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

2019 年的 Autonomous Day 上，特斯拉帶來(lái)了首款車(chē)企自研的自動(dòng)駕駛計(jì)算方案；2020 年的 Battery Day，馬斯克又發(fā)布了號(hào)稱(chēng)續(xù)航提升 54% 的 4680 電池+一體式底盤(pán)。

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(chē)企業(yè)自研的人工智能訓(xùn)練芯片 D1，以及目前性能最強(qiáng)的人工智能計(jì)算機(jī)柜 DOJO Pod——它會(huì)為特斯拉的純視覺(jué) FSD 深度學(xué)習(xí)服務(wù)。

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

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

我們用盡可能易懂的表達(dá)，盡量摘錄了大部分內(nèi)容，但時(shí)間關(guān)系，具體的原理今天很難展開(kāi)討論，請(qǐng)大家見(jiàn)諒。

今天的文章不短，而且很多圖，但我們還是強(qiáng)烈建議您看完全文，因?yàn)檫@場(chǎng)發(fā)布會(huì)實(shí)在太炸裂。

前言：特斯拉的 AI 原命題

如果你制定了超越一個(gè)行業(yè)的計(jì)劃，要不你是個(gè)瘋子，要不你就會(huì)滾起認(rèn)知和實(shí)踐的雪球，做到無(wú)數(shù)個(gè)「第一次」。

特斯拉就是典例。

DOJO 的誕生并不是為了稱(chēng)霸超算界而稱(chēng)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(chē)企/技術(shù)公司，照亮人工智能的前路。

所以進(jìn)入正文前，請(qǐng)大家牢記一個(gè)問(wèn)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?yàn)檫@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(kāi)車(chē)」

很多朋友已經(jīng)對(duì)這句話倒背如流，不過(guò)今天還是得重復(fù)一次，作為本章節(jié)的綱領(lǐng)——「你會(huì)開(kāi)車(chē)，是因?yàn)槟阌醚劬绰罚皇茄劬Πl(fā)射激光」。

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

這個(gè)道理是：人類(lèi)經(jīng)過(guò)漫長(zhǎng)歲月的進(jìn)化，已經(jīng)形成了一套從眼睛開(kāi)始，以大腦為中樞，肢體為具現(xiàn)的「地球 OL 啟動(dòng)器」。

所以，特斯拉的純視覺(jué)方法論，并不像是繞開(kāi)雷達(dá)信號(hào)融合的「捷徑」，反而可能是最形而上學(xué)的蜀道難——因?yàn)樘厮估Ｍ煲粋€(gè)輪子上的人。

前不久的 2021 CVPR 計(jì)算機(jī)視覺(jué)會(huì)議上，特斯拉 AI 部門(mén)高級(jí)主管 Andrej Karpathy 已經(jīng)分享了很多 Autopilot 軟件細(xì)節(jié)，大家可以點(diǎn)擊這里回看我們的報(bào)道，今天我們只聊特斯拉做到了什么。

想要實(shí)現(xiàn) Andrej 說(shuō)過(guò)的，讓汽車(chē)用眼睛開(kāi)車(chē)，有攝像頭是不夠的，關(guān)鍵是如何分解攝像頭信號(hào)，又如何讓汽車(chē)思考這些信號(hào)。

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

和我們開(kāi)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(gè)像素之間的聯(lián)系，并判斷哪些像素集合成哪些物體。

點(diǎn)線面體，我們現(xiàn)在來(lái)到了「體」，也就是由無(wú)數(shù)同一時(shí)間發(fā)生的、存在的事物組成的真實(shí)世界。以駕駛為例子，「障礙物」、「交通燈」、「車(chē)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(chēng)為「HydraNets」。

純視覺(jué) Autopilot 數(shù)據(jù)，由 8 個(gè)攝像頭，每個(gè)攝像頭每秒拍攝的 36 幀畫(huà)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(huà)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(shí)際空間（類(lèi)似于畸變）。

一個(gè)明顯的例子是長(zhǎng)長(zhǎng)的半掛，同時(shí)出現(xiàn)在 5 個(gè)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(shí)別道路的邊界。在這張范例里，道路邊緣的特征點(diǎn)被車(chē)輛阻擋，這時(shí)候就需要從畫(huà)面其他部分「尋找線索」。

事實(shí)上，讓車(chē)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(jiǎn)單結(jié)構(gòu) po 了出來(lái)：

接下來(lái)要搞定的，是如何「看得完整」。也就是正確識(shí)別某個(gè)物體跨越多個(gè)攝像頭的全部運(yùn)動(dòng)軌跡，比如前面有車(chē)經(jīng)過(guò)：

最后是「記得你看過(guò)的東西」。

我們?cè)陂_(kāi)車(chē)的時(shí)候，以往的經(jīng)驗(yàn)會(huì)告訴我們，路邊停著的車(chē)隊(duì)中間可能會(huì)竄出一個(gè)人、單行道上沒(méi)有打雙閃的車(chē)，停下來(lái)也許短時(shí)間也不會(huì)走...

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

二、FSD 老司機(jī)成長(zhǎng)記

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

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

我們直接看療效：

比如上圖，我們經(jīng)過(guò)一個(gè)十字路口之后，前方還要左轉(zhuǎn)。這時(shí)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(gè)選擇都可能有缺點(diǎn)，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(gè)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(wàn)現(xiàn)，最終也得往前開(kāi)。經(jīng)歷眾多備選項(xiàng)之后，系統(tǒng)就可以做出相對(duì)合理的抉擇，在兼顧舒適與安全的基礎(chǔ)上，盡量簡(jiǎn)單地把彎給轉(zhuǎn)了，這就是 smooth trajectory 平滑軌跡。

自動(dòng)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?yàn)槁窙r瞬息萬(wàn)變。

這時(shí)候依然需要粗搜索大法，以停車(chē)場(chǎng)為例，在走過(guò)一個(gè)彎的路程內(nèi)，Autopilot 已經(jīng)進(jìn)行了接近 40 萬(wàn)次的粗搜索：

對(duì)于特斯拉來(lái)說(shuō)，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(huì)議上，Andrej 表示特斯拉轉(zhuǎn)向純視覺(jué)深度學(xué)習(xí)之后，已經(jīng)積累了超過(guò) 60 億個(gè)物體標(biāo)簽，超過(guò) 1.5PB 的數(shù)據(jù)量——那還只是 6 月底。

為了應(yīng)對(duì)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(duì)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(shí)現(xiàn) 4D，也就是立體空間+時(shí)間戳的四維標(biāo)注，效果如圖：

另外，銷(xiāo)量屢創(chuàng)新高，路上跑的車(chē)越來(lái)越多之后，特斯拉如今可以對(duì)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(chē)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(qiáng)！

終于來(lái)到本次發(fā)布會(huì)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(chē)型上，特斯拉還在用硬件 3.0 做 AI 評(píng)估，超過(guò) 3000 塊 HW3.0 主板組成的 3 個(gè)數(shù)據(jù)中心，每周可以運(yùn)行 100 萬(wàn)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(jí)計(jì)算機(jī)，則使用了英偉達(dá) A100 GPU 方案，合計(jì) 5760 個(gè) GPU 以及 12PB（1PB=1024TB）的 NVME 高速存儲(chǔ)器。

但在 Dojo 面前，它倆都像是上一個(gè)時(shí)代的產(chǎn)物——或者說(shuō)本來(lái)就是。

正式進(jìn)入 Dojo 參數(shù)之前，我們先來(lái)強(qiáng)調(diào)一下：特斯拉對(duì)于 AI 訓(xùn)練計(jì)算機(jī)的核心訴求，并不是算力，而是帶寬和延遲。

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

多芯片之間數(shù)據(jù)交換的帶寬（類(lèi)似于車(chē)道數(shù)）和延遲（類(lèi)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(jì)原命題，就是帶寬和延遲，這兩個(gè)要素，是決定特斯拉能否達(dá)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(mài)個(gè)關(guān)子，來(lái)看看英偉達(dá)的 A100 多芯片方案，多個(gè)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(dá)到了 600GB 每秒。

但對(duì)于特斯拉來(lái)說(shuō)，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(jìn)一步，不是將芯片們「放」在一起，而是「封裝」在一起。

封裝多個(gè)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(gè)基板上：

而特斯拉又進(jìn)了一步，使用了臺(tái)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(gè)個(gè)芯片，然后整塊晶圓摁在基板上。

全部裝起來(lái)之后，一個(gè) Dojo 計(jì)算模組長(zhǎng)這樣：

如果只刻一塊芯片，那它叫 D1 Chip，長(zhǎng)這樣，基于臺(tái)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(gè)晶體管，內(nèi)部線束長(zhǎng)度高達(dá) 11+ 英里（約 18 公里）：

內(nèi)部線束如此驚人，是因?yàn)?D1 芯片內(nèi)和芯片間的通信帶寬簡(jiǎn)直駭人聽(tīng)聞。這同時(shí)得益于臺(tái)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(jì)。

一塊 D1 芯片由 354 個(gè)訓(xùn)練節(jié)點(diǎn)組成，每個(gè)訓(xùn)練節(jié)點(diǎn)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(diǎn)/整數(shù)單元

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

上圖右上角有一個(gè)叫做「 NOC Router」的結(jié)構(gòu)，這是訓(xùn)練節(jié)點(diǎn)之間交換數(shù)據(jù)的工具——特斯拉喪心病狂地給每一個(gè)小節(jié)點(diǎn)，都設(shè)計(jì)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(dá)10TB每秒，芯片外帶寬也高達(dá) 4TB每秒！

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

354 個(gè)訓(xùn)練節(jié)點(diǎn)構(gòu)成的 D1 芯片，則可以實(shí)現(xiàn)高達(dá) 362TFLOPS 的 BF16/CF8 精度算力（FP32 精度 22.6T）——而 25 個(gè) D1 芯片組成的 Dojo 計(jì)算模塊，則將這塊人手輕松舉起來(lái)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(gè) DOJO 計(jì)算機(jī)柜，叫做 DOJO Pod，總算力超過(guò) 1.1EFLOPS（BF16 精度），內(nèi)含 3000 個(gè) D1 芯片，也就是只需要 120 片上圖這樣小巧的模組——就達(dá)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(guó)國(guó)家能源研究科學(xué)計(jì)算中心（NERSC）的 Perlmutter，一共有 40 個(gè)機(jī)柜。

當(dāng)然，馬斯克說(shuō)過(guò)的可是「1 exa flops at de facto FP32（貨真價(jià)實(shí)的 1E FP32 精度算力）」。目前一個(gè) Dojo Pod 可實(shí)現(xiàn)不了——但這次跳票也許真不怪馬斯克，臺(tái)積電目前有多緊俏，相信大家都有所耳聞。

哦對(duì)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(jí)別的系統(tǒng)級(jí)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(diǎn)幼稚的事情，于是今天他請(qǐng)來(lái)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(chǎng)發(fā)布會(huì)最大的驚喜——特斯拉機(jī)器人  Tesla Bot。不是跳舞這位，而是它：

馬斯克對(duì) Tesla Bot 的定義是「由人類(lèi)世界制造，為人類(lèi)世界制造」、「友好」、「無(wú)威脅，從事重復(fù)性/無(wú)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(yùn) 45 磅（20.4 公斤）的物體，伸開(kāi)手的狀態(tài)下可以拿 10 磅（4.5公斤）的物體，最高時(shí)速 8 公里。

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

Tesla Bot 全身具有 40 個(gè)電動(dòng)促動(dòng)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(duì)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(dòng)（什么叫垂直整合啊），「眼睛」也會(huì)是 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(shuō)明年 Tesla Bot 的原型就將公布，「大家看我們只是在造車(chē)，但其實(shí)我們也是全球最大的機(jī)器人公司——因?yàn)樘厮估能?chē)就像是輪子上的機(jī)器人，所以我們就造了真正的機(jī)器人?！?/span>

六、軟硬合一，進(jìn)度 50%？

寫(xiě)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(shí)現(xiàn)這一點(diǎn)，而且軟硬皆?xún)?yōu)的科技企業(yè)，只有蘋(píng)果算一個(gè)，AI Day 之后的特斯拉算半個(gè)——FSD 全球推送之后能補(bǔ)上另一半?！?/span>

今天的 AI Day 實(shí)在是太過(guò)于驚艷，以至于我真的很希望寫(xiě)下「軟硬合一」四個(gè)字，竭盡全力吹一把特斯拉。

但再想一下，我覺(jué)得現(xiàn)在下這個(gè)定論，似乎不太準(zhǔn)確。

特斯拉還沒(méi)有最終實(shí)現(xiàn)人工智能的軟硬合一，無(wú)論是汽車(chē)的自動(dòng)駕駛，還是機(jī)器人。FSD 還在 Beta、DOJO 也是上周才正常上機(jī)運(yùn)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(shuō)狠狠拉了一把進(jìn)度條。

如果說(shuō)前兩次年度發(fā)布會(huì)，特斯拉車(chē)企的味道還很濃，那么今天的特斯拉，已經(jīng)開(kāi)始若有若無(wú)地，有一種游戲《賽博朋克 2077》里荒坂集團(tuán)的味道了——不是說(shuō)他大反派，而是類(lèi)似的創(chuàng)造力，以及每個(gè)細(xì)分領(lǐng)域的統(tǒng)治力。

真想快進(jìn)到萬(wàn)物 AI 的終局。

（完）

返回第一電動(dòng)網(wǎng)首頁(yè) >