今年上海车展的时候，我在微博上公布过我参加的中国电动汽车百人会主办的产业创新论坛，其中在关于AI聚合智能产业共性新质竞争力的方面，百人会副秘书长师建华分享了协会汇总的24年12月底为止统计的国内主要车企算力基础设施的基本情况，其中吉利的智算中心达到了23.5EFLOPS。国内自主车企方面，吉利的智算中心规模是最大的。
那么很多人也在询问，吉利的智算中心这么高的算力投入到底在做什么。大家此前把算力过多的关注在智能辅助驾驶领域，但是今天，吉利发布的星睿AI云动力2.0智慧体或许给了我一部分的答案。
吉利的雷神动力大家已经很熟悉了，从2021年开始逐步替换成为吉利集团的乘用车主力混动家族，而且还反向输出到沃尔沃车型以及目前通过吉利、雷诺以及阿美石油合资的浩思动力推广到全球品牌的多个车型中。这一次发布的星睿AI智慧体2.0对于这套系统的助力在我看来主要体现在以下几个方面:
首先，对中国用户驾驶习惯与路况信息的分析、建模和再利用。吉利表示说目前智慧体存储覆盖的车型已经超过200万台，通过模型算法拆分和重新构建了覆盖全国、四季、千人千驾的场景分析图谱，还有1000个细分场景的场景库。
其次，是能量管理，这个主要是针对混动。目前大部分混动汽车，用的是 “基于规则” 的能量管理策略。但现实驾驶中，路况瞬息万变：比如遇到突然堵车，发动机可能还在 “傻乎乎” 地工作，浪费燃油。上高速前明明可以提前充电，却没做好能量储备，导致高速油耗飙升。
问题根源，是这些策略像 “离线地图”，无法根据实时路况灵活调整，就像让司机按固定剧本开车，却不管路上有没有突发状况。
如果汽车能 “提前知道” 接下来是爬坡、堵车还是跑高速，就能提前规划能量分配。通过车载传感器（如雷达、摄像头）、导航地图（实时路况）、甚至车联网数据（前方路口红绿灯状态），汽车能 “看清” 接下来的驾驶场景。利用大数据和 AI 算法，分析历史驾驶数据和实时路况，预测接下来的速度、加速度变化。比如预测到 “5 分钟后进入高速”，就可以提前让发动机给电池充电，为高速巡航储备能量。
根据研究，通过制定合适的能量管理策略能够有6%~15%的节能空间。部分国内车企在最近几年也尝试了很多类似的规划，但是基础数据、场景分析模型和云端算力支持是很大的瓶颈，目前吉利在这个领域研究和实践是相当领先的。
目前智能混动算法策略主要包括基于规则的能量管理策略、基于优化的能量管理策略和基于学习的能量管理策略。基于学习的能量管理策略主要代表为RL和DRL，该算法可通过车辆智能体与环境实时交互，不断学习并调整能量管理策略。
根据前段时间我和北理工徐向阳教授团队的交流，通过制定合适的能量管理策略，理论上能够有6%~15%的节能空间。部分国内车企在最近几年也尝试了很多类似的规划，目前吉利在这个领域研究和实践是相当领先的。吉利这次的发布会介绍他们采用的是DRL模型算法，目前这类算法在国内在研究和小样本软件平台模型计算阶段的居多，主要的瓶颈在于基础信息库、高算力支持、可靠的云端通讯和车端响应。从吉利介绍的内容来说，目前吉利的这套AI策略系统应该是在S3->S4级演变的阶段。在国内处于非常领先的阶段（国内普遍在S2级别居多）。
第三，是动力系统的健康管理，这也是近年来非常火热的话题。
这次吉利提到的发动机健康预测算法是一个有意思的点。由于不同人的使用习惯不同，混动车型的保养周期到底怎么计算合适是一个很有意思的点。目前尽管有一些企业会把发动机运行里程单独列出来，但是实际上的手册保养要求又不直接和发动机运行里程相关。吉利这次提到了一个机油健康度计算算法的内容，实质上就是把混动工况条件下的发动机的保养条件单独列出来，预计这种柔性的保养策略可以把保养里程最大扩大50%。
类似的全生命周期管理概念还在电池这边，相当于是学习用户的使用习惯，如果是在家冲或者快充但充电时间相对充裕的时候，可以把充电曲线做得更兼顾电池寿命，平衡用户使用便利性和电池寿命管理。
这次吉利的发布会介绍的其他内容还有很多，上面三个点是我觉得比较感兴趣的亮点。智能能量管理是未来混动技术发展的趋势，这次吉利提出的引领电混技术进入AI时代以及打造AI时代黄金动力的说法，我是非常认可的。
此外，其实吉利的雷神动力家族从最早在亚琛会议上，由王瑞平总经理介绍其高效、节能和排放，到后来在中国和瑞典两地测试的基于沼气的清洁甲醇汽车的测试，到近年来的任意参比甲醇-汽油燃料混合动力系统（雷神醇氢EF），包括我前面提到的雷神系列的本土化和全球化的进程，其实都是在把中国市场引领的先进混动系统推广到全球的潮流做出的努力，也得到了国内外合作方和市场的认可。而且吉利的这种动力国际化步调以及合作架构，也更加符合中国本土汽车产业和产品平和的融入国际市场该有的模式。电混技术进入AI时代
