一場(chǎng)安全事故、一位車主離世，將蔚來乃至整個(gè)新能源汽車行業(yè)推上了風(fēng)口浪尖。隨著事故繼續(xù)發(fā)酵，人們對(duì)于[自動(dòng)駕駛]的質(zhì)疑只會(huì)越來越多。
特斯拉也不例外，大量的安全事故讓它飽受批評(píng)。在這種情況下舉辦的特斯拉AI日，自然會(huì)成為新的話題中心。
8月20日的[特斯拉AI日]活動(dòng)也標(biāo)志著智能汽車的賽道終于和機(jī)器人的賽道重合。
純視覺自動(dòng)駕駛方案和Hydra Nets：一切為了純視覺化能力
特斯拉純視覺自動(dòng)駕駛系統(tǒng)通過 8 個(gè)1280×960 12-Bit HDR 36Hz 攝像頭的數(shù)據(jù)輸入進(jìn)單個(gè)神經(jīng)網(wǎng)絡(luò)中，整合成 3D 環(huán)境的感知，這被稱為 Vector Space。
特斯拉純視覺方案， 基本構(gòu)建原則是把自動(dòng)駕駛系統(tǒng)看作一個(gè)生物，有眼睛、有神經(jīng)、有大腦。
他們從頭設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)，按照生物視覺方法去建模，并利用多頭路線，其中包括相機(jī)校準(zhǔn)、緩存、隊(duì)列和優(yōu)化以簡(jiǎn)化所有任務(wù)。
為了實(shí)現(xiàn)更強(qiáng)大且精準(zhǔn)的駕駛輔助系統(tǒng)，特斯拉將采用更加先進(jìn)的多任務(wù)學(xué)習(xí)Hydra Nets神經(jīng)網(wǎng)絡(luò)架構(gòu)，并通過全車8個(gè)360°攝像頭來獲取道路信息為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)提供更出色的條件。
其希望能夠打造一個(gè)類似動(dòng)物視覺皮層的神經(jīng)網(wǎng)絡(luò)連接，模擬大腦信息輸入和輸出的過程。
特斯拉的視神經(jīng)網(wǎng)絡(luò)技術(shù)，通過攝像頭以純視覺的方式感知實(shí)際場(chǎng)景，經(jīng)過不斷訓(xùn)練和學(xué)習(xí)使得視神經(jīng)網(wǎng)絡(luò)能擁有更強(qiáng)的道路預(yù)測(cè)能力，從而更像人類駕駛員。
這有效地使特斯拉能夠更快地標(biāo)記數(shù)據(jù)，同時(shí)即使存在遮擋也可以保障車輛安全準(zhǔn)確地導(dǎo)航。
而現(xiàn)在的純視覺算法[Hydra Nets]基于不同攝像頭的視覺內(nèi)容進(jìn)行識(shí)別的，而且訓(xùn)練和推斷是端到端的。
該算法將多個(gè)攝像頭的視覺內(nèi)容轉(zhuǎn)變?yōu)橄蛄靠臻g和道路特征。
有了更強(qiáng)大的算力支撐，純視覺的完全自動(dòng)駕駛能力將更快的實(shí)現(xiàn)。
神秘超算Dojo：革命性架構(gòu)不斷訓(xùn)練AI
2020年8月，馬斯克表示正在研發(fā)一款名為[Dojo]的神經(jīng)網(wǎng)絡(luò)訓(xùn)練超級(jí)計(jì)算機(jī)，將主要處理從特斯拉汽車在路上獲得的海量視頻數(shù)據(jù)。
Dojo采用了自研的芯片和為神經(jīng)網(wǎng)絡(luò)訓(xùn)練優(yōu)化的計(jì)算架構(gòu)，而非GPU集群。
它采用了創(chuàng)新的架構(gòu)，將算力分布在復(fù)雜的網(wǎng)絡(luò)構(gòu)造中，實(shí)現(xiàn)了極高的算力、高帶寬、低延遲的網(wǎng)絡(luò)吞吐量。
Dojo的訓(xùn)練CPU屬于ASIC芯片，專注于人工智能訓(xùn)練，采用7納米制程，可以實(shí)現(xiàn)1024GFLOPS的BF16算力，在芯片周圍的四向都有4TB/s的傳輸帶寬。
特斯拉宣稱它的效率超過了現(xiàn)有的GPU和TPU，其主要的優(yōu)勢(shì)是在帶寬上。
與常見的CPU或是GPU相比，Dojo舍棄了大量功能模塊，加入了更多計(jì)算模塊，以換取更高的算力和效率，更適合計(jì)算類型相對(duì)固定、計(jì)算精度較低，但計(jì)算量十分龐大的AI領(lǐng)域。
在實(shí)際的算力表現(xiàn)方面，活動(dòng)中展示的Dojo D1芯片模型，其運(yùn)算能力能達(dá)到每秒362萬億次浮點(diǎn)運(yùn)算。
未來如果將更多的Dojo D1芯片拼接在一起，結(jié)果可想而知。
特斯拉利用Dojo，在云端模擬了一個(gè)十分貼近現(xiàn)實(shí)的世界，用來訓(xùn)練自動(dòng)輔助駕駛技術(shù)。
與此同時(shí)，特斯拉還圍繞這套計(jì)算系統(tǒng)構(gòu)建了完整的軟件堆棧，深度學(xué)習(xí)框架用的是PyTorch。
DOJO還能進(jìn)行模塊化組裝，多個(gè)芯片間無縫銜接，組成超大規(guī)模的計(jì)算陣列，一個(gè)集合了25塊DOJO芯片的訓(xùn)練模塊。
而且馬斯克這個(gè)DOJO只做一件事，訓(xùn)練AI。可以理解為它被拿去專門訓(xùn)練輔助駕駛系統(tǒng)Auto Pilot和FSD。
DOJO項(xiàng)目負(fù)責(zé)人說，特斯拉DOJO是史上最快的AI訓(xùn)練計(jì)算機(jī)。而且在同等功耗下，DOJO比現(xiàn)有計(jì)算機(jī)性能提升4倍、能效提升1.3倍、碳足跡只有原來的1/5。
這個(gè)基于大量視頻訓(xùn)練AI算法的DOJO超級(jí)計(jì)算機(jī)，將于明年投用。
然后把這些數(shù)據(jù)交給DOJO，DOJO就可以實(shí)時(shí)繪制車周圍的環(huán)境圖，并且據(jù)此給車輛發(fā)出相應(yīng)的指令，注意這里的關(guān)鍵點(diǎn)是實(shí)時(shí)。
無論是特斯拉Autopilot還是FSD，或者是別的新能源車企，目前也都只是輔助駕駛的領(lǐng)域，并不是真正意義上的自動(dòng)駕駛功能，而DOJO的成熟應(yīng)用可以加速?gòu)妮o助駕駛到自動(dòng)駕駛的過度。
圖片而DOJO就像是圍棋領(lǐng)域的阿爾法狗，它專注于自動(dòng)駕駛領(lǐng)域，所以甚至可以超過人類駕駛員，成為自動(dòng)駕駛車輛的全能領(lǐng)航員。
Tesla Bot人形機(jī)器人：[秀肌肉]背后的技術(shù)支撐
現(xiàn)階段的輔助駕駛需要人類隨時(shí)準(zhǔn)備接管，更像是人輔助車，而不是車輔助人。
按照特斯拉的設(shè)想，基于AI的汽車的視覺感應(yīng)系統(tǒng)應(yīng)該如同人體系統(tǒng)一般。
按照馬斯克的預(yù)想，Tesla Bot會(huì)繼承特斯拉的車機(jī)系統(tǒng)，包括輔助駕駛等，能根據(jù)周邊的環(huán)境做出不同的動(dòng)作，最終完成原本只能由人完成的體力勞動(dòng)。
特斯拉這款人形機(jī)器人，身高約為1.72米，體重為56.7千克。按照官方的說法，它最多能夠攜帶20千克的物品，同時(shí)能夠以約5英里/每小時(shí)的速度進(jìn)行移動(dòng)。
這款人形機(jī)器人將沿用特斯拉工廠自動(dòng)化機(jī)器的使用經(jīng)驗(yàn)，并利用該公司的Autopilot駕駛員輔助軟件所使用的一些硬件和軟件。
而此次特斯拉在人型機(jī)器人領(lǐng)域的嘗試能否得到市場(chǎng)青睞，重點(diǎn)也不在于人的形態(tài)，而是其實(shí)用性是否能滿足更多場(chǎng)景和需求。
單從特斯拉AI日上展示的相關(guān)產(chǎn)品來看，人形機(jī)器人可能只是特斯拉展示新技術(shù)的工具。
特斯拉或許在向外界傳遞一個(gè)信號(hào)，那就是自家汽車上的核心技術(shù)，應(yīng)用到機(jī)器人領(lǐng)域同樣很牛逼。
實(shí)際上，這款人形機(jī)器人可能只是為了展示特斯拉的超算DOJO以及FSD全自動(dòng)輔助駕駛系統(tǒng)。
結(jié)尾：
特斯拉用一款人形機(jī)器人吸引了眼球，但這臺(tái)機(jī)器人背后是視神經(jīng)網(wǎng)絡(luò)技術(shù)、Dojo超級(jí)計(jì)算機(jī)和Dojo D1芯片，這是特斯拉在人工智能領(lǐng)域推動(dòng)完全無人駕駛和行走機(jī)器人的基石。
如今，特斯拉造出自己的AI超算，訓(xùn)練AI模型將不斷提速，通過更多的場(chǎng)景、案例，最終實(shí)現(xiàn)更安全的自動(dòng)駕駛功能。通過視覺為汽車和機(jī)器人數(shù)字化周邊景像，這是馬斯克的技術(shù)路線。
作者 | 方文
部分資料參考：
機(jī)器之心：《很突然、很驚艷，馬斯克公布特斯拉人形機(jī)器人，自研超算Dojo亮相》
愛范兒：《剛剛！特斯拉發(fā)布史上最快計(jì)算機(jī)，還有一個(gè)神秘機(jī)器人，真「鋼鐵俠」要來了嗎？》
差評(píng)：《馬斯克昨天發(fā)了個(gè)芯片，還想造世界第一超算。》
雷科技：《為了宣傳自家計(jì)算機(jī)和FSD，特斯拉做了個(gè)“人”》
好奇橙柿：《機(jī)器人的背后，是特斯拉對(duì)自動(dòng)駕駛的野心》
