当面向云端的高性能核算机 Dojo 与车端最强的 HW4.0 硬件碰撞在一起时，会对特斯拉的自动驾驭发生什么化学反应？
这会成为特斯拉自动驾驭的下一个「大杀器」吗？
01
大略核算，特斯拉现在有超越 82 万辆搭载 HW 2/3 硬件的的轿车在全球各地行驶。以用户均匀每天驾驭约一个小时核算（每辆车 8 个摄像头），车队每月大约会发生 1.968 亿个小时的视频。
这带来的问题是，假如用人工来标示这些数据，因为数据量太大，标示起来十分困难，本钱也十分昂贵。
所以，去年 4 月的 Autonomy Day 上，特斯拉 CEO Elon Musk 释放出了一个重要信号：特斯拉将把针对自监督学习技能的研制放到肯定的优先级（注：这儿的自监督学习就是无监督学习）。
Musk 表明：「车端搭载的是一个针对推理优化过的核算渠道（指当时发布的FSD）。在特斯拉内部，咱们还有一个代号为 Dojo 的重大项目。它是一台超强的操练核算机，Dojo 的目标是能够输入大量数据，并对视频进行无监督的大规划操练。」
这儿有一个值得重视的信息是：Dojo 所处理的数据不再停留在图片层面，而是针对视频类的数据。
Dojo 在日语是「道场」的意思，指操练冥想或者功夫的地方。
在 Musk 的语境下，Dojo 则是特斯拉操练自动驾驭算法的「道场」：体系能够经过自动化的工具自动选取最有指导意义的操练样本，挑选、清洗、标示这些视频片段，然后完结高效的算法提高。
这也是 Musk 对超级核算机寄予厚望的原因。Dojo ，无疑扮演算法优化加速器的角色。
深度学习大神 Yann LeCun 猜测称，研究人员即将在视频自监督学习方面取得突破性发展。他估计，今年深度学习的从业者就能够真正在视频数据的基础上进行自监督学习。
特斯拉 AI 高档主管 Andrej Karpathy 在最近一次的揭露分享也表达了类似的预期：Dojo 操练核算机的目标，是以较低的本钱完成算法性能的指数级前进。
过去的操练数据依赖于人工标示，而自动的自监督学习能够大幅优化算法提高的效率。在带宽、数据存储或算力短时刻内无法快速提高的前提下，自动学习仍然能让特斯拉在「绑住手脚」的情况下优化神经网络性能。
鉴于 Musk 手握超越 82 万辆「数据采集机」，特斯拉拿到优质数据的机会能比竞争对手们高出几个数量级。
借助核算视觉，特斯拉在数据规划上具有优势的可不仅是自监督学习或弱监督学习，得益于自动学习，特斯拉在传统的完全监督学习领域也一骑绝尘。
还记得在 2019 年的投资者日上，Musk 表明，Dojo 是特斯拉现在最重视的项目之一。换句话说，Dojo 是特斯拉继 FSD 芯片之后，在自动驾驭领域的又一大杀手锏。
如发展顺畅，Dojo 能够改进 Autopilot 的工作方法——Autopilot 正以「2.5D」（2D图画 + 内容标示）方法进行操练迭代，而Musk打算晋级，使其能够在「4D」（3D 加上时刻维度）环境下运转。
Musk 对 Dojo 的评价是，「这将是一台真正的性能猛兽。」
现在，特斯拉团队仍在开发 Dojo。
依据 Musk 自己的推特上，特斯拉将在「六到十周内以有限的揭露发行方式」发布这项技能，这将成为特斯拉在自动驾驭方面的一大亮点。
02
与此同时，特斯拉 HW 4.0 也有了新的端倪。
据中时新闻网报道，特斯拉正与博通协作研制新款 HW 4.0 自动驾驭芯片，并且明年第四季度就将大规划量产，担任芯片量产的是巨头台积电。
具体信息包含：
芯片由 IC 设计龙头博通与特斯拉共同开发；芯片将选用台积电 7 nm 工艺制作；业内首个享受台积电 SoW 封装技能的芯片产品，能够将 HPC 芯片在不需要基板和 PCB 的情况下直接与散热模组整合在单一封装中；芯片估计 2020 年第四季度开端出产，初期投片规划 2000 片。
回忆特斯拉自动驾驭芯片的时刻轴：
HW 1.0 年代（2016 年之前 ），特斯拉主要依靠 Mobileye EyeQ3，传感器装备则为 1 颗前视摄像头+ 1 个毫米波雷达和 12 个超声波雷达。
HW 2.0 年代（2016-2019 年，包含 HW 2.5），特斯拉将协作方换成了英伟达，Drive PX 2 成了这套体系的中心。整个传感器套装则晋级为 8 颗摄像头+ 1 个毫米波雷达与 12 个超声波雷达。
也就是在 2016 年，特斯拉开端组建芯片架构研制团队，找来了传奇芯片设计师 Jim Keller 担任 Autopilot 担任人。
2019年，特斯拉成功推出 FSD 芯片：14 nm 工艺，算力 144 Tops，功耗 72 W。
特斯拉 Autopilot 进入 HW 3.0 年代。
那么，这次 HW4.0 的 7 nm 芯片比较 16 nm/14 nm 有什么前进呢？
7 nm 工艺的主要长处是能够在更低的电源电压（低于500mV）下工作，功耗更低（速度前进 35%，功耗降低 65%），发热量更小。
随着自动驾驭体系对于算力的需求日益增长，芯片功耗对效率的影响也会变得越发显著，而7纳米工艺的优势也会愈加突显。
有评论称，这颗高性能芯片将用来控制和支撑特斯拉的自动驾驭体系、动力传递和车辆娱乐等功能——打通特斯拉的高性能电动车和自动驾驭两大中心竞争力。
比较HW3.0，特斯拉下一代芯片的性能比 FSD 还要强大 3 倍。鉴于 FSD 的算力已经高达 72 TOPS，HW 4.0 的性能表现肯定值得期待。
03
说了这么多，打造特斯拉 Autopilot 背面的工程师有多少人？
Musk 答：Autopilot 团队有约 300 名工程师。其间，有 200 名主攻软件，别的 100 人则担任芯片设计。
Musk 还打包票说，软件团队这 200 名工程师随意到哪都能找到好工作，「没有人是他们真正的老板。」
Autopilot 作为特斯拉一等一的大项目，不仅需要 200 名顶级工程师携手协作，还要 100 多名硬件工程师持续输出打基础。
300 人通力协作才造就了 Autopilot 如今这个数一数二的自动驾驭产品。
这也是为什么 Musk 屡次强调 Autopilot 会成为这些天才工程师最闪亮的勋章。
除了这 300 名「绝地」工程师，Autopilot 还有其他幕后英雄——超越 500 名娴熟的数据标示员。
他们为 AI 算法的提高，供给了连绵不断的高价值数据。
需要留意的是，他们并不是廉价劳动力，而是均经过专业操练，甚至能娴熟为原始数据打上 4D 标签（增加时刻维度）。
100 多名顶级的芯片工程师，近 200 名软件工程师和约 500 位标示员协同工作。对于如此大一个团队，Musk 说道，「咱们的确做了相当多的磨合。」
可能有很多人不理解，Musk 在这个过程中的角色。
硬件工程师中，直接向Musk报告的有：
担任电池和动力体系的 Drew Baglino；担任车辆架构工程的 Lars Moravy ；以及担任芯片、核算渠道以及弱电体系的Pete Bannon。软件工程师中，向 Musk 报告的包含：
担任车辆软件的 David Lau；操作体系与内部应用的 Nagesh Saldi；Autopilot 团队整体的担任人 Ashok Elluswamy；AI 大神 Andrej Karpathy；担任软件集成与验证的 CJ Moore；担任 Autopilot 底层代码的 Milan Kovac。而这些仅仅 Autopilot 的团队而已，不可思议，整个特斯拉向 Musk 直接报告的中高层有多少了？
别忘了，Musk 并非平常百姓，他还是 SpaceX 的掌舵人，星辰大海可不比 AI 简单。
Autopilot 的成功的背面，不仅要归功于软硬件团队的尽力，以及人工智能背面的人工。
最终，还需要一个疯狂的老板。
全部评论 （0）