歡迎關注“新浪科技”的微信訂閱號：techsina 

文/萬博

來源：賽博汽車（ID:Cyber-car)

馬斯克：消滅貧困，還得看我。

“特斯拉機器人未來售價20000美元（摺合14萬元人民幣），遠低於特斯拉汽車售價”。

“有了特斯拉機器人就可以消滅貧窮，人類可以自由選擇自己的職業。”

這是今年特斯拉AI DAY上，馬斯克在拿出人形機器人的同時，向外界描述了一幅人類與機器人和諧共存的未來美好世界。

FSD全自動駕駛，以及特斯拉自研超算Dojo的最新進展，是今年AI DAY的另外兩大主題。

當然，這屆AI DAY依然不改往日“招聘大會”的屬性，馬斯克的招賢令從開頭貫穿結尾。

總之，特斯拉這一年在AI領域的所有乾貨和未填的坑，都在AI DAY上全方位被展現。

賽博汽車帶你一文看盡。

01

人形機器人走出PPT

上一屆AI DAY作爲壓軸出場的特斯拉機器人Tesla Bot，在今年率先亮相，就是下面這位：

啊不對，上面的是驗證機，下面這位纔是正主，Tesla Bot一代：

這次亮相的原型機，已經和PPT上的機器人有幾分相似，只是在軀幹的設計上，顯得更加有機械感。

同時也能看出，此次展出的Tesla Bot原型機，已經有了自主移動的能力，四肢的靈活性也不錯，做個簡單的舞蹈動作還是可以保證的：

當然，如果只是簡單活動一下就太不馬斯克了，這次AI DAY，Tesla Bot更多更詳細的技術參數同時公佈：

首先是體重，Tesla Bot一代原型機體重爲73公斤，較原官方數據增加17公斤。

身體靈活性數據也不錯，Tesla Bot全身的自由度可以超過200，手掌自由度可以達到27。

馬斯克表示，現在展出的機器人已經可以實現自主移動、操作工具的能力，並且做一些簡單重複的工作，同時手掌還能承載20磅（約9公斤）的重物。

身體佈局上，四肢部分集中了Tesla Bot絕大部分執行器。動力電池系統則被佈局在軀幹，搭載一塊2.3kWh的電池包，名義上電壓輸出52V。

計算硬件同樣位於軀幹部分，Tesla Bot搭載一顆特斯拉車型同款的FSD芯片，支持Wi-Fi和4G（LTE）網絡傳輸。

另外，Tesla Bot也同時嵌入了特斯拉在自動駕駛方面的技術，包括FSD自動駕駛系統的軟件算法和純視覺方案。

除了上述的參數，Tesla Bot背後更多的研發過程和技術參數也有所披露：

安全性能方面，Tesla Bot應用了特斯拉汽車撞擊實驗的部分技術，保證機器人在跌倒或受到撞擊時不會有大的損傷（電池包就在胸部，一個撲街機器人自燃了可不太好）。

同時，考慮到Tesla Bot自身的體重和用途，關節處的靈活性和承壓能力也需要被考慮到。在這方面，Tesla Bot的關節設計參考了人類骨骼組織。

爲了保證全身28個關節執行器在不同狀態下的承壓和靈活性，同時兼顧效率和能耗，特斯拉通過點雲方式進行模擬，設計出6種扭矩輸出不同的執行器來承擔移動任務。

軟件細節上，特斯拉主要強調了以下幾個部分：

首先，作爲一款人形機器人，需要面對物理世界的各種風險，因此特斯拉官方強調Tesla Bot需要有物理層面的自主意識，比如對自己的軀幹身體和現實世界的理解。

其次，是動態穩定性，特斯拉通過大量的仿真訓練，實現行走平衡和路徑規劃，加上導航系統之後，Tesla Bot就可以自主移動工作，甚至可以自己找充電站補能。

最後，Tesla Bot的動作細節擬人化，特斯拉通過對人體動作進行捕捉後進行可視化處理，對軀幹的位置進行分析後，映射到Tesla Bot身上。

說完Tesla Bot的技術細節，再來嚐嚐馬斯克畫的大餅（我敬馬斯克爲畫餅第一人）。

馬斯克表示，Tesla Bot初期會比較貴，但隨着產量的提升，價格也會大幅下降，預計未來可以達到百萬級的產量。最終，Tesla Bot會比特斯拉電動車的售價更低，預計可以達到20000美元一臺（摺合人民幣約14萬元）。

怎麼樣，20000美元一臺機器人心動不？買不了喫虧買不了上當呀~

同時馬斯克還表示，有了機器人之後，經濟形勢會更好，消除貧窮。因爲機器人可以代替廉價的重複勞動，未來的人們就可以自主選擇喜歡的工作。

這畫面，是不是有點熟悉的味兒了？

但是！先別急，馬斯克描述的畫面，和大部分技術細節，包括導航、靈活性等等，還需要大量的細化。

至於到底啥時候能實現，特斯拉官方表示，可能幾個星期，可能是一年，也可能是幾年……

是的，馬斯克又雙叒挖坑了，Tesla Bot，終究擺脫不了和FSD一樣的命運。

不過這裏還是可以期待一下，畢竟馬斯克的大部分承諾，都是以“雖遲但到”的形式出現的。（這裏可以加一個狗頭）

02

FSD依舊難去Beta

FSD的這一部分，沒有太多驚喜。量產版FSD依舊遙遙無期，預想的Beta v11版本也沒有到來。

不過從技術介紹來看，特斯拉已經開始專門針對長尾問題（Corner Case）下手了，自動駕駛團隊詳細解讀了技術棧，好像在說，你看，自動駕駛這麼難實現，也不能怪我總跳票。

通過這場AI Day分享可以看到，特斯拉已經搭建起了一個支撐FSD快速成長的自動駕駛技術棧。

2021年，有2000位特斯拉車主參與了FSD Beta測試，到2022年參與測試的車主已經達到了16萬。

2022年對於特斯拉自動駕駛團隊是非常卷的一年，全年進行了75778個神經網絡模型訓練，其中有281個模型對於FSD Beta進行了有效的性能改善。

這場分享，特斯拉主要圍繞決策規劃、神經網絡訓練（空間佔用、車道&物體檢測），數據訓練（自動標註、仿真、數據引擎）等方面的提升進行介紹。

每一個自動駕駛決策的背後，都是基於諸多因素的平衡。規劃選擇是激進，還是保守，涉及到車輛本身的情況，也涉及到其他交通參與要素，這其中包含了非常多的“關係”處理，不同的物體指標也存在非常多的不同狀態，包括速度、加速度、靜態等，需要大量的邊緣計算支持。

而隨着交通關係量的增加，計算量就會越來越大。一組交互關係過程中，要考慮到所有交互指標，計算出最可靠的方案，形成一個決策樹。

目前，FSD已經能夠將每個操作的運行時間縮短到100微秒，但特斯拉認爲這遠遠不夠，後續還要將乘坐舒適度的分析、外界干預度因素加入進來。

特斯拉堅持純視覺路線，但並非視覺方案就完美，儘管特斯拉有8顆攝像頭，在實際交通場景中，也總是會存在一定視野盲區。

因此，在FSD的神經網絡系統中，引入了空間佔用模型。它以幾何語義爲基礎，通過攝像頭校準、減少延遲，分析體積佔用如何佔用，並渲染到向量空間中，以完整的3D方式來表徵現實世界。

此外，複雜的道路結構對於自動駕駛學習來講也是一道障礙，人類駕駛員在現實世界的通行需要車道線做指導，自動駕駛也是一樣。

現實世界道路結構複雜，且有非常多的聯結，這大大的增加了數據處理的難度，特斯拉通過車道檢測網絡，將這些問題轉化成計算機能識別的語義。

視覺感知方案往往會產生非常大的數據量，特斯拉開發的數據處理編譯器，正在通過更高效的算力利用、引入加速器、引入CPU、減小寬帶損耗等方式，進行視頻模型訓練，已經實現30%的訓練速度提升。

在數據標註上，特斯拉表示數據質量和標註質量同樣重要，目前正採用人工標註和自動標註結合的模式，實現更細緻的標註方案。

在模擬仿真的場景建設上，特斯拉也有了大幅能力提升，模擬場景生成比以前提升1000倍，邊緣的幾何形狀建模更加精細，且可以快速複製現實環境，充分考慮不同的駕駛場景。

03

特斯拉爲什麼做超算

“經常有人說，特斯拉作爲一家自動駕駛公司，爲什麼要發展超算？”

此次AI日，特斯拉給出了答案：從本質來說，特斯拉是一家硬核科技公司。

“提出這個問題，就是對特斯拉不夠了解，不知道我們要做什麼。在特斯拉，我們做很多科學與工程相關的事情，因此有很多基礎的數據工作，包括推理、神經網絡等，當然也包括超算。”

畢竟，算力可以說是訓練的基本糧食。

在最開始設計Dojo超級計算機時，特斯拉希望能夠實現實質性的改進，比如降低自動駕駛訓練延遲。爲此，其進行了一系列的研發，包括高效率芯片D1等。

D1芯片於去年AI日亮相，是特斯拉自主研發的神經網絡訓練芯片，其在645mm²的芯片面積上，搭載了500億個晶體管，熱設計功耗（TDP）爲400W，FP32精度下的算力峯值達22.6 TFLOPS。

性能參數優於目前特斯拉超級計算機使用的英偉達A100 Tensor Core GPU。後者芯片面積爲826mm²，晶體管數量542億顆，TDP400W，FP32峯值算力是19.5TFLOPS。

而Dojo超級計算機的單個訓練模塊由25個D1芯片組成。據悉，2023年一季度特斯拉將推出Dojo機櫃。屆時，現有基於英偉達A100芯片建成的超算可能會被替換。

未來，來自全球超100萬輛特斯拉的數據將匯聚於Dojo，通過其訓練深度神經網絡，以此來幫助特斯拉的Autopilot不斷進化，最終實現以純視覺爲基礎的完全自動駕駛（FSD）。

特斯拉方面稱，新的Dojo超級計算機具有人工智能訓練超高算力的同時，還擁有擴展帶寬、減少延遲、節省成本等優勢。

Dojo團隊宣稱一個訓練模組的機器學習訓練算力，足以達到6個“GPU 計算盒子”，並且成本還不到“一個盒子”的水平。

爲了實現這些性能，特斯拉嘗試了不同的封裝技術都失敗了，最後特斯拉放棄了D Ram結構，而是採用S Ram，即嵌入到芯片裏面，雖然容量減少，但利用率明顯提升。

除了架構設計，考慮到虛擬內存、加速器、編譯器等各方面，特斯拉在整個系統設計中，面臨種種選擇，他們也遵循了自己的追求，即“不對Dojo超算設限”。

比如，在訓練方法上，不採用大多數選擇的數據共行模式；在數據中心層面，採用的是縱向整合的結構，對數據中心進行垂直整合。

在此過程中，也遇到了很多挑戰。

特斯拉希望通過增加密度來提高性能表現，這對電力輸送提出了挑戰。“我們需要爲計算芯片提供動力、電力，這會面臨限制。同時由於整體設計是高度集合，因此需要實現多層垂直電源解決方案。”

基於上述兩點，特斯拉構建快速迭代，最終通過設計和堆棧，使得CTE（熱膨脹係數）降幅高達50%。

特斯拉麪臨的另一個挑戰是：如何推動集成的邊界。

目前特斯拉的電力模塊是x、y平面用於高帶寬通信，其他所有東西垂直進行堆疊，這不僅涉及到系統控制器，還要考慮震盪器時鐘輸出丟失。如何使其不受電源電路影響，達到理想的整合程度？

特斯拉採用的方法是多管齊下。一方面是儘量減少震動，如通過使用軟帽端，即端口使用較軟材料來減少震動；另一方面，對開關頻率進行更新，使其斜正進一步的遠離敏感頻段。

去年AI日上，特斯拉僅僅展現了超算系統的幾個組件，今年其希望在系統層面實現更多進步。其中，系統托盤是實現單一加速器願景的非常關鍵部分，可以整體實現無縫的連接。

此外，硬件方面，特斯拉還利用高速以太網、本地硬件支持等方式，加速超算性能的達成；軟件方面，特斯拉則稱，代碼運行在編譯器和硬件上，需要確保數據是可以被聯合起來使用的，因此需要反向需要考慮路徑梯度。

而如何判斷Dojo是否成功，與當下相比是否具有優勢？特斯拉稱，看同事是否願意使用。實際上，特斯拉也給出了一些量化標準，如，系統一個月的工作量，Dojo超算不到一週就能完成等。

當然，超高算力意味着巨大能耗。在問答環節，馬斯克也表示，Dojo是巨型計算機，耗能很大，也需要很多的冷卻裝置，所以可能會作爲aws這樣的亞馬遜網絡，雲服務的方式提供給市場。

馬斯克認爲，提供類似於亞馬遜雲AWS 的 Dojo服務更有意義，他將此描述爲一款“幫助你用更少的錢，更快地訓練模型的在線服務。”