2022 Tesla AI Day
AI DAY 2022核心信息：
Tesla Bot
1）“擎天柱（Optimus）” 核心：
-
1）采用了与汽车相同的FSD（自动驾驶计算机），它的行走、动作、执行指令等，不是按照既定程序按部就班执行的，而是通过AI模型学习得来的。
-
2）跟人一样，它感知世界的方式也是画面和声音，通过头部的摄像头采集周围视频，通过FSD视觉识别算法可识别出周围环境、分辨物体，并计算行走路线、抓取力度。注 如下图所示
原型机明显更大且更粗犷一些，胸前的两个散热风扇很醒目。同时根据现场的演示来看，它的行走也显得有些“步履蹒跚”，直观上不如波士顿动力的双足机器人。
2）剖析内部细节
上图为结构示意图，其中包括如下：
-
橙色是驱动装置
-
蓝色是主控
-
搭载了容量2.3kWh的电池包，系统电压52V，
-
主控板搭载特斯拉自研Soc、支持wifi、4G等模块。
-
全身有28个关节，也就需要28个驱动装置。
为了实现人一样自然的动作，特斯拉做了大量的开发。如 人在抓取、搬运时所需的力是不一样的，如果用力过猛可能会把手里的东西甩飞。因此，特斯拉针对每个关节所需的力量/扭矩，做了仿真建模，找到了各自关节/驱动器的最佳参数，并研据此发了6种专用电机，采用与特斯拉汽车电机同源的滚珠电机技术。
FSD最新进展
目前FSD Beta的用户已经超过了16万，注：不包括中国用户 O(∩_∩)O哈哈~
1）无保护左转示例
在无保护左转时，即便没有危险，如果从行人面前近距离通过，可能会导致行人受到惊吓，或导致行人做出不可预料的动作。可见，减少“极限操作”对于车主和行人来说都是更好的。
注：“无保护左转”是在路口，没有交通信号灯指示下通过路口 场景，正常人类司机要想通过，也需要比较谨慎和控制好车速，因为涉及到路权问题。
FSD的策略则是从安全角度出发，提前预测行人及其他车辆的运动轨迹，找准时机来生成相对慢速但更高效的行车路线，慢速从行人身后通过。
注：这部分tesla基于上游提供3D BEV Vector Space+中间信息输出，来预测轨迹信息
2）如何实现效果
要实现这种效果，感知+规控+训练等，缺一不可。
2.1 感知
在感知方面，特斯拉提到了occupancy networks 模型的应用和进化。通过occupancy networks，可以让模型获得预测物体所占据空间的能力，并在BEV内生成由一个个“立方体”组成的环境。
注：这方面技术在21年AI Day上，tesla已详细剖析过，重点是将8个视角时空视觉信息融合，输出3D的Vector Space。
2.2 规控
在规控中，重点有2方面进展
-
上游识别这些“立方体”都将刻意避开，不需要知道识别什么障碍物的前提下，主动做出避让动作。
-
据此识别道路坡度/曲率，可以让车辆根据实际道路情况提前预测加速/减速，进一步提高安全性和舒适度。
注：给大家分享下，当前21年AI Day上规控是如何做的，参考如下：
-
3D Vector Space&实时的路况信息
-
这些特征呗规划神经网络捕捉，了解当前车辆的位置状态
-
蒙特卡洛搜索树综合“安全、舒适、效率”给出未来10~15秒的最佳轨迹分布，系统根据轨迹分布再计算出详细的路线规划和控制数据，最终控制车辆执行
2.3 训练
在训练方面，由于需要处理大量视频数据，因此特斯拉专门开发了“Video Model”。
它可以存储大量由用户采集的原始视频文件，并直接供给训练服务器。相比普通的存储服务器，
-
可以让训练速度提升30%
-
存储的文件更省空间（小了11%）
-
读取速度也更快，最小每秒读写次数提升了4倍。
此外，特斯拉也在搞虚拟现实（仿真模拟）的自动生成。基于数字孪生，可以在虚拟世界中训练模型，据说效率比之前“提升了1000倍”。
它的重要性在很多特定场景中都有体现。例如，自动驾驶在路口时的判断往往是有挑战性的，尤其是在路口有车辆时，系统需要判断这辆车是真的是“停止”还是在“低速行驶”。
如果无法快速确认，就容易导致车辆的决策更谨慎，反映出来就是车辆在转弯或者路口时会主动减慢速度甚至停车。
那么，要对此进行改善，就需要进行大量的训练，以涵盖尽量多的情况。而对于这种特定场景，在虚拟世界中进行仿真模拟的效率就会更高。
Dojo超算
Dojo是专门用来进行模型训练的超级计算机，它往往要面对规模极大的模型，包含数以亿计的数据、参数，因此，保证高带宽、低延迟就成了关键。
1）提高算力
将25个D1芯片集成在一个“Tile”上，让每个“Tile”都具备54P算力和13.4TB/S对分带宽。
2）保证多个“Tile”间的通讯
开发了名为“Dojo接口处理器”的PCIE板卡，具备800GB/s内存带宽、32G高带宽内存、900TB/S TTP带宽，PCIE 4.0带宽为32G/s。
3） 提升运行效率
然后，特斯拉还将6个Tile、20片接口处理器组成一个托盘（Tray），而Dojo超算的每一个机柜（ExaPOD）则由至少两个托盘构成，有种套娃的感觉。
但这种方式显然是有效的，每台ExaPOD的训练性能都非常夸张，具备1.1E算力、1.3T高速内存、13TB高带宽内存，4台即相当72个GPU机柜的训练性能。
但这种方式面临一个问题：供电。
4） 供电
每个“Tile”内建25个D1芯片，而每颗芯片的功耗就高达400W，单25颗芯片的功耗即高达10kW。而每个托盘具备6个Tile和20片接口处理器，功耗直奔100+kW。为此，自研了功率密度非常高的垂直堆叠的电源模块，同时相比对外采购成本更低。
在AI DAY现场，展出了Dojo机柜的实物，可证明其研发已基本结束。
第一台ExaPOD将于2023年Q1推出，那AI训练能力将会有更本质上的提升。
HW4.0
回顾21年 AI Day ，HW3.0 摄像头分辨率1280x960，每秒36帧，12bit色深【 显示器是8bit】，所以大家会想肯定要升级4.0了，在为下一代车载计算机硬件HW4.0做准备，但HW 4.0，它没有来。
不过我们是可以有更多期待，比如 7nm 的第二代 FSD 芯片？针对 Transformer 模型推理的特化架构？500万像素或800万像素的摄像头？或是前不久曝光的高分辨率雷达？
按照Tesla骚操作来看，可能在低调中进行，一旦曝光，那可能已经开始批量量产了，甚至已经批量装车。