【烽巢網(wǎng)】

北京時間8月20日，特斯拉在美國成功舉辦AI Day活動。特斯拉CEO伊隆·馬斯克、人工智能部門總監(jiān)Andrej Karpathy等多位工程師現(xiàn)身會場，公布了特斯拉純視覺方案FSD的進展、神經(jīng)網(wǎng)絡(luò)自動駕駛訓練、D1芯片、Dojo超級計算機等重磅信息，帶來一場世界前沿的科技盛宴。

堅持視覺感知 用AI神經(jīng)網(wǎng)絡(luò)技術(shù)提升輔助駕駛能力

特斯拉的純視覺傳感器方案的實現(xiàn)，離不開多任務(wù)學習HydraNets神經(jīng)網(wǎng)絡(luò)架構(gòu)。每輛特斯拉汽車擁有8個環(huán)繞車身、覆蓋周圍360°的攝像頭，來獲取交通信號燈、信號牌、匝道、路緣等周邊信息，為神經(jīng)網(wǎng)絡(luò)學習提供了絕佳條件。

Andrej說：“我們希望能夠打造一個類似動物視覺皮層的神經(jīng)網(wǎng)絡(luò)連接，模擬大腦信息輸入和輸出的過程。就像光線進入到視網(wǎng)膜當中，我們希望通過攝像頭來模擬這個過程。”

多任務(wù)學習HydraNets神經(jīng)網(wǎng)絡(luò)架構(gòu)可以將8個攝像頭獲取的畫面拼接起來，并完美平衡視頻畫面的延遲和精準度。通過人工或自動標注車道、車輛、信號燈、障礙物等環(huán)境和動靜物體，系統(tǒng)會逐幀分析視頻畫面，了解物體的縱深、速度等信息，再將這些數(shù)據(jù)交給車隊學習。

但是在這個過程中，特斯拉發(fā)現(xiàn)了幾個問題：這些參數(shù)和空間追蹤是很難通過C++這個基礎(chǔ)架構(gòu)實現(xiàn)拼接的；有一些空間數(shù)據(jù)的輸出質(zhì)量不高；不同攝像頭獲取的物體信息不同，拼合時很難進行整體把握。

為解決這些問題，特斯拉開發(fā)了“矢量空間”（VectorSpace）技術(shù)，同時兼具了非凸優(yōu)化算法（Non-convex）、高維度兩大優(yōu)勢。該技術(shù)可以通過8個攝像頭輸入的數(shù)據(jù)為基礎(chǔ)繪制3D鳥瞰視圖，形成4D的空間和時間標簽的“路網(wǎng)”以呈現(xiàn)道路等信息，幫助車輛把握駕駛環(huán)境，更精準的尋找最優(yōu)駕駛路徑。

有了海量、精準的視頻數(shù)據(jù)，特斯拉還需要創(chuàng)造一個強大的神經(jīng)網(wǎng)絡(luò)，并對網(wǎng)絡(luò)進行特殊的布局，使這些數(shù)據(jù)能在一個總的主干網(wǎng)絡(luò)上進行整合和重新分析。因此，特斯拉“高樓平地起”，自主研發(fā)了基于神經(jīng)網(wǎng)絡(luò)的訓練方式。

特斯拉擁有一支由世界各地人才組成的數(shù)據(jù)標注團隊，規(guī)模在1000人左右。團隊每天對視頻數(shù)據(jù)中的物體在“矢量空間”中進行標注，在善于把握細節(jié)的人工標注和效率更高的自動標注配合下，只需要標注一次，“矢量空間”就能自動標注所有攝像頭的多幀畫面。這為特斯拉帶來了上百億級的有效且多樣化的原生數(shù)據(jù)，而這些數(shù)據(jù)都會用于神經(jīng)網(wǎng)絡(luò)培訓。

同時，特斯拉還開發(fā)了“仿真場景技術(shù)”，可以模擬現(xiàn)實中不太常見的“邊緣場景”用于自動駕駛培訓。在仿真場景中，特斯拉工程師可以提供不同的環(huán)境以及其他參數(shù)（障礙物、碰撞、舒適度等），極大提升了訓練效率。

由此，特斯拉FSD系統(tǒng)已可以實現(xiàn)每1.5毫秒2500次搜索的超高效率，預(yù)測可能出現(xiàn)的各種情況，并在其中找到最安全、最舒適、最快速的自動駕駛路徑。

“工程學的創(chuàng)舉”——D1芯片與Dojo超級計算機

當下，隨著所需處理的數(shù)據(jù)開始指數(shù)級增長，特斯拉也在提高訓練神經(jīng)網(wǎng)絡(luò)的算力，因此，便有了特斯拉Dojo超級計算機。

特斯拉的目標是實現(xiàn)人工智能訓練的超高算力，同時還要擴展帶寬、減少延遲、節(jié)省成本。這就要求Dojo超級計算機的布局，要實現(xiàn)空間和時間的最佳平衡。

組成Dojo超級計算機的關(guān)鍵單元，是特斯拉自主研發(fā)的神經(jīng)網(wǎng)絡(luò)訓練芯片——D1芯片。D1芯片采用分布式結(jié)構(gòu)和7納米工藝，搭載500億個晶體管、354個訓練節(jié)點，僅內(nèi)部的電路就長達17.7公里，實現(xiàn)了超強算力和超高帶寬。

1500個D1芯片共53萬余訓練節(jié)點，組成了Dojo超級計算機的訓練模塊。由于每個D1芯片之間都是無縫連接在一起，相鄰芯片之間的延遲極低，訓練模塊最大程度上實現(xiàn)了帶寬的保留，配合特斯拉自創(chuàng)的高帶寬、低延遲的連接器，算力高達9PFLOPs（9千萬億次）。

得益于訓練模塊的獨立運行能力和無限鏈接能力，由其組成的Dojo超級計算機的性能拓展在理論上無上限，是個不折不扣的“性能野獸”。實際應(yīng)用中，特斯拉將以120個訓練模塊組裝成ExaPOD，它是世界上首屈一指的人工智能訓練計算機。與業(yè)內(nèi)其他產(chǎn)品相比，同成本下它的性能提升4倍，同能耗下性能提高1.3倍，占用空間節(jié)省5倍。

與強大硬件相匹配的，是特斯拉針對性開發(fā)的分布式系統(tǒng)——DPU（Dojo Processing Unit）。DPU是一個可視化交互軟件，可以隨時根據(jù)要求調(diào)整規(guī)模，高效地處理和計算，進行數(shù)據(jù)建模、存儲分配、優(yōu)化布局、分區(qū)拓展等任務(wù)。

不久后，特斯拉即將開始Dojo超級計算機的首批組裝，并從整個超級計算機到芯片、系統(tǒng)，進行更進一步的完善。

除了備受期待的神經(jīng)網(wǎng)絡(luò)學習與Dojo超級計算機，在活動末尾，馬斯克在談到AI發(fā)展方向時，還出乎所有人意料地拋出了“Tesla Bot”。Tesla Bot高1.72米，重56.6千克，臉上的屏幕可顯示信息，擁有人類水平的雙手，并有力反饋感應(yīng)，以實現(xiàn)平衡和敏捷的動作。

馬斯克表示，Tesla Bot將利用Dojo超級計算機的訓練機制來改進功能，并補充道：“未來勞動力不會短缺，但體力勞動只是一種選擇。Tesla Bot可以執(zhí)行一些危險性、重復性、枯燥的任務(wù)?！盩esla Bot或?qū)⒃诿髂晖瞥鍪讉€原型機。

對于人工智能技術(shù)，馬斯克顯然還有更遠大的追求。這種追求，寄托在他開場白中“我們遭遇了一點技術(shù)問題，希望以后可以用AI來解決”的調(diào)侃，更在于活動結(jié)尾時他許下的“我們會進一步在整個人類世界里暢游”的承諾。