机器人、FSD、Dojo，一场极客的极致狂欢( 四 ) _机器人

文章插图
在去年的 AI DAY 上，特斯拉透露了在自动驾驶技术上使用了 Occupancy.NETworks 神经网络模型，直接在神经网络中完成 2D 的图像平面到 3D 的 BEV 空间的变换，提升了多摄像头感知下的准确性和稳定性。今年，进一步将整个闭环流程优化。
比如，为了提高效率，特斯拉建立了一个「自动标注机器」，用智能标注代替人工标注。
借助自动标志机制，能够在相机显示不清楚时使用其他剪辑来填充图片，更智能地选取视频帧，提高视频帧质量的同时减少数量，将训练速度提高 30% 。

文章插图
同样地，仿真模拟的效率和质量也进行了优化。基于车辆采集到的真实信息，可以将通常要几个星期人工完成的重建模拟环境，在不到 30 分钟内完成。
目前， FSD 深度神经网络达到 100 万参数， 15 万+神经网络层， 37.5 万个链接，过去一年里工程师们对 7.5 万个神经网络模型进行训练。这些都是优化训练模型的结果。

文章插图
不只是训练模型的到了优化，在决策方面也做出了优化。这次特斯拉的工程师们专门提到了对自动驾驶的史诗级难题——无保护左转做出的改进，在无保护左转时，不仅能识别、预判行为的行为，也能识别小狗。

文章插图
其实在最近 FSD 的几次更新中，无保护左转更自然、减少激进的「极限操作」一直是一个趋势，这也让自动驾驶越来越更接近人的驾驶行为。
当然，在优化了 FSD 后，马斯克又来「放卫星」了，「从技术角度来看，我们已经具备了年底进入全球市场的能力。」
已经数不清这是第几次 FSD 全面开放的预告了，不过技术之外各地区监管政策，才是决定国内车主们能不能体验到 FSD 的关键。
Dojo 超级计算机：
剑指英伟达，觊觎亚马逊
去年在 AI DAY 上亮相时， Dojo 就因为赶超芯片大厂的潜力备受关注。今年 Dojo 直接拉出了英伟达 A100 来对标。

文章插图
Dojo 超级计算机的单个训练模块由 25 块特斯拉自研的神经网络训练芯片——D1 组成。由于每个 D1 芯片之间都是无缝连接在一起，相邻芯片之间的延迟极低，训练模块最大程度上实现了带宽的保留。

文章插图
相比于去年首发时， Dojo 的设计更加集成。这使得一个 Dojo 训练模块，相当于 6 个通用 GPU 性能，而能耗和成本仅相当于 1 个 GPU 。

文章插图
简单来说， Dojo 能将通常需要几个月的工作减少到一个星期。
在与英伟达 A100 的对比中，特斯拉的工程师给出了 Dojo 和英伟达 A100 在跑经典图像分类模型 ResNet-50 时的结果， Dojo 可以实现比 A100 更高的帧率；而跑神经网络模型 Occupancy Network 时， Dojo 的性能倍增；最终的目标是 4.4 倍于 A100 的单芯片训练速度，和更低的能耗、成本。

文章插图
当然，对于实力强劲的 Dojo ，马斯克的预期也不是只给特斯拉自己用，「也会考虑 AWS 一样的方式对外商用。」
看来， Dojo 的目标对手不只有英伟达，也有亚马逊云。
2023 年第一季度，第一个 Dojo Exa POD 就将完工面世，对于大家最直接的用处，可能就是大幅度提高 FSD 数据处理的速度。
最后
就在 AI DAY 的前一天，马斯克在社交网络上说，这次活动的目的是为了招聘人工智能和机器人领域的工程师。