大概一個月之前，馬斯克放出了可能是今年特斯拉最重大事件的預告。

4 月 15 日，馬斯克在推特回復網友稱，特斯拉的 AI Day 專場發布會，預計會在「7 月底 late July」舉行。

繼 2019 年 4 月 23 號自動駕駛日 Autonomous Day、2020 年 9 月 23 日電池日 Battery Day 之后，特斯拉第三次以「Day」命名的技術發布會，終于正式定檔。

自動駕駛日上，特斯拉掏出了世界上首枚由車企研發的自動駕駛計算芯片 FSD Chip，并發布了算力高達 144TOPS 的 Autopilot 硬件 3.0，總體算力至今依然沒有量產車望其項背。

電池日上，馬斯克放出了年產能 TWh 級別的全新電池工廠，發布了下一代 4680 電池，以及融合了電化學、生產優化，以及車輛工程之后續航提升 54% 的宏大目標，還有三電機+超長續航的新款 Model S。

于是，我們沒有理由不期待，馬斯克會在 7 月底的 AI 發布會上，放出更多「核彈」，為自動駕駛的 2021 打上更多花火。

當然，按照前兩次發布會的調性，大家一定要做好 AI Day 跳票，甚至多次跳票的準備。不過這不影響我們根據現有的線索，揣測一下特斯拉到底會在 AI Day 上發布些什么。

不用擔心，今天的文章不只有枯燥無味的數字，我們會爭取寫得更讓人心潮涌動一些。

來自車企的全球最強計算機

根據 2020 下半年的全球 TOP500 計算機排名，目前已投入使用的超級計算機中，日本富岳 Fugaku 超級計算機以 431.65PFLOPS 的 FP32 精度算力，排在榜首，大概是第二名的3倍。

2020 年 8 月 16 日，馬斯克首次披露了特斯拉 DOJO 超級計算機計劃的目標——FP32 精度 1EFLOPS 的算力，也就是 1024PFLOPS，富岳的 2.5 倍。

DOJO，也就是特斯拉 AI Day 的最大看點之一，一套來自車企的超級計算系統。它是特斯拉自動駕駛計算補齊的最后一塊拼圖，甚至有可能是新時代車企「靈魂」的最終體現。

我們討論自動駕駛時，常用的 TFLOPS 算力，其實是基于 INT8 精度衡量的。換算成 FP32 精度的話大致要除以 4。也就是說，特斯拉 Autopilot 硬件 3.0 的 FP32 精度算力大概是 36TFLOPS。

換算一下就是，一個 DOJO 系統的算力，起碼相當于 29127 輛特斯拉硬件 3.0 車型算力之和。

1EFLOPS 的算力當然很恐怖，但傲視群雄的 DOJO 擔子依然不輕。

根據 thecarconnection.com 的統計數據，2014 年全美駕駛者平均每天開車 52 分鐘.

以特斯拉硬件 3.0 車型保有量 100 萬輛計算，一套 DOJO 純粹基于平均時間值換算，每天大約需要處理超過 2500 萬輛次汽車反饋的數據。

當然，DOJO 主要負責的是「訓練」，這樣計算它的壓力不嚴謹。但另一個幸福的煩惱是，特斯拉賣得真不錯。

剛剛過去的 1 季度，特斯拉一共交付了超過 18 萬輛汽車，這些車型全部搭載了 Autopilot 硬件 3.0，算下來今年特斯拉或將售出 73 萬輛汽車，甚至有機會超越雷克薩斯。

按照這樣的趨勢，再過一陣子，馬斯克曾經引以為豪的「百萬級自動駕駛數據反饋車隊」，就會變成每年「自豪」一次的幸福煩惱。

DOJO 如何適應迅速累積的 Shadow mode 數據反饋規模，比起 DOJO 本身，也許是 AI Day 更值得關注的命題。

硬件 4.0，突破 1000TOPS？

靈魂需要肉體承載，DOJO 是坐鎮特斯拉總部的大腦，而分散于世界各地的 Autopilot 硬件，則是神經網絡的每一個末梢。

DOJO 超算目前面臨的內部挑戰有兩個：特斯拉賣得太火，也就是數據反饋越來越龐雜；以及特斯拉做得太多，也就是來自每一個「神經末梢」的數據壓力，會越來越大。

「做得太多」對應的，就是馬斯克 Autonomous Day 上承諾會在「兩三年內」推出的二代 FSD Chip，以及它的載體 Autopilot 硬件 4.0。

根據臺灣工商時報報道，二代 FSD Chip 將交給臺積電量產，使用 7 納米工藝制造，由博通和特斯拉一起設計。

臺灣媒體報道的另一個消息，是「每塊 7 納米晶圓只能切割出 25 片 FSD Chip 2 代芯片」——一塊 7 納米晶圓面積是70650 平方毫米，而初代 FSD Chip 面積只有 260 平方毫米。

所謂的「X 納米工藝」，一般指的是晶體管邊長為 X 納米。根據摩爾定律，同樣面積的芯片，其晶體管數量每隔 18 個月就會翻一番，而邊長就是計算晶體管密度的重要因素。

一般來說，同樣架構下等量的晶體管密度提升，就會帶來相近的性能提升幅度。也就是說，同樣面積下晶體管數量翻一倍，理論上性能會接近翻倍。

原理說得差不多，可以直接下結論了：二代 FSD Chip 在晶體管密度突飛猛進的基礎上，芯片面積同樣百尺竿頭——最后的結果就是算力大爆炸。

我們用數字大概預測一下。

2019 年 11 月 7 日，特斯拉 AI 部門高級主管 Andrej Karpathy 在 PyTorch Developer Conference 2019 上面，公布了這樣一個數字：Autopilot 硬件 3.0 的工作功耗是「sub 100W 低于 100 瓦」。

算下來硬件 3.0 總體的效率起碼是 1.44TOPS 每瓦，而使用了 12 納米工藝的英偉達 Xavier，芯片層面的效率大概是1TOPS 每瓦（30W/30TOPS）。

初代 FSD Chip 用的是三星 14 納米工藝，而 FSD Chip 2 代用的臺積電 7 納米工藝，理論晶體管密度是三星 14 納米的 3.5 倍。

即使不考慮架構優化，硬件 4.0 也有望提供 6TOPS 的每瓦性能，也就是 100W 系統功耗，可以輸出 600TOPS 的算力。

而英偉達最新的 Orin，系統級效率「只有」 3.08TOPS 每瓦（130 瓦/400TOPS）。

考慮到蔚來已經將自動駕駛計算系統的功耗上限，拉到了 200W+ 級別。一旦馬斯克想狠狠來一把軍備競賽，也許 1000+，甚至 2000TOPS才是硬件 4.0 的星辰大海。

當特斯拉每年賣出 100 萬輛裝有硬件 4.0 的汽車，DOJO 會不會喊一句「寶寶心里苦，但寶寶不能說」？

視覺能力飛躍？

如無意外，新一代 Autopilot 硬件會沿用 8 攝像頭的配備。雖然數量大概率不會變，但下一代 Autopilot 攝像頭的質量，很有可能迎來飛躍。

想要理解「飛躍」到底是什么，雖然技術路線不同，我們依然得先看看其他廠商。

年初的 NIO Day 上，蔚來首發了車規級的 800 萬像素攝像頭。

它可以以 4K 級別的精度收集視頻數據。對比之下，目前輔助 Autopilot 硬件的，依然是 120 萬像素攝像頭。

其實符合車規級穩定性要求的高像素攝像頭，多年前就已經出現，但卻一直無法應用于 ADAS/自動駕駛，主要原因很簡單——沒那么強的車規級芯片處理如此龐大的數據流。

2020 NIO Day 上，李斌介紹稱蔚來的 AQUILA 系統每秒會產生高達 8GB的視頻數據——8GB 相當于 1 秒鐘看完 3 年 NIO Day 回放，或者 1 秒鐘看完 2000 個抖音短視頻。

2022 年開始，特斯拉/英偉達系在計算端萬事俱備，800 萬級別像素，將會順理成章地成為 ADAS 行業下一個軍備競賽的必爭之地。

1016TOPS 算力的英偉達 Orin 系統加持下，蔚來擁有了處理多個 4K 視頻流的能力。同樣將迎來算力爆發的特斯拉，沒有理由不讓 DOJO 看到更清晰的世界。

不過，高像素，只是自動駕駛視覺新時代的其中一個主旋律，我們下面結合具體的產品繼續深挖。

先看一位車規級 800 萬像素攝像頭主要供應商：安森美 Onsemi。目前的 120 萬像素 Autopilot 攝像頭，就使用了來自安森美的 AR0136A 。

AR0820AT，這是安森美新一代旗艦自動駕駛攝像頭型號。

它支持拍攝3840x2160 分辨率，40fps 的 HDR 高動態范圍視頻，靜態分辨率高達 830 萬像素（3848x2168），同時符合 ASIL-B 級別車規認證。

除此之外，三星、索尼等主流 CMOS 廠商均已推出了 4K 車規級感光元件，比如索尼 IMX324/424、三星 S5K2G1，都支持 4K 40 幀的 HDR 視頻拍攝。

4K、40 幀（或更高）、HDR，這就是自動駕駛攝像頭新時代三大主旋律。

4K 和 1280x960 相比，分辨率達到了 6.75 倍，視頻數據可以準確顯示更遠處的路況，以索尼 IMX324 的產品說明為例，4K 分辨率下遠處的交通標志清晰可見：

40 幀則是畫面流暢度（目前主流是 30 幀）的進步。視頻幀率越高，視頻中物體運動過程就會越流暢，有利于深度學習的預測和決策。

而 HDR，則是攝像頭向人眼靠近的另一大步。

HDR 的全稱是 High Dynamic Range 高動態范圍。簡單點描述 HDR的效果，就是極暗處（比如樹蔭下）不會黑成一片，極亮處（比如正午太陽下）也不會白成一片。

圖片來自 Youtube

也許人眼已經對紛繁的世界習以為常，但對于汽車視覺來說，「工業革命」才剛剛開始。

新時代汽車工業的靈魂

DOJO、Autopilot 硬件 4.0、4K 攝像頭，這是我們對特斯拉 AI Day的期待。

然而，AI Day 不僅是特吹的狂歡，它同時帶來了汽車工業的思考：下一個時代的車企「靈魂」在哪？

先提一個業內觀點：主機廠也許是更好的自動駕駛公司。

這個邏輯的起點很簡單，因為主機廠擁有車輛制造權和運營權，豐田大眾這樣的車企，年銷售規模甚至是千萬級的。比起買幾十幾百輛車搞實驗的自動駕駛技術公司，主機廠自研自動駕駛的數據基礎極其優渥。

但優渥不代表門檻低。

攝像頭→FSD Chip→車輛決策→DOJO 超算訓練→軟件 OTA 更新，這是特斯拉的自動駕駛閉環陽謀，但每一個環節，都是對傳統車企的靈魂拷問：

傳感器數據是否 100% 可控可收集？

計算硬件是不是「know how」級別地利用？

視覺融合是供應商包辦還是自己搞定？

深度學習模型要不要自己訓練？

能否在一個電子電氣架構上做到長期更新，常用常新？

上文提到新車企「靈魂」，我們從不和稀泥，于是經過全文鋪墊后，可以說得直白點：

新車企的靈魂不是舊時代的「制造」，而是融合了人工智能、軟件開發、電子硬件架構等 ICT 行業特征的自研能力。

如果以上能力缺了一壞，甚至幾環，你們覺得能叫「新車企」嗎？

（完）

返回第一電動網首頁 >