當面向云端的高性能計算機Dojo與車端最強的 HW4.0 硬件碰撞在一起時，會對特斯拉的自動駕駛產生什么化學反應？

這會成為特斯拉自動駕駛的下一個「大殺器」嗎？

粗略計算，特斯拉目前有超過 82 萬輛搭載 HW 2/3 硬件的的汽車在全球各地行駛。以用戶平均每天駕駛約一個小時計算（每輛車 8 個攝像頭），車隊每月大約會產生 1.968 億個小時的視頻。

這帶來的問題是，如果用人工來標注這些數據，因為數據量太大，標注起來非常困難，成本也非常昂貴。

于是，去年 4 月的 Autonomy Day 上，特斯拉 CEO Elon Musk 釋放出了一個重要信號：特斯拉將把針對自監督學習技術的研發放到絕對的優先級（注：這里的自監督學習就是無監督學習）。

Musk 表示：「車端搭載的是一個針對推理優化過的計算平臺（指當時發布的FSD）。在特斯拉內部，我們還有一個代號為 Dojo 的重大項目。它是一臺超強的訓練計算機，Dojo 的目標是能夠輸入大量數據，并對視頻進行無監督的大規模訓練。」

這里有一個值得關注的信息是：Dojo 所處理的數據不再停留在圖片層面，而是針對視頻類的數據。

Dojo 在日語是「道場」的意思，指練習冥想或者武術的地方。

顯然，Dojo 則是特斯拉訓練自動駕駛算法的「道場」：系統可以通過自動化的工具主動選取最有指導意義的訓練樣本，篩選、清洗、標注這些視頻片段，然后完成高效的算法提升。

這也是 Musk 對超級計算機寄予厚望的原因。Dojo ，無疑扮演算法優化加速器的角色。

深度學習大神 Yann LeCun 預測稱，研究人員即將在視頻自監督學習方面取得突破性進展。他預計，今年深度學習的從業者就能夠真正在視頻數據的基礎上進行自監督學習。

特斯拉 AI 高級主管 Andrej Karpathy 在最近一次的公開分享也表達了類似的預期：Dojo 訓練計算機的目標，是以較低的成本實現算法性能的指數級提高。

過去的訓練數據依賴于人工標注，而主動的自監督學習可以大幅優化算法提升的效率。在帶寬、數據存儲或算力短時間內無法快速提升的前提下，主動學習依然能讓特斯拉在「綁住手腳」的情況下優化神經網絡性能。

鑒于 Musk 手握超過 82 萬輛「數據采集機」，特斯拉拿到優質數據的機會能比競爭對手們高出幾個數量級。

借助計算視覺，特斯拉在數據規模上具有優勢的可不僅是自監督學習或弱監督學習，得益于主動學習，特斯拉在傳統的完全監督學習領域也一騎絕塵。

還記得在 2019 年的投資者日上，Musk 表示，Dojo 是特斯拉目前最關注的項目之一。換句話說，Dojo 是特斯拉繼 FSD 芯片之后，在自動駕駛領域的又一大殺手锏。

如進展順利，Dojo 可以改善 Autopilot 的工作方式——Autopilot 正以「2.5D」（2D圖像 + 內容標注）方式進行訓練迭代，而Musk打算升級，使其可以在「4D」（3D 加上時間維度）環境下運行。

Musk 對 Dojo 的評價是，「這將是一臺真正的性能猛獸。」

目前，特斯拉團隊仍在開發 Dojo。

根據 Musk 本人推特的信息，特斯拉將在「六到十周內以有限的公開發行形式」發布這項技術，這將成為特斯拉在自動駕駛方面的一大亮點。

與此同時，特斯拉 HW 4.0 也有了新的眉目。

據中時新聞網報道，特斯拉正與博通合作研發新款 HW 4.0 自動駕駛芯片，而且明年第四季度就將大規模量產，負責芯片量產的是巨頭臺積電。

具體信息包括：

• 芯片由 IC 設計龍頭博通與特斯拉共同開發；

• 芯片將采用臺積電 7 nm 工藝制造；

• 業內首個享受臺積電 SoW 封裝技術的芯片產品，可以將 HPC 芯片在不需要基板和 PCB 的情況下直接與散熱模組整合在單一封裝中；

• 芯片預計 2020 年第四季度開始生產，初期投片規模 2000 片。

回顧特斯拉自動駕駛芯片的時間軸：

HW 1.0 時代（2016 年之前 ），特斯拉主要依靠 Mobileye EyeQ3，傳感器配置則為 1 顆前視攝像頭+ 1 個毫米波雷達和 12 個超聲波雷達。

HW 2.0 時代（2016-2019 年，包括 HW 2.5），特斯拉將合作方換成了英偉達，Drive PX 2 成了這套系統的核心。整個傳感器套裝則升級為 8 顆攝像頭+ 1 個毫米波雷達與 12 個超聲波雷達。

也就是在 2016 年，特斯拉開始組建芯片架構研發團隊，找來了傳奇芯片設計師 Jim Keller 擔任 Autopilot 負責人。

2019年，特斯拉成功推出 FSD 芯片：14 nm 工藝，算力 144 Tops，功耗 72 W。

特斯拉 Autopilot 進入 HW 3.0 時代。

那么，這次 HW4.0 的 7 nm 芯片相比 16 nm/14 nm 有什么進步呢？

7 nm 工藝的主要優點是能夠在更低的電源電壓（低于500mV）下工作，功耗更低（速度提高 35%，功耗降低 65%），發熱量更小。

隨著自動駕駛系統對于算力的需求日益增長，芯片功耗對效率的影響也會變得越發顯著，而7納米工藝的優勢也會更加突顯。

有評論稱，這顆高性能芯片將用來控制和支撐特斯拉的自動駕駛系統、動力傳遞和車輛娛樂等功能——打通特斯拉的高性能電動車和自動駕駛兩大核心競爭力。

相比HW3.0，特斯拉下一代芯片的性能比 FSD 還要強大 3 倍。鑒于 FSD 的算力已經高達 72 TOPS，HW 4.0 的性能表現絕對值得期待。

說了這么多，打造特斯拉 Autopilot 背后的工程師有多少人？

Musk 答：Autopilot 團隊有約 300 名工程師。其中，有 200 名主攻軟件，另外 100 人則負責芯片設計。

Musk 還打包票說，軟件團隊這 200 名工程師隨便到哪都能找到好工作，「沒有人是他們真正的老板。」

Autopilot 作為特斯拉一等一的大項目，不僅需要 200 名頂級工程師攜手合作，還要 100 多名硬件工程師持續輸出打基礎。

300 人通力合作才造就了 Autopilot 如今這個數一數二的自動駕駛產品。

這也是為什么 Musk 多次強調 Autopilot 會成為這些天才工程師最閃亮的勛章。

除了這 300 名「絕地」工程師，Autopilot 還有其他幕后英雄——超過 500 名熟練的數據標注員。

他們為 AI 算法的提升，提供了源源不斷的高價值數據。

需要注意的是，他們并不是廉價勞動力，而是均經過專業訓練，甚至能熟練為原始數據打上 4D 標簽（增加時間維度）。

100 多名頂級的芯片工程師，近 200 名軟件工程師和約 500 位標注員協同工作。對于如此大一個團隊，Musk 說道，「我們確實做了相當多的磨合。」

可能有很多人不理解，Musk 在這個過程中的角色。

硬件工程師中，直接向Musk匯報的有：

• 負責電池和動力系統的 Drew Baglino；

• 負責車輛架構工程的 Lars Moravy ；

• 以及負責芯片、計算平臺以及弱電系統的Pete Bannon。

軟件工程師中，向 Musk 匯報的包括：

• 負責車輛軟件的 David Lau；

• 操作系統與內部應用的 Nagesh Saldi；

• Autopilot 團隊整體的負責人 Ashok Elluswamy；

• AI 大神 Andrej Karpathy；

• 負責軟件集成與驗證的 CJ Moore；

• 負責 Autopilot 底層代碼的 Milan Kovac。

而這些只是 Autopilot 的團隊而已，難以想象，整個特斯拉向 Musk 直接匯報的中高層有多少了？

別忘了，Musk 并非凡夫俗子，他還是 SpaceX 的掌舵人，星辰大海可不比 AI 簡單。

Autopilot 的成功的背后，不僅要歸功于軟硬件團隊的努力，以及人工智能背后的人工。

最后，還需要一個瘋狂的老板。

返回第一電動網首頁 >