惊艳亮相！马斯克发布自研超算 Dojo 芯片、特斯拉人形机器人

编译 | 禾木木

出品 | AI科技大本营（ID:rgznai100）

北京时间 8 月 20 日，特斯拉 AI 日终于开始了！在活动上不仅推出自研计算机系统Dojo 及 D1 芯片，同时还推出了特斯拉的下一个大型项目：人形机器人（Tesla Bot）。

在本次的活动上，特斯拉 CEO 伊隆 · 马斯克向全世界展示了特斯拉在自研超级计算机Dojo、FSD软件等内容上的最新进展。

这次 AI 日还是一个大型招聘会。

马斯克表示“吸引最好的 AI 人才加入特斯拉似乎是本次活动的唯一目标。”

纯视觉自动驾驶

首先，最被大众关注的是自动驾驶技术。特斯拉一直标榜自己的电动车具备高度自动化的辅助驾驶能力，特斯拉 AI 总监 Andrej Karpathy 博士介绍了这种基于视觉的自动驾驶系统：它通过八个摄像头的数据输入（1280×960 12-Bit HDR 36Hz）进单个神经网络中，整合成 3D 环境的感知，这被称为 Vector Space。

特斯拉在设计汽车中的视觉皮层时，是按照人眼感知生物视觉的方式进行建模，并利用多头路线，其中包括相机校准、缓存、队列和优化以简化所有任务。

每个相机获取原始输入后能创建不同的分辨率，这些信息会传输到一个复杂的神经网络中，以生成对自动驾驶套件有用的附加信息。

Karpathy 描述了纯视觉方案发展到今天的逻辑，他展示了一段特斯拉处理其图像数据的视频。他表示过去的 FSD 虽然很好，但事实证明这样的系统还不够完善。

于是就有了现在的纯视觉算法「HydraNets」基于不同摄像头的视觉内容进行识别，具有多任务学习能力。

自动驾驶软件总监 Ashok Elluswamy 介绍了混合规划系统，以 Autopilot 如何变道为例，当与其他汽车并排行驶时，Autopilot 不仅要考虑它们的驾驶方式，还必须考虑其他汽车的运行方式。 

在狭窄的过道周围进行规划时，重要的是要考虑其他驾驶员及其行为，例如在必要时让行。

Karpathy 还提出了数据标注问题。一开始使用的是 2D 画面进行标记，最终，特斯拉转向 4D 标记，可以在向量空间中进行标注。但即便如此对于实际应用还是不够，特斯拉目前已经发展出了自动标记技术。

特斯拉已经能够在矢量空间进行自动标注，就算行驶过程中视野被遮挡，根据标注的数据，也能够安全、准确地导航。

发布 Dojo D1 芯片

2020 年 8 月时，马斯克就表示，公司正在研发一款名为 Dojo 的神经网络训练超级计算机，将主要处理从特斯拉汽车在路上获得的海量视频数据。在此次活动上，自研超级计算机 Dojo D1 芯片成为本次发布会最大的亮点。

Dojo 是一个由网络结构连接的分布式计算架构，将算力分布在复杂的网络构造中，实现了极高的算力、高带宽、低延迟。

Dojo 是一个真正意义上的机器学习架构，它拥有 50 多万个训练节点。每秒九千万亿次的计算以及每秒 36tb 的带宽还都只是 Dojo 的冰山一角。比这更可怕的是，Dojo 的全部力量都在为一件事情做准备——使自动驾驶汽车成为可能。

作为 Dojo 架构的重要组成部分，D1 芯片采用 7 纳米制造工艺，处理能力为每秒 1024 亿次。

Dojo 项目负责人 Ganesh Venkataramanan认为，特斯拉的技术将打造出最快的 AI 训练计算机。他还表示：“特斯拉很快就会组装首批套件。"

特斯拉人形机器人

在此次大会上，没想到还有一个one more thing，特斯拉正式宣布进军机器人领域，明年可能会推出名为“Tesla Bot”的人形机器人。

身高大概是 172cm（5 英尺 8 英寸），重约 125 磅，身材匀称，还带有一张面部屏幕能够以约 5 英里 / 小时的速度移动。

特斯拉机器人会替代人类去执行那些危险、重复、无聊的任务。

马斯克表示，机器人将会使用和特斯拉汽车相似的系统。

与特斯拉汽车相同，机器人将使用基于视觉的神经网络，AP的摄像头以及FSD的全套计算设备。

同时还会有Dojo超算的加持，为其提供自动标签、以及训练等。

但按照马斯克的意思，首要的应该是“做家务”。

网友热议

不少网友在观看此次活动直播后也发表了议论。

有网友表示“很期待，这样就可以有个人形男友了”。

还有网友表示“越来越智能化，但是造价不会太低吧”。

对于此，你怎么看呢？

参考链接：

https://www.cnbc.com/2021/08/19/tesla-unveils-dojo-d1-chip-at-ai-day.html

https://www.theverge.com/2021/8/19/22633514/tesla-robot-prototype-elon-musk-humanoid-ai-day

https://www.teslarati.com/tesla-dojo-chip-images-dennis-hong/