特斯拉的自動(dòng)化能力很強(qiáng)，不用來造機(jī)器人就太浪費(fèi)了。

「非常抱歉，我們?cè)庥隽艘稽c(diǎn)技術(shù)問題，希望以后這可以用 AI 來解決?！菇裉斓幕顒?dòng)延遲了半個(gè)多小時(shí)，伊隆 · 馬斯克這樣做了開場(chǎng)白。

北京時(shí)間 8 月 20 日上午，萬眾矚目的「特斯拉 AI 日」開始了。在活動(dòng)上，伊隆 · 馬斯克向全世界展示了特斯拉在自研超級(jí)計(jì)算機(jī) Dojo、FSD 軟件等內(nèi)容上的最新進(jìn)展。

按照馬斯克本人的說法，吸引最好的 AI 人才加入特斯拉似乎是本次活動(dòng)的唯一目標(biāo)。

當(dāng)然，這次發(fā)布向世人宣告的遠(yuǎn)不止于此，有關(guān)通用機(jī)器人的計(jì)劃讓我們始料未及。 

 

純視覺自動(dòng)駕駛系統(tǒng)和 HydraNets

首先，特斯拉最被人們關(guān)注的是自動(dòng)駕駛技術(shù)。

特斯拉一直標(biāo)榜自己的電動(dòng)車具備高度自動(dòng)化的輔助駕駛能力，7 月 10 日，F(xiàn)SD(Fully Self Driving，全自動(dòng)輔助駕駛系統(tǒng))軟件迎來更新。不過當(dāng)時(shí)，更新僅限于特斯拉搶先體驗(yàn)計(jì)劃用戶，這些用戶可以進(jìn)行 FSD Beta V9 版本測(cè)試，其最大亮點(diǎn)是基于攝像頭和 AI 智能算法的純視覺自動(dòng)輔助駕駛技術(shù)路線，而不依賴于雷達(dá)傳感器。

7 月 31 日，特斯拉正式推送 FSD 的最新版本 FSD Beta V9.1，這是首個(gè)使用「特斯拉視覺」的先進(jìn)司機(jī)輔助駕駛套件。8 月 16 日，特斯拉又推送了 FSD Beta V9.2 版本。

特斯拉 AI 總監(jiān) Andrej Karpathy 博士介紹了這種基于視覺的自動(dòng)駕駛系統(tǒng)：它通過八個(gè)攝像頭的數(shù)據(jù)輸入(1280×960 12-Bit HDR 36Hz)進(jìn)單個(gè)神經(jīng)網(wǎng)絡(luò)中，整合成 3D 環(huán)境的感知，這被稱為 Vector Space。

「AI 可以被視為生物，它是從頭開始構(gòu)建的，包括其合成視覺皮層?！?/p>

當(dāng)特斯拉在汽車中設(shè)計(jì)視覺皮層時(shí)，他們從頭設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)，按照生物視覺方法去建模，并利用多頭路線，其中包括相機(jī)校準(zhǔn)、緩存、隊(duì)列和優(yōu)化以簡(jiǎn)化所有任務(wù)。

特斯拉從主干網(wǎng)絡(luò)中獲取數(shù)據(jù)，并將有用的信息輸入到不同的任務(wù)中(比如目標(biāo)檢測(cè)、交通信號(hào)燈和車道預(yù)測(cè))，同時(shí)拋棄其他內(nèi)容，避免浪費(fèi)算力。

特斯拉的自動(dòng)駕駛算法是從識(shí)別單張圖片的普通計(jì)算機(jī)視覺算法開始的，雖然每個(gè)攝像頭的單獨(dú)檢測(cè)效果很棒，但這顯然不夠?，F(xiàn)在的純視覺算法「HydraNets」基于不同攝像頭的視覺內(nèi)容進(jìn)行識(shí)別的，而且訓(xùn)練和推斷是端到端的。

該算法將多個(gè)攝像頭的視覺內(nèi)容轉(zhuǎn)變?yōu)橄蛄靠臻g和道路特征。

多攝像頭網(wǎng)絡(luò)的效果值得肯定，盡管只是數(shù)量上的增加，但卻可能成為解決預(yù)測(cè)問題的關(guān)鍵之處。該網(wǎng)絡(luò)生成的周圍景觀預(yù)測(cè)很大程度上提高了自動(dòng)駕駛系統(tǒng)的穩(wěn)健性。

紅綠燈左轉(zhuǎn)是對(duì)于自動(dòng)駕駛的巨大挑戰(zhàn)，當(dāng)車輛在道路上行駛并通過交叉路口時(shí)，神經(jīng)網(wǎng)絡(luò)會(huì)通過 Spacial RNN 進(jìn)行預(yù)測(cè)。并在虛擬環(huán)境中進(jìn)行多次模擬，以進(jìn)一步改善路徑規(guī)劃和理解。

在算法模擬的單元空間中，每一個(gè) unit 都是一個(gè) RNN，并隨著車輛的運(yùn)動(dòng)更新。

Karpathy 指出，特斯拉現(xiàn)在的 FSD 戰(zhàn)略是更具凝聚力的。事實(shí)證明，特斯拉的車輛可以有效地繪制實(shí)時(shí)地圖。與 Super Cruise 和 Waymo 等汽車及軟件領(lǐng)域的競(jìng)爭(zhēng)對(duì)手的預(yù)繪制地圖策略相比，這是一個(gè)巨大的差異。

自動(dòng)駕駛軟件總監(jiān) Ashok Elluswamy 介紹了混合規(guī)劃系統(tǒng)，以 Autopilot 如何變道為例，當(dāng)與其他汽車并排行駛時(shí)，Autopilot 不僅要考慮它們的駕駛方式，還必須考慮其他汽車的運(yùn)行方式。

在狹窄的過道周圍進(jìn)行規(guī)劃時(shí)，重要的是要考慮其他駕駛員及其行為，例如在必要時(shí)讓行：

Karpathy 還提到了數(shù)據(jù)標(biāo)注問題。他指出，外包給第三方公司的手動(dòng)標(biāo)簽并不是最佳選擇，本著垂直整合的精神，特斯拉選擇建立自己的標(biāo)注團(tuán)隊(duì)。

一開始，特斯拉使用的是 2D 圖像標(biāo)簽。最終，特斯拉轉(zhuǎn)向了 4D 標(biāo)簽，可以在向量空間中進(jìn)行標(biāo)注。但是這還不夠，自動(dòng)標(biāo)注技術(shù)得到了發(fā)展。

有太多的標(biāo)簽需要完成標(biāo)注，而讓人們手動(dòng)來完成是不可能的。特斯拉自動(dòng)駕駛軟件負(fù)責(zé)人 Ashok Elluswamy 展示了道路和道路上的其他物品是如何從一輛正在行駛的汽車中「重建」出來的。這有效地讓特斯拉能夠更快地標(biāo)記數(shù)據(jù)，同時(shí)允許車輛即使在存在遮擋的情況下也能安全準(zhǔn)確地導(dǎo)航。

甚至在對(duì)比度過高，攝像頭采集的圖像不夠清晰時(shí)，特斯拉還使用神經(jīng)網(wǎng)絡(luò)對(duì)畫面進(jìn)行了增強(qiáng)。

Ashok 指出，這些策略最終幫助特斯拉將雷達(dá)從 FSD 和 Autopilot 套件中淘汰，并采用了純視覺模型。雷達(dá) + 攝像頭系統(tǒng)與純視覺之間的比較顯示了該公司當(dāng)前的戰(zhàn)略有多精細(xì)。同時(shí)他也談到了仿真如何幫助特斯拉開發(fā)其自動(dòng)駕駛系統(tǒng)。盡管特斯拉專注于現(xiàn)實(shí)世界的數(shù)據(jù)，但它也使用仿真。

特斯拉利用一個(gè)新的仿真程序 (用他們自己的話說，就是 Autopilot 扮演玩家的視頻游戲) 來測(cè)試邊緣情況和其他可能遇到的問題。

神秘超算 Dojo：革命性架構(gòu)

DOJO，這次特斯拉 AI 日的最大看點(diǎn)，最終也沒有讓人失望。

2020 年 8 月，馬斯克表示，該公司正在研發(fā)一款名為「Dojo」的神經(jīng)網(wǎng)絡(luò)訓(xùn)練超級(jí)計(jì)算機(jī)，將主要處理從特斯拉汽車在路上獲得的海量視頻數(shù)據(jù)。馬斯克發(fā)推稱：「Dojo V1.0 還未完成，估計(jì)還需要一年的時(shí)間。不僅僅是芯片本身的研發(fā)難度，能效和冷卻問題也非常的難?！?/p>

幾個(gè)月后，馬斯克又補(bǔ)充道：「Dojo 采用我們自研的芯片和為神經(jīng)網(wǎng)絡(luò)訓(xùn)練優(yōu)化的計(jì)算架構(gòu)，而非 GPU 集群。盡管可能是不準(zhǔn)確的，但是我認(rèn)為 Dojo 將會(huì)是世界上最棒的超算。」

今天，特斯拉終于揭開了 Dojo 計(jì)算機(jī)芯片的神秘面紗。它采用了創(chuàng)新的架構(gòu)，將算力分布在復(fù)雜的網(wǎng)絡(luò)構(gòu)造中，實(shí)現(xiàn)了極高的算力、高帶寬、低延遲的網(wǎng)絡(luò)吞吐量。

[[418944]]

Dojo 的設(shè)計(jì)是從芯片開始從頭做起的。Dojo 的訓(xùn)練 CPU 屬于 ASIC 芯片，專注于人工智能訓(xùn)練，采用 7 納米制程，可以實(shí)現(xiàn) 1024GFLOPS 的 BF16 算力，在芯片周圍的四向都有 4TB/s 的傳輸帶寬。

特斯拉宣稱它的效率超過了現(xiàn)有的 GPU 和 TPU，其主要的優(yōu)勢(shì)是在帶寬上。

Dojo 用所有力量做一件事：使自動(dòng)駕駛汽車成為可能。它是一個(gè)純粹的機(jī)器學(xué)習(xí)機(jī)器，以現(xiàn)有芯片和服務(wù)器的思路看，它的規(guī)格堪稱「瘋狂」：首先把 50 萬個(gè)訓(xùn)練節(jié)點(diǎn)集合在一起，每個(gè)區(qū)塊都有 9 petaflops 的算力，每秒 36 TB 的區(qū)塊外帶寬。

但這只是 Dojo 的冰山一角。在應(yīng)用時(shí)，120 個(gè)這樣的 D1 芯片區(qū)塊被整合為一個(gè) ExaPOD，顧名思義，它有每秒超過 1 億億次的運(yùn)算能力(10 的 18 次方)，這是目前世界上最快的 AI 訓(xùn)練計(jì)算機(jī)。與業(yè)內(nèi)其他產(chǎn)品相比，在同樣的成本上，ExaPOD 的性能要高 4 倍，能耗比高 1.3 倍，占用空間縮小了 5 倍。

「我們很快就會(huì)組裝起第一臺(tái)這樣的服務(wù)器，這樣的設(shè)備可以無限鏈接?！固厮估?Dojo 項(xiàng)目負(fù)責(zé)人 Ganesh Venkataramanan 表示，Dojo 有望成為地球上最強(qiáng)大的超級(jí)計(jì)算機(jī)之一。

這些芯片可以幫助 AI 模型利用特斯拉汽車上的攝像頭收集到的視頻，進(jìn)而識(shí)別各種內(nèi)容?！肝覀儜?yīng)該在明年讓 Dojo 投入運(yùn)營(yíng)，」馬斯克說道。

與此同時(shí)，特斯拉還圍繞這套計(jì)算系統(tǒng)構(gòu)建了完整的軟件堆棧，深度學(xué)習(xí)框架用的是 PyTorch。

此外，特斯拉還計(jì)劃讓下一代 Dojo 性能再提升 10 倍。

特斯拉人形機(jī)器人

以上都是此前劇透過的信息，但還有 one more thing，特斯拉要造人形機(jī)器人。

在幾張幻燈片中，我們可以了解到 Tesla Bot 的一些信息。首先，這款機(jī)器人可以用在特斯拉的自動(dòng)駕駛汽車上，它能學(xué)會(huì)使用我們?cè)隈{駛汽車時(shí)所操作的所有裝置。然后，你就可以吩咐它去商店買東西…… 馬斯克認(rèn)為，人形機(jī)器人「會(huì)對(duì)未來經(jīng)濟(jì)產(chǎn)生深遠(yuǎn)影響」。

它的身高大概是 1.72 米(5 英尺 8 英寸)，重約 125 磅，身材勻稱，還帶有一張面部屏幕能夠以約 5 英里 / 小時(shí)的速度移動(dòng)。

這款機(jī)器人的第一個(gè)實(shí)體版本或?qū)⒃诿髂昝媸溃O(shè)計(jì)初衷就是用來處理那些「不安全、重復(fù)的、無聊的工作」。馬斯克說：「我認(rèn)為在未來，體力工作會(huì)是一種選擇，你愿意的話也可以，不愿意的話也行。」

這仿佛代表了馬斯克的某種設(shè)想：「制造類人機(jī)器人是特斯拉下一個(gè)必然要投入的方向?！巩吘顾J(rèn)真地說過，特斯拉已經(jīng)是「世界上最大的機(jī)器人公司」。

當(dāng)然，特斯拉機(jī)器人目前還只是一個(gè)設(shè)想，我們距離全能機(jī)器人管家的距離，要比自動(dòng)駕駛汽車更遠(yuǎn)。

在最后，QA 環(huán)節(jié)的第一個(gè)問題有點(diǎn)幽默：「特斯拉會(huì)擁抱開源嗎?」

馬斯克的回答是：「這些東西都是花費(fèi)了巨資研制的，所以我不太確定要不要開源?！沟绻渌嚬鞠胍@得 Autopilot 的許可，那是可以做到的。

但正如 SpaceX 和特斯拉此前所做的一樣，馬斯克的公司經(jīng)常能讓先進(jìn)技術(shù)變得越來越便宜。不知在未來，人形機(jī)器人是否也會(huì)很快有一個(gè)親民的價(jià)格?

【本文是51CTO專欄機(jī)構(gòu)“機(jī)器之心”的原創(chuàng)譯文，微信公眾號(hào)“機(jī)器之心( id: almosthuman2014)”】 

戳這里，看該作者更多好文