【TechWeb】北京時(shí)間8月20日，特斯拉在美國(guó)成功舉辦AI Day活動(dòng)。特斯拉CEO伊隆·馬斯克、人工智能部門總監(jiān)Andrej Karpathy等多位工程師，在線講解特斯拉純視覺(jué)方案FSD的進(jìn)展、神經(jīng)網(wǎng)絡(luò)自動(dòng)駕駛訓(xùn)練、D1芯片、Dojo超級(jí)計(jì)算機(jī)等相關(guān)信息。

特斯拉的純視覺(jué)傳感器方案的實(shí)現(xiàn)，離不開(kāi)多任務(wù)學(xué)習(xí)HydraNets神經(jīng)網(wǎng)絡(luò)架構(gòu)。每輛特斯拉汽車擁有8個(gè)環(huán)繞車身、覆蓋周圍360的攝像頭，來(lái)獲取交通信號(hào)燈、信號(hào)牌、匝道、路緣等周邊信息，為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)提供了絕佳條件。

Andrej說(shuō)：“我們希望能夠打造一個(gè)類似動(dòng)物視覺(jué)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(guò)程。就像光線進(jìn)入到視網(wǎng)膜當(dāng)中，我們希望通過(guò)攝像頭來(lái)模擬這個(gè)過(guò)程?！?/p>

多任務(wù)學(xué)習(xí)HydraNets神經(jīng)網(wǎng)絡(luò)架構(gòu)可以將8個(gè)攝像頭獲取的畫面拼接起來(lái)，并完美平衡視頻畫面的延遲和精準(zhǔn)度。通過(guò)人工或自動(dòng)標(biāo)注車道、車輛、信號(hào)燈、障礙物等環(huán)境和動(dòng)靜物體，系統(tǒng)會(huì)逐幀分析視頻畫面，了解物體的縱深、速度等信息，再將這些數(shù)據(jù)交給車隊(duì)學(xué)習(xí)。

但是在這個(gè)過(guò)程中，特斯拉發(fā)現(xiàn)了幾個(gè)問(wèn)題：這些參數(shù)和空間追蹤是很難通過(guò)C++這個(gè)基礎(chǔ)架構(gòu)實(shí)現(xiàn)拼接的；有一些空間數(shù)據(jù)的輸出質(zhì)量不高；不同攝像頭獲取的物體信息不同，拼合時(shí)很難進(jìn)行整體把握。

為解決這些問(wèn)題，特斯拉開(kāi)發(fā)了“矢量空間”（Vector Space）技術(shù)，同時(shí)兼具了非凸優(yōu)化算法（Non-convex）、高維度兩大優(yōu)勢(shì)。該技術(shù)可以通過(guò)8個(gè)攝像頭輸入的數(shù)據(jù)為基礎(chǔ)繪制3D鳥瞰視圖，形成4D的空間和時(shí)間標(biāo)簽的“路網(wǎng)”以呈現(xiàn)道路等信息，幫助車輛把握駕駛環(huán)境，更精準(zhǔn)的尋找最優(yōu)駕駛路徑。

有了海量、精準(zhǔn)的視頻數(shù)據(jù)，特斯拉還需要?jiǎng)?chuàng)造一個(gè)強(qiáng)大的神經(jīng)網(wǎng)絡(luò)，并對(duì)網(wǎng)絡(luò)進(jìn)行特殊的布局，使這些數(shù)據(jù)能在一個(gè)總的主干網(wǎng)絡(luò)上進(jìn)行整合和重新分析。因此，特斯拉“高樓平地起”，自主研發(fā)了基于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方式。

特斯拉擁有一支由世界各地人才組成的數(shù)據(jù)標(biāo)注團(tuán)隊(duì)，規(guī)模在1000人左右。團(tuán)隊(duì)每天對(duì)視頻數(shù)據(jù)中的物體在“矢量空間”中進(jìn)行標(biāo)注，在善于把握細(xì)節(jié)的人工標(biāo)注和效率更高的自動(dòng)標(biāo)注配合下，只需要標(biāo)注一次，“矢量空間”就能自動(dòng)標(biāo)注所有攝像頭的多幀畫面。這為特斯拉帶來(lái)了上百億級(jí)的有效且多樣化的原生數(shù)據(jù)，而這些數(shù)據(jù)都會(huì)用于神經(jīng)網(wǎng)絡(luò)培訓(xùn)。

同時(shí)，特斯拉還開(kāi)發(fā)了“仿真場(chǎng)景技術(shù)”，可以模擬現(xiàn)實(shí)中不太常見(jiàn)的“邊緣場(chǎng)景”用于自動(dòng)駕駛培訓(xùn)。在仿真場(chǎng)景中，特斯拉工程師可以提供不同的環(huán)境以及其他參數(shù)（障礙物、碰撞、舒適度等），極大提升了訓(xùn)練效率。

由此，特斯拉FSD系統(tǒng)已可以實(shí)現(xiàn)每1.5毫秒2500次搜索的超高效率，預(yù)測(cè)可能出現(xiàn)的各種情況，并在其中找到最安全、最舒適、最快速的自動(dòng)駕駛路徑。

當(dāng)下，隨著所需處理的數(shù)據(jù)開(kāi)始指數(shù)級(jí)增長(zhǎng)，特斯拉也在提高訓(xùn)練神經(jīng)網(wǎng)絡(luò)的算力，因此，便有了特斯拉Dojo超級(jí)計(jì)算機(jī)。

特斯拉的目標(biāo)是實(shí)現(xiàn)人工智能訓(xùn)練的超高算力，同時(shí)還要擴(kuò)展帶寬、減少延遲、節(jié)省成本。這就要求Dojo超級(jí)計(jì)算機(jī)的布局，要實(shí)現(xiàn)空間和時(shí)間的最佳平衡。

組成Dojo超級(jí)計(jì)算機(jī)的關(guān)鍵單元，是特斯拉自主研發(fā)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練芯片D1芯片。D1芯片采用分布式結(jié)構(gòu)和7納米工藝，搭載500億個(gè)晶體管、354個(gè)訓(xùn)練節(jié)點(diǎn)，僅內(nèi)部的電路就長(zhǎng)達(dá)17.7公里，實(shí)現(xiàn)了超強(qiáng)算力和超高帶寬。

1500個(gè)D1芯片共53萬(wàn)余訓(xùn)練節(jié)點(diǎn)，組成了Dojo超級(jí)計(jì)算機(jī)的訓(xùn)練模塊。由于每個(gè)D1芯片之間都是無(wú)縫連接在一起，相鄰芯片之間的延遲極低，訓(xùn)練模塊最大程度上實(shí)現(xiàn)了帶寬的保留，配合特斯拉自創(chuàng)的高帶寬、低延遲的連接器，算力高達(dá)9PFLOPs（9千萬(wàn)億次）。

得益于訓(xùn)練模塊的獨(dú)立運(yùn)行能力和無(wú)限鏈接能力，由其組成的Dojo超級(jí)計(jì)算機(jī)的性能拓展在理論上無(wú)上限，是個(gè)不折不扣的“性能野獸”。實(shí)際應(yīng)用中，特斯拉將以120個(gè)訓(xùn)練模塊組裝成ExaPOD，它是世界上首屈一指的人工智能訓(xùn)練計(jì)算機(jī)。與業(yè)內(nèi)其他產(chǎn)品相比，同成本下它的性能提升4倍，同能耗下性能提高1.3倍，占用空間節(jié)省5倍。

與強(qiáng)大硬件相匹配的，是特斯拉針對(duì)性開(kāi)發(fā)的分布式系統(tǒng)DPU（Dojo Processing Unit）。DPU是一個(gè)可視化交互軟件，可以隨時(shí)根據(jù)要求調(diào)整規(guī)模，高效地處理和計(jì)算，進(jìn)行數(shù)據(jù)建模、存儲(chǔ)分配、優(yōu)化布局、分區(qū)拓展等任務(wù)。

不久后，特斯拉即將開(kāi)始Dojo超級(jí)計(jì)算機(jī)的首批組裝，并從整個(gè)超級(jí)計(jì)算機(jī)到芯片、系統(tǒng)，進(jìn)行更進(jìn)一步的完善。

除了備受期待的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)與Dojo超級(jí)計(jì)算機(jī)，在活動(dòng)末尾，馬斯克在談到AI發(fā)展方向時(shí)，還出乎所有人意料地拋出了“Tesla Bot”。Tesla Bot高1.72米，重56.6千克，臉上的屏幕可顯示信息，擁有人類水平的雙手，并有力反饋感應(yīng)，以實(shí)現(xiàn)平衡和敏捷的動(dòng)作。

馬斯克表示，Tesla Bot將利用Dojo超級(jí)計(jì)算機(jī)的訓(xùn)練機(jī)制來(lái)改進(jìn)功能，并補(bǔ)充道：“未來(lái)勞動(dòng)力不會(huì)短缺，但體力勞動(dòng)只是一種選擇。Tesla Bot可以執(zhí)行一些危險(xiǎn)性、重復(fù)性、枯燥的任務(wù)。”Tesla Bot或?qū)⒃诿髂晖瞥鍪讉€(gè)原型機(jī)。

想象一下，如果特斯拉生產(chǎn)線的人類工人一半替換為機(jī)器人，Model3、Y會(huì)不會(huì)進(jìn)一步降價(jià)，跌入20萬(wàn)以內(nèi)區(qū)間？

（舉報(bào)）