作者：谢人杰

6月21日，美国财政部网站上公布了对华新的技术制裁方案文本。大意是限制对华半导体、AI、量子技术的投资和技术支持，该方案将在8月份开始执行，基本上是去年总统令的具象化措施。

随后，OpenAI公司也非常应景地宣布，将于7月9日起阻止“非支持国家”使用API接口，这意味着中国用户必须通过其他国家的服务器访问这些API接口。

消息一出，官媒不置一词，自媒体们有两种看法：一种认为对汽车企业搭建大模型没什么影响；另一种认为GPT服务关闭，意味着中国的AI大模型将被美国越落越远。顺便说一句，大模型就是一段计算机程序，构建了虚拟神经网络。刺激它就会有反应，和中学做的青蛙反射试验差不多。

果然社媒上只有极端看法才能吸引眼球。如果无影响是“零分”，对中国大模型的应用毁天灭地、彻底玩不转了，算100分。那么此事短期影响力是-10分，长期影响力可能在20分左右。

短期利好

先要澄清，OpenAI官方从未正式向中国用户提供服务。那么大家是如何通过API访问GPT的呢？C端用户通过“科学上网”，而任何正经的B端用户都不会公然使用GPT。注意，我们强调的是“用户”，而非GPT套壳服务商。

车企这种B端需求，做大模型应用，要么从基础层开始自己搭建；要么在服务商的平台上搭建；第三种是直接接入某个大模型。

车企能不能搞大模型，当然能，只要掏出足够的钱（特斯拉掏了10亿美元，还是在自由采购算力卡的情况下），组建上千人的团队，就可以试一试。

国内也有6、7家车企（主要是新势力）声称搞了大模型，他们的大模型基本上都是和文心一言类似，就是语义大模型，用来做智舱的。用于智驾的大模型，有企业搞了，但参数只有几十亿，应该算“中模型”。根据ChatGPT的经验，参数多到千亿级，就会出现“涌现”。什么叫“涌现”，就是模型的智商突然提升，规控算法转移到“轻算力端”（即车端），用于一些难以事先预测的长尾场景中，决策效果更加合理了，整个过程无须人工干预。因此，不应该对中模型寄予太大期望。

OpenAI一封堵，国内很多大模型供应商马上就邀请企业进驻。大家抢着做中国的OpenAI。短期看，利好国内资本向这些基础供应商投资。客户们也不做他想。和当初芯片采购时一样的，原来不想用国产，觉得质量没保障，现在必须用国产，因为进口没保障。这就是为什么短期反而是利好。

车企没必要从头搭建

事实上，车企如果不想投资那么大，可以借助基础算力服务商，开发一套中间件。中间件也是程序的组合，用于实现数据、操作系统和应用以及人机界面交互。这样一来，车企无须自己积累基础算力，节约资金、简化了开发过程，不会影响系统的可扩展性和维护性。

车企的强项是什么？数据。而大模型就需要数据填喂，才能生成规划算法。如果不愿意做原始数据提供者，那么可以自己“淘洗”。淘洗过程和选矿差不多：预处理、标注、仿真，裁剪。将这些有效数据喂到大模型输入端，就可以指望输出算法，即训练。然后将算法转移到车端，即“端到端”。

特斯拉宣称，标注和训练，都不用实际路采了。有了初期的一些路采数据后（比如千万公里级别的有效数据），大模型自己就会改变参数，在算力中心重建场景，自己制造一些长尾场景，自我训练。

有利于算力供应商

大算力中心的内生逻辑都是一样的。核大国进行多次实际核试验，采集到足够数据之后，就可以用算力来虚拟核爆。这就是为什么合法核武国家，不再进行核爆之后，核武技术仍在进步。

这样一来，汽车产业对大模型的需求，就转化为对算力的需求，其他问题车企自己可以解决。OpenAI不对中企服务（其实也没服务过），美国公司也无法投资和技术交流，这些措施天然有利于拥有基础算力的公司，比如华为、阿里、腾讯、百度这些拥有“算力底座”的公司。谁的算力底座雄厚，谁就有望对更多的B端客户服务，谁就能拿到更多数据，做出更应用效果更好的“端到端”算法，进而在智驾比拼中领先。

在美国不断加严的制裁条款下，英伟达能卖的阉割版算力卡，性价比已经不行了。年初老黄还跑北京和上海一趟，但没什么用。无论政府部门，还是企业，都对英伟达的供应承诺不屑一顾。不管华为的算力卡比英伟达的差多少，大家还是排队买华为的昇腾。

美国的禁令直接给华为带来400多亿元的订单，不要还不行，本来这些生意都是英伟达的。要论扶持华为的力度，美国财政部显然暂时落后于美国商务部。因为前者卡的是投资、智力和软件，后者卡的是硬件。华为现在也因此成了中国高制程芯片、基础算力硬件的唯一供应商。

长期比拼

参数和算法，中美两国都有大量的IT工程师。硬件和系统，美国领先；汽车领域的数据和应用，中国领先。毕竟，中国的路况复杂程度，是美国的10倍。长尾场景的生成量，也不是一个级别。

大家都发现，硬件替代相对容易，性能稍逊现在也认了，总好过花钱拿不到东西。美国先发现的大模型特性，建立起一整套系统，总结出一套方法论。但文生图片、文生视频，做来做去，都在文化消费上打转转，对于提升生产力、提升产品价值，没有太多办法。

就说车企应用。美国的大模型供应商，连个车企用户都找不到，特斯拉算是一个，人家自己干。哪像中国，大模型供应商能找到好几个车企用户。尽管有些用户拉大旗作虎皮，声称自己做的大模型，这也没关系，服务商可以闷声发大财。

有了客户，有了应用牵引，才能完成商业循环，这是市场真理。技术差距是可以通过投资和时间来弥补的，但市场和客户不能无中生有。

光伏是美国人发明的，最早的技术应用也是美国人做出来的。现在中国的光伏生产商吊打全世界。大模型会不会这么极端，大概率不会，但10年后中美谁领先，真不好说。大模型系统搭建出来之后，要有海量数据填喂，系统才能做出好的算法。

系统都有了，谁能进行更有效的训练？现在强调美国的算力更强、参数设置更合理，似乎逻辑有点问题。

另外，持续投入也是一个长期比拼。OpenAI万亿级参数的GPT4，大概用了英伟达两万多块A100算力卡，进行100天连续训练，算力利用率只有1/3。跑这一次，费用大概是6000万美元（大部分付了电费，固投不算）。这个过程中，模型参数要确保快速收敛（提升训练效率）

这就意味着，模型搭建起来之后，数据调度、提升算力利用率、优化模型是长期的烧钱过程。一旦实现“端到端”的自动化，人工需求就降下去了，系统就可以自己迭代优化了。

在AI领域，知识的扩散速度超乎我们想象，不存在容易遏制的“初期阶段”。在软件问题上，美国卡中国脖子更困难一些，毕竟不能直接往中国人脑袋里灌水。现在AI领域，只有中美在全方位竞争，其他国家大体上只能瞪着眼看，也包括智驾。

而对于汽车高阶智驾的应用，全世界都处于很早期的摸索阶段。有人认为可以通过大算力大参数大数据的结合，以自回归方式走向通用AI，通用AI自会替代人类解决一切问题（前提是人类自己也可以解决的问题），高阶智驾自会迎刃而解；另一种看法认为，车企需要再专用模型上不断投资，自己找到通往高阶智驾的大模型自训练、自强化的路径。

不管哪一种，长期投资、集中智力资源、在所有可能路径上试错，不断用商业循环强化投资效能，为王者道。总之，六边形战士才有望在“漫长的战斗”打赢。“一招鲜”在这个领域内是不存在的。这也是对美国软件长期制裁效果被看空的原因。