世界上最快的AI訓練速度，王座，剛剛易手。
不是英偉達圖形處理器，也不是谷歌TPU。.
馬斯克領導下的特斯拉，自主研發的AI訓練芯片D1，自主研發的AI超級計算機Dojo ExaPod，以巔峰之作出道，以世界第一出道。
此外，馬斯克還帶來了另一款特斯拉新產品:
車載機器人搭載了特斯拉的包括芯片在內的軟硬件系統，但與百度不同的是，它更像人而不是車。
這是馬斯克在特斯拉一年一度的AI開放日上帶來的一系列令人興奮的進展。
特斯拉自研AI訓練芯片D1發布
馬斯克說:需要有一臺超快的電腦來訓練包括自動駕駛在內的整個自動駕駛系統。
DOJO誕生了。
Dojo，以日語中專門練武的DOJO命名，顧名思義，DOJO就是特斯拉AI的道場。
DOJO是通過網絡結構連接的分布式計算架構它還有一個大的計算平面，極高的帶寬和低延遲，以及一個由分區和映射組成的大網絡
事實上，在CVPR 2021上，特斯拉已經展示了DOJO的相關表現。
當時終于達到了1.8EFLOPS，讀寫速度高達1.6TBps，一度被認為超越了世界第一超級計算機富越，創造了超級計算的新紀錄。
當時，DOJO使用的是NVIDIA的A100 GPU，單卡計算能力為321TFLOPS，總共有5760張卡，720個節點。
現在，DOJO更進一步，自己開發了Heart芯片。
特斯拉首款AI訓練芯片D1正式發布。
在7nm工藝中，FP32的計算力為22.6TOPs，BF16的計算力為362TOPs。
總之，比現在市面上的任何芯片都好。
特斯拉還稱D1芯片為純學習機。
此外，D1芯片不僅在單兵作戰能力方面很強，而且在集團軍作戰能力方面也很強，可以無縫集成到一個非常大規模的計算陣列中。
能有多大。接下來，特斯拉公布了預熱海報上的神秘物種:
訓練模塊有25個D1芯片！
這也是特斯拉的第一個訓練模塊，通過組裝多個模塊，可以形成一個計算能力更強的訓練陣列:
至此，特斯拉自主研發的超算DOJO徹底亮相！
超過50萬個訓練節點每個模塊的計算能力為9pb，帶寬為36 TB/s
DOJO的可怕之處在于，與世界上其他超級計算機不同，它需要承擔許多不同的任務DOJO唯一的使命就是AI訓練，或者可以說是專注于自動駕駛算法的訓練
因為專注，第一場秀就是巔峰。
自動駕駛，FSD和特斯拉的其他AI訓練任務可以在DOJO中得到更高效的訓練。
此外，特斯拉官方繼續寵溺:這還不是終點，下一代DOJO將有10倍的性能提升！
所以它在這里去拿你的衣服
特斯拉D1支持的最后也是最強的終極殺手首次亮相:
ExaPOD集成了120個訓練模塊，包括3000個D1芯片和100多萬個訓練節點計算能力達到1.1EFLOP
而且單位能耗性能比當今最強的超級計算機高1.3倍，但碳排放只有1/5。
速度和性能都是業內最好的。
所以特斯拉明確表示，這是世界上最快的AI訓練電腦。
有趣的是，2019年，美國能源部曾表示，將斥資6億美元打造E級計算能力的超級計算，2023年問世.
沒想到，這個目標最早是由汽車公司特斯拉實現的。
為誰建造的最強高爐。
所以問題是，自研的D1芯片有了，最強的AI訓練超過了DOJO ready特斯拉接下來會怎樣
特斯拉人工智能技術主管Andrej Karpathy上臺介紹了D1芯片和DOJO主要服務對象是特斯拉在自動駕駛領域領先所有對手的魔彈:純視覺解決方案
事故頻發，糾紛不斷甚至國內大部分玩家都轉向了視覺激光雷達的綜合方案，但特斯拉依然堅持
Karpathy詳細介紹了特斯拉高純度視覺方案的思路，目前8攝像頭方案的特點，以及為什么可以工作。
特斯拉純視覺方案，基本構建原則是把自動駕駛系統看成是有眼睛，有神經，有大腦的生物。
目前的方案有8個攝像頭，背后是一個多任務學習神經網絡，稱為繡球花3354九頭蛇網絡。
Hydra網絡可以處理目標檢測，交通標志識別，車道預測等任務其關鍵在于各種數據的特征提取，包括不同種類數據的特征共享，不同任務的參數調整，參數緩存，從而加快參數調整
這也是實現FSD敏捷開發，半年內迭代2—3個版本的關鍵。
接下來，卡普西描述了純視覺方案的歷史以及該方案發展到今天的邏輯他展示了特斯拉處理其圖像數據的視頻
他說，雖然過去的消防處很好，但事實證明，這樣的制度并不完善。每臺攝像機都能探測到工程師期望的目標，但它背后的神經網絡向量
空間是不夠的。
于是，特斯拉如重新設計了神經網絡，就是上面的九頭蛇。
另外相機校準，緩存，隊列和優化等等環節都做了最大程度簡化。
特斯拉方面還比較了多攝像頭方案和單攝像頭方案的差別，相同的場景下，單攝像頭方案識別率明顯低于多攝像頭方案。
特斯拉車輛上的 8 個攝像頭獲取原始輸入后，系統會創建各種分辨率的圖像，用于各種功能和目的。
這些不同的圖像會被分別喂給處理不同任務的神經網絡，作為整個自動駕駛系統的決策依據。
接著，Karpathy 介紹了特斯拉的終極建筑師，即車輛在行駛過程中可以實時對車道，環境建模。
車道線實時建模，其實就是特斯拉自己的高精地圖能力。
中國自動駕駛玩家，強調高精度地圖的不少，但特斯拉的思路，現成資源不是本質能力，本質能力應該是創造資源的能力。
最后，Karpathy 談了 AI 公司常見的數據標注問題，他認為，把數據外包給第三方去做手工標注并不好，所以特斯拉選擇自建團隊來給數據打標，目前已經從 2D 圖像標記升級到 4D 矢量空間的標記。
這也是特斯拉自動駕駛不斷快速進化的核心所在。
依靠人工標注，顯然無法應對量產車上路后的大規模數據，所以只有自動化標注，才能形成數據閉環。
開放日上，特斯拉也展示了如何從車道線，2D 圖像 一點點躍遷至 4D 標注和建模的
行人，車輛，樹木，建筑物 清清楚楚，而且還有意圖識別
特斯拉方面也強調，基于類腦一樣的感知系統，自動化標注能力，以及仿真，確保了特斯拉為什么可以基于純視覺實現更高維度的自動駕駛。
仿真，簡單講就是利用現實數據，將真實世界的實時動態景象，在計算機系統實現重新構建和重現。
這套模擬程序，用特斯拉的話說，就是一個以自動駕駛為玩家的視頻游戲。
在這套系統里，任何要素都可以被添加其中，包括奇葩的極端場景。
比如這里，人太多導致目標難以標注，車輛極多:
特斯拉這里還不忘補刀一下毫米波雷達 —— 純視覺也能做很好，所謂的雷達冗余作用有限。
特斯拉方面還披露，現在標注和仿真系統，可以模擬數量高達 3.71 億的數據及場景。
當然，自動駕駛最后還得解決從比特世界走向原子世界應用的問題。
這次特斯拉主要披露了控制和規劃方面的進展。
特斯拉自動駕駛總監 Ashok Elluswamy，分享了特斯拉針對復雜場景的規劃方案 ——混合規劃系統。
主要思路和技術方法是基于蒙特卡洛樹搜索，實現最佳路徑規劃。
最后，整個特斯拉自動駕駛從感知到決策規劃，一圖概括如下:
One more thing:特斯拉機器人
最后的最后，就在大家都以為發布會完全就是自動駕駛相關內容之際。
簡短茶歇環節，竟然來了一段機器人熱舞—— 宛如衣服 Model 一樣的穿著，樣子非常硅基。
這是特斯拉的行為藝術。
不不不，再次出乎意料。
馬斯克再次登臺，然后鄭重其事發布:特斯拉機器人。
身高 5 英尺 8 英寸，約為 172cm，重量 125 磅，約為 56.7kg，承載能力為 45 磅，約為 20kg。
它的面部是一個顯示屏，用來顯示重要信息。
從外形上看，四肢和人類一樣。
為了實現平衡性和敏捷性，四肢使用了 40 個機電推桿。
同時，特斯拉各項 AI 和芯片技術，都會應用其中。
比如使用 Autopilot 的攝像頭充當感知系統，胸腔里內置特斯拉自研芯片 ——FSD 同款，還會加持多項特斯拉已開發出的技術，如多攝像頭視頻神經網絡，規劃能力，標記。
而且馬斯克強調，這不是玩具周邊，它會最終實現 —— 可能明年就會正式推出，這是特斯拉電動車的下一步。
硅谷鋼鐵俠還說，他會是一個非常有用的機器人，由人打造，為人服務，而且會確保一直對人友好，能把人從危險的，重復的，無聊的任務中解放出來。
甚至還能跟已經高度自動化的特斯拉車輛生產進一步結合協作但按照馬斯克的意思，首要的應該是做家務
有意思的是，伴隨著特斯拉這個機器人發布，太平洋兩岸都把機器人作為了智能車變革的下一步。
中國這邊，百度李彥宏剛剛推出了一款汽車機器人，不過更像汽車而不是人。
美國那頭，馬斯克的特斯拉機器人，更像人而不是汽車。
這種區別，也可能跟馬斯克的那個江湖綽號有關。
伊隆馬斯克，不就是現實版鋼鐵俠嗎
鄭重聲明：此文內容為本網站轉載企業宣傳資訊，目的在于傳播更多信息，與本站立場無關。僅供讀者參考，并請自行核實相關內容。
|
