來源：極客公園

北京時間 8 月 20 日上午，特斯拉 AI 日如期召開，正如其名字預示的那樣，活動圍繞著 AI 人工智能展開。與以往不同的是，這次活動特斯拉沒有邀請媒體，也沒有邀請投資人，只邀請了相關領域的工程師們，因此拋開商業(yè)化的問題之后，這次活動更像是一場針對技術方面的前瞻性匯報與演示。

AI 日上，特斯拉人工智能和自動駕駛視覺總監(jiān) Andrej Karpathy 詳細介紹了特斯拉的「神經(jīng)網(wǎng)絡」，特斯拉眾位高管也著重闡述了特斯拉在自動標記等技術上的進展，之前就備受關注的超級計算機 Dojo 也正式亮相了。

仔細觀察不難發(fā)現(xiàn)，特斯拉 AI 日上介紹的所有技術似乎都隱隱傳達著一個信號：即便越來越多的車企采用激光雷達技術實現(xiàn)自動駕駛，馬斯克依舊要特立獨行，勢將「純視覺路線」進行到底。

擁有超強算力的「道場」Dojo

五天前，特斯拉官方曾發(fā)布一張海報預熱 AI 日活動。

海報上展示了一個大規(guī)模芯片模組的結構，包括芯片核心、銅板、散熱器、金屬外殼等組成元素，人們紛紛猜測這是否與特斯拉 AI 日上將公布的新產(chǎn)品有關。事實證明確實如此。

特斯拉AI日宣傳海報｜特斯拉官網(wǎng)

這其實是一個集合了 25 塊 D1 芯片的訓練模塊，而自研 AI 訓練芯片 D1 可以說是 AI 日上最重磅的技術突破之一。

D1 芯片由特斯拉自主研發(fā)，7 納米制造工藝，單片 FP32 達到算力 22.6TOPs，BF16 算力 362TOPs，這幾乎是目前市面上最強的芯片。

而且 D1 芯片可以進行無縫融合，25 個 D1 芯片構成一個訓練模塊，更多的訓練模塊相互組合則構成了擁有更強大算力的超級計算機 Dojo。

Dojo 的名字不是第一次出現(xiàn)了，早在今年 6 月的 CVPR 2021 工坊活動上，Andrej Karpathy 就介紹過這臺超級計算機，當時的 Dojo 搭載的還是英偉達的芯片，總算力為 1.8 EFLOPS，被認為可以躋身全球第五強超級計算機。

這次搭載了 D1 的 Dojo 亮相后，計算機博弈專家、芯片專家吳韌稱贊這是「很精彩的設計」，甚至在朋友圈表示「如果 Elon 原意，或許這是 nVidia 最大的競爭者，實際上芯片巨頭們的坐次可能需要重新排位。」

馬斯克一直認為「解決自動駕駛的唯一方法是解決現(xiàn)實世界中的 AI 問題，無論是硬件還是軟件，除非一家公司具有很強的 AI 能力以及超強算力，否則很難解決自動駕駛難題。」

因此特斯拉這次推出擁有強大算力的超級計算機 Dojo，其實也是出于解決自動駕駛問題的考量。與其他超算不同的是，這個被命名為「道場」的超算，其所有力量只用來做一件事兒：訓練 Autopilot 在內(nèi)的整個自動駕駛系統(tǒng)。

純視覺路線

「道場」已經(jīng)建好，受訓的特斯拉 AI 神經(jīng)網(wǎng)絡更是關鍵。

特斯拉的神經(jīng)網(wǎng)絡主要用來處理物體識別和道路規(guī)劃等功能所需的數(shù)據(jù)，這些是支持特斯拉 Autopilot/FSD 得到基礎。

AI 日上，特斯拉 Autopilot 工程主管 Milan Kovac 向觀眾展示了特斯拉的 AI 神經(jīng)網(wǎng)絡究竟是怎樣應用的。

特斯拉汽車的視覺組件｜特斯拉官網(wǎng)

在特斯拉的汽車中，每輛車裝有 8 個攝像頭，每個攝像頭獲取原始輸入后能創(chuàng)建不同的分辨率，用于不同的功能和目的，最終這些信息會被輸入到復雜的神經(jīng)網(wǎng)絡中，生成對自動駕駛有用的附加信息。

然而問題在于，即便擁有 8 個攝像頭，其背后神經(jīng)網(wǎng)絡的矢量空間依舊不夠。于是，特斯拉研發(fā)了自動標注技術，即便行駛過程中視野被遮擋，根據(jù)數(shù)據(jù)的標注，車輛也能更安全、準確的導航。

Andrej Karpathy 還稱，現(xiàn)在特斯拉的自動駕駛場景模擬系統(tǒng)可以在行駛過程中實時繪制路況，結合多個車輛經(jīng)過同一地點的繪制，得到一個完整的地圖。

而這恰恰是特斯拉和 Waymo 等競爭對手最大的不同：基于類似人腦的視覺感知系統(tǒng)、自動化標注能力，以及仿真等功能，特斯拉在 Autopilot/FSD 上試圖擺脫激光雷達，力圖將「純視覺」路線走得更加徹底。

這確實是馬斯克一貫的堅持。

2019 年，馬斯克一句「把激光雷達裝在車上真的很蠢」，直接將自動駕駛技術路線一分為二，激起千層浪。

以特斯拉為代表的僅以攝像頭與各種傳感器作為硬件，背后重算法的路線，與 Waymo 為代表的注重激光雷達的技術路線，站在了對立面。

關于二者誰能走到最后，到今天也沒有出現(xiàn)一個決定性的結論。

激光雷達，顧名思義是以激光作為信號源，由激光器發(fā)射出的脈沖激光打到周圍物體上引起散射，一部分光波會反射到激光雷達的接收器上，根據(jù)激光測距原理計算，就得到從激光雷達到目標點的距離。激光不斷掃描目標物，就可以得到全部數(shù)據(jù)，成像處理后，可得到精確的三維立體圖像。

而在馬斯克看來，「純視覺感知才是通往真實世界 AI 的道路」，既然人類是通過視覺收集信息輔以大腦處理信息的方式進行駕駛，那自動駕駛也應當能通過視覺感知輔以算法處理的方式實現(xiàn)安全駕駛。

當外部環(huán)境越來越復雜，自動汽車上安裝的傳感器也越來越多，如果雷達與攝像頭傳來的信息互相矛盾，自動駕駛系統(tǒng)反而會更加難以抉擇。

馬斯克拒絕「拉扯」，他選擇直接將攝像頭的作用發(fā)揮到極致。

將「第一性原理」貫徹到底？

熟悉馬斯克的人都知道他一直奉行「第一性原理」，即回歸事物最基本的條件，將其拆分成各要素進行結構分析，從而找到實現(xiàn)目標的最優(yōu)路徑的方法。

目前「感知、判斷駕駛環(huán)境」無疑是自動駕駛領域的核心困難，馬斯克依舊回歸到「感知」的基礎，不遺余力地將 AI 進化到能與人類視覺感知媲美的地步。

馬斯克認為，毫米波雷達不擅長描述物體的缺陷是幾乎不可能彌補的，而攝像頭不擅長探測距離的缺陷卻是可以彌補的。為了「一步到位」，馬斯克絲毫不考慮將激光雷達安裝在特斯拉上。

事實上，特斯拉的「純視覺路線」，需要更加深度地學習海量的數(shù)據(jù)，深度訓練神經(jīng)網(wǎng)絡，這一點對于其他的自動汽車公司而言，絕不是敢輕易嘗試的。馬斯克能堅持下去，和其起步早、能積攢的數(shù)據(jù)多不無關系。

據(jù)高盛估計，目前特斯拉車隊的數(shù)量在全球超過 150 萬輛，這為特斯拉提供了大量、多樣化和真實世界的數(shù)據(jù)庫。這意味著，即便數(shù)據(jù)采集效率相同，跑在路上的特斯拉數(shù)量是對手的數(shù)十倍，數(shù)據(jù)量也就是競爭對手的數(shù)十倍。

再加上今年特斯拉一季度銷量在全球范圍內(nèi)飆升到了 18 萬輛以上，有著超過 200% 的漲幅，整體而言特斯拉的盈利處于上升狀態(tài)，研發(fā)資金方面也無需憂愁。充足的資金，讓特斯拉敢于為純視覺自動駕駛路線「砸錢開路」。

特斯拉想在技術路線上保持自己的獨特優(yōu)勢是可以理解的，據(jù)相關人士分析，如果特斯拉能在「純視覺」上開辟出一條道路來，形成獨特的自動駕駛技術閉環(huán)，無疑會讓特斯拉距離「電動車界的蘋果」更近一步。

當然，這個決策背后的商業(yè)風險也是不容忽視的。

因為另一邊，隨著隨著技術發(fā)展，激光雷達不斷完善優(yōu)化，價格也在逐漸下降。

激光雷達頭部公司 Velodyne 本周宣布，其最受歡迎的激光雷達系統(tǒng) VLP-16 的價格相比 2016 年降低了一半。激光雷達價格下降受惠于產(chǎn)能、研發(fā)成本平攤；輔助自動駕駛推廣等因素。

如今，已經(jīng)有越來越多的車企選擇了激光雷達，這意味著未來「激光雷達」的技術路線或許將比「純視覺」路線擁有更多的規(guī)模效應以及成本優(yōu)勢。

而如果未來視覺+激光雷達一派，在自動駕駛能力上做到和特斯拉相差不多，則意味作為「破風者」的特斯拉，為純視覺路線自動駕駛探索砸下的成本會和收益不成正比。這對于需要長期投入的特斯拉來說，將是不小的壓力。

但對于馬斯克而言，他不在乎。他似乎就是要在第一性原理的的思想下，以愚公移山的勁頭，在自動駕駛領域跟「純視覺路線」一路死磕到底。

（實習生謝睿哲對稿件亦有貢獻。）