马斯克 特斯拉 机器人，特斯拉 自动驾驶 算力

特斯拉 AI Day 真的来了。

马斯克此次增添了三路人，均来自人形机器人 Optimus、Autopilot及其超算 DOJO精英团队，声势浩大到一度在发言台前边挤下不来。

最早现身是指 Optimus，它不仅可以自由飞翔，也可以爬取、挪动一些中小型物件。

除此之外，组合应用在特斯拉汽车上相同 FSD 电子计算机，Optimus 也拥有一定程度的人工智能技术。马斯克详细介绍，这一款智能机器人将要资金投入生产制造应用，将来生产量有望突破上百万，价钱将降到2 万美金下列。

自动驾驶技术分享一直是特斯拉 AI Day 的重磅消息频道，这一次 Autopilot 精英团队增添了新游戏的玩法：将占有互联网（Occupancy）引入到自动驾驶中，将真实世界投射到矢量素材室内空间，完成更强感受车辆整体规划。

此外，「数字驱动」又被特斯拉玩出新高度，在 30PB 的数据积累下，每 8 分钟即可练习一个实体模型。

现如今，FSD Beta 已迭代更新到 10.69.2.2 版本号，检测总数赶到 16 万。

依照马斯克新立过的 FLAG，今年年底将面向全球对外开放。

另一边，超算 DOJO 也传出喜讯。不但给予超高算力，也拥有并列英伟达显卡的网络带宽、降低延迟时间、降低成本等优点。据统计，特斯拉将在 2023 年第一季度在国外帕洛阿尔托进行七台 EXA POD 的建立。

尤其值得一提的是，现如今 AI Day 也成为了特斯拉的招聘宣讲会，马斯克在会上数次表明期待吸引住有才华的人添加，「美国硅谷这些大企业可能辜负你，但特斯拉不容易，在这儿，你能体验到不曾想象中的随意。」

01

「占有互联网」被特斯拉引入自动驾驶

FSD Beta 检测总数已超 16 数万人

在本次 AI Day 上，全新现身的特斯拉人形机器人 Optimus 毫无疑问深深吸引很多眼光。

哪怕是 Autopilot 责任人 Ashok 在接力这部分以后的上台演讲时，也不免捏了汗，自我调侃道：「我努力做到不尬聊。」

即便如此，无论是从时长篇数，还是对于演说总数上来讲，自动驾驶仍然是此次盛典的重头戏。和前几届 AI Day 偏重于感知技术提升沟通交流不一样，此次的共享大量集中在整体规划/「Planning」上边。

Ashok 用上边这一张框架图基本上反映了此次 AI Day 上相关自动驾驶主要内容，能够看见：

左边练习基础设施建设（Training Infra）和右侧的 AI 编译程序&推理引擎（AI Compiler& Inference），及其下方训练数据（Training Data），一同键入信息内容进到神经元网络（Neutral Networks）中，对占有互联网（Occupancy）和一些几何结构（Lanes and Objects）展开分析，最终总体输出结果，形成自动驾驶汽车的最短路径算法。

以一个十字路口的行驶交通流量为例子，现阶段车子处在待左拐进东西方向行车道部位，但对向有行人横穿马路，待转到的行车道也是有川流不息的车流量，这时候自动驾驶车子该怎样通过？

从战略上来讲，让驾驶流，待路人远去之后再行驶，可谓是最佳选择，但是这些看似平时的实际操作，针对仅依靠 8 颗监控摄像头做感受的特斯拉而言，却没那么简单。

这里边涉及到很多物件（包含人）相互间的关联分辨，及其智能驾驶应当如何作整体规划融洽。

特斯拉做法就是最先根据 8 个摄像头视频采集，形成一个根据 3D 定位「由此可见室内空间」，即所谓占有互联网地区。

这个区域将扫描仪过的物件边沿用格子表明，类似《我的世界》游戏里面针对各种建筑物网格化管理叙述，并3D渲染到线性空间，为此来展现真实世界。

此外，也有一些监控摄像头遮盖到的地方，比如被遮掩的阻碍物。这时候，特斯拉 FSD 可以通过 AI 编译程序&推理引擎，预测分析可能会有路沿、路上各种各样道路标线这些。

更值得一提的是，针对车子或是人，特斯拉还充分考虑他的动力学情况，例如速度和加速度，去进行跨模态的预测分析。这相对性传统总体目标检测网络而言比较复杂，后面一种彻底不能完成。

自动驾驶离不了数据库的「饲养」。

相匹配到特斯拉的训练数据上，分成三个部分：全自动标明（Auto Labeling）、模拟仿真(Simulation)、数据引擎（Data Engine）。

据 Autopilot 团队成员介绍，特斯拉掌握了大量的视频短片，在其中的信息达 30PB，必须 10 万只 GPU 与此同时工作中 1 钟头才可以处理完毕。

需要对这种精彩片段进行练习，需要一个强悍的标明互联网，既需要高效率够高，还需要能够满足与人类标明一样的高品质、多元性及其可扩展性规定。

对于此事，特斯拉选用「人机对战协作」的形式，既应用人力资源标明，也选用全自动标明。

但是 Autopilot 精英团队已经提升全自动注明的水平，比如与占有互联网紧密结合，与动力学信息内容融合，让 FSD 变得越来越智能化和高效率。

「大家可能还需要 10 万只精彩片段开展标明来练习 FSD，这真像专门标明工厂，能够让我们的基本技术更扎扎实实。」

真实世界收集的数据信息不能涵盖全部情景，要强化 FSD 的功效，还应该做模拟。

Autopilot 团队成员介绍，现阶段特斯拉只用 5 min时长，就能形成与真实世界很接近的虚拟环境，他就以美国旧金山街道地图为例子，包含地面标线、路人车子、信号指示灯，乃至花草树木落叶也可以随时换景。

除此之外，对于大城市、近郊区、乡村每个地方，也可以创建十分生动逼真路面情景。但是如果由人力来制作设计方案，也许必须一两周乃至好多个月时长。

数据引擎都是这届 AI Day 上自动驾驶技术性的一大亮点。

依照 Autopilot 组员 Kate Park 这样的说法，数据引擎是把可以将数据传送到神经元网络，提升可预测性，以能够更好地去处理真实世界的预测分析难题。

她引入了一个怎么判断交叉口拐弯处车辆是否停止问题：假如汽车在转弯的区域速率减少，如何应对，能不能认定是泊车。

对于此事，特斯拉创立了很多互联网进行评价，针对这一问题收集了 1.4 万只类似的小视频，或来源于现阶段运输队，或来源于模拟，导入到练习集中化，可以帮助自动驾驶车子做更加好的预测分析和分析判断。

以其演试的小视频中可以看出，特斯拉用不一样的颜色标明不一样拐弯处的汽车行驶状况。「鲜红色也许代表着处于终止的状态，从效果来说，大家现阶段分辨已经很不错了。」

实际上，之上全部这个功能早已在特斯拉最新 FSD Beta 10.69.2.2 上消息推送。据统计，现阶段特斯拉 FSD Beta 的检测总数早已扩大到16 数万人，但在上年这一数据还仅是 2000 人。

Ashok 表明，特斯拉持续一年，以 7 天练习 75,000 个神经网络模型节奏推动产品研发，通常等同于每 8 min练习了一个实体模型。

此外，马斯克也表露，依照这种速率，特斯拉还可以在 2022 年年末向不局限于美国和加拿大等在内的全世界发布 FSD。

「大家在技术方面来已经做好，能够融入任一国家不同类型的实时路况。」对于管控审核方面的问题，特斯拉也在和全国各地维持积极沟通。

依照马斯克之前的叙述，FSD 的检测群体将于今年底扩张至100 数万人。

02

DOJO 乘势而上，降低成本打英伟达显卡

做为特斯拉云空间锻炼的高性能计算机，DOJO 可谓是特斯拉 AI DAY 的重点手游大作。

马斯克曾经在 2019 年第一次提及 DOJO 这个概念：

DOJO 是特性猛兽，可以解决大量的数据信息，用以「无监管」式标明学习训练，就相当于不用人力对训练数据集开展标明，系统软件可以自动根据样版之间统计分析经营规模对样本集展开分析，从而提高工作效率。

弦外之音，DOJO 使命是怎样用最大效率，练习特斯拉的纯视觉效果自动驾驶。

去年特斯拉 AI Day 和 Hot Chips 34 会议中，特斯拉依次公布了 DOJO 的架构设计、小细节主要参数，包含创建服务器 CPU 与练习解决中间纽带的插口Cpu（DIP），及其 AI 算率达到 362TFLOPs 的 D1 处理芯片这些。

时隔一年，特斯拉不但产生更加具有寓意的科研成果，并打算在2023 年第一季度宣布批量生产DOJO EXA POD。

特斯拉 Autopilot 硬件配置工程项目高级副总裁 Pete Bannon 表明，DOJO 相比上一年的工作中检测，今年进展主要体现在 DOJO 身后如何把处理芯片构成、及其更高效的编译程序。

「省时省力、省劲、省成本费、省室内空间」，EXA POD 的诞生就是遵从了马斯克谈到的第一性原理。

什么叫EXA PDO？

简单的说，如果把 DOJO 视作一个超算集群式，那样 EXA POD 能够视作这一集群式之中的一组员。

一个 EXA POD 会由双层测算拖盘和分布式存储构成，每一层拖盘包含 6 颗 D1 处理芯片、20 个插口Cpu，包括 1.3TB 高速 SRAM、13TB 的高带宽 DRAM，以及 1.1 EFLOP 的算力。

除此之外，为了解决 EXA POD 极限的高集成度带来的热膨胀系数（CET）问题，特斯拉曾在 24 个月内迭代了 14 个版本，最终采用了自研的电压调节模组（VRM），降低了超过 50% 的 CTE，并扩大 3 倍以上的性能指标。

特斯拉工程师表示，EXA POD 在具有人工智能训练超高算力的同时，拥有扩展带宽、减少延迟、节省成本等优势。

比如在 Batch Norm Results 测试上，EXA POD 相比 GPU 有数量级的延迟优势。

其次在跑经典图像项目 RESNET-50 上，EXA POD 的计算能力超越英伟达 A100。

最后在跑自动标注算法测试上，EXA POD 以倍增的性能超越英伟达 A100。

而在替代性方面：

一个 EXA POD 相当于六个 GPU的成本，四个 EXA POD 可以替代 72 个 GPU RACKS，相当于在同样的成本下，EXA POD 的性能高 4 倍，能耗比高 1.3 倍，空间缩小 5 倍。

总而言之，特斯拉 DOJO 的研发进度其实已经接近尾声。

这也意味着马斯克再一次清晰勾勒出 FSD 的最终形态，毕竟对于那些无数的边缘场景，只能通过真实世界的视觉 AI 来解决，AI 芯片只能算是锦上添花。

这也是马斯克曾经认清的一个事实：

只有解决了真实世界的 AI 问题，才能解决自动驾驶问题——除非拥有很强的 AI 能力以及超强算力，否则根本没办法。

而这，也是特斯拉启动 DOJO 项目的原因。

以 Alpha Go 专攻围棋为例，在经过人工参与调整和标注的训练，进而击败全球围棋高手。

而 DOJO 可以视为专攻自动驾驶领域的 Alpha Go，通过深度学习和分析海量的特斯拉车队数据，DOJO 可以自动处理标注数据、自动寻找问题最优解。

按照规划，特斯拉将于2023 年第一季度在美国帕洛阿尔托完成七台 EXA POD 的建设。

这意味着 DOJO 超级计算机将成为世界上最强大的超级计算机之一，能够将需要花费数月的标注工作缩减至一周。

「至少可以帮助你用更少的钱，更快地训练模型的在线服务。」最后马斯克补充道，DOJO 超级计算机将来会像 Amazon Web 服务一样，通过付费的形式提供给其他用户在云端使用。

03

特斯拉，一个新时代名词

仅仅一年时间，特斯拉就不仅把去年的人形机器人彩蛋变为现实，包括背后的工程技术、开发逻辑、成本费用等等，特斯拉背后的工程师团队已经信心满满。

值得一提的是，特斯拉人形机器人的感知和技术部分基本沿用特斯拉 FSD 方案，包括特斯拉 D1 芯片集成的系统作为」大脑「，以及面部八颗 Autopilot 摄像头。

特斯拉工程师表示，特斯拉人形机器人通过头部的摄像头采集感知数据，再通过 FSD 视觉算法进行识别，从而行走、执行指令等等。

言外之意，特斯拉人形机器人并不是按照传统程序单一的执行指令，而是通过 AI 模型自主学习。

正如马斯克所言，通过 AI Day，我们希望外界对特斯拉的认知能够超越电动车，我们是 real-world AI（人工智能）领域的时代先锋。」

活动现场，马斯克也再次重申特斯拉举办 AI Day 活动和展示机器人原型产品，「是为了说服像你们这种全世界最有才华的人加入特斯拉，帮助我们把它变成现实。

确实，对于这样一家火力无限的公司，特斯拉或许已经是一个新时代名词。