深读|特斯拉AI技术体系的灵魂是什么？( 二 ) 人工智能落地的野心和现实

“这方面的工作不仅可以获得更大规模的合成数据，而且对基于深度强化学习的决策规划研究，对应用落地之前如何解决长尾问题、边缘小概率事件等，都具有特别重要的意义。 ”邓志东表示。
随着所需处理的数据开始呈指数级增长，特斯拉也在提高训练神经网络的算力，因此， Dojo超级计算机诞生。实际上马斯克此前已经多次“剧透”过Dojo超级计算机的存在，这次AI日发布的，更引人注目的是组成Dojo超级计算机的关键单元——特斯拉自主研发的神经网络训练芯片——D1 。
早在2019年4月特斯拉就量产了自研的FSD芯片，这次展示的D1芯片，在架构与性能上都有了大幅度升级。据称， D1芯片采用分布式结构和7纳米工艺，搭载了500亿个晶体管、354个训练节点，仅内部的电路就长达17.7公里，实现了超强算力和超高带宽。
而Dojo超算，原来是由5760块英伟达的A100显卡构建，而现在则完全改成了自研，由3000块D1芯片或120个训练单元组成，总算力达到了9PFLOPs（9千万亿次），能够适应海量视频大数据，实现AI大模型训练。
马斯克曾表示，最终会将Dojo超算提供给希望使用它来训练神经网络的其他公司，这意味着，特斯拉有可能将AI应用扩展到自动驾驶之外的其他领域，这次亮相的机器人便在一定程度上证实了这个可能性。

文章图片
据悉， TeslaBot高1.72米，重56.6千克，脸上的屏幕可显示信息，拥有人类水平的双手，并有力反馈感应，能够实现平衡和敏捷的动作——它就将利用Dojo超级计算机的训练机制来改进功能。
马斯克表示：“未来劳动力不会短缺，但体力劳动只是一种选择。 TeslaBot可以执行一些危险性、重复性、枯燥的任务。 ”这个项目已经提上日程，按照计划， TeslaBot或将在明年推出首个原型机。
邓志东指出，目前的AI ，可以对产业赋能的实际就是具有学习能力的数据智能，或者说大规模的神经网络，从AI算法来看，特斯拉显然抓住了多摄像头视觉神经网络这一核心架构，力图通过神经网络固有的学习能力，来解决自动驾驶甚至是个人机器人场景的一切问题。
“用自主学习来解决感知、预测与规控等挑战，可以充分发挥机器超越人类的能力，这是特斯拉AI技术体系的灵魂，也是特斯拉在理念上最领先的地方。 ”邓志东指出。
AI落地仍存挑战
此次“秀肌肉” ，特斯拉的目的是为了招揽AI领域更多的专业人才。
尽管特斯拉是自动驾驶行业一定意义上的“领头羊” ，但其距离真正的无人驾驶也还有很长一段距离，即便是现在已经落地的辅助驾驶功能，也并未做到尽善尽美。从这个角度看， AI技术进一步发挥作用还有待进一步完善。
近期，美国国家公路交通安全管理局（NHTSA）启动了对特斯拉的调查。据悉， NHTSA调查的11起事故均与特斯拉的Autopilot（自动辅助驾驶）或其他自动驾驶功能有关，其中， 7起事故造成了人员伤亡，共计17人受伤和1人死亡。
具体而言，这些事故发生在2018年1月22日至2021年7月10日之间，横跨九个不同的州。它们大多发生在晚上，事故后的场景中都有一些诸如急救车灯、照明弹、发光箭头板和路锥等物体——从场景上看，在道路救援人员停下车辆实施救援任务的时候，特斯拉的自动辅助驾驶功能未能成功识别到这些物体和车辆，进而发生碰撞。
上汽集团技术中心的一位规控工程师在分析该类事故原因时指出，锥桶+静止异性车辆是个典型的边缘场景，单纯摄像头甚至是摄像头+毫米波雷达的传感器组合都很难覆盖到这个场景。 “首先，锥桶形状比较小，远距离下毫米波雷达很难扫到，静止目标（包含车辆）则很容易被过滤掉。而摄像头如果没有针对的训练，无法识别出障碍物也会变成睁眼瞎。即使距离驶近后识别到了车辆，也因为高速近距离而无法避免碰撞。 ”