当特斯拉Dojo超算中心训练出第100个自动驾驶模型时，中国造车新势力正在上演一场静悄悄的算力革命。7月14日，理想汽车对"系统与计算群组"进行重大调整，拆分原系统运营与智能云部门，成立由阿里系技术高管龙开文领衔的算力资源部。这场看似寻常的组织架构调整，实则是理想为争夺自动驾驶高地落下的关键一子——在千亿参数大模型决定L4级智能驾驶胜负的战场上，算力就是新时代的"石油"。
大模型与智能驾驶催生的算力革命
理想汽车此次调整的直接动因，源于两个关键技术需求：大模型研发与智能驾驶迭代。据内部信源透露，新部门首要任务是"支撑自研大模型的部署和应用"。行业共识表明，实现L4级自动驾驶需要训练千亿级参数模型，这要求算力规模呈指数级增长。
此前理想汽车的算力资源分散在智能云、系统运营等多个部门，存在资源调配效率低下的问题。以基座模型部门为例，其训练任务常需跨部门协调计算节点，而智能云部门则更侧重企业数字化业务。成立专职部门集中管理算力，本质上是对研发资源的战略重组，这种架构在头部科技公司已成标配——谷歌早在2016年就成立TPU研究院专攻算力优化。
龙开文的阿里基因与理想算力体系重构
新任算力资源部负责人龙开文的背景值得玩味。这位前阿里OS事业部核心系统负责人，曾主导阿里云超大规模集群管理，其分布式计算经验对车企构建算力池具有直接借鉴价值。在阿里期间，他推动的AliOS系统优化案例展现了软硬协同能力，这与理想正在构建的"芯片（马赫）+OS+云计算"技术闭环高度契合。
对比沈嵘管理的"企业智能"部门侧重业务数字化，算力资源部的定位更接近基础设施战略层。这种分工延续了互联网企业的经典架构：前者类似阿里云智能事业群的行业解决方案团队，后者则对标微软Azure的底层资源调度系统。龙开文与沈嵘的"云+端"组合，暗示理想正参照科技巨头模式重构技术体系。
横向对比：特斯拉Dojo与小鹏超算中心的启示
纵观行业算力布局，三大路径已然清晰：特斯拉Dojo超算采用纯自研路线，专攻视觉算法训练，其D1芯片与液冷集群实现垂直整合；小鹏汽车则选择与阿里云合作建设乌兰察布智算中心，侧重数据闭环而非硬件自主。
理想的差异化策略在于组织创新——通过架构调整实现全栈算力可控。其技术版图已覆盖芯片（马赫100）、操作系统（Li OS）到云端训练，此次调整将分散的算力单元整合为统一资源池。这种"软定义硬"的思路，与华为车BU的MDC架构异曲同工，但更强调研发资源的集约化管理。
未来三年：从算力整合到自动驾驶突围
基于CTO谢炎管理的三大群组架构，可以勾勒出理想的技术路线图：2024年马赫100芯片量产后，首要任务是构建千卡级训练集群；2025-2026年可能通过Chiplet技术提升算力密度，应对多模态大模型需求。但长期需警惕"算力军备竞赛"对毛利率的侵蚀——特斯拉2023年Q2研发投入占比已达4.2%，而理想同期为3.8%。
这场组织变革绝非临时调整，而是智能电动车竞争进入深水区的必然选择。当算法红利逐渐消退，算力效率将成为决定自动驾驶进度的关键变量。正如英伟达黄仁勋所言："未来所有车企都将是软件公司，而软件公司的核心资产就是算力。"理想汽车正试图用互联网思维改写造车的游戏规则。
全部评论 （0）