————————

作為“特斯拉跳票王”的 Version 9，自從 10 月份開始推送，就已經全方位展現出了其強大的高級輔助駕駛功能，以及作為新世代車載中控系統標桿的設計。

比如更強的盲區監測。

比如大幅優化的界面。

比如可以在技術層面接管方向盤的“瘋狂的麥克斯（ Mad Max ）”模式。

還有自帶的游戲機模式（大誤）。

以上所說的都是 Version 9 能夠在一瞬間抓住眼球的重大改變，然而在背后默默支撐著這些新功能，甚至讓馬斯克充滿自豪地在 Q2 財報會議上隆重介紹自家軟件團隊的基石——特斯拉全新的 Autopilot 神經網絡引擎，才是 Version 9 所有光芒的起點。

最近，一名來自美國加州的神經網絡專家 Jimmy，在獲得了特斯拉后臺的許可之后，對全新一代 Autopilot 神經網絡引擎進行了研究。他得出的結論是這樣的：

“It’s a monster（這 TM 就是個怪物）！”

我們對 Jimmy 的文章進行了節選翻譯，重點如下：

大幅提升的圖像處理性能

“與 V8 一樣，V9 的神經網絡引擎也包含了一套直接處理攝像頭拍攝畫面的‘攝像網絡’，以及一套將攝像網絡得到的畫面升格到高階可操作具象的‘后期處理網絡’。目前我的研究對象還只是 V9 的攝像網絡，可是就我所了解到的來說，V9 比 V8 的提升不是一星半點?！?/p>

“一套一體化攝像系統處理車身上所有的 8 個攝像頭，所有攝像頭應用的圖片及視頻文件大小是一樣的（這個發現非常有意思，因為 V8 上面前視/側方前視攝像頭的拍攝文件大小是不一樣的）。3 個前視攝像頭以及 1 個后視攝像頭的后處理分辨率都是 1280X960（攝像頭最大分辨率），4個側方攝像頭的后處理分辨率是 640X480（真實分辨率的 1/4 ）。所有攝像頭都各自擁有 3 條色彩通道，雙層架構（這一點也是非常有趣的，V8 只在前視攝像頭上面支持 640X416，2 條顏色通道，單層架構的圖像文件）。”

電動星球注：在常用的完整 RGB 圖像中一般有 3 條色彩通道，分別是紅色、綠色、藍色部分。也就是說，一幅完整的圖像，是由紅綠藍三個色彩通道組成的。他們共同作用產生了完整的圖像。在 Version 8 之前的 Autopilot 圖像識別只支持紅綠通道，如下圖：

“ V9 神經計算網絡由于支持同時從每個攝像頭處采集 1280X960，3 彩色通道，雙層架構的圖像，所以，以單個主攝像頭為例，就是1280X960X3X2 字節，也就是 7.3Mb 的每幀文件大小——V8 系統的是640X416X2X1——也就是 0.5Mb，不到 1/13 的每幀文件大小。”

“與谷歌的 LeNet Inception V1 神經網絡比較之下，特斯拉 V9 系統盡管同樣基于 V1 的底層概念，但是其規模要超出十倍，同時需要近 200 倍的運算能力。雖然側視攝像頭只需要 1/4 的分辨率，但是由于 V9 系統需要同時采集 8 顆攝像頭，APE（Autopilot ECU）的性能可能會被壓榨到一個新的地步?；蛘哒f，V8 系統（配上 Autopilot2.0 硬件）其實是有很大的計算冗余的?！?/p>

高效的攝像頭系統

“更高的分辨率意味著 V9 系統可以識別到更細微的物體細節，但是在攝像頭接口標準方面最有趣的改變，應該是成對處理的視頻幀。被成對處理的視頻是經過一定的時間差編排的，我覺得延遲大概在 10-100 毫秒左右。成對處理能讓每組視頻輸入都能呈現出動作，而動作能帶來場景的深度，呈現與背景分離開來的獨立物體圖像，有助于物體的識別并預測其運動軌跡。這個升級對于神經網絡系統的基礎預測是顯而易見又至關重要的。”

上圖為搭載  Version 8 的 L5 級別工程車

“就我目前看來，V9 的攝像系統應該是獨立的。它還可以以統一的文件大小處理所有攝像頭得到的畫面。

電動星球注：camera agnostic ，直譯應該是獨立于攝像頭之外，camera agnostic 指的是圖像處理獨立于攝像信號輸入之外，camera agnostic 的好處是可以避免鏡頭畸變導致識別錯誤，因為畸變是攝像頭的自帶缺陷，無法用物理方式修復，但這對神經網絡系統本身識別日常物體的能力有極高的要求。

獨立的攝像系統還能提高運算的效率。當系統內只有一種拍攝標準的時候，系統本身就不需要頻繁的往 GPU 顯存內寫入各種規范，同時可以根據統一的標準批量處理大量圖像文件，能夠大幅提升性能表現。

我沒有想過我會如此期待獨立的攝像系統，這真是太震撼了?！?/p>

怪物級別的神經網絡系統

“ V9 系統就是一個怪物，甚至怪物都不足以形容它。當你在一個神經網絡里面將一個參數（權重）乘以 5，你不會只得到 5 倍的提升，更不會只得到 5 倍的訓練數據。用神經網絡的表達能力提升來換算，提升幅度更像是直接加了 5 位數。如果說 V8 的表達能力是 10，那么 V9 的表達能力應該是100000。這是一次難以置信的性能提升。因為訓練數據不會只增長 5 倍，新系統最終要處理的數據可能是成千上萬，乃至于百萬倍級別的?！?/p>

電動星球注：神經網絡的表達能力主要由隱層的層數和隱層神經元個數決定。模型的表達能力是用來衡量參數化模型如神經網絡的可以擬合的函數的復雜程度。深度神經網絡的表達能力隨著它的深度指數上升（看不懂無所謂，深度越高神經網絡的表達能力越屌就是了）。

“ V9 的神經網絡比我見到過的任何商用神經網絡都要龐雜，只是想想要處理多少訓練數據，我都要暈了。我考慮了好久才寫下這個判斷，因為這個判斷太容易被證偽。但我最終發現不是我的考慮限制了我，是我的想象限制了我。

特斯拉是否在 V9 系統內應用了半監督學習？他們肯定需要給數據上標簽——而這么多數據根本不會有足夠的人手上標簽。我認為特斯拉雇傭的模擬工程師們肯定設計了一臺專門處理數據標簽的機器，但即使是這樣（也還是有極大量的數據需要處理）。

還有就是，他們哪來的數據中心處理這些數據？拉里（拉里·佩奇，谷歌創始人）是不是給了埃隆一個全是 TPU（ Tensor Processing Unit ，即張量處理單元，是谷歌一款為機器學習而定制的芯片，經過了專門深度機器學習方面的訓練）的倉庫？

我看著 V9，然后我在想，Autopilot3.0 硬件，我們肯定會很快見到它的?！?/p>

電動星球繼續注：半監督學習( Semi-Supervised Learning，SSL )是模式識別和機器學習領域研究的重點問題。半監督學習使用大量的未標記數據，以及同時使用標記數據，來進行模式識別工作。當使用半監督學習時，將會要求盡量少的人員來從事工作，同時，又能夠帶來比較高的準確性，因此，半監督學習目前正越來越受到人們的重視。

截至 6 月 19 日，特斯拉 Autopilot 2.0 車型保有量已經達到 20 萬輛，累計路測數據達到 4 億英里（ 5.6 億公里）。而這個讓神經網絡專家瞠目結舌的 Version 9，就是這繞地球 1.4 萬圈的積累，最終長成的參天大樹。

返回第一電動網首頁 >