马斯克发布机器人，“钢铁侠”那种！特斯拉推出全球最快AI计算机( 二 ) 贾浩楠韦丽雪褚万博发自副驾

文章图片
所以到这里就完了？拿衣服。
最后也是最强，特斯拉D1支持下的终极大杀器登场：
ExaPOD ，集成120个训练模块，包含3000个D1芯片，超过1百万个训练节点。算力达到1.1EFLOP 。

文章图片
而且每单位能耗下的性能比当今最强超算高1.3倍，但碳排放仅为1/5 。
速度和性能，冠绝业内。
于是特斯拉明确：这就是全球最快的AI训练计算机。
有意思的是， 2019年美国能源部曾放言要花6亿美元建E级算力的超算， 2023年问世……
万万没想到，这个目标被“车企”特斯拉率先实现了。

文章图片
【马斯克发布机器人，“钢铁侠”那种！特斯拉推出全球最快AI计算机】最强“炼丹炉”为谁而建？
所以问题来了，自研D1芯片有了，最强AI训练超算DOJOready了，接下来特斯拉会有怎样的改变？
特斯拉AI技术主管AndrejKarpathy（李飞飞高徒）登场，介绍了D1芯片和DOJO ，主要服务的对象——特斯拉的在自动驾驶方面领先所有对手的“灵丹妙药”：
纯视觉方案。
事故频出，争议四起，甚至中国绝大部分玩家都转向了视觉+激光雷达的综合方案，但特斯拉依然坚持。
Karpathy详细介绍了特斯拉高纯视觉方案的思路，和现行8摄像头方案的特点，以及它为什么能work 。
特斯拉纯视觉方案，基本构建原则是把自动驾驶系统看作一个生物，有眼睛、有神经、有大脑。

文章图片
目前的方案有八个摄像头，背后是被称为HydraNets——“九头蛇网络”的多任务学习神经网络。
“九头蛇网络”可以同时处理目标检测、交通标志识别、车道预测等等任务，其关键在于对各种数据的特征提取，包括不同种类数据的特征共享、对不同任务的分别调参，以及参数缓存，用来加快调参速度。

文章图片
这也是实现FSD敏捷开发，半年内迭代2-3个版本的关键。
接下来， Karpathy描述了纯视觉方案的历史，以及方案发展到今天的逻辑，他展示了一段特斯拉处理其图像数据的视频。

文章图片
他说过去的FSD虽然很好，但事实证明这样的系统不够完善，每个摄像头能够检测到工程师预期的目标，但背后神经网络的矢量空间是不够的。
于是，特斯拉如重新设计了神经网络，就是上面的“九头蛇” 。
另外相机校准、缓存、队列和优化等等环节都做了最大程度简化。

文章图片
特斯拉方面还比较了多摄像头方案和单摄像头方案的差别，相同的场景下，单摄像头方案识别率明显低于多摄像头方案。

文章图片
特斯拉车辆上的8个摄像头获取原始输入后，系统会创建各种分辨率的图像，用于各种功能和目的。
这些不同的图像会被分别喂给处理不同任务的神经网络，作为整个自动驾驶系统的决策依据。

文章图片
接着， Karpathy介绍了特斯拉的“终极建筑师” ，即车辆在行驶过程中可以实时对车道、环境建模。
车道线实时建模，其实就是特斯拉自己的高精地图能力。