行业开放，比亚迪希望借助这个制造平台，为其他车企“代工”纯电车型。 此前，比亚迪已通过e平台拿到了滴滴“造车”的代工大单。根据滴滴计划，2025年实现在路上行驶100万辆共享定制车的目标，若双方合作顺利，将为比亚迪带来收益。 “比亚迪本身就是代工大王，它的制造能力在业内都是比较领先的，相比那些所有零部件都要自己去采购集中的代工企业，比亚迪能够在代工获得更大的利润。”汽车分析师、北方工业大学教授纪雪洪告诉《财经天下》周刊。 不只是比亚迪，吉利在去年推出投资180亿元的SEA浩瀚架构平台。为了让更多新造车企业成为平台的客户，吉利不惜启动投资。此前，吉利投资了百度主导的集度汽车，便是为了推广旗下造车平台。为扩大“代工”朋友圈，吉利还曾考虑投资贾跃亭创始的FF。 除了车企外，富士康、立讯精密等也都相继入局，一轮代工大战即将拉开序幕。 目前富士康已推出自行研发的MIH平台，并在2021年同吉利成立合资公司，为全球汽车及出行企业提供代工生产及定制顾问服务。此外，立讯精密入股奇瑞，在外界看来，重要目的之一也是为布局电动车代工生意。 新造车担心“卡脖子” “好的造车平台，能够在生产制造时提升汽车零部件的通用化率，压缩生产成本，同时缩短产品的研发周期。”此前，有业内人士向《财经天下》周刊解释称，考量一个造车平台是否先进的衡量标准有两个，一是成本，能否提升零部件的通用化率，最大限度压缩制造成本；二是研发，好的平台能够在SUV到轿车、大型车到小型车的全品类中，覆盖尽量多甚至全系车型。 燃油车时代，大众正是通过MQB平台，承载了奥迪、斯柯达和西亚特四个品牌几乎全部主销产品的生产和研发。此外，丰田、通用等也都有自己的造车平台。 与江淮和海马等车企不同，吉利、比亚迪等车企进入代工领域，背后有着更大的野心。 事实上，新造车企一旦开始接纳某一制造平台的标准，后续产品的研发，也都需符合该平台的标准。在业内人士看来，除了获取代工的利润外，传统车企想通过自己旗下平台代工，成为电动汽车时代标准的制定者。 “比亚迪把自己的平台推出去，包括公布自动辅助驾驶等源代码，一方面打造品牌形象，对资本市场、消费者等都是一个有力的宣传。”汽车分析师封士明向《财经天下》周刊表示，“另外就是降低风险，它是车身一体化，搭配旗下的刀片电池，相当于一整套卖出。” 不止比亚迪，在宣布与百度合作时，时任吉利汽车研究总院院长胡峥楠曾解释，“基于SEA OS系统，传统意义上的供应商会成为吉利的开发伙伴，科技公司、个人用户等都可以在此开放平台进行定制化开发。” 这意味着，相比于江淮和蔚来、小鹏和海马的合作形式，吉利、比亚迪等相对强势的主机厂，希望通过代工提供更多的技术支持和供应链层面的分享。吉利控股集团CEO、吉利汽车控股有限公司副主席李东辉就说过，无论未来的合作将采用吉利的技术、平台架构，还是发挥吉利的产能作用，都有机会使吉利获得技术转让收入。 “造车赛道上涌入的玩家越来越多。”一位行业人士向《财经天下》周刊表示，但新造车企业至今都在亏损中，相比之下，代工却似乎是一门稳赚不赔的生意。 但事实上，目前各大车企的这部分收入还很小。吉利2020年财报显示，当年研发及相关技术支援服务收入为7.45亿元。2021年半年报中，该项业务收入降至4.47亿元。 较小的收入背后，理想很丰满，现实却依然“骨感”。 话语权争夺战开启 事实上，单纯提供整车代工的企业，话语权正在减弱。 2021年3月，蔚来和江淮双方成立了合资公司——江来制造。在外界看来，此后蔚来的代工订单，将逐步转移至合资公司，而蔚来持有江来制造49%的股权，“红利”不再由江淮独占。 此外，在新签署的代工生产协议中，蔚来不再是支付固定的单车制造加工费用，而是基于规模和生产效率的提升动态调整。这意味着，随着蔚来销量增加，制造端的规模效应进一步凸显，蔚来支付的代工费有望进一步降低。 这背后，激烈的竞争，正在压缩整车代工企业的话语权。事实上，主流车企都逐渐推出了自己研发的纯电平台。除了成本外，新造车企业也担心被传统车企“卡脖子”。 “主流车企几乎不会选择像是比亚迪和吉利这种开放平台代工方式，平台模块化的代工意味着他们（比亚迪）几乎把一辆车80%以上的零部件全部打包好了，这就不仅是用平台，而是和他们的供应链深度绑定了，价格肯定不会便宜，关键是这种程度的合作，车企彼此之间难以达成完全信任。”封士明对《财经天下》周刊表示。 事实上，诸如比亚迪、吉利这样的平台化代工方式，意味着代工企业将对代工的产品设计、制造等多个环节进行干预，这导致代工方的话语权会较为强势。 业内人士称，目前电动汽车处于大规模研发阶段，包括电池在内的各项产品标准并未完全统一，车企之间的核心数据仍然是机密。 “整体来看，现阶段这种开放平台宣传作用大于它的实际行业价值，只是少部分没有生产研发能力的车企会选择平台，但也只是短时间过渡的权宜之计。”封士明认为，长期来看，平台代工不会成为有实力的新造车企业解决生产问题的主流方式。 这是一场关于事关车企核心竞争力的比拼赛。在这个过程中，具备一定实力和野心的车企几乎不会选择将自己的数据和软件开发权限全权交由代工方处理。 他进一步解释称，对于部分在研发和资金上较弱的新势力来说，或者是一些濒临破产的自主品牌，急于向新能源转型，可能会选择这种平台化的代工方式，因为他们别无选择。 其实，车企自然明白成为标准制定者道阻且长，所以目前对他们而言，代工更实际的目的不如说是利用代工来重新激活闲置的产能。随着汽车保有量趋于饱和状态，未来汽车在量上的增长空间并不大，这导致对产能需求的增长速度变缓，甚至可能下降。 “由于政府对代工的管理并没有完全松绑，有些优质的产能无法充分利用起来，现在是优质的产能不够用，劣质的产能出现了一些过剩，所以政府有关部门也在考虑是有些代工可以有序地开放利用起来。”中汽协副秘书长叶盛基告诉《财经天下》周刊。 他认为，现在国内整车供应链和产业链都是比较成熟的状态，代工质量也能够得到一定的保证。所以，代工可能在政策的驱动下，成为一种发展趋势。 政策之外，新造车企们的代工路径正在悄悄发生变化，小鹏、理想等逐步选择自建工厂，蔚来、集度等则与代工方在资本层面进行深度绑定。 小鹏和海马的代工合作在去年年底已经到期，并未继续合作。而且在小鹏和海马合作早期的时候，小鹏就已经着手建设自己的工厂了，此后广州和武汉的工厂也相继投入建设。乘联会秘书长崔东树认为，新能源汽车是各地方政府招商引资的重要项目。对于小鹏汽车来说，自建工厂并获得地方政府支持，相较采用代工模式生产所获利益更大。 小鹏之外，新造车选择自建工厂成为一种新趋势，牛创、零跑、哪吒、威马、云度、爱驰，都有自己的自建工厂。 与此同时，部分车企反而坚定选择代工这条路。蔚来不仅和代工方江淮续签了代工合同，而且还成立了合资公司，这与其他新造车势力的选择大相径庭。蔚来汽车联合创始人秦力洪认为，代工之于蔚来和江淮，都是一个双赢的合作。 “资质我们也喜欢，但你让我花10个亿去买个空壳，我肯定不干。我们不会通过收购壳资源获得生产资质。”秦力洪曾表示，资质不一定要捏在自己手中，与江淮的合作不仅没有影响蔚来的生产效率，还帮蔚来省了钱。 而东风悦达起亚为华人运通代工前，后者就已经跟悦达集团有了股权合作，此后，悦达集团还对华人运通进行了增资。以前代工方的弱势地位，在双方开始进行资本和股权的交叉后得到了些许调整。 其实不管是江淮、海马亦或是东风悦达起亚，作为代工方他们在生产经营上都出现了问题，江淮和海马甚至一度面临退市风险警告。也正是因为如此，蔚来、小鹏和高合才会选择他们代工，方便在管理和生产上实现最大程度的掌控。 新能源市场的竞争已经处于白热化阶段，与此同时，车企之间的代工暗战也此起彼伏。但现在来看，相比主流车企的强势地位，部分尾部车企更有可能拿下代工大单。

凤凰网《风暴眼》出品 作者 | 夏天 编辑 | 蒋澆 核心提示： 1.安踏虽靠收购洋品牌、转型上市、牵手奥运，成为了体育用品大公司的代表。但现在，占据营收半壁江山的FILA增速正在放缓，2021年上半年FILA收入增速相比2019年上半年，已从68.2%下滑到45.1%； 2.安踏试图再复制一个FILA，但受限于迪桑特、始祖鸟等品牌的高端定位和专业路线，复制之路可能很难成功。 3.后奥运时代，面对民众对体育热情逐渐回归平淡，安踏可能也会跌落神坛，如何保证持续性的增长，最大化的发挥各个品牌的效能，是安踏的必答题。 从2004年开始，中国运动品牌市场就长期被耐克和阿迪达斯两大巨头牢牢掌控着份额前二的位置，而在长达17年的时间里，即便有着北京奥运会的加持，国产运动品牌依然始终没能成功越级“上位”。 2001年，第一家安踏专卖店在北京开业，开始大规模全国性品牌推广计划 如今，安踏终于打破了这一局面。 3月22日，安踏集团发布2021年全年业绩公告，493.3亿元的营收规模在国内市场超越了阿迪达斯。财报发布后，有专业人士分析，按照目前的收入增速对比，安踏将于今年在营收规模上完成对耐克中国的超越。 听起来，安踏接下来的路，将是一段躺赢的旅程。但光鲜之下安踏亦有隐忧。 安踏虽靠收购洋品牌、转型上市、牵手奥运，成为了体育用品大公司的代表。但现在，占据营收半壁江山的FILA增速正在放缓，2021年上半年FILA收入增速相比2019年上半年，已从68.2%下滑到45.1%。 另一面，在DTC模式下，虽然安踏主品牌2021年营收增长52.5%至240.1亿元，但在经营利润率上却同比下跌了7.3%。 资本市场也不为安踏的高增长买单，安踏的股价自去年8月登顶190.7港元后，安踏股价就一直呈现出震荡下挫的趋势。 即使是财报发布当日，安踏股价于3月22日当天上涨了4.88%，但这样的上涨势头颇为短暂，安踏股价在3月23日又大跌了7.12%。 FILA增速正在放缓 对于主打多品牌战略的安踏而言，收购FILA无疑是最成功的一笔交易。 2009年，安踏收购了亏损严重的运动品牌FILA，以此发力高端市场。几年的经营改造下，FILA成为了安踏重要的增长引擎，2015至2021年，FILA营收从17.5亿元增长至218.22亿元。 但FILA的增长也是一把双刃剑。FILA补齐了安踏高端市场的短板，也给安踏业绩带来了巨大的贡献；另一方面，安踏对FILA越来越依赖，导致品牌间差距扩大，很多消费者甚至不知道FILA是安踏旗下的品牌。 但如今这棵摇钱树似乎成长速度在放缓。财报显示，2021年上半年斐乐的收入增速相比2019年上半年，已从68.2%下滑到45.1%，并导致2021年上半年安踏的中高端品牌增长贡献，相比2019年上半年下降了近20%。 高端品牌增长有限，导致安踏整体经营利润增速低于营收增速，2021年经营利润率为负值。 同一时间里，安踏旗下的其他中高端品牌并未能顺势补位。财报显示，除了安踏主品牌和FILA，安踏其余品牌营收仅占7%左右。 事实上，安踏并没有对过度依赖FILA的问题视而不见。近几年，安踏通过各种买买买希望复制FILA的成功，为自己培育第三增长曲线。 安踏集团完成收购亚玛芬体育 2016年，安踏控股了迪桑特中国，开拓了中国的滑雪运动服市场；2017年，安踏又拿下韩国高端登山装备品牌科隆。2019年，安踏联合方源资本等，斥资360亿元收购了Amer Sport亚玛芬集团，将后者旗下的始祖鸟、阿托米克以及山地越野品牌萨洛蒙等多个高端户外品牌纳入版图，产品面向滑雪、登山和越野等多项运动。 由于迪桑特、始祖鸟等品牌多数定位高端且更偏向专业运动，目标群体较小，短期内还难以追平FILA为安踏打下的江山。 多品牌运营也导致安踏营销成本剧增，按财报披露安踏2021年广告宣传费花了约61.1亿元，同比增加2.4%，而李宁广告及市场推广费用增近40%至17.8亿元。由此算来，安踏的广宣支出约为李宁的3.4倍。 能否避免奥运后遗症？ 在一年内先后举行的东京奥运会和北京冬奥会中，作为国际奥委会官方服装赞助商，旗下拥有安踏、FILA、迪桑特、萨洛蒙、阿托米克这一多品牌矩阵的安踏集团成为“双奥”最大赢家。 数据显示，“双奥”期间，安踏在百度、微信等信息平台的搜索指数均创下历史新高，品牌声量和美誉度在各榜单大幅领先，在微博、抖音、微信等社交平台的总曝光量达220.2亿，总阅读量211.5亿。在2月4日北京冬奥会开幕式当天，安踏微信指数环比增幅213%，达到1.32亿。 此外，安踏还抢先一步签下了谷爱凌。事实证明，就如同当年耐克押中了刘翔一样，谷爱凌给安踏品牌带来了强大的收益，但细究起来，更多是在与冰雪运动相关的话题上。 但随着冬奥热度散去，不难发现，虽然有着谷爱凌的代言加持，但在安踏官方旗舰店中，此前多数售价在几百元左右的卫衣、外套和羽绒服，月销量尚未过百，一款8999元的谷爱凌同款滑雪服套装，销量也仅有个位数。 考虑到当下距离冬奥结束时间不过数周，相关的营销动作仍具有一定的时效性，而随着时间的进一步推移，奥运带给安踏的品牌助力，可能还会进一步削弱。 事实上，从市场变化来看，国内运动鞋服市场存在一定周期性。 2008年，北京首次举办奥运会。在大型体育赛事的刺激下，国内运动服饰品牌纷纷受益，旗下产品销量大涨。也正因高估了市场热情，李宁、安踏、特步等品牌疯狂拓店。据国盛证券，当时门店数量超3000家的品牌超15个。 但赛事对于市场只是短期的刺激，当热潮过后消费行为萎缩，导致运动服饰行业遭遇了严重的库存危机。随后，安踏老板丁世忠推出了多项措施应对，取消大区制以及实行ERF系统。也正是因为此时策略的调整，安踏开始慢慢超越李宁，成为国内运动服饰的老大。 现在，当奥运盛火再次在北京点燃后，安踏能否避免奥运周期的后遗症。一个危险的信号是，2021年安踏销售费用增长70%，销量增长却低于40%。也就是说，重营销却未来带高增长。 此外，去年上半年安踏的库存周转天数和应收账款周转天数均出现了下降趋势，相比之下，李宁在存货周转上表现不错。 在新一轮的奥运周期下，安踏靠收购、并购与合作打下来的江山，能否守住呢？

IT之家 3月27日消息，据俄罗斯卫星通讯社报道，由于受到美国制裁，谷歌已经停止认证运行Android系统的俄罗斯BQ公司的智能手机，该公司将转向使用中国华为公司打造的鸿蒙系统。 BQ公司总经理弗拉基米尔・布扎诺夫称，该公司收到了谷歌公司的通知，通知中称，美国法律禁止向俄罗斯提供服务，包括向俄罗斯提供美国原产的软件和技术。BQ 公司已经在测试中国华为的鸿蒙操作系统，BQ 公司搭载鸿蒙操作系统的新智能手机可能在 2022年下半年推出。 布札诺夫还称：“该公司所有已经认证的设备将继续正常运行，新设备的Android 系统可能会出现问题。” IT之家了解到，谷歌本月早些时候还向开发者发布了一则通告，预告了俄区 Play Store 的用户将很快被暂停应用 / 游戏的购买，同时应用内自带的内购以及订阅功能也将暂停，届时俄罗斯的安卓手机用户将无法通过谷歌Play商店进行软件的购买和订阅。

经济观察网 胡群/文 3月25日，银保监会官网显示，近期查处一批监管标准化数据（EAST）数据质量领域违法违规案件，对政策性银行、国有大型银行、股份制银行等共21家银行机构依法作出行政处罚决定，处罚金额合计8760万元。 银保监会要求，监管数据真实性和准确性是银行机构内控合规的内在要求，更是贯彻落实政策部署和监管要求的具体体现。银行机构要切实承担数据质量的主体责任，对照监管数据标准化规范的相关要求，提升数据治理能力，强化数据质量管控，持续提高数据报送的准确性和全面性。 “随着严监管趋势不断增强，各家银行对EAST的重视程度也在逐渐加强。但是有些银行在数据报送工作中还是会存在一些问题。未来银行机构监管报送必须应对明细化、全面化和高质量的严监管的新形势。”索信达控股产品总监黄一青向经济观察网表示，首先，很多银行面对海量数据，缺乏科学合理的系统以及完善的机制，导致整个数据报治理、数据报送工作效率低，数据质量难以满足监管要求；其次，当前银行的数据治理基本上是事后治理，普遍欠缺事前和事中的数据治理管控制度以及能力；再次，以往报送数据质量的责任，主要是报送人员或者是科技人员，但是数据来源都在相关业务系统中，业务部门的人员才是直接的数据责任人，可是现在银行系统没法支撑，或者报送制度欠缺，导致数据责任人并没有参与到数据质量里来。 根据银保监会行政处罚信息，被处罚的银行如下： 数据来源：银保监会 “近年来，银保监会高度重视监管数据的整体治理水平和质量控制机制，组织开展了对21家全国性中资银行机构EAST数据质量专项检查。”银保监会的消息显示，对检查发现的漏报错报EAST数据、部分数据交叉校核存在偏差等数据质量违规问题，银保监会依法严肃予以行政处罚。同时，督促银行机构严肃追责问责，深挖数据质量违规问题背后的治理不完善、机制不健全等根源性问题，坚持当下改与长久立相结合，完善机制缺陷，弥补制度漏洞。 由此可见，21家全国性中资银行机构都未能通过EAST数据质量专项检查。从银保监会的处罚信息来看，此次被罚的银行囊括了3家政策性银行、5家国有大型银行、1家国有控股大型商业银行、12家股份制银行。 今年1月30日，《中国银保监会银行业金融机构监管数据标准化规范（2021 版）》（EAST5.0）发布，要求金融机构切实推进数据治理，提升数据质量和数据专业性，进一步增强数据规范性。 自2012年8月以来，银行业金融机构监管数据标准化规范EAST实施已有十年，并迭代至第五版。EAST4.0适用范围为：政策性银行、大型商业银行、股份制商业银行、城市商业银行、民营银行、农村信用社、农村商业银行、农村合作银行、村镇银行、外资银行、中德住房储蓄银行、理财登记中心。 与2019年9月的EAST4.0相比，EAST5.0的适用范围增加了直销银行和理财公司；监管主题域新增了各项贷款、表内外担保信息、表外授信信息，并删除了统计全科目；监管目的也从“优化数据模型结构，从‘用’出发，删除使用率低的报表，增设风险业务的数据信息; 强调银行报送的数据质量和源头数据治理，并于2020年5月要求金融机构开展专项数据治理的自评与整改工作。”调整为“持续优化数据模型结构，精简不符合银行业务实际的报表和信息，减轻银行报送负担。同时，体现风险监管理念，细化拆分高风险业务的采集; 监管数据模型的数据标准将其他监管 统计应用模块的标准一并引用; 深化强调报送机构对数据质量的责任 主体作用，加强自身数据质量检核建 设的能动性; 隐私信息保护升级至SM3。” “EAST 4.0对于报送上来的数据（将近900个）的校验关系，也就是报上来的数据只要满足近900条校验，就可以报送入库。但是到了EAST5.0整整翻到3.5倍，也就是现在银行要去报送上来的数据，要有3283个校验关系。”索信达控股业务总监段宜瑾表示，金融监管机构要求银行报送数据要有规范性，并在标准准确性上更要有保证。 银保监会指出，下一步会将继续加大对监管数据质量违法违规问题的查处力度，严肃市场纪律，提高违规成本。 按照银保监会规划部署，EAST5.0的报送分为集中采集和持续采集。其中，集中采集首次集中报送日期2022年5月18日；持续采集为每月18日前（遇节假日顺延）。市场预期，由于21家全国性中资银行均未能达到EAST5.0要求，其他金融机构可能也将迎来一波处罚潮。 “当前银行业金融机构在监管数据质量治理过程中普遍存在“事后治理占比高、质量提升环节靠后”的问题。”IDC在今年2月发布报告显示，由于历史遗留问题，银行将重点放在业务发展而对监管合规重视程度不够、缺乏完善的数据治理团队和足够的数据治理意识等多重原因，导致银行业金融机构普遍在监管数据报送方面存在多重问题。 “随着监管机构对数据质量、数据治理及业务合规性的要求不断提升，对于银行机构在监管数据质量和数据报送中存在的违法违规行为，不断加大处罚与整治力度，这说明监管层对金融机构数据质量及业务合规性的要求不断提升，监管要求日益严格，无疑对商业银行提出了更高的数据治理要求。”黄一青表示，金融机构需要加强一站式数据管控能力的建设，要引入事中事前的检测机制和治理机制，并建立科学合理的平台系统去支撑推进这种制度。

经济观察网 记者 周一帆 3月27日晚间，招商证券（600999.SH）发布2021年度报告。数据显示，公司去年实现营业收入294.29亿元，同比增长21.22%；归属于上市公司股东的净利润116.45亿元，同比增长22.69%；归属于上市公司股东的扣除非经常性损益的净利润115.87亿元，同比增长22.13%。 具体业务上，财富管理和机构业务营收为137.07亿元，同比增长18.18%；投行业务营收24.58亿元，同比增长18.80%；投资管理营收17.36亿元，同比增长13.24%；投资及交易业务营收55.02亿元，同比增长18.92%，其他业务营收60.26亿元，同比增长34.42%。 对于去年业绩，招商证券表示，因2021年A股股基交易量同比增长24.66%，公司代理买卖证券业务手续费净收入同比增长较多，公司股基交易量市场份额亦提升，但佣金率仍有所下降；同时，因融资融券业务规模增长，融资融券利息收入亦增长较多，助推公司代理销售金融产品净收入创下历史新高；其他业务分部收入同比增长，主要是子公司招商期货开展的大宗商品业务收入增长。 根据财报数据，财富管理和机构业务方面，报告期内，招商证券通过线上线下双轮驱动，创新营销及服务模式，全年新开户数创历史新高，同比增长81.77%。2021年末，公司客户数约1479万户，同比增长29.07%，托管客户资产4.45万亿元，同比增长16.51%。 此外，2021年末，公司财富管理客户达56.35万户、财富管理客户资产1.67万亿元，分别同比增长24.12%和21.90%，高净值客户达3.06万户，同比增长26.97%；2021年，公司获基金投顾业务试点资格，并于11月推出“e招投”基金投顾品牌，年末签约规模近24亿元。 投行方面，年报中显示，招商证券A股股权主承销金额和家数分别排名行业第7和第8，其中，IPO承销金额和家数分别排名行业第7和第8，再融资承销金额和家数均排名行业第9。根据证监会和沪深交易所数据，截至报告期末，公司A股IPO在审及已经通过审核待发行、待注册项目数量21个，其中主板IPO在会审核项目数量11个，排名行业第4。 而在投资管理上，根据统计，公司2021年末主动管理规模（不含专项资管计划）为3464.13亿元，同比增长29.72%，主动管理规模占比达82.87%，同比上升26.99%。 子公司方面，截至报告期末，博时基金资产管理规模（不含子公司）为16553亿元，公募基金管理规模（剔除联接基金）为9892亿元，分别同比增长25.45%、38.81%；招商基金资产管理规模（不含子公司）为10800亿元，包括公募基金资产管理规模（剔除联接基金）7410亿元，分别同比增长37.71%、47.21%。其中博时基金贡献净利8.72亿元，招商基金贡献净利7.21亿元。 展望2022年，招商证券表示，公司将继续坚持“做大轻资本业务，做强重资本业务”，做好服务类业务与用资类业务协调发展，不断提升ROE水平。投行业务上，公司将抢抓全面注册制、IPO与增发常态化、并购重组、公募REITs等业务机遇，多措并举扩大收入；投资管理业务则将做大主动管理规模，增强权益投资能力；打造更多明星产品，形成规模增长新动力；打造特色产品线，形成差异化竞争优势。

特斯拉上海工厂 凤凰网科技讯 北京时间3月28日消息，知情人士称，特斯拉公司计划在其上海工厂停产至少一天。

美恢复对未达燃油效率要求的汽车公司罚款 凤凰网科技讯 北京时间3月28日消息，文件显示，美国国家公路交通安全管理局(NHTSA)恢复了对近年来未能达到燃油效率要求的汽车制造商的更高罚款。这对特斯拉来说是一个胜利，该公司一直督促拜登政府提高民事处罚标准，这可能有助于该公司出售碳积分，但会让其他汽车制造商损失数亿美元或更多。 2021年1月，特朗普政府在卸任前的最后几天推迟了2016年的一项法规。该法规规定，从2019款车型开始，对未能达到企业平均燃油经济性(CAFE)要求的汽车制造商的处罚增加一倍以上。现在，NHTSA的最终规定恢复了更高的罚款，并进一步提高了2022款车型的罚款。 一个代表除特斯拉以外几乎所有主要汽车制造商的行业组织负责人周日表示，如果罚款被“投资于电动汽车、电池和充电基础设施，而不是消失在财政部的普通基金中”，那将是一个“更好的结果”。(作者/箫雨) 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”（ifeng_tech）。