【太平洋汽車網(wǎng) 行業(yè)頻道】最近幾天，國內(nèi)發(fā)生了“駕駛蔚來ES8啟用駕駛輔助功能（NOP領(lǐng)航狀態(tài)）下發(fā)生車禍身亡”的事件。幾乎同時，美國政府監(jiān)管機(jī)構(gòu)國家公路交通安全管理局（NHTSA）宣布，將對特斯拉Autopilot 自動輔助駕駛展開安全調(diào)查，涉及11起事故，76.5萬輛車。中美兩起事件幾乎同時出現(xiàn)，將“高階輔助駕駛”安全性推上了風(fēng)口浪尖。在這樣的輿情背景下，特斯拉在當(dāng)?shù)貢r間8月19日（北京時間8月20日）如期舉辦了自動駕駛相關(guān)的“AI DAY”活動。

　　特斯拉在活動上并沒有提及NHTSA的調(diào)查，不過很“調(diào)皮”的玩了個梗。在談及特斯拉算法會標(biāo)記前車的各種特征，并根據(jù)前車類似控制車距時，畫面顯示的是一排呼嘯而過的警車，主持人補(bǔ)充說，他們可能在執(zhí)行某種任務(wù)吧。而在NHTSA針對特斯拉調(diào)查的11起事故，7起是與警車相撞、2起與消防車相撞、1起撞的是巡邏車。按這個意思理解，大概是特斯拉以后看到警車會躲得遠(yuǎn)遠(yuǎn)的？

　　當(dāng)然，這點(diǎn)細(xì)節(jié)不是重點(diǎn)，敢在風(fēng)口浪尖上如期舉辦“AI DAY”，當(dāng)然還是因為他們發(fā)布的東西真的很牛X。發(fā)布會上最閃耀的當(dāng)然是能在全球排第五的“Dojo”超級計算機(jī)（排在他前面的都是不同國家所有的超算），和其別具一格的芯片設(shè)計。而發(fā)布會上最有趣的是最后的彩蛋環(huán)節(jié)，一個人形機(jī)器人緩步走上了舞臺。

　　這個名叫Tesla Bot的機(jī)器人目標(biāo)是“可以100%模擬人類的性能，在未來為人類社會釋放更多的勞動力”。好家伙，如果不是現(xiàn)場那位突然開始瘋狂跳舞，我還以為特斯拉真的已經(jīng)把這玩意做出來了呢?，F(xiàn)場跳舞這位當(dāng)然還是真正的人類舞者，馬斯克丟出這么一個瘋狂的“PPT計劃”，無非是告訴全世界，特斯拉的超算算力可以強(qiáng)（xian）到可以讓我們的工程師鼓搗人形機(jī)器人了。同時也向全世界人工智能領(lǐng)域的人才發(fā)出邀請，如果你們來特斯拉上班，不用困在枯燥的自動駕駛標(biāo)記這些瑣碎的小事上，這里有最好的設(shè)備讓你有機(jī)會實現(xiàn)最瘋狂的想法。

　　沒錯，本次特斯拉“AI DAY”不像一年前頂著疫情邀請大批車主車迷到場的“電池日”，而是面向全世界人工智能領(lǐng)域人才的一場凡爾賽發(fā)布會，目標(biāo)當(dāng)然是吸引人才的加入，這一點(diǎn)也得到了馬斯克的確認(rèn)。

　　那這次“AI DAY”和消費(fèi)者有啥關(guān)系嗎？沒有，但也并非全無關(guān)系。特斯拉首先解讀了目前已經(jīng)在北美地區(qū)推送的FSD工作原理，可以很好的解答FSD如何在不依賴高精度地圖、激光雷達(dá)等，依賴純視覺便可以實現(xiàn)城市環(huán)境下的自動輔助駕駛能力。

　　從去年開始，特斯拉Autopilot/FSD已經(jīng)升級采用視頻流數(shù)據(jù)分析算法，通過對收集到的數(shù)據(jù)加入時間戳，特斯拉可以形成一定時間的“記憶”能力，并繪制出周邊更大范圍內(nèi)的地圖信息。例如剛剛走過的路或剛剛看到又被擋住的車等，都會保留在特斯拉繪制的地圖上，并根據(jù)這些數(shù)據(jù)，對視覺范圍之外的信息進(jìn)行預(yù)測。

　　特斯拉能夠記得視野中的卡車擋住了一臺車，也會對被擋住的車的行進(jìn)路線進(jìn)行預(yù)測避免碰撞。而對建筑等遮擋的視野之外的道路走向等，也會實時進(jìn)行不間斷的預(yù)測，這些預(yù)測會在越接近時變得越發(fā)準(zhǔn)確，借此可以輔助車輛對后續(xù)的路徑進(jìn)行規(guī)劃。

　　有人可能會好奇，這樣的地圖繪制是否屬于高精度地圖？是否涉嫌違法測繪地圖？

　　首先這不是高精度地圖，地圖測繪會涉及當(dāng)?shù)氐慕?jīng)緯度等信息，而高精度地圖包含的信息更加豐富。高精度地圖需要提前完成測繪等數(shù)據(jù)搜集工作，并對數(shù)據(jù)進(jìn)行加工生產(chǎn)，并下發(fā)至車輛。通過存儲的高精度地圖可以減少車輛對道路信息實時感知、預(yù)測的需求，將更多的算力釋放到對路面目標(biāo)的感知上，與通過攝像頭進(jìn)行的實時地圖繪制并不相同。

　　至于法規(guī)方面，不同國家和地區(qū)對地圖測繪的規(guī)定也不盡相同。地圖測繪除了道路信息，還會涉及到經(jīng)緯度，甚至精確的大地坐標(biāo)等可能關(guān)系到國家安全的敏感信息。在我國，地圖測繪需要相關(guān)資質(zhì)，且地圖數(shù)據(jù)不得通過網(wǎng)絡(luò)發(fā)送。有資質(zhì)的圖商需要將測繪的數(shù)據(jù)用硬盤等線下方式送至國家測繪局進(jìn)行不可逆的加密處理。不過這些測繪并非通過攝像頭可以完成，特斯拉對周遭地圖的繪制，預(yù)計能夠繞開絕大多數(shù)國家和地區(qū)對地圖測繪的限制。因此該功能也能幫助特斯拉在無需高精度地圖數(shù)據(jù)的情況下，在世界各地開啟自動駕駛相關(guān)功能。

　　不過，前不久我們發(fā)布了《關(guān)于加強(qiáng)智能網(wǎng)聯(lián)汽車生產(chǎn)企業(yè)及產(chǎn)品準(zhǔn)入管理的意見》，要求：未經(jīng)審批，不得通過在線等軟件升級方式新增或更新汽車自動駕駛功能。因此，特斯拉FSD想要在國內(nèi)向用戶推送，也需要經(jīng)過相關(guān)部門的審批，這或許會影響FSD在國內(nèi)的推送節(jié)奏。

　　除了對道路等的預(yù)測，F(xiàn)SD還會對目標(biāo)物體的行進(jìn)軌跡進(jìn)行實時預(yù)測。在發(fā)布會上公開的視頻資料中，我們可以清晰的看到包括人、車輛等不同類型、不同速度的目標(biāo)前有一些長短不一的線，這些就是特斯拉對該目標(biāo)接下來的運(yùn)動軌跡的預(yù)測，這些線條也會根據(jù)目標(biāo)狀態(tài)的不斷變化實時發(fā)生變化。這些對于人類而言無非是本能的反應(yīng)，但人工智能能夠做到這種程度的預(yù)測卻已經(jīng)是當(dāng)下國際最先進(jìn)的水平之一了。

　　完成了對目標(biāo)和道路的感知和預(yù)測，就需要對車輛接下來行進(jìn)的路線進(jìn)行規(guī)劃。特斯拉在發(fā)布會上提到了三個典型場景，第一個是旁邊車道有車情況下的變道?；谝曨l流數(shù)據(jù)分析可以對旁邊車道車輛接下來的位置進(jìn)行預(yù)測，而非基于當(dāng)下兩車的相對位置做出決策，經(jīng)過前期對數(shù)據(jù)的反復(fù)推演和多種方案的對比，神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)到最優(yōu)的變道時機(jī)，并在后續(xù)的實際場景中靈活應(yīng)用。

　　第二個是兩邊停滿車的擁擠窄到遇到對向來車的場景，可以看到特斯拉先是停車避讓，在觀察到對向來車停車避讓時迅速做出反應(yīng)，快速通過。這樣的場景在不同時期，不同國家和地區(qū)，根據(jù)駕駛員的不同習(xí)慣會有多種不同的結(jié)果，因此這類場景也需要在不同市場、不斷的采集大量數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

　　第三個場景被稱為“停車場困局”，相較外部道路有道路線等約束，停車場存在的可能路徑會變得更多?？梢钥吹焦_的視頻中特斯拉幾乎畫出了全部的可以通行的位置，通過神經(jīng)網(wǎng)絡(luò)在其中找出最優(yōu)的行進(jìn)路線。

　　其實這樣的路徑規(guī)劃內(nèi)核從視覺感知誕生之初就一直延續(xù)，上世紀(jì)六七十年代誕生的人類最早的視覺感知自動駕駛車輛——Stanford Cart，在1977年便實現(xiàn)了立體視覺感知，并在隨后兩年完成了在散落椅子等干擾物的空間中自行規(guī)劃路徑通過的壯舉。

　　只是隨著半導(dǎo)體技術(shù)和人工智能技術(shù)的發(fā)展，如今的芯片算力與當(dāng)年已不可同日而語，人工智能也從專家模式轉(zhuǎn)變?yōu)榛诰矸e神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法。因此當(dāng)年在規(guī)劃的路徑上一個個稀疏的點(diǎn)，如今已經(jīng)變成了一個接一個的密集的點(diǎn)。就在近些年輔助駕駛剛剛興起時，還有車輛在過彎時會走出不斷“撞線”的折線，那便是稀疏的路徑點(diǎn)和未能很好優(yōu)化的算法導(dǎo)致的。

　　其實在上述幾點(diǎn)之前，自動駕駛最先需要完成的是對目標(biāo)物體的識別。想要讓人工智能系統(tǒng)認(rèn)識形形色色的人、車，還有路標(biāo)、車道線等等事物，需要的不是特別強(qiáng)大的高科技，而是海量的標(biāo)注員通過人海戰(zhàn)術(shù)對龐大的數(shù)據(jù)進(jìn)行標(biāo)注，將標(biāo)注完成的數(shù)據(jù)“喂”給神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)。不管是當(dāng)下的自動駕駛還是高精度地圖的繪制等，這都是不可或缺的一步。

　　不過這種笨辦法顯然不是長久之計，在系統(tǒng)認(rèn)識足夠多的事物之后，可以讓機(jī)器自動對海量的數(shù)據(jù)進(jìn)行標(biāo)注，將機(jī)器標(biāo)注的數(shù)據(jù)“喂”給神經(jīng)網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)，這也就是“無監(jiān)督學(xué)習(xí)算法”（Unsupervised Learning，無需人工對訓(xùn)練數(shù)據(jù)集進(jìn)行標(biāo)注，系統(tǒng)可以自行根據(jù)樣本間的統(tǒng)計規(guī)律對樣本集進(jìn)行分析）。

　　當(dāng)然，無監(jiān)督訓(xùn)練幾乎所有的人工智能公司都在應(yīng)用。但是，無監(jiān)督訓(xùn)練是在完成了海量數(shù)據(jù)標(biāo)注和更多的數(shù)據(jù)搜集之后才能發(fā)揮出其威力。率先在量產(chǎn)高級自動輔助駕駛領(lǐng)域發(fā)力的特斯拉不論在標(biāo)注還是數(shù)據(jù)搜集方面都有著絕對的優(yōu)勢地位。目前，特斯拉已經(jīng)積累了100萬個10秒左右的視頻，并給60億個物體貼上了深度、速度和加速度的標(biāo)簽，這些數(shù)據(jù)目前已經(jīng)達(dá)到了驚人的1.5PB，且每天都還在增加。在“AI DAY”上提到，特斯拉已經(jīng)完成了橫跨美國絕大多數(shù)道路的數(shù)據(jù)采集，這些道路數(shù)據(jù)和場景都可以通過無監(jiān)督學(xué)習(xí)幫助特斯拉自動輔助駕駛算法進(jìn)行訓(xùn)練升級。

　　而如此海量的數(shù)據(jù)和對應(yīng)的需求的驚人算力，就需要本次“AI DAY”上亮相的主角——“Dojo”超級計算機(jī)來完成了。

　　“Dojo”與自動駕駛汽車本身需要的芯片并不相關(guān)，特斯拉車型上目前搭載的是其自研的FSD芯片，F(xiàn)SD芯片能夠完成車輛所需的感知、決策、規(guī)劃等所需的算力。而“Dojo”是為最終推送給用戶的算法的研發(fā)、訓(xùn)練服務(wù)的超級計算機(jī)。

　　當(dāng)然，Dojo最早要等到明年才能投入使用，當(dāng)下特斯拉數(shù)據(jù)中心使用的是由5760個Nvida A100 80GB的GPU，組成了720個節(jié)點(diǎn)，總算力達(dá)到1.8EFLOPS（EFLOPS：每秒千萬億次浮點(diǎn)運(yùn)算），有10PB的存儲空間，讀寫速度為1.6TBps的超級計算機(jī)。但在數(shù)據(jù)量、訓(xùn)練強(qiáng)度不斷增加的情況下，這臺超級計算機(jī)已經(jīng)越來越不能滿足特斯拉的需求。而且需要海量的物理結(jié)構(gòu)進(jìn)行連接以實現(xiàn)通訊的超級計算機(jī)不僅耗費(fèi)大量成本，且由于連接結(jié)構(gòu)的帶寬限制成為“木桶短板”，導(dǎo)致整體效率較低，并且還有分散的龐大散熱問題。

　　在這樣的背景下，特斯拉再次發(fā)揮其市場上沒有就自己造的精神，自研了“Dojo”，順便打破了不知道多少世界紀(jì)錄，特斯拉“被迫”的成為了人工智能巨頭。好吧，又被馬斯克裝到了。

　　“Dojo”超級計算機(jī)本身與消費(fèi)者有著遙遠(yuǎn)的距離，不過我們抱著欣賞凡爾賽產(chǎn)品的心情來了解一下“Dojo”的技術(shù)細(xì)節(jié)吧：

　　據(jù)悉，“Dojo”單個芯片算力為 362 TFLOPS，25 個芯片為一組，組成一個訓(xùn)練模塊。算力可以達(dá)到 9 PFLOPS，接口帶寬為 36 TB/s。這次特斯拉推出的機(jī)柜模型由 120 個訓(xùn)練模塊組成，內(nèi)置 3000 個 D1 芯片，超過 100 萬個訓(xùn)練節(jié)點(diǎn)，算力將達(dá)到 1.1 EFLOPS，是特斯拉現(xiàn)有超級計算機(jī)的一萬倍。并且Dojo 支持無限連接，理論上性能無上限。根據(jù)公開的數(shù)據(jù)，Dojo的演算力已經(jīng)達(dá)到全球第五，僅次于第一的日本『富岳』、第二的美國Summit、第三的美國Sier，以及第四的中國『神威太湖』。

　　除了驚人的數(shù)據(jù)，“Dojo”有趣的地方在于采用了非常規(guī)的封裝形式，第一層和第五層銅質(zhì)結(jié)構(gòu)是水冷散熱模塊；第二層結(jié)構(gòu)由5*5陣列共25個芯片組成；第三層為25個陣列核心的BGA封裝基板；第四層和第七層只是物理承載結(jié)構(gòu)附帶一些導(dǎo)熱屬性；第六層是功率模塊，以及上面豎著穿過散熱與芯片進(jìn)行高速通信的黑色長條狀互聯(lián)模塊。而第二層5*5陣列的共25個芯片，采用InFo-SoW技術(shù)，有一整塊300mm的晶圓制成。InFo-SoW不像傳統(tǒng)模式將晶圓切割成多個芯片，而是所有的芯片都來自于同一個晶圓，不但不進(jìn)行切割，反而是直接講整個晶圓做成一個超大芯片，實現(xiàn)system on wafer的設(shè)計。也正是這樣獨(dú)特的封裝形式，讓Dojo解決了此前海量的物理結(jié)構(gòu)成本高、通訊效率低、發(fā)熱大等問題。

　　“Dojo”的技術(shù)就聊這些，其實這里有一個問題。特斯拉自動駕駛算法的訓(xùn)練需要將來自全球超100萬輛（截至目前）特斯拉車輛采集的真實數(shù)據(jù)匯聚于其在北美的數(shù)據(jù)中心，然后通過Dojo進(jìn)行深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練，以此幫助特斯拉的Autopilot不斷進(jìn)化，最終實現(xiàn)以純視覺為基礎(chǔ)的完全自動駕駛（FSD）。

　　但是，特斯拉在國內(nèi)關(guān)于數(shù)據(jù)安全的爭議一直不斷，涉及國家安全的關(guān)鍵區(qū)域禁止特斯拉進(jìn)入的事件長期在網(wǎng)上發(fā)酵。對此，特斯拉曾表示，“數(shù)據(jù)隱私安全，關(guān)乎著每一個消費(fèi)者。特斯拉將嚴(yán)格遵守數(shù)據(jù)安全法，保護(hù)消費(fèi)者數(shù)據(jù)相關(guān)權(quán)益”。同時表示，特斯拉已在中國建立數(shù)據(jù)中心，以實現(xiàn)數(shù)據(jù)存儲本地化，并將陸續(xù)增加更多本地數(shù)據(jù)中心。

　　在自動駕駛算法的訓(xùn)練中，尤其是針對本土市場駕駛員習(xí)慣的做出反應(yīng)的算法訓(xùn)練需要用到Dojo或其他算力強(qiáng)大的超級計算機(jī)對數(shù)據(jù)進(jìn)行處理并展開訓(xùn)練。也就是特斯拉不僅需要將數(shù)據(jù)存儲在中國本土，還需要在中國建立有處理、訓(xùn)練能力的數(shù)據(jù)中心，未來特斯拉是否會將Dojo或其他超級計算機(jī)部署在中國本土，有待持續(xù)關(guān)注。

　　“Dojo”超級計算機(jī)的用途是訓(xùn)練其自動駕駛神經(jīng)網(wǎng)絡(luò)，那具體有哪些工作？首先當(dāng)然是通過“無監(jiān)督學(xué)習(xí)算法”對新產(chǎn)生的海量數(shù)據(jù)進(jìn)行自動標(biāo)注，隨著特斯拉新車銷量持續(xù)快速增長，這類數(shù)據(jù)的增長也會以相應(yīng)的速度飛速上升。

　　其次是針對特殊場景的針對性訓(xùn)練，例如“AI DAY”上提到一起前方卡車卷起的風(fēng)雪遮擋前方車輛的極端案例。這樣的場景在現(xiàn)實中并不多見，但發(fā)生時會異常危險，因此，特斯拉會利用現(xiàn)有的超級計算機(jī)或未來的Dojo模擬更多的類似場景多神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

　　于是便有了包括前方車輛掉落粉塵等數(shù)十種不同的類似虛擬場景，而經(jīng)過這種針對性訓(xùn)練之后，算法在類似場景中對目標(biāo)物體位置的判斷不再飄忽，而能夠穩(wěn)定的進(jìn)行預(yù)測。

　　插一句題外話，這張圖是特斯拉數(shù)據(jù)中心為神經(jīng)網(wǎng)絡(luò)訓(xùn)練模擬的虛擬場景，不論是場景還原還是畫面流暢度，甚至難以與真實場景進(jìn)行區(qū)分。這實在讓游戲玩家羨慕，腦補(bǔ)在這樣的配置下玩GTA或者其他什么虛擬現(xiàn)實游戲，體驗絕對拉滿。在“AI DAY”上，特斯拉表示他們不止能虛擬麋鹿等罕見動物出沒的場景，甚至虛擬一頭獨(dú)角獸出場也不在話下。

　　如何找出類似的特殊場景？絕大部分會是特斯拉在Autopilot駕駛時，駕駛員突然介入，改為人工駕駛，Dojo就會分析這個視頻案例，試圖找出駕駛員中斷Autopilot的原因。又或者司機(jī)在高速路上突然剎車、堵車時有人插隊、雷達(dá)與攝像頭判斷結(jié)果不一致、車輛發(fā)生事故/險些發(fā)生事故等等，將這些具體的案例，交給Dojo來分析處理。

　　更多的數(shù)據(jù)通過Dojo的處理，反饋給神經(jīng)學(xué)習(xí)系統(tǒng)，實現(xiàn)自動駕駛算法的迭代，而算法的迭代，讓Autopilot更加好用，持續(xù)反饋更多的數(shù)據(jù)給Dojo分析，從而實現(xiàn)一個正循環(huán)。不過除了官方測試車輛，針對普通用戶進(jìn)行的數(shù)據(jù)搜集及可能涉及到的隱私、安全等問題是另一個層面值得討論的方向。

　　在“AI DAY”最后的問答環(huán)節(jié)，有人問特斯拉是否會開源其算法。馬斯克表示這是一項耗資巨大的項目，特斯拉需要想辦法攤平其成本，但目前為止還沒有好的攤平成本的方式。面對巨額的成本，特斯拉不可能免費(fèi)開源其算法等，但歡迎有意向的企業(yè)談判購買。

　　特斯拉擁有了Dojo，那研發(fā)自動駕駛的車企是不是已經(jīng)內(nèi)卷到需要都搭建自己的超級計算機(jī)？其實并不是，利用虛擬場景對神經(jīng)網(wǎng)絡(luò)訓(xùn)練是業(yè)內(nèi)常規(guī)的做法。而國內(nèi)包括百度阿波羅、華為等都搭建了相應(yīng)的云平臺，中小企業(yè)可以利用這些大企業(yè)搭建的云計算能力進(jìn)行數(shù)據(jù)標(biāo)注、無監(jiān)督學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)訓(xùn)練等，而且沒有特斯拉那樣龐大銷量支撐的的數(shù)據(jù)搜集能力，多品牌合力共享的數(shù)據(jù)可以更好的完善潛在的場景。

　　自研Dojo殺入全球超級計算機(jī)排行榜前列，特斯拉再次用驚人的行動力震驚了世界。而這樣凡爾賽式的秀肌肉，確實也是特斯拉招攬全球一流人工智能人才最好的方式。最后丟出的Tesla Bot機(jī)器人引起了熱議，不過Tesla Bot機(jī)器人更像是告訴全世界，特斯拉人工智能潛力的凡爾賽表演。即便Tesla Bot機(jī)器人還是真人“假裝”的“PPT”，但仿佛是對還陷在“人海”戰(zhàn)術(shù)進(jìn)行圖像標(biāo)注，用人堆砌人工智能的企業(yè)的嘲弄。Tesla Bot機(jī)器人是否能真的量產(chǎn)？目前給出結(jié)論還為時尚早，不過以馬斯克一向激進(jìn)，Tesla Bot機(jī)器人能夠解放人類生產(chǎn)力的大膽創(chuàng)意還是讓人期待。