特斯拉AIDAY深层解读，马斯克坚持纯视觉绝不动摇

打造出像大脑一样如前所述听觉的脊髓计算机网络，这是今年TeslaAI Day的核心主轴，其本质上是特斯拉秉持纯听觉走线的沿袭和说明。电动汽车人参照结合AI Day的内容，从硬体和应用软件两个微观展开剖析。

从2014年的HW1.0开始，Tesla自动驾驶不用激光声纳已是怀思，晶片设计从自制逐步迈向自研，车越卖越多，数学模型越来越成形，翼板12个探头+1个前向声纳这套交互硬体整体架构一直没有变化。

2021年5月发布的Tesla Vision，中止了ALMA声纳，Tesla最终迈向了纯听觉。

其使用的德国内地第三代中距前向声纳，作为这款进阶产品，不论从FoV还是角解析度，操控性上都算不上最差，而且更缺少度信息。

这就带来了一个难题，换句话说原有ALMA声纳的众所周知，对大批动态目标，包括较低的街灯、高架桥顶等造成散射，特别是合金球体，散射讯号会被进一步弱化，就会造成大批的不实杂点。

因此须要在演算法上须要展开过滤器，但过滤器多了就会检体翻车（可TNUMBERA51到蔚来电动汽车近期的交通事故），而过滤器少了就会有幻影煞车（Tesla车友埋怨）。

更重要的是，探头每秒钟数据传输的BCC量是ALMA声纳的100倍，当二者数据展开结合时，概率密度不高，会造成弹跳和变形的难题。

探头就有如人的听觉，而ALMA声纳更像人的触觉，在对后方球体展开进行分类辨识时，二者发生争执，听觉才是主导力量。

原有Tesla翼板FSD晶片算力主要依靠两块SoC晶片，算力为144TOPS并不高，但是，如前所述帧检测的探头须要依赖高算力，其核心诉求是高带宽和低延迟。

高带宽意味着数据交换的通道多，低延迟表示数据交换速度快，而Tesla云端的中央计算平台Dojo就是为此而生。

Dojo由5760个英伟达A100GPU组成，其总算力达到1.8EFLOPS，带宽达到了1.6TB/s，存储空间为12PB，足以与大脑相媲美。

其核心是能将多个GPU通过台积电首次量产的InFO-SoW扇上晶圆直出封装技术，封装在一个基板上，成为一个D1晶片组。

由于晶片间的距离极短，因此D1晶片组就是一个低延迟的数据交换结构，以D1晶片组为单元，构建了整个Dojo的硬体体系，用于支撑更大更复杂数学模型的AI训练，实现对数据的高效处理。

在应用软件微观，Tesla整个数学模型架构如下图所示：

最底层的是数据、GPU集群以及Dojo计算集群，展开数据采集、标注和训练，生成模型；上一层是如前所述PyTorch开源架构（Facebook）的深度数学模型，主要负责对模型展开分布式训练；再用损失函数对模型展开评估；在评估层之上，是云端推理和翼板FSD晶片推理，在这一层意味着模型已经部署到了翼板；在翼板通过影子模式将模型与人类驾驶行为展开比对，检测是否存在异常。

在这个架构底层，须要数以百万计的，经过清晰标注的（速度、加速度、深度），且包含大批边缘案列的数据展开喂养。

在数据标注微观，Tesla一直致力于自动打标签，通过Dojo在传统探头2D图像基础上，实现立体空间+时间戳的四维标注。

此外，为了应对长尾难题（Conner Case），Tesla开发了221个Trigger，主要目的是为了获得边缘化的场景。

截止到今年6月底，Tesla一共积累了7轮影子模式迭代流程，包括了100万个由探头拍摄的36 帧/s、10秒时长的度差异化场景，共计60亿个包含精确的深度和加速度的球体标注，总计1.5PB的数据量。

下图为一辆Tesla眼中的数据世界Mind of Car：

特斯拉秉持纯听觉走线的底层逻辑，其本质上是Tesla的技术壁垒。

在硬体微观，翼板交互层开始做减法，云端超计算Dojo，对数据自动标注；而在应用软件微观，实现从数据、模型、训练、推理、迭代的全栈AI数学模型架构。

回到开头的第一句话，打造出像大脑一样如前所述听觉的脊髓计算机网络，既是今年TeslaAI Day的核心主轴，又体现了特斯拉第一性原理的处世哲学。

本文为电动汽车人参照第351篇原创文章，如果您觉得文章不错，推荐和关注是对我最大的支持。