AD
北京时间8月20日，特斯拉在美国成功举办AI日特斯拉CEO埃隆米多，马斯克，人工智能部主任Andrej Karpathy等多位工程师在线讲解了特斯拉纯视觉方案FSD，神经网络自动驾驶训练，D1芯片，Dojo超级计算机等相关信息的进展
特斯拉的纯视觉传感器方案，离不开多任务学习的绣球神经网络架构每辆特斯拉汽车有8个包围体，覆盖周围360度，获取周围信息，如红绿灯，信号灯，坡道，路缘等这为神经网络学习提供了极好的条件
Andrej说:我们希望构建一个类似于动物视觉皮层的神经网络连接，模拟大脑信息输入输出的过程就像光线进入视网膜一样，我们希望通过摄像头模拟这个过程
通过手动或自动标记车道，车辆，信号灯，障碍物，动静态物体等环境，系统将逐帧分析视频，了解物体的深度和速度，然后将这些数据交给车队学习
但在这个过程中，特斯拉发现了几个问题:这些参数和空间跟踪很难通过C的基础设施实现拼接，一些空间数据的输出质量不高不同摄像头获取的物体信息不同，组装时很难把握整体
为了解决这些问题，特斯拉开发了向量空间技术具有非凸优化算法和高维两大优势该技术可以基于8个摄像头输入的数据绘制出3D鸟瞰图，形成4D时空标签道路网呈现道路等信息，帮助车辆掌握行驶环境，更准确地找到最佳行驶路径
有了海量，准确的视频数据，特斯拉还需要打造强大的神经网络，对网络进行特殊布局，让这些数据在一个通用骨干网络上进行整合和重新分析因此，特斯拉高层建筑从地面升起，自主开发了基于神经网络的训练方法
特斯拉拥有一支由全球人才组成的数据标注团队，规模约1000人每天，团队都在向量空间在标注上，有善于把握细节的手工标注，有效率更高的自动标注，只需要标注一次，向量空间可以自动标记所有摄像机的多帧图像这为特斯拉带来了数十亿有效且多样化的原生数据，这些数据将用于神经网络训练
同时，特斯拉还开发了仿真场景技术可以模拟现实中不太常见的边缘场景用于自动驾驶训练在模拟场景中，特斯拉工程师可以提供不同的环境和其他参数)，大大提高了训练效率
因此，特斯拉FSD系统可以实现每1.5毫秒2500次搜索的超高效率，预测各种可能的情况，并在其中找到最安全，最舒适，最快的自动驾驶路线。
目前，伴随着待处理数据的指数级增长，特斯拉也在提升训练神经网络的计算能力，于是特斯拉Dojo超级计算机面世。
特斯拉的目标是在人工智能训练中实现超高的计算能力，同时扩展带宽，减少延迟，节约成本这就需要Dojo超级计算机的布局达到空间和时间的最佳平衡
构成Dojo超级计算机的关键单元是特斯拉自主研发的神经网络训练芯片mdashmdashD1芯片D1芯片采用分布式结构和7纳米工艺，拥有500亿个晶体管和354个训练节点只有内部电路长达17.7公里，实现了超强的计算能力和超高的带宽
1500个D1芯片中有53万多个训练节点，构成了Dojo超级计算机的训练模块由于每个D1芯片无缝连接在一起，相邻芯片之间的延迟极低，因此训练模块可以最大化带宽预留配合特斯拉自带的高带宽，低延迟的连接器，计算能力高达9PFLOPs(9万亿倍)
得益于训练模块的独立运算能力和无限链接能力，由其组成的Dojo超级计算机的性能扩展理论上没有上限，是一个彻头彻尾的性能野兽在实践中，特斯拉将把120个训练模块组装成ExaPOD，这是世界领先的人工智能训练计算机与同行业其他产品相比，其性能在相同成本下提升4倍，在相同能耗下提升1.3倍，占用空间节省5倍
匹配强大硬件的是特斯拉开发的分布式系统mdashmdashDPU(道场处理股).DPU是一款可视化交互软件，可根据需求随时调整规模，高效处理计算，执行数据建模，存储分配，布局优化，分区扩展等任务。
不久之后，特斯拉将开始第一次组装Dojo超级计算机，并从整个超级计算机到芯片和系统进一步完善。
除了备受期待的神经网络学习和Dojo超级计算机，活动最后，当马斯克谈到AI的发展方向时，他也出人意料地抛出了特斯拉Bot特斯拉Bot高1.72米，重56.6公斤它脸上的屏幕可以显示信息它拥有人类级别的手和强大的反馈，可以实现平衡和敏捷的动作
马斯克表示，特斯拉Bot将利用Dojo超级计算机的训练机制来完善其功能，并补充道:未来不会出现劳动力短缺，但体力劳动只是一种选择特斯拉Bot可以执行一些危险，重复和无聊的任务特斯拉机器人(Tesla Bot)将于明年推出第一款原型车
试想一下，如果特斯拉生产线一半的人类工人被机器人取代，Model3和Y会不会进一步降价，跌入20万以内的区间。
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
