大概兩個小時前，可能是特斯拉本年度最重要，也可能是汽車領(lǐng)域——甚至科技行業(yè)本年度非常重要的一次發(fā)布會，剛剛結(jié)束。

2019 年的 Autonomous Day 上，特斯拉帶來了首款車企自研的自動駕駛計算方案；2020 年的 Battery Day，馬斯克又發(fā)布了號稱續(xù)航提升 54% 的 4680 電池+一體式底盤。

而今天的 AI Day，特斯拉正式兌現(xiàn)了馬斯克承諾的「一家人工智能公司」，發(fā)布了第一款汽車企業(yè)自研的人工智能訓(xùn)練芯片 D1，以及目前性能最強的人工智能計算機柜 DOJO Pod——它會為特斯拉的純視覺 FSD 深度學(xué)習(xí)服務(wù)。

除此以外，特斯拉還公開了純視覺 FSD 的工作原理、遇到的挑戰(zhàn)，以及 Autopilot 軟件團隊的解決方案。

最出乎意料的，是馬斯克帶來了 one more thing——特斯拉研發(fā)的機器人 Tesla Bot！

我們用盡可能易懂的表達，盡量摘錄了大部分內(nèi)容，但時間關(guān)系，具體的原理今天很難展開討論，請大家見諒。

今天的文章不短，而且很多圖，但我們還是強烈建議您看完全文，因為這場發(fā)布會實在太炸裂。

前言：特斯拉的 AI 原命題

如果你制定了超越一個行業(yè)的計劃，要不你是個瘋子，要不你就會滾起認(rèn)知和實踐的雪球，做到無數(shù)個「第一次」。

特斯拉就是典例。

DOJO 的誕生并不是為了稱霸超算界而稱霸超算界，它更像是普羅米修斯手里的火種，目的是為特斯拉，以及后面的一眾車企/技術(shù)公司，照亮人工智能的前路。

所以進入正文前，請大家牢記一個問題：當(dāng)前地球量產(chǎn)科技基礎(chǔ)上，如何打造最極致的人工智能？

因為這是 DOJO、FSD、Tesla Bot 的靈魂，也是特斯拉本次 AI Day 的原命題。

一、「用眼睛開車」

很多朋友已經(jīng)對這句話倒背如流，不過今天還是得重復(fù)一次，作為本章節(jié)的綱領(lǐng)——「你會開車，是因為你用眼睛看路，而不是眼睛發(fā)射激光」。

這句話將一個深刻的道理極限地淺顯化，以至于引來了可能是自動駕駛領(lǐng)域最激烈（起碼之一）的爭論。

這個道理是：人類經(jīng)過漫長歲月的進化，已經(jīng)形成了一套從眼睛開始，以大腦為中樞，肢體為具現(xiàn)的「地球 OL 啟動器」。

所以，特斯拉的純視覺方法論，并不像是繞開雷達信號融合的「捷徑」，反而可能是最形而上學(xué)的蜀道難——因為特斯拉希望造一個輪子上的人。

前不久的 2021 CVPR 計算機視覺會議上，特斯拉 AI 部門高級主管 Andrej Karpathy 已經(jīng)分享了很多 Autopilot 軟件細(xì)節(jié)，大家可以點擊這里回看我們的報道，今天我們只聊特斯拉做到了什么。

想要實現(xiàn) Andrej 說過的，讓汽車用眼睛開車，有攝像頭是不夠的，關(guān)鍵是如何分解攝像頭信號，又如何讓汽車思考這些信號。

但事實上，先不說更深層次的「思考」，光是讓純視覺「認(rèn)清」一樣?xùn)|西，就已經(jīng)需要耗費大量努力。

和我們開眼看世界不太一樣，攝像頭看到的是像素集合，因此神經(jīng)網(wǎng)絡(luò)要做的，是分析每個像素之間的聯(lián)系，并判斷哪些像素集合成哪些物體。

點線面體，我們現(xiàn)在來到了「體」，也就是由無數(shù)同一時間發(fā)生的、存在的事物組成的真實世界。以駕駛為例子，「障礙物」、「交通燈」、「車道線」等等，都是需要神經(jīng)網(wǎng)絡(luò)認(rèn)清的元素。

于是我們需要多任務(wù)深度學(xué)習(xí)，特斯拉則將自己的多任務(wù)網(wǎng)絡(luò)稱為「HydraNets」。

純視覺 Autopilot 數(shù)據(jù)，由 8 個攝像頭，每個攝像頭每秒拍攝的 36 幀畫面組成，所以每一幀的最終效果如下圖所示——每秒一共有 36 組這樣的畫面。

挑戰(zhàn)隨即而至：多攝像頭融合的界限很難劃分、圖像內(nèi)的空間也并不是最終映射的實際空間（類似于畸變）。

一個明顯的例子是長長的半掛，同時出現(xiàn)在 5 個攝像頭的視野內(nèi)：

除了看清物體，看路也是至關(guān)重要的一環(huán)，特別是正確識別道路的邊界。在這張范例里，道路邊緣的特征點被車輛阻擋，這時候就需要從畫面其他部分「尋找線索」。

事實上，讓車子搞清楚「需要看哪里」，同樣不是容易的事情，特斯拉把算法的簡單結(jié)構(gòu) po 了出來：

接下來要搞定的，是如何「看得完整」。也就是正確識別某個物體跨越多個攝像頭的全部運動軌跡，比如前面有車經(jīng)過：

最后是「記得你看過的東西」。

我們在開車的時候，以往的經(jīng)驗會告訴我們，路邊停著的車隊中間可能會竄出一個人、單行道上沒有打雙閃的車，停下來也許短時間也不會走...

以至于速度、方向、標(biāo)識等等紛繁的細(xì)節(jié)，它們都組成了我們對路況即時的記憶，然后決定了我們什么時候應(yīng)該做什么。

二、FSD 老司機成長記

在特斯拉的理解里，自動駕駛的目標(biāo)，就是同時最大化安全 safety、舒適 comfort，以及效率 efficiency。是的，同時，缺一不可。

第一段說「看路」，本質(zhì)上是自動駕駛的感知。而本段討論的則是規(guī)劃，以及控制。事實上特斯拉用了海量篇幅討論「規(guī)劃」，控制相對少很多。

我們直接看療效：

比如上圖，我們經(jīng)過一個十字路口之后，前方還要左轉(zhuǎn)。這時候有多種操作方式：減速提早變線、加速推遲變線，等等。但每個選擇都可能有缺點，依據(jù)的路況也不一樣，這就是 coarse search 粗搜索。

特斯拉表示僅僅 1.5 毫秒內(nèi)，系統(tǒng)就可以做出 2500 個粗搜索。靈光一現(xiàn)也許都不太夠用，這得靈光 2500 現(xiàn)。

即使是靈光 2500 萬現(xiàn)，最終也得往前開。經(jīng)歷眾多備選項之后，系統(tǒng)就可以做出相對合理的抉擇，在兼顧舒適與安全的基礎(chǔ)上，盡量簡單地把彎給轉(zhuǎn)了，這就是 smooth trajectory 平滑軌跡。

自動駕駛的科目二和科目三幾乎是一起上的，而且課程極其繁重——因為路況瞬息萬變。

這時候依然需要粗搜索大法，以停車場為例，在走過一個彎的路程內(nèi)，Autopilot 已經(jīng)進行了接近 40 萬次的粗搜索：

對于特斯拉來說，規(guī)劃的最終目的，就是為了 Corridor 行駛通道內(nèi)的安全、順滑和速度不斷優(yōu)化。

三、一切為了數(shù)據(jù)，為了數(shù)據(jù)的一切

2021 CVPR 會議上，Andrej 表示特斯拉轉(zhuǎn)向純視覺深度學(xué)習(xí)之后，已經(jīng)積累了超過 60 億個物體標(biāo)簽，超過 1.5PB 的數(shù)據(jù)量——那還只是 6 月底。

為了應(yīng)對如此龐大的數(shù)據(jù)，特斯拉表示他們目前擁有一支 1000 人的數(shù)據(jù)標(biāo)簽隊伍，與工程師一起工作，打造了完全定制化的數(shù)據(jù)標(biāo)簽&分析架構(gòu)。

在傳統(tǒng)的 2D 圖像標(biāo)注基礎(chǔ)上，特斯拉現(xiàn)在可以實現(xiàn) 4D，也就是立體空間+時間戳的四維標(biāo)注，效果如圖：

另外，銷量屢創(chuàng)新高，路上跑的車越來越多之后，特斯拉如今可以對同一條路做多次數(shù)據(jù)收集：

加上墻壁、路障，和其他所有物體，再加上周邊行人、車輛的閉環(huán)整合，一輛特斯拉眼中的數(shù)據(jù)世界，是這樣的：

四、Dojo，地表最強！

終于來到本次發(fā)布會的重中之重了。

目前特斯拉唯一一款自研芯片，是 FSD Chip。單芯算力 72TOPS，雙芯組成的 Autopilot 硬件 3.0 算力 144TOPS。

除了裝在 SEXY 家族車型上，特斯拉還在用硬件 3.0 做 AI 評估，超過 3000 塊 HW3.0 主板組成的 3 個數(shù)據(jù)中心，每周可以運行 100 萬次循環(huán)。

而前不久 Andrej「爆料」的，目前用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的超級計算機，則使用了英偉達 A100 GPU 方案，合計 5760 個 GPU 以及 12PB（1PB=1024TB）的 NVME 高速存儲器。

但在 Dojo 面前，它倆都像是上一個時代的產(chǎn)物——或者說本來就是。

正式進入 Dojo 參數(shù)之前，我們先來強調(diào)一下：特斯拉對于 AI 訓(xùn)練計算機的核心訴求，并不是算力，而是帶寬和延遲。

這一點，2019 年的 Pete Bannon 已經(jīng)提到過：「自動駕駛運算需要極高的帶寬，起碼要達到 1TB 每秒，F(xiàn)SD 芯片（內(nèi)部）可以達到 2TB 每秒」。

多芯片之間數(shù)據(jù)交換的帶寬（類似于車道數(shù)）和延遲（類似于道路限速），是特斯拉在 AI 訓(xùn)練路上狂奔得足夠久之后的深刻總結(jié)。

Dojo 的設(shè)計原命題，就是帶寬和延遲，這兩個要素，是決定特斯拉能否達到「最佳 AI 訓(xùn)練性能、更大更復(fù)雜神經(jīng)網(wǎng)絡(luò)、能耗成本優(yōu)化」目標(biāo)的關(guān)鍵。

再賣個關(guān)子，來看看英偉達的 A100 多芯片方案，多個芯片位于不同的 PCB 基板，用橋接器連接。這已經(jīng)是目前最快的橋接器，速度達到了 600GB 每秒。

但對于特斯拉來說，這還遠(yuǎn)遠(yuǎn)不夠。

多芯片之間最理想的數(shù)據(jù)交換方式，就是「放在一起」，也就是位于同一塊基板上，左鄰右里排布。

而特斯拉更進一步，不是將芯片們「放」在一起，而是「封裝」在一起。

封裝多個芯片有很多種方法，比如這顆英特爾處理器一樣，兩塊芯片放在一個基板上：

而特斯拉又進了一步，使用了臺積電首次量產(chǎn)的 InFO-SoW 扇上晶圓直出封裝技術(shù)，也就是直接從晶圓上刻出一個個芯片，然后整塊晶圓摁在基板上。

全部裝起來之后，一個 Dojo 計算模組長這樣：

如果只刻一塊芯片，那它叫 D1 Chip，長這樣，基于臺積電 7 納米工藝打造，核心面積 645 平方毫米，內(nèi)置了 500 億個晶體管，內(nèi)部線束長度高達 11+ 英里（約 18 公里）：

內(nèi)部線束如此驚人，是因為 D1 芯片內(nèi)和芯片間的通信帶寬簡直駭人聽聞。這同時得益于臺積電的封裝技術(shù)（芯片之間的距離極短），以及特斯拉的芯片設(shè)計。

一塊 D1 芯片由 354 個訓(xùn)練節(jié)點組成，每個訓(xùn)練節(jié)點內(nèi)部都起碼有以下部分：

64 位 4 路集相的多線程 CPU；

1.25MB SRAM 緩存；

低延遲數(shù)據(jù)交換結(jié)構(gòu)；

SIMD 單指令多數(shù)據(jù)流的浮點/整數(shù)單元

D1 訓(xùn)練節(jié)點的一大特點，就在于這個「低延遲數(shù)據(jù)交換結(jié)構(gòu)」。

上圖右上角有一個叫做「 NOC Router」的結(jié)構(gòu)，這是訓(xùn)練節(jié)點之間交換數(shù)據(jù)的工具——特斯拉喪心病狂地給每一個小節(jié)點，都設(shè)計了上下左右各 64bit 的通道。

這是什么意思？我們還是直接看療效：D1 的芯片內(nèi)部帶寬高達10TB每秒，芯片外帶寬也高達 4TB每秒！

算力方面，每一個訓(xùn)練節(jié)點都擁有 1024GFLOPS的 BF16/CF8 精度計算能力（這兩個是較新的精度標(biāo)準(zhǔn)），或者 32GFLOPS的 FP32 精度計算能力。

354 個訓(xùn)練節(jié)點構(gòu)成的 D1 芯片，則可以實現(xiàn)高達 362TFLOPS 的 BF16/CF8 精度算力（FP32 精度 22.6T）——而 25 個 D1 芯片組成的 Dojo 計算模塊，則將這塊人手輕松舉起來的「電腦」算力，推到了驚人的：

9PFLOPS！

這是什么概念？

最終成品的單個 DOJO 計算機柜，叫做 DOJO Pod，總算力超過 1.1EFLOPS（BF16 精度），內(nèi)含 3000 個 D1 芯片，也就是只需要 120 片上圖這樣小巧的模組——就達到了超越全球超算排行榜第 5 名的 FP32 精度算力。

而目前的第 5 名，隸屬于美國國家能源研究科學(xué)計算中心（NERSC）的 Perlmutter，一共有 40 個機柜。

當(dāng)然，馬斯克說過的可是「1 exa flops at de facto FP32（貨真價實的 1E FP32 精度算力）」。目前一個 Dojo Pod 可實現(xiàn)不了——但這次跳票也許真不怪馬斯克，臺積電目前有多緊俏，相信大家都有所耳聞。

哦對了，下一代 Dojo 和相關(guān)軟件工具已經(jīng)在研發(fā)了，目標(biāo)又是 10 倍級別的系統(tǒng)級性能提升。

五、One More Thing

年滿 50 歲的馬斯克，終于知道人前起舞是有點幼稚的事情，于是今天他請來了一位衣著前衛(wèi)的舞者，替他發(fā)泄情緒：

不好意思歪樓了，這是今天的 One More Thing，也是全場發(fā)布會最大的驚喜——特斯拉機器人  Tesla Bot。不是跳舞這位，而是它：

馬斯克對 Tesla Bot 的定義是「由人類世界制造，為人類世界制造」、「友好」、「無威脅，從事重復(fù)性/無聊的工作」。

Tesla Bot 的身高是 5'8"（約一米八），體重 56.7 公斤，可以硬拉 150 磅（68 公斤），或者搬運 45 磅（20.4 公斤）的物體，伸開手的狀態(tài)下可以拿 10 磅（4.5公斤）的物體，最高時速 8 公里。

這個數(shù)據(jù)就是一個竹竿型人類的標(biāo)配，但作為即將發(fā)售的機器人，這也許更應(yīng)該是一串歷史素材。

Tesla Bot 全身具有 40 個電動促動器，臉上是顯示屏，全身由輕量化材料打造，手掌質(zhì)感接近真人。

哦對了，Tesla Bot 的腳板有傳感器，別亂踩人家。

至于「大腦」，Tesla Bot 將由 Autopilot 硬件驅(qū)動（什么叫垂直整合?。秆劬Α挂矔?Autopilot 攝像頭，深度學(xué)習(xí)、DOJO 訓(xùn)練什么的一應(yīng)俱全。

馬斯克說明年 Tesla Bot 的原型就將公布，「大家看我們只是在造車，但其實我們也是全球最大的機器人公司——因為特斯拉的車就像是輪子上的機器人，所以我們就造了真正的機器人?！?/span>

六、軟硬合一，進度 50%？

寫到最后一段，我的亢奮更甚了。

前天我在文章里提了一嘴：

「軟硬結(jié)合，是科技公司心目中的殿堂、王座、圣杯。但能實現(xiàn)這一點，而且軟硬皆優(yōu)的科技企業(yè)，只有蘋果算一個，AI Day 之后的特斯拉算半個——FSD 全球推送之后能補上另一半?！?/span>

今天的 AI Day 實在是太過于驚艷，以至于我真的很希望寫下「軟硬合一」四個字，竭盡全力吹一把特斯拉。

但再想一下，我覺得現(xiàn)在下這個定論，似乎不太準(zhǔn)確。

特斯拉還沒有最終實現(xiàn)人工智能的軟硬合一，無論是汽車的自動駕駛，還是機器人。FSD 還在 Beta、DOJO 也是上周才正常上機運行、Tesla Bot 更是明年才有「原型」。

但光從硬件的角度看，今天的特斯拉，將人工智能的想象力拓寬了整整一大步，或者說狠狠拉了一把進度條。

如果說前兩次年度發(fā)布會，特斯拉車企的味道還很濃，那么今天的特斯拉，已經(jīng)開始若有若無地，有一種游戲《賽博朋克 2077》里荒坂集團的味道了——不是說他大反派，而是類似的創(chuàng)造力，以及每個細(xì)分領(lǐng)域的統(tǒng)治力。

真想快進到萬物 AI 的終局。

（完）

返回第一電動網(wǎng)首頁 >