「长期主义」第186期科技说：特斯拉2022 AI日全记录，原型机亮相

北美时间2022年9月30日（北京时间2022年10月1日），特斯拉在美国加州帕罗奥图总部召开2022 AI日（AI DAY）活动，特斯拉CEO马斯克，带领特斯拉团队，向大家展示展示人形机器人擎天柱Optimus原型机，介绍完全自动驾驶系统FSD、超算平台Dojo最新进展等。

本期“长期主义”，选择特斯拉2022 AI日全记录、发布会纪要、现场问答纪要，瓦砾村夫、智东西、车东西、电动星球News、华尔街见闻发布，六合商业研选整理与精校，分享给大家，enjoy！

正文：

全文23,848字

预计阅读48分钟

特斯拉2022 AI日全记录

字数：7,202字

来源：智东西、车东西、电动星球News、华尔街见闻

北美时间2022年9月30日，特斯拉举办AI日活动，不同于以往马斯克主讲模式，本次AI日上，马斯克简短介绍重点展示的人形机器人擎天柱Optimus，之后是各业务负责人进行具体讲解。

活动开始，周身没有任何装饰的人形机器人擎天柱Optimus原型机，缓缓走上舞台，完成行走、转向、挥手等动作。特斯拉还播放一段擎天柱Optimus视频，展示擎天柱Optimus可完成运输物品、浇花等行为。按照马斯克设想，未来擎天柱Optimus可用于家庭、做饭、修剪草坪、照顾老人，乃至成为人类伙伴或伴侣等。

擎天柱Optimus出场

特斯拉2021 AI日上，擎天柱Optimus只是概念，仅过去1年，特斯拉成功推出能行走、完成多种动作的原型机。为让擎天柱Optimus顺利发布，马斯克将特斯拉2022 AI日从原定2022年8月19日推迟40多天。

对擎天柱Optimus，马斯克非常看重，表示未来擎天柱Optimus将比汽车、自动驾驶更重要，未来特斯拉将生产数百万台机器人，价格将比特斯拉汽车便宜，可能不到2万美元，消费者未来3～5年就能买到。

自动驾驶方面，特斯拉一直在完善技术与产品，目前完全自动驾驶系统FSD Beta版已有16万用户使用，预计2022年底将具备全球推广能力。

特斯拉自研超算平台Dojo，目前该产品正在帮助特斯拉在自动驾驶、机器人等方面取得更多成绩。

整场发布会上，特斯拉多位工程师对擎天柱Optimus、FSD、Dojo等，进行详细软硬件等方面介绍，几乎在介绍每个产品时，都聊到希望更多AI、硬件等人才加入特斯拉。马斯克也表示，举办这个活动目的，是吸引更多AI人才加入特斯拉，做出更好产品。

擎天柱Optimus原型机亮相，预计价格不超2万美元

发布会开始，马斯克展示特斯拉人形机器人擎天柱Optimus原型机，从外形看，率先亮相的机器人造型确实很原型，周身直接裸露电线，没有任何装饰。擎天柱Optimus可独立完成行走，向用户挥手致意，甚至跳舞等动作。

擎天柱Optimus跳舞

马斯克表示，擎天柱Optimus可做更多事情，受限于舞台，只能展示这些。特斯拉现场播放擎天柱Optimus视频，视频中擎天柱Optimus除四处走动外，还能完成运输物品、浇花等行为。

擎天柱Optimus运输东西

在工厂中，擎天柱Optimus能将一个长条状物体，从工作台取出，再整齐排放至装有相同物体的盒子中。从擎天柱Optimus自身视角的渲染图看，它能用颜色区分现实世界中不同物体，如它将手持的长条形物体视为紫色、将工作台视为黄色等。

擎天柱Optimus搬运货物

特斯拉之后展示一个更接近真人的真机版擎天柱Optimus，外形与2021 AI日上展示模型类似，具有人类外观，自由度更高。真机版擎天柱Optimus可提供更多服务，如手指可自由移动、操作更多工具、右手可拿一些工具、甚至在工厂做一些重复性工作等。与初始版不同的是，真机版擎天柱Optimus没有在现场走动，而是全程由工作人员搬运。

马斯克表示，特斯拉机器人团队过去1年，几乎每周工作7天，每天工作十几个小时，终于顺利展示擎天柱Optimus原型机。从2022年2月推出初代研发平台，到推出原型机，仅用时6个多月时间。特斯拉团队已做很多工作，目前擎天柱Optimus还处早期阶段，未来可将其做得更好。

真机版擎天柱Optimus

马斯克表示，擎天柱Optimus机器人项目代表特斯拉公司使命拓展。擎天柱Optimus设计基于人体，将具有对话能力，希望其行为方式与人的行为尽可能接近。未来完全体版本擎天柱Optimus，体重73kg，静坐时用电功率100W，快走时用电功率500W，全身有200多个自由度，手部有27个自由度。

马斯克预计，擎天柱Optimus可低成本生产，未来产量可达数百万台，成本低于2万美元，相比目前市面上类似机器人产品，成本将大幅降低。

马斯克表示，机器人可降低劳动成本，让社会发展更有动力，未来将没有贫穷，人类可自由选择工作类型，不再必须做体力活，可更多参与脑力工作，希望机器人可更安全的为人类带来更多帮助。自动驾驶汽车对世界产生巨大影响，使运输生产力提升至少半个数量级，未来机器人或许会带数个数量级提升。

特斯拉第一代机器人从概念、设计、分析、建立、优化，已经过反复验证，对于这一新物种，拥有较低成本和较高工作效率，是验证产品是否能真正推向市场关键。

从擎天柱Optimus浇花、搬东西这些更为细致的功能看，特斯拉坚持向拟人形态机器人不断进化，从手部动作、步态调整、控制系统等，依托特斯拉在汽车领域强大技术积累，与基础设施、供应链能力，加上马斯克在人形机器人领域野心与强大行动力，为机器人产业带来无限可能。

马斯克简单介绍后，特斯拉机器人团队对擎天柱Optimus进行介绍。从特斯拉2021 AI日开始，到目前擎天柱Optimus已进行三次演进，最终呈现出现有成果。

擎天柱Optimus设计是以特斯拉此前积累的车辆设计过程为基础。特斯拉技术专家表示，汽车就是轮式机器人，擎天柱Optimus某种程度上只是把汽车立起来。

1、电动与控制系统：28个驱动器+2.3kWh电池组，可工作一整天

从擎天柱Optimus概念图可看到，整个机器人包含28个电动驱动器（橙色）与电池及控制模块（蓝色）。

人类可吃少量食物来维持能量，为减少机器人耗能，特斯拉将人形机器人在空闲时消耗能量降到最低，只需按下开关就可调节其处于低电量或正常工作状态。

擎天柱Optimus电力系统集成到机器人上半身，包含一块容量2.3kWh电池组，工作电压52V，充电后可运行一整天。该电池组独特之处，在于把所有电池、传感器等，利用汽车与能源产品将其融合到一起。这样设计是参考特斯拉汽车设计方案，希望减少更多线束，将配电与计算集中在躯干中心。

擎天柱Optimus使用单颗特斯拉自研SoC芯片，支持LTE 4G连接，不同于特斯拉在汽车上使用的双芯片自动驾驶方案。与汽车不同，擎天柱Optimus需处理视觉数据做出迅速反应，这基于多种感官输入与通讯，因此装有无线电连接、音频支持等模块，具有保护机器人本体与人类安全等特性。

擎天柱Optimus核心零部件展示

2、基础结构设计：量化人体运动轨迹、力度，机器人行动更灵活

行动方面，擎天柱Optimus吸取特斯拉汽车动力系统设计经验，团队分析擎天柱Optimus需进行哪些行动，包括行走、上下楼等，之后首先通过对擎天柱Optimus行走的动态数据进行分析，然后分析出这些移动需要的时间、能耗、轨迹，根据这些数据设计出机器人关节与执行器。

安全性方面，特斯拉做针对性设计，为保护机器人，研发人员对其基础结构进行优化，如擎天柱Optimus摔倒时，不会把变速器与胳膊弄坏，毕竟机器人维修成本很高。

擎天柱Optimus摔倒时可自我保护

特斯拉研发人员采用与特斯拉汽车相同底层技术，让擎天柱Optimus所有组件中产生压力，使其行走控制变得更容易，也不显的僵硬。

擎天柱Optimus行走姿态模拟

以膝盖为例，擎天柱Optimus设计时仿照人类真实膝盖结构。研发人员将人类膝盖与运动过程中受力进行模拟，学习如何让机器人膝盖使用更少的力，让其能实现更好力度控制，并让相关结构紧密包裹在膝盖周围。

擎天柱Optimus模拟人类骨骼结构

3、机械驱动系统：解析云端数据，轻松定制28个驱动器

汽车与机器人在动力设计上，有很多相似之处，因此特斯拉在动力设计上经验，可应用到机器人上。汽车驱动单元是为让汽车加速，机器人有28个关节驱动器，与汽车驱动器在数量上差异不大，但人形机器人要做的任务更复杂，需走路或攀岩，因此研发人员用模型，生成机器人的连接转矩速度轨迹，随后输入其优化模型来运行。

汽车与机器人驱动器对比

机器人需要转动，研发人员根据扭矩速度轨迹和关节驱动器效率图，沿着轨道产生的能源消耗、执行任务与运行时间的累计能量，可定义特定执行机构的样本，并发送到云端。这样一来，就可缩短其生产成百上千万关节驱动器的时间。

不过机器人的每个关节都是特定的，28个关节都需要定制规格。因此研发人员需减少定制的执行器设计，解析并上传到云端，进行共性研究。

擎天柱Optimus共有6种执行器，包括3种不同规格舵机、3种不同规格类似重量秤一样的牵引执行器等。在极限范围内进行测试，其关节驱动器抬起一架半吨重钢琴，这也是人形机器人必须具备功能。

擎天柱Optimus关节驱动器抬起一架半吨重钢琴

4、手部感知系统：大、小形态均能抓握，手部也能感知物体

人手能以每秒300度速度移动，拥有成千上万的触觉传感器。擎天柱Optimus另一重点是手部，特斯拉希望擎天柱Optimus手部也能跟人类一样灵活，能抓住物体，进行操作，拥有传感器进行感知等。

特斯拉研发团队设计擎天柱Optimus手部时，同样从生物学吸取灵感。通过6种执行器，让擎天柱Optimus手可实现11个自由度移动，拿动重量20磅（9.1公斤）物体，可操作一些器械，或抓取小型物体等。

手的适应机制非常复杂，人类能认识到手在空间中位置，而这也是其能抓取物体关键，因此特斯拉目前也在进行相应测试。

5、视觉导航系统：采用汽车同款神经网络，自主识别行驶区域

擎天柱Optimus采用核心传感器为摄像头，与特斯拉FSD系统中采用的摄像机类似。目前特斯拉收集很多数据，用于训练擎天柱Optimus。

擎天柱Optimus行动方面，使用特斯拉汽车同样神经网络“占用网络”，来识别可行动区域，软件在感知与分析外部环境后，会规划出行驶轨迹，然后根据轨迹规划出每个脚落脚点，最后通过执行器，执行移动动作。

擎天柱Optimus采用“占用网络”识别可行动区域

特斯拉研发人员演示擎天柱Optimus行动能力成长轨迹。2022年4月，迈出第一步；2022年7月，让人形机器人解锁骨盆的应用，来保持平衡；2022年8月，让手臂开始发挥作用；2022年9月，擎天柱Optimus脚趾也派上用场。

随着人形机器人慢慢将更多关节等利用起来，并加以训练，移动速度明显提升。擎天柱Optimus目前行走速度还很慢，没有达到2021年首次发布时宣称的5英里/小时（约8公里/小时）水平。

擎天柱Optimus行动能力成长轨迹

6、行动控制系统：优化调参从测试映射至现实，解决机器人平衡难题

从人体步行过程来看，机器人有身体上的自我意识很重要，如能意识到自己四肢长度是多少、脚有多大，如何保持平衡，如何协调四肢运动。人类很容易就能做到这些，但对机器人来说很难。

擎天柱Optimus另一重点是保持直立状态，不能轻易倒地。研发人员通过运动计划与控制堆栈，生成机器人运动学模型，然后将所需路径生成底层平台，让整个系统参考其轨迹进行训练。

擎天柱Optimus模拟系统中按照其期望的路径规划线路，不断添加相互连接的轨迹，根据轨迹规划出每个脚落脚点，再让执行器执行，以此保证机器人行走过程中平衡性。

擎天柱Optimus直立行走

运动训练中，运动规划式是理想情形，但实际上将其放到现实世界上不现实。在这个过程中缺少几个关键动作，将其放置到现实世界中，会对模型动力学造成影响，特别是像两足动力学这样稳定的系统。

研发人员利用相应传感器与在现实世界中观察，解决机器人控制难题，利用机器人骨盆位置、重心位置等，通过跟踪机器人在工作室中路径，构建更好的机器人模型，依据实际情况修正机器人行为。

特斯拉希望未来让擎天柱Optimus变得更灵活，从原型机能走的更远，让它在各方面都进行改善，拥有更好导航、行动等能力。

7、手部控制系统：人类模拟视频映射运动参考，掌握抓握物体位置

为解决人形机器人在观察同时，操纵真实物体世界的难题，研发人员将这一问题分成两个步骤，首先生成自然运动参考系统，再将其进行优化推广。

假设有人对某一动作进行演示，研发人员通过视频对其动作设置关键帧，并将其映射到机器人上。这样只需要一个演示视频，研发人员就可以将其推广到机器人的现实操纵应用上。这就可以解决机器人在抓取物体时手应该放在哪里，如何进行搬运放置等难题。

擎天柱Optimus通过模拟真人进行抓取动作

FSD进展顺利，预计2022年底具备全球推广能力

自动驾驶方面，特斯拉团队首先介绍完全自动驾驶系统FSD情况。FSD Beta版，2021年有2,000位客户参加测试，2022年扩展到16万客户，实现80倍增长。2022年以来，特斯拉已训练7.5万个神经网络模型，在此基础上推出35个FSD版本更新。

自动驾驶技术架构方面，特斯拉做法是，先用自动化数据标注系统，对收集的数据进行自动标注，然后对数据进行处理，用来训练神经网络，然后将AI模型部署到FSD计算机中，通过计算，算出对外部环境感知结果，进而规划车辆行驶路线。

技术展示方面，特斯拉首先展示无保护左转能力，如在左转时，有行人和其他车辆，特斯拉在考虑到不同交通参与者行驶轨迹后，算出最合适行驶轨迹。

特斯拉FSD无保护左转能力

特斯拉使用名为交互搜索技术。首先从视觉感知开始，感知交通参与者，然后去推测其行驶轨迹，之后生成几种策略，最后选择出最佳行驶轨迹。

特斯拉交互搜索技术架构

这里需注意，外部目标如果越来越多，需要计算量会越来越大。特斯拉通过环视摄像头，对外界进行感知，生成3D环境，并通过“占用网络”找到可行驶区域，识别哪些是障碍物。

FSD工作时，先对摄像头图像进行校准，把图像整合在一起，形成3D空间，将数据进行提取，输入到神经网络中，通过相应算法，构建空间特征。

仅生成3D空间后，没有各种物体精确位置，依然无法进行路径规划，所以特斯拉通过对关键特征进行分析，算出位置数据。

特斯拉FSD基于视觉数据构建3D空间

特斯拉车队在日常行驶中积累很多视频片段，每个视频有很多帧图像。特斯拉需要14亿帧图像，才能训练一个神经网络，需使用10万个GPU工时（1个GPU工作1小时），所需算力巨大，需使用超级计算机与AI加速器，这也是特斯拉自研超算平台Dojo重要原因，基于Dojo，特斯拉能将神经网络训练速度提升30%。

预测其他交通参与者行为方面，特斯拉做法是，摄像头画面先进入到RegNet网络（Meta旗下FAIR实验室开发的卷积神经网络），处理之后的数据再进入Transformer模型（谷歌开发的深度学习模型）。可能有10亿个参数，对他们进行共同优化。想要实现最大程度的算力，尽量减少延迟。

特斯拉汽车在运行过程中，将产生大量数据，这些数据也需进行标注。数据标注方面，特斯拉最先尝试手工标注，费时费力；之后考虑过供应商合作方式，从最终结果看，无论时效性，还是质量，都不是很好，特斯拉需要非常高效、具备可扩展性的标注。

特斯拉目前采用人机合作标准方式，既有人类标注，也有机器标注。整体而言，机器标注效率更好，机器30分钟工作量，人类可能需要很长时间，因此特斯拉正在构建自动标注系统。通过高效标注，让现实世界中时空片段，转化为可使用数据，从而让FSD更加智能与高效。自动标注数据也需进行梳理，之前特斯拉在这方面没有投入太多精力，现在已有很多工程师在做这方面工作。

特斯拉基于自动标注数据训练模型

仿真系统是自动驾驶系统中非常重要部分，可提升车辆对长尾场景应对能力。特斯拉研发场景生成器，最快5分钟可生成一个场景，相比传统方式，速度提升1,000倍，还可扫描现实物体投射到屏幕上，模拟信号灯、停车标志等，尽可能接近真实世界，这对模型训练意义重大。

特斯拉研发场景生成器

目前特斯拉数据集，部分来自车队传回信息，部分来自模拟数据，都可更方便对场景做出判断。通过数据引擎，可让神经网络更加真实，为FSD带来更多确定性，去解决现实世界中不确定性。如汽车在路口转弯时，要判断横停的车辆究竟是停车状态，还是缓慢行驶，只用创建更多网络进行评估，就能解决这种场景问题。

关于特斯拉FSD Beta版推广情况，特斯拉表示2022年底，将具备在全球推广FSD能力。除北美外，特斯拉还需与当地监管部门沟通，在有些国家与地区，自动驾驶监管政策还很滞后。

超算平台Dojo不断迭代，保障特斯拉算力需求

特斯拉团队在介绍擎天柱Optimus机器人与完全自动驾驶FSD时，已多次提到超算平台Dojo。

特斯拉2021 AI日上，首次展示特斯拉首款AI训练芯片Dojo D1，与基于该芯片构建的超级计算机系统ExaPOD，可用于执行AI训练任务，为上路车辆庞大的图像处理需求提供支持。

特斯拉目前已拥有基于英伟达GPU的大型超算平台，与一个存储30PB视频素材的数据中心，目前正研发基于Dojo芯片的超算平台。

特斯拉用一组图片，展示过去2年超算平台Dojo关键节点，从交付定制冷液分配单元CDU，到安装第一台集成Dojo机柜，再到2.2MW机组负载测试。

超算平台Dojo关键节点

特斯拉试图优化Dojo设计的可扩展性，以快速试错方式克服挑战。Dojo具有单个可扩展计算平面、全局寻址快速存储器、统一的高带宽+低延迟等特征。

特斯拉技术工程师，特别谈到Dojo电压调节模块，过去2年该电压调节模块更新14个版本，具有高性能、高密度、复杂集成性等特征。

超算平台Dojo电压调节模块

热膨胀系数CTE很重要，特斯拉与供应商合作提供电力解决方案，将超算平台Dojo热膨胀系数CTE降低50%以上，使Dojo性能达到初始版本3倍。

特斯拉团队展示通过Dojo，帮助AI绘图软件Stable Diffusion，绘制特斯拉电动皮卡Cybertruck在火星上行使图像。

Cybertruck on Mars图片

据介绍，只用4个Dojo机柜，就能取代4,000个GPU组成的72个GPU机架。Dojo能将通常需要几个月工作时间，减少到1周。

特斯拉自研D1芯片，也在超算平台Dojo中发挥重要作用。D1芯片采用台积电7nm制程工艺，在645mm²面积上分布500亿颗晶体管，峰值算力达362 TFLOPS（BF16/CFP8精度下，BF16、CFP8为浮点计算格式标准），热设计功耗TDP不超过400W。

基于D1芯片，特斯拉推出晶圆上系统级方案，通过应用台积电InFO_SoW封装技术，将25个D1芯片组成1个训练模块Training Tile，一个训练模块峰值算力达9 PFLOPS（BF16/CFP8精度下），有计算、I/O（输入/输出）、功率、液冷等模块，采用集中供电与散热设计，散热功率达15kW。

超算平台Dojo的训练模块Training Tile

Dojo系统托盘System Tray，有高速连接、密集集成等特性，峰值算力可达54 TFLOPS（BF16/CFP8精度下），功耗100+kW。

Dojo接口处理器是一个具有高带宽内存的PCIe卡，利用特斯拉自家TTP接口。特斯拉传输协议TTP可以桥接到标准以太网，TTPOE可将标准以太网转换至Z平面拓扑，拥有高Z平面拓扑连接性。

特斯拉2021 AI日至今，Dojo开发迎来系列里程碑，包括安装第一个Dojo机柜、进行2.2mW负载测试等，特斯拉目前正以每天打造一个训练模块Training Tile速度推进Dojo研发工作。

超算平台Dojo机柜

特斯拉将60个训练模块组成1台Dojo超级计算机，拥有1,500个D1芯片、53万多个训练节点。理论上，Dojo性能拓展没有上限，可无限扩张。

实际应用中，特斯拉将120个训练模块，组成1个超级计算机系统ExaPOD，拥有3,000颗D1芯片、超过100万个训练节点，峰值算力突破E级，达1.1 EFLOPS（BF16/CFP8精度下），同时提供13TB运存、1.3TB缓存能力。

特斯拉团队表示，算力是完全自动驾驶的根本，高效率芯片可更好为完全自动驾驶服务。特斯拉要做的，是让Dojo成为AI训练方面最强的超算系统。

特斯拉不对Dojo设计做任何限制，它可提供非常庞大、高效的系统，从硬件上打破传统集成的物理界限，在编译器上让硬件变得更高效，只要物理条件允许，特斯拉可持续突破极限。

特斯拉宣布，预计2023年Q1部署第一台ExaPOD，建成功后ExaPOD将成为世界上最强大超级计算机之一。

特斯拉表示，配合专属编译器，DOJO训练延迟，最低可做到同等规模GPU的1/50。特斯拉目标是，到2023年Q1量产时，DOJO可实现英伟达A100的4.4倍单芯片训练速度，甚至能耗与成本都更低。

特斯拉2022 AI日发布会纪要

字数：5,656字

来源：瓦砾村夫

特斯拉2022 AI日上，马斯克简短介绍人形机器人擎天柱Optimus后，特斯拉各业务负责人进行具体讲解。

人形机器人擎天柱Optimus

马斯克：欢迎来到2022年特斯拉AI日。我们有一些非常激动人心的内容向你们展示，我想会让你们印象深刻。

对于擎天柱Optimus机器人，我确实想要设定期望。2021年，它只是一个穿着机器人套装的人，现在我们已取得长足进步。跟2021年相比，它会让人印象深刻。我们将谈一谈我们在AI、自动驾驶、Dojo方面进展。

我们是不是应该让机器人出场了？

Kate：在那之前，我们有个小小提示，这实际是我们第一次在没有任何后备支持情况下，试用这个机器人。吊机、机械装置、电缆等，什么都没有。

马斯克：我们将向大家展示机器人做其他事情的视频。

Milan：我们想再展示一些过去几个月，围绕机器人取得的进展，它可以四处走动、跳舞。

这只是小开始，你们可以看到，自动驾驶神经网络正在按原样运行，我们只是直接在新平台上，针对机器人进行重新训练。

马斯克：当你看到渲染视图时，那就是机器人所看到的世界。它可以非常清楚识别物体，如它应该拿起的物体。

Milan：我们使用与自动驾驶系统相同流程收集数据，并训练神经网络，对于机器人，我们也是这样部署。

这是一个例子，进一步展示机器人上半身功能。我们的确想在接下来几个月内，完善这部分功能。

Kate：那并不是我们今天唯一要展示的内容。

马斯克：你们刚才看到的这个机器人，我们称之为小黄蜂Bumble C，那是开发版本的机器人，使用半现成驱动器。

实际上，我们已经更进一步，我们团队完成一项了不起工作。实际上，我们有一个擎天柱Optimus机器人，使用完全由特斯拉设计生产的驱动器、电池组、控制系统等所有一切。它还不能行走，但几周之内就可以。

我们想要展示这个机器人，实际上，它相当接近于投产标准。我们想要展示它所能做的所有事情，让我们请出机器人。

你可以看到擎天柱Optimus，它拥有的自由度就是我们希望第一台量产机所能有的。那就是，独立移动所有手指的能力，拇指有两个自由度。它有对立的拇指，有左手与右手，能够操作工具，做有用的事情。

我们目标是尽快生产有用的人形机器人。设计它时，我们采用和设计汽车相同原则，就是为了生产而设计。这样才有可能高产量、低成本、高可靠性生产机器人。

擎天柱Optimus设计目标是能力极强，同时产量极高的机器人，最终可能生产数百万台。擎天柱Optimus成本预计会比汽车低得多，可能不到两万美元，这是我的猜测。

它的潜力深不可测，你可以说，什么是经济？经济是开展生产的实体数量乘以生产力，人口乘以人均产出。一旦人口数量没有限制，经济究竟意味什么，也就不那么清晰了，经济会接近无穷大。

这意味着，一个富足的未来，一个没有贫穷的未来。那时你可以拥有你想要的任何产品与服务，这的确是我们所知人类文明的根本性转变。

非常重要的是，把这种理想变成现实的公司实体，需要接受公众带来的合理影响。我认为特斯拉的结构是非常理想的。

Kate：你们今天已经看到几个机器人，让我们快速回顾一下时间线。

出场为你们表演才艺的机器人，我们在6个月时间内制作完成，此后1个月内进行软件集成与硬件升级。

与此同时，我们也在设计下一代机器人，这边的这个机器人。这个家伙，植根于车辆设计工艺基础上，我们正在利用已有所有这些经验。

重复一下，我们采用车辆设计的基础，从概念到设计与分析，然后建造与验证。这个过程中，我们将对成本与效率等方面进行优化，最终这些都是产品走向规模化的关键指标。

在躯干内部，我们安装电池组，容量2.3kWh，这对于一整天使用来说，是完美配置。接下来是大脑，它不在头部，但很接近，在躯干里，我们安装中央电脑。

特斯拉已在每辆汽车上配备FSD系统，我们想利用自动驾驶系统硬件与软件，来开发人形机器人平台。但因为它的需求与外形因素不同，我们首先要作出改变。

它需要做人脑所做的一切事情，包括处理视觉数据，根据多传感器输入做出瞬间决定，还有通信。为支持通信，它配备无线连接与音频支持。它还具有硬件级别安全功能，这对于保护机器人与机器人周围的人都很重要。

Nilegen：我们是否能利用我们在汽车端能力与方法，来影响机器人？

既然我们有碰撞软件，我们可以使用同样软件，可以让它摔倒下来，这样做的目的是为了确保，机器人即使摔倒，也只是表面损伤，当然最好别摔。我们希望它掸一掸灰尘，继续完成任务。

驱动器能举起一架重达半吨、9英尺长的音乐会大钢琴。

机器人手的设计，受到生物学启发，有5个手指，手指由金属肌腱驱动，灵活又坚固，具有完成大范围用力抓取能力，同时也为精准抓取很薄、很小物体进行优化。

Milan：我们在视频中展示所有这些很酷内容，都是在短短几个月内完成。感谢过去几年我们在自动驾驶系统上取得神奇进展，大部分组件都可以很容易移植到机器人环境中。

可以想想，这只是把轮子上机器人，转变为长了腿的机器人，其中某些组件非常相似，另一些需要我们付出更多工作。

例如，我们计算机视觉神经网络，直接从自动驾驶系统移植到机器人环境，我们还在努力寻找方法，利用神经辐射场方面工作，改进这些“占用网络”，获得机器人周围环境很好的体积渲染效果。例如，机器人解读它需要与什么东西进行互动。

另一个有趣问题，室内环境中，大多数情况没有GPS信号，怎么让它导航到目的地？

我们一直在训练更多神经网络，在机器人摄像头获取图像中，识别高频特征与关键点，并在机器人导航环境，进行跨帧、跨时间追踪。我们利用这些点，更好估计机器人姿势，与工作环境中轨迹。

这是段视频，演示在自动驾驶系统模拟器中运行运动控制的代码，展示机器人行走能力的演变过程。可以看到，2022年4月开始时，它的行走速度相当缓慢。过去几个月里，随着解锁更多关节与更多高级技术，如手臂平衡，它开始加速。

希望到目前为止，你们对我们过去几个月工作，有很好了解。我们开始实现一个可用的机器人，但还远远没有达到实用程度。我们前面还有很长、很令人激动的路。

我认为未来几周内，我们需要完成首要任务，是让擎天柱Optimus至少达到、甚至超越小黄蜂水平，小黄蜂就是你们刚看到的那个机器人原型机。

我们还将在我们一家工厂内，开始专注真正使用场景，致力真正解决问题，彻底夯实将这个产品部署到现实世界的所有要素，包括我之前提到的室内导航、优雅的全面管理，甚至提供服务、规模生产所需所有组件等。

我不知道你们想法，但看到我们展示内容后，我很肯定，我们可在未来几个月或几年内完成这个目标，把这个产品变成现实，并改变整个经济。

我感谢整个擎天柱Optimus团队在过去几个月努力工作，我认为他们工作非常出色。所有这一切都在短短6~8个月完成，非常感谢你们。

自动驾驶/FSD Beta版

Ashok：2021年这个时候，约有2,000辆汽车使用FSD Beta软件。自那以后，我们已经大幅改进软件稳定性与能力。到目前为止，我们已向16万客户发布这个软件。

过去1年，我们训练7.5万个神经网络模型，约每8分钟完成1个模型训练。我们在大型计算机集群上进行评估，发布其中281个模型，的确提升汽车性能。

这个创新速度出现在整个技术栈方方面面，包括规划软件、基础设施、工具等，一切都在朝更高水平发展。

我们以这个十字路口场景为例，探讨自动驾驶系统如何进行规划与决策。

我们从侧面小路走到十字路口，得为所有横穿马路的车辆让路。就在我们即将进入十字路口时，路口另一侧行人决定不走斑马线，横穿马路。现在我们必须要给这个行人让路，给右边来的车辆让路，我们还要理解行人与路口另一侧车辆间关系，我们需要快速判断大量物体间依赖关系。

人类在这方面很擅长，我们看到一个场景，理解所有可能的交互，评估最有可能发生的交互，通常最终选择一个合理判断。但同样框架也可以拓展到遮挡物背后的物体。

我们使用来自于8个摄像头的视频源，生成周围世界的三维占用信息。这里蓝色部分，对应我们所说的“可见区域”，它基本上会被你在场景中看到的第一个遮挡物挡住。我们使用模型，生成“可见区域”中的“幽灵物体”。如果你对“幽灵物体”的生成区域与状态转换，进行正确建模，如果你把控制反应作为存在可能性的一个函数来调整，就可提取一些非常好的类似人类的行为。

Phil：“占用网络”接收我们所有8个摄像头视频流作为输入，直接在向量空间生成一个统一的占用率。对于我们汽车周围的每个三维位置，预测该位置被占用的概率。

Tim：让我们谈谈训练的基础设施。我们已经看了四、五个视频，我思考与关心视频片段数量，远大于此。

我们刚才观看Phil介绍的“占用网络”，仅这个视频，就需14亿帧图像，来训练你们刚才看到的那个网络。如果你有10万个GPU，那你需1个小时；但如果你只有1个GPU，你需10万个小时。这个训练任务所需时间长度，不是你能等得起的。

我们希望能更快进行发布，这意味着，我们需要进行并行处理，我们需要更大算力，这意味着我们需要超级计算机。

这就是为什么我们在公司内部搭建3台超级计算机，包括1.4万个GPU。我们使用其中1万个GPU进行训练，大约4千个GPU用于自动标注。

我可以一直说下去，我刚刚简单介绍了我们内部2个项目，这实际上只是为优化我们内部算力的巨大工程的一部分。

通过所有这些优化的积累与整合，我们现在训练“占用网络”速度是原来2倍，因为它的效率翻倍。如果我们增加更多算力并采用并行计算，就可在几小时内完成训练，而不是几天。

John：我是自动驾驶系统视觉团队负责人。我今天要跟大家介绍两个话题，第一，我们如何预测车道；第二，我们如何预测道路上其他对象未来行为。

我们通过这个车道检测网络得到的是一系列车道连接性，这是由网络直接计算输出。这里没有额外步骤，不需要把密集预测应用到分散预测中去，这就是未经过滤的网络的直接输出。

以上我讨论一些关于车道检测的内容，我会简单讨论下，对于其他物体的未来路径，如何进行建模与预测。我想快速展示两个例子。

右边视频中，有一辆车闯红灯，在我们面前转弯。我们处理这种情况的方法，是对于所有物体，进行一系列短时间周期的未来轨迹预测。我们可以用这些结果来预测可能发生的危险，并使用刹车、转向等行为，避免碰撞。

整体看，自动驾驶系统视觉技术栈预测的，不仅是周围世界的几何运动参数，还能预测丰富语义，从而实现安全的类似人的驾驶。

Jaegan：我谈谈自动标注。我们有几种自动标注框架，支持各种类型网络。今天我想重点介绍这个优秀的车道网络。

这个网络很容易扩展，只要我们有足够算力与行程数据。该场景中，约有50段行程进行自动标注，其中一些显示在这里，来自不同车辆的50段行程。这就是我们捕捉并将世界的时空片断，转化为网络监督的过程。

David：以我身后播放的仿真场景为例，旧金山市场街一个复杂十字路口，艺术家需2周时间才能完成设计。这对于我们来说太慢了。

我将谈谈使用Jaegan的自动基准标注与一些全新工具，我们可在短短5分钟，过程式的生成这个场景与很多类似场景。这个速度非常惊人，比以前快1千倍。

这个方法为规模与尺度，做好准备。正如你在后面地图上看到那样，我们可以很容易生成旧金山大多数城市街道，不需花费数月甚至数年时间，只需要一个人工作2周时间。

我们回顾下，因为我们通过基准数据，生成所有片段数据集，包含现实世界中所有错综复杂情况，我们可以结合过程式的视觉与交通状况的各种变化，创造出无限目标数据，供网络学习。

Kate：这个数据引擎框架适用于所有信号，无论是三维多摄像头视频，无论数据是人工标准、自动标注，还是仿真数据，无论是离线模型，还是线上模型。

特斯拉能大规模进行优化，这得益于车队优势，得益于我们终端团队所搭建的基础设施，与为我们网络提供的标注资源。针对所有这些数据进行训练，我们需大量算力。

超算平台Dojo

Pete：我经常被问到，为什么一家汽车公司要搭建用于训练的超级计算机？

提出这个问题，还是从根本上误解特斯拉本质。本质上讲，特斯拉是家硬核科技公司。

Yaji：2021年，我们展示第一个可用的训练模块Training Tile。当时在训练模块之上，已经有负载在运行。

那时起，整个团队一直在努力工作，致力能大规模进行部署。现在我们已取得惊人进展，整个过程中达成很多里程碑，我们也遇到很多意外挑战，正是我们“快速试错”哲学理念，让我们可突破自身极限。

从我们定制D1芯片上均匀节点开始，可把它们连接到我们完整集成的训练模块上，然后将它们最终无缝连接，跨越机柜的边界，组成超算平台Dojo。

总之，一个ExaPOD可容纳两个Dojo，整体达到1.1 EFLOPS算力。在计算历史上，这个程度技术与集成度只出现过几次。

Rajeef：这个操作在25个Dojo芯片上，只需5微秒时间，而同样操作在24个GPU上，需150微秒时间，相对于GPU，这是数量级改进。

这两个网络表现如何？我们将要看到结果，都是在多芯片GPU和Dojo系统上进行测算的，但都归一化为单个芯片数值。

在我们自动标注网络上，当前硬件上运行上一代VRMS软件，已能够超越英伟达A100性能；在我们生产硬件上运行我们较新VRMS软件，能达到A100吞吐量2倍。我们模型显示，通过一些关键编译器优化，我们可以达到A100的3倍以上性能。

我们在“占用网络”上看到更大飞跃，使用我们生产硬件，几乎达到3倍性能提升，而且还有更大提升空间。

以前需要1个多月进行训练网络，现在只需不到一周时间。我们从硬件设计开始，突破传统整合界限，服务于我们单一巨型加速器愿景。我们已经看到，应该如何在这个硬件上搭建编译器。

通过这些复杂的现实世界网络，Dojo性能得到证明。我们也知道，我们第一次大规模部署的目标应该是什么，即我们高计算强度的自动标注网络。

今天这些网络使用72个GPU机架上的4,000个GPU。凭借我们密集算力与高性能，希望只用4个Dojo机柜，就能提供同样计算吞吐量。这4个Dojo机柜将成为第一个ExaPOD的一部分，我们计划将于2023年Q1部署，它是特斯拉现有自动标注能力的2倍多。

第一个ExaPOD，是我们计划在美国加州帕罗奥图建造的7个ExaPOD的一部分，就在这面墙对面。我们有其中1个ExaPOD展示柜，供大家观看。

结束语

马斯克：我们真心想要展示特斯拉技术的深度与广度，与AI、计算硬件、机器人、驱动器等。

我们努力改变人们对于特斯拉公司看法。很多人认为，我们只是家汽车公司，我们只生产很酷的汽车。大多数人不知道，特斯拉可以说是全球AI、硬件、软件领导者。

我们正在建造可以说是第一个、自Cray-1超级计算机（1976~1982年世界上最快的超级计算机）以来、可能是最激进的计算机架构。

如果你致力开发世界上最先进技术，真正以积极方式影响世界，加入特斯拉就对了。

特斯拉2022 AI日现场问答纪要

字数：10,990字

来源：瓦砾村夫

特斯拉2022 AI日上，马斯克带领特斯拉团队，介绍擎天柱Optimus原型机、完全自动驾驶系统FSD、超算平台Dojo后，回答现场观众提出的23组问题。

马斯克：希望我们讲述足够细节，现在接受提问。

Q1：擎天柱Optimus给我留下深刻印象，我想知道为什么手部采用绳驱方式？为什么你们为手部选择绳驱方式？因为机械腱不是很耐用。还有为什么要用弹簧加载模型？

Mike：这是个好问题。当评估任何种类驱动方案时，不管是绳驱系统，还是基于连杆系统，都要有所取舍。

我们选择绳驱系统主要原因是，首先我们调查一些合成肌腱，发现金属船用电缆的强度要高得多。这些电缆优点之一，是它能很好减小能量消耗。

我们想要生产大量手部，进行量产时，很多零部件，很多小的连杆装置，最终会成为一个问题。绳驱比连杆更优的一个重要原因，是可以实现消隙。消隙本质是，让你的手指在运动时不会滞后。

弹簧加载模型带来的主要好处，是允许我们主动张开手部。我们不需要使用两个驱动器来驱动手指关闭与张开，我们有能力让机械腱驱动它们关闭，然后弹簧被动伸长。

这点在我们手上也可以看到，我们有能力主动弯曲手指，也有能力伸展手指。

马斯克：我们设计擎天柱Optimus目的，是尽快实现发挥最大作用的机器人。

有很多方法来解决人形机器人各种问题，我们可能并没有在所有技术方案上，都找到正确答案。我应该说，对于你们看到的这些技术方案随时间演变，我们持开放态度，它们并不是一成不变。

但我们必须要做出选择，我们想选择某种能让我们尽快实现生产的方案，如我所说，可尽快让它发挥作用。我们努力遵循目标，是以最快速度生产有用机器人，并可以量产。

我们将在特斯拉工厂里对这个机器人进行内部测试，看它有多大作用。我们需要在现实中完成闭环，以确保机器人有用。

我们有信心用目前设计的手部，来完成这个目标，但可以肯定的是，手部设计会有第2版、第3版，随着时间推移，我们可能会对机器人结构，进行相当大改变。

Q2：擎天柱Optimus机器人的确令人印象深刻，双足机器人的确很难。但我注意到，你们计划中可能缺少对人类精神价值承认。我想知道，擎天柱Optimus是否会有个性，并能在帮我们折衣服时，被我们笑话逗笑？

马斯克：我们希望能有真正有趣的擎天柱Optimus版本。擎天柱Optimus，既可以是功利性，可以完成任务，也可以像朋友、伙伴，与你一起玩耍。

我相信，人们会想出这个机器人各种创造性用途。一旦解决核心的智能与驱动器问题，你就可以给机器人穿上各种马甲，可以用不同方式给机器人更换皮肤。

我相信人们会想出擎天柱Optimus各种不同有趣版本。

Q3：我想知道对于擎天柱Optimus，有没有等同于人工干预的行为。似乎，对于人类与机器有不同判断的时刻，进行标注很重要，对于人形机器人而言，这可能也是理想的信息来源？

Ashok：我认为我们会有多种方法远程操控机器人，在它出错时进行干预，特别是当我们在训练机器人时。

我们希望能以某种方式将它设计成这样，如果它要撞到什么东西，我们就可以按个按钮，它就会停下来，而不会压碎你手或其他东西，这些都是干预数据。

我们也可从我们仿真系统学到很多东西，可以检查碰撞并监督那些不好行为。

马斯克：我们希望随着时间推移，擎天柱Optimus能成为科幻电影中机器人，就像《星际迷航：下一代》，就像Data（《星际迷航》系列电影中人形机器人角色）那样。

我们可以给机器人编程，让它不那么像机器人，让它更友好。它可以学习模仿人类，并且表现的非常自然。随着AI普遍进步，我们可以将这个功能添加给机器人。

它显然应该能够执行简单指令，甚至可以凭直觉知道，你想要什么。你可以给它高等级指令，它能把指令分解成一系列行为，并加以执行。

Q4：围绕擎天柱Optimus，你们认为，你们可以实现几个数量级的改进与经济产出，这真的很令人激动。当特斯拉成立时，使命是加速可再生能源或可持续交通发展。对于擎天柱Optimus，你们是否认为其使命仍然符合特斯拉使命宣言，还是需要将使命更新为“加速无限富足或无限经济出现”？

马斯克：严格来说，擎天柱Optimus不直接与加速可持续能源发展相一致。

但它能以比人更高的效率完成工作，我想它确实有助于可持续能源发展。我认为随着擎天柱Optimus出现，特斯拉使命范围的确已经扩大为，让未来变得更美好。

看擎天柱Optimus，我不知道你们怎么想，但我很激动想要看到擎天柱Optimus未来的样子。

你可以判断下，对于任何一项技术，你想要看看它在1年、2年、3年、5年、10年后是什么样？我想说，你肯定想看擎天柱Optimus未来是什么样。

其他不少技术已进入停滞期。我不想在这里指名道姓，但我认为，擎天柱Optimus在5年、10年后将变得非常神奇，令人震惊。我真的很想看到这种情况发生，我希望你也是。

Q5：我想知道，你们是否有计划扩展机器人对话能力？第2个问题是，擎天柱Optimus终极目标是什么？

马斯克：擎天柱Optimus肯定会有对话能力，你可以与它对话，对话感觉会很自然。

从终极目标角度看，我不知道，我想它会不断发展。我不确定结局会怎样，但一定很有趣。

我们必须始终小心，不能走上终结者这条路。我原本想，也许我们应该以终结者踩碎头骨的视频开场，但人们可能会对此过于认真。

《终结者2》中终结者踩碎头骨出场的经典场面

我们确实希望擎天柱Optimus是安全的，我们设计一些保障措施，你可以通过本地一个无法通过网络更新的只读存储器，让机器人停止工作。我认为这很重要，坦率说，很有必要。就像一个本地停止按钮，没法通过远程控制之类的手段进行更改。

但它肯定会很有趣，不会无聊。

Q6：你们围绕Dojo与其应用，展示非常有吸引力产品。我想Dojo平台未来是什么？你们是否会像亚马逊AWS那样，提供基础设施与服务？还是会像英伟达那样销售芯片？Dojo未来计划是什么？我看到你们用7纳米技术，开发成本很容易就超过1,000万美元，你们商业模式什么样？

马斯克：Dojo是台非常大的计算机，会使用大量电力，需要大量冷却装置。我认为未来让Dojo以亚马逊AWS方式运作可能更合理，而不是卖机器。

运营Dojo最有效方式，就是让它成为可以在线使用的服务。通过它，你可以更快、更省钱的训练模型。

当世界向软件2.0过渡时，软件2.0将使用大量神经网络进行训练。随着时间推移，这是合理的，因为会有更多神经网络，人们会希望使用最快、更便宜的神经网络训练系统。我认为，在这个方向上会有很多机会。

Q7：对人形机器人能够理解情感与艺术，并能为创造力做出贡献，你们有什么看法？

马斯克：我认为，你已经看到，机器人至少能够生成非常有趣的艺术，如DALL·E与DALL·E2（DALL·E与DALL·E2是OpenAI开发的人工智能系统，可通过自然语言描述，自动创作真实图片与艺术）。

我认为，我们将开始看到AI甚至可以创作电影，有连贯性、有趣的电影，并能够讲笑话。

特斯拉以外很多公司，AI发展速度都很惊人，我们正走向非常有趣的未来。

Ashok：擎天柱Optimus机器人可以创造实体艺术，而不仅是数字艺术。你可以用文字或语音要求它做些舞蹈动作，它未来能创作这些动作。这更像是实体艺术，而不仅是数字艺术。

马斯克：是的，计算机绝对可以制作实体艺术。

Ashok：就像跳舞、踢足球，或其他什么，它需要变得更加灵活。随着时间推移，肯定能做到。

Q8：关于特斯拉自动驾驶系统介绍，我注意到你们所用的模型深受语言模型启发。我想知道，作出这个选择的历史是什么，与它带来多少改进？我之前认为，在车道转换中使用语言模型，这是非常有趣的选择。

John：我们过渡到语言模型，有两方面原因。

第一，它能让我们以其他方法做不到的程度进行车道预测。正如Ashok之前提到，当我们以密集的三维方式预测车道时，你只能对某些类型车道进行建模，但我们想要得到交叉路口纵横交错的道路连接。如果不把这个任务变成一个图预测，就不可能做到这一点。如果你想用密集分割的方式来完成任务，这不能成功。

第二，车道预测也是多模态问题，有时你没有足够视觉信息，来准确知道路口另一侧情况，因此需要能够进行归纳并生成连贯性预测的方法。你不希望同时预测两条或三条车道，你希望只预测一条，而生成模型，比如这些语言模型，就能做到这一点。

Q9：对于神经网络，你们如何进行软件单元测试？你们是不是有大量、成千上万用例，在训练完神经网络后，必须先通过这些用例测试，才能作为产品发布？你们软件单元测试的策略是什么？

Ashok：我们定义一系列测试，从针对软件本身的单元测试开始，对于神经网络模型，我们定义测试集。

如果你只有一个大型测试集，我们发现这不够。我们需要复杂、针对不同模式的测试集，然后我们对它们进行整理，并在产品使用过程中扩展这个集合。

多年来，我们整理过的曾经失败的用例，以几十万计。对任何新模型，我们都要针对这些失败历史进行测试，不断给这个测试集增加用例。

在此之上，我们还有影子模式，我们悄悄把这些模型发布到汽车上，我们收回它们何时失败或成功数据。

我们还有广泛测试流程，推送给客户前，要经过9层过滤，我们有很好的基础架构使这一切变得高效。

马斯克：我是测试人员之一，我进行汽车实测。我一直都在车上测试最新内测版本，看它会不会撞车。

Q10：我看到这些大的模型，当扩展数据与模型参数时，实际上都可以进行推理。你们是否认为，本质上需要用数据与规模扩展基础模型，这样至少可以得到“教师模型”，可能可以解决所有问题，然后就可以提炼出一系列“学生模型“。你们是这样看待基础模型的吗？

Ashok：这与我们自动标注模型很相似。我们不仅只在汽车上运行模型，我们训练完全离线，非常庞大的模型，它们没法实时在车上运行。我们只是在服务器上离线运行这些模型，生成非常好的标注数据，然后可用这些数据训练线上网络。这就是这些“教师模型”、“学生模型”的提炼形式。

就基础模型而言，我们正在建立非常非常庞大的数据集，容量高达数PB级。我们看到，当我们拥有这些大型数据集时，其中一些任务的运行效果非常好，如我提到的运动参数，输入视频、输出所有物体的运动参数等。

人们曾经认为我们没法用摄像头完成检测，检测深度、速度、加速度等。想象一下，为使这些高阶导数准确，预测必须多么精准。这一切都来自这些大型数据集与大型模型。我们把基础模型，看作是表达几何与运动参数的方式。

John：基本上，只要我们基于大数据集进行训练，就会看到模型性能会有很大提升。只要我们以某个其他辅助任务的某个预训练步骤，初始化我们网络，都能看到改进。自监督或监督的大数据集，都有很大帮助。

Q11：埃隆说特斯拉有可能有兴趣建立通用人工智能AGI系统。鉴于这类技术可能产生的变革性影响，投资于通用人工智能AGI的安全技术，似乎是谨慎举动。我知道特斯拉做了很多技术上狭义的AI安全性研究，我想知道特斯拉是否打算或尝试布局通用人工智能AGI安全技术领域？

马斯克：如果说，我们将对通用人工智能AGI做出重大贡献，那么肯定会在安全方面进行投资。

我非常看重AI安全性，我认为在政府层面应该有AI监管机构，就像任何影响公共安全的都有监管机构。对飞机、汽车、食品、药品，我们都有监管机构，因为它们影响公共安全，而AI也会影响到公共安全。

我认为，政府还没有真正理解这一点，但我认为应该有裁判员来确保或试图确保通用人工智能AGI的公共安全。

你可以想一想，创造通用人工智能AGI所需要素是什么？可访问数据集极其重要。如果你有大量汽车与人形机器人，就像人类一样处理来自现实世界的PB级视频音频数据，这可能就是最大的数据集。

除此之外，你显然可以增量式扫描互联网，但互联网无法做到，在现实世界中拥有数以百万计、甚至数以亿计摄像机，还有音频与其他传感器。

我认为，我们可能会有最多数据，也可能会有最大训练算力。因此我们可能会对通用人工智能AGI做出贡献。

Q12：我们没有谈及电动卡车Semi，我想知道，从感知角度看，你们正在考虑Semi哪些改变？与汽车相比，需求显然非常不一样。如果你们不这么认为的话，原因是什么？

特斯拉电动卡车Semi出现在AI日现场，但未被具体谈到

马斯克：我认为，不管驾驶什么车辆，需要的是什么？需要的是，生物神经网络与眼睛，基本上就是摄像头。而你主要传感器，就是安装在慢速万向节上的两个摄像头，很慢的万向节，那就是你的头。

如果一个生物神经网络加上慢速万向节上两个摄像头，可以驾驶Semi卡车，那么如果你有8个360度环顾视觉的摄像头，以更高帧率与更快反应速度运行，我想很明显，你应该能比人类更好驾驶Semi或任何车辆。

Q13：假设擎天柱Optimus将被用于不同场景，并针对这些场景以不同速度演变，是不是有可能为其独立开发与部署不同软硬件组件，并将它们部署在擎天柱Optimus上？这样总体来说，擎天柱Optimus未来发展会更快？

马斯克：我们没理解。不幸的是，我们神经网络没能理解这个问题。

Q14：我想问自动驾驶系统，你们打算什么时候把FSD beta版推广到美国与加拿大以外国家？你们认为，目前自动驾驶系统技术栈中，最大瓶颈或障碍是什么？你们将计划如何解决问题，让自动驾驶系统能在性能、安全保证、人类使用信心方面，超越人类驾驶？我记得你们也提到计划在FSD V11中，把高速公路与城市合并为统一技术栈，并作出一些架构上改进，可以具体解释一下吗？

马斯克：从技术角度看，2022年底前应该可在全球范围内推出FSD Beta版，但对很多国家而言，我们需要得到监管部门批准。在某种程度上，我们受其他国家监管批准限制。我认为从技术角度看，2022年底前可准备好在全球范围内推出Beta版。

我们预计2022年10月将有重大改进，它将能特别擅长评估快速移动的交通车辆速度，还有其他改进。

John：过去量产版本自动驾驶系统与FSD Beta版间，存在很多差异，随着时间推移，这些差异越来越小。我记得几个月前，所有FSD Beta版与量产版自动驾驶系统，都使用相同纯视觉物体检测技术栈。

目前两者仍然存在一些差异，最主要的是我们预测车道方式。我们升级车道模型，就像我在演讲中提到，这样它就可以处理更复杂几何形状。量产版自动驾驶系统中，我们仍然使用较简单车道模型。

我们正在扩展目前FSD Beta模型，让它能处理所有高速公路场景。

马斯克：我驾驶特斯拉汽车，使用FSD Beta版，事实上拥有统一技术栈，它在城市街道与高速公路上都使用FSD技术栈，对我来说，表现很好。

我们需要在各种天气状况下进行验证，如大雨、雪、灰尘，确保它在各种环境下，都能比量产版本技术栈表现更好。

我们已很接近这个目标，我们肯定会在2022年底之前准备好，也可能是2022年11月。

Paul：基于我个人驾驶体验，高速公路FSD技术栈已远超量产版技术栈。我们希望2022年底前，把停车技术栈也包括在FSD技术栈中。基本上，2022年底前，你坐在停车场的车里，车子会开到停车场尽头的一个车位上。

马斯克：需要优化的基本指标是，车辆能在必要的干预前，行驶多少里程。大幅提高车辆在干预前，完全自动驾驶行驶的里程数，这对安全至关重要。这是我们每周测量的基本指标，我们在这方面作出巨大改进。

Q15：我很好奇，如果你回到20多岁，你希望那时的自己懂得些什么，你会给年轻的自己什么建议？

马斯克：我正在努力想一些有用的话说……是的，加入特斯拉是其中一件事。

我想，努力让自己接触尽可能多牛人。读很多书，我就是这么做的。

我认为，不一定需要太卷，这样做有一些好处。对于20岁的我来说，要更多享受当下，偶尔停下来闻闻花香，这可能是个好主意。

例如，我们在开发猎鹰1号火箭时，我们在夸贾林环礁（西太平洋马绍尔群岛最大岛屿）这个美丽小岛上开发火箭。那整段时间里，我甚至没有在海滩上喝过一次酒。我会说，我应该可以在海滩上喝上一杯，那也不会有什么问题。

位于夸贾林环礁临时发射场内准备试射的猎鹰1号

Q16：你们用擎天柱Optimus让所有机器人行业从业者都感到激动。这感觉很像10年前自动驾驶技术，但自动驾驶已经被证明比10年前看起来难度高得多。有什么是我们10年前不懂但现在懂了、可以让人形机器人更快到来的？

马斯克：在我看来，通用人工智能AGI正在快速发展，几乎每周都不缺少重要进展。

目前AI似乎能在几乎所有基于规则的游戏中获胜，能创作令人印象深刻的艺术，参与非常复杂的对话，撰写文章等。这些都在不断进步，还有这么多有才华的人在研究AI，硬件也越来越好。

不仅是我们在特斯拉的工作，AI正处于强劲指数型发展曲线上，很明显，我们会从中受益。

特斯拉恰好非常擅长于驱动器、电机、变速箱、控制器、电力电子设备、电池、传感器。

如我所说，四个轮子上的机器人与有手脚的机器人间，最大区别是正确解决驱动器问题。这是关于驱动器与传感器的问题，关于如何控制这些驱动器与传感器。你必须具备生产一款有竞争力的机器人所需的各类要素，而我们正在这么做。

Q17：特斯拉与你正在将人类带往新的水平。你说擎天柱Optimus将被用于下一家特斯拉工厂，我问题是，新的特斯拉工厂是不是完全会由擎天柱Optimus进行管理？什么时候人们可以订购人形机器人？

马斯克：是的，我想开始时，我们会让擎天柱Optimus在工厂里执行非常简单任务，如装载零件。就像你在视频中看到，把零件从一个地方搬运到另一个地方，或把零件装载到我们更传统的车身焊接机器人单元中。

我们一开始会尝试研究，如何让它发挥作用，然后逐步扩大它使用范围。我认为，擎天柱Optimus使用场景会指数级增长，会非常快。

至于人们什么时候可以订购，我不知道，我认为并不遥远。我想你是指，人们什么时候能收到机器人。我不知道，我会说可能3年，不超过5年，3~5年内你可能会收到擎天柱Optimus。

Q18：我认为，推动通用人工智能AGI进展的最好方法，是让全世界尽可能多的聪明人参与进来。与机器人公司相比，考虑到特斯拉规模与资源，考虑到目前人形机器人研究现状，特斯拉将一些仿真硬件部分开源出来，不是很合理吗？我认为，特斯拉可以成为主导的平台提供方，成为整个人形机器人研究领域的安卓或iOS系统，而不是仅限于让特斯拉研究人员或自家工厂研发擎天柱Optimus，可以开放擎天柱Optimus，让整个世界探索人形机器人的研究。

马斯克：我认为，我们必须小心擎天柱Optimus有可能以不好的方式被使用，这有可能发生。你可以向擎天柱Optimus发出指令，但这些指令是由一些你不能违反的机器人法规所制约，不能对别人造成伤害。我认为，擎天柱Optimus可能会带来一些安全方面讨论。

Q19：对擎天柱Optimus而言，当前与理想的控制器带宽是多少？这个活动是为公司的深度与广度所做的有力广告。特斯拉有何独特之处，可以做到这一点？

David：对于带宽问题，你必须了解或弄清楚你想完成任务是什么。如果你接受一个频率转换任务，你希望你的肢体做些什么？那就是你的带宽来源。这不是一个你可以直接说的具体数字，你需要了解你的用例，而那就是带宽的来源。

马斯克：关于带宽问题，我认为我们可能最终会增加带宽，效果等价于提升机器人灵活性与反应时间。你可以保存机器人状态，并不是以1赫兹速度，但也不需要提升到100赫兹水平。不知道具体是多少，也许是10赫兹或25赫兹。

随着时间推移，我认为带宽会大幅增加，或等价于灵活性提升、延迟降低。我们希望随着时间推移，能最小化延迟，最大化灵活性。

我们目前已是一家相当大公司，我们有很多领域专业技术需要发展，以研发电动汽车、自动驾驶技术。基本上，特斯拉是若干家初创公司的组合，目前为止它们几乎都很成功，所以我们一定是做对了什么。

我认为，管理公司核心责任之一，是提供一个环境，让伟大的工程师充分成长。我认为，在很多公司，也许大多数公司，如果某人是一个真正有才华的工程师，他们的才华在很多公司都被压制。

在某些公司，人才被压制的方式，也许看起来并不那么糟糕，因为看起来工作挺舒适，你的工资很高，但你需要实现的产出却如此低，这就像"甜蜜陷阱"。

在硅谷，有一些“甜蜜陷阱”存在。对于工程师来说，它们看起来不像是坏选择，但你得说，一位好工程师加入，他们实现什么产出？这些工程人才的产出似乎很低，即使他们看起来过的很开心。这就是为什么我说，硅谷有一些“甜蜜陷阱”公司。

特斯拉不是一个“甜蜜陷阱”，我们要求很高，你需要完成大量工作，而那些工作都很酷，都很不简单。但如果你是一位超级有才华的工程师，你的才能会比在其他地方得到更充分发挥。

SpaceX也是如此。

Q20：第一个问题，过去几年里，我一直在关注你们进展。今天你们在车道检测方面做一些改变。你们说，之前你们采用的是即时语义分割，现在为了创建车道信息，你们已经建立转移模型。你们现在还面临哪些共同挑战？例如，作为好奇的工程师，你们未来要解决什么问题，我们作为研究者就可以开始研究这些问题。

第二个问题，我对数据引擎很感兴趣。你们展示一个案例，汽车停止行驶。你们是如何从拥有的数据中，找到与此非常相似的例子？如果能展开介绍下数据引擎，就太好了。

Phil：我先回答第一个问题。拿“占用网络”为例，你在演讲中看到内容，1年前还不存在。我们只花1年时间，就发布超过12个“占用网络”模型。

为实现一个基础模型，来表达所有场所、所有天气条件下的整个物理世界，非常具有挑战性。

就在1年多以前，我们只在二维世界里行驶，我们是用同样静态边，表示墙与路缘，这显然不理想。墙与路缘间有很大区别，当你开车时，你会做出不同选择。

我们意识到，我们必须转为三维表达后，我们不得不重新思考整个问题，考虑如何加以解决。这是过去1年，我们必须克服的挑战中一个例子。

Kate：回到你第二个问题，我们实际上如何获取棘手的停驶车辆例子，有几个方法可以解决，举两个例子。

第一，我们可以触发分歧信号。那个表示停车的比特位，会在停车与行驶状态间闪烁，而这会触发数据回传。

第二，我们可以更好利用阴影模式的逻辑。如果客户无视某辆车，但我们认为应该因此而停车，我们也会回传这个数据。

这些都是不同的触发逻辑，让我们能够回传，并得到这些数据。

Q21：有很多公司都在关注通用人工智能AGI问题，这是很难问题。原因之一是，这个问题本身就很难定义，不同公司有不同定义，他们专注视角也不一样。特斯拉是如何定义通用人工智能AGI问题？你们具体关注是什么？

马斯克：我们实际上并没有特别关注通用人工智能AGI问题。我只是说，通用人工智能AGI似乎很可能是我们正在做的事情的新兴属性。

我们正在创建所有这些自动驾驶汽车与人形机器人，它们身处巨大数据流中，数据流入，经过处理，这是迄今为止数量最大的现实世界数据集。

这些数据，你不能仅通过搜索互联网获得，你必须走入外面世界，与人互动，与道路互动。地球是一个巨大地方，现实混乱复杂。

我认为，这似乎是一个新兴属性。如果你有几千万或几亿辆自动驾驶汽车，甚至相当数量的人形机器人，也许人形机器人数量更多，那么这就是数量最大的数据集。

这些视频经过处理，很有可能，汽车肯定会比人类司机出色得多，人形机器人将可能变得越来越难以与人类区分。

如我所说，你有通用人工智能AGI的新兴属性。可以说，全人类整体来说也是超级智能，特别是当我们提升人类之间的数据交互速率。

类似事情似乎在很早之前就发生过，互联网就像人类获得的神经系统。突然间，通过连接到互联网，人类任何一份子都可以掌握所有知识，几乎所有知识，至少其中很大一部分。

以前，我们是通过个体渗透来交换信息。为了传输数据，你必须写信，必须有人负责把信交给另一个人，中间还发生一大堆事情。想想看，这真是太慢。

即使你在国家图书馆，你仍无法获得全世界所有信息，你也肯定无法搜索这些信息。而很明显，没多少人会在国家图书馆。

我是说，其中一个很棒的均衡元素，就获取信息或知识而言，互联网是历史上最大均衡器。我想任何研究历史的学生，都会同意这一点。

1千年前，书很少，也非常昂贵，只有少数人懂得如何阅读，更少的人有书可读。现在你可以立即获得任何书籍，你基本上可免费学习任何知识，这很不可思议。

最近有人问我，我最喜欢身处哪个历史时期？我回答是现在。现在是历史上最有趣时期，我读过很多历史书，让我们尽最大努力保持这种状态。

回到之前一个问题，我回答是，关于特斯拉自动驾驶系统，随着时间推移，神经网络逐渐消化软件越来越多部分。

当然，极限情况下，你可以简单获取汽车所看到的视频，并将其与方向盘、踏板的转向输入进行比较，这些都是非常简单的输入。原则上，你可以直接在这两者间进行训练，因为那就是人类在用生物神经网络所做的事情。

训练视频的是方向盘与踏板移动，中间没有其他软件。我们还没有到达这个程度，但也正在逐渐向这个方向发展。

Q22：这么多人使用FSD，就性能统计而言，你们如何评估公司的风险承受能力？你们是不是认为，需要有更大透明度，或来自第三方监管，以确定什么是足够优秀，并定义基于如此大量里程的表现阈值？

马斯克：特斯拉首要设计要求是安全，对各方面来说都如此。

就汽车机械安全而言，我们是政府测试过的所有汽车中，就被动机械安全而言，导致受伤概率最低的。我们在主动安全方面，也获得最高评级。

未来它将会达到这样程度：安全性高的出奇，甚至比人类优秀的多。

关于自动驾驶系统，我们确实公布了广义上统计数据，根据里程统计特斯拉汽车不开启自动驾驶系统，对比开启FSD Beta版情况。我们看到，一路走来，自动驾驶系统的稳定改进。

有时会有这样矛盾：是不是应该等到汽车比人类安全3倍时，再部署这项技术？

但我认为，在道德上这其实是错误想法。只要你相信，自动驾驶可以减少伤害与死亡，你就有道德上义务来部署它，即使你会被起诉，会被很多人指责。

因为那些被你拯救生命的人，不知道他们生命得到拯救。那些偶尔死去或受伤的人，他们肯定认为，无论如何，都是自动驾驶系统的错。

这就是为什么你必须看总里程数统计，有多少事故发生，有多少事故是严重的，造成多少人死亡。

我们已有超过300万辆汽车在路上，每天行驶总里程数很大。它不会是完美的，但重要的是，它显然比不进行部署更安全。

Q23：我不从事硬件方面工作，也许硬件团队与你们各位可以给我一些启发，为什么擎天柱Optimus设计需要有对称性？因为我们人类有左右撇子，对吧？我们使用某些肌肉频率，高于其他肌肉，随着时间推移，会出现磨损。所以你可能会看到，某些关节故障，或某些执行器故障的发生会更频繁。

随着时间推移，我理解目前还是很早期阶段，作为人类，我们对于超级人类的能力有很多幻想与虚构，我们所有人都不想直接走到那里，我们想要伸长我们手臂，想要所有这些富于幻想的设计。考虑到其他所有因素，就电池与计算强度而言，也许你们可以利用所有这些方面，创建更有趣的机器人。我希望你们能够探索这些方向。

马斯克：我认为，能把神探加杰特（美国动画片《神探加杰特》主角）变成真实的，会很酷，那会很棒。

目前我们只想生产一个基本工作良好的人形机器人。我们目标是以最快速度生产出有用的人形机器人。我想这将使我们立足于现实，确保我们做的是有用的事情。

最困难的事情之一，是要做到有用，然后实现曲线之下的高效用总值。例如，你平均给每个人提供多少帮助，乘以，你一共帮助多少人，得到效用总值。

努力把人们喜欢的有用产品发布给大量的人，极度困难，困难程度难以想象。这就是为什么我说，一家有已发布产品的公司，与一家没有发布产品的公司，有着巨大差异，简直是天壤之别。

即使你发布产品，能不能让产出价值超过投入成本？这也极其困难，特别对于硬件而言。

我认为，随着时间推移，做一些有创意的事会很酷，如配备8条手臂，发布不同版本。也许会有一些硬件公司能为擎天柱Optimus添加一些功能，比如说，可能添加一个电源接口，或类似东西。或者你可以为擎天柱Optimus添加附件，就像给手机添加附件一样。

随着时间推移，可能有很多很酷的事情可以做。可能会有由很多小公司、甚至大公司组成的生态系统，为擎天柱Optimus生产附件。

结束语

马斯克：我想感谢团队辛勤工作，你们都很了不起。感谢大家到来，也感谢线上各位，感谢大家关注。

我认为这将成为很棒的视频，你也可以快进到你认为最有趣的部分。但我们努力为你提供大量细节，这样你可以在闲暇时观看视频。你可以专注于你认为有趣的部分，而跳过其他部分。

感谢大家，我们会努力每年都举行这样活动，我们甚至可能会每月做一次播客，但能让大家参与这一过程，能向各位展示正在发生的很酷事情，这很棒。

“长期主义”栏目每周六、与长假更新，分以下系列：

宏观说：全球各大国政要、商业领袖等

社会说：比尔·盖茨等

成长说：洛克菲勒、卡内基等

科学说：历年诺奖获得者、腾讯科学WE大会等

科技说：马斯克、贝索斯、拉里·佩奇/谢尔盖·布林、扎克伯格、黄仁勋、Vitalik Buterin、Brian Armstrong、Jack Dorsey、孙正义、华为、马化腾、张小龙、张一鸣、王兴等

投资说：巴菲特、芒格、Baillie Gifford、霍华德·马克斯、彼得·蒂尔、马克·安德森、凯瑟琳·伍德等

管理说：任正非、稻盛和夫等

能源说：曾毓群等

汽车说：李想、何小鹏、王传福、魏建军、李书福等

智能说：DeepMind、OpenAI等

元宇宙说：Meta/Facebook、苹果、微软、英伟达、迪士尼、腾讯、字节跳动、Epic Games、Roblox、哔哩哔哩/B站等

星际说：中国国家航天局、NASA、历年国际宇航大会，SpaceX、Starlink、蓝色起源、维珍银河等

消费说：亚马逊、沃尔玛、阿里、京东、拼多多、美团、东方甄选等

每个系列聚焦各领域全球顶尖高手、产业领军人物，搜集整理他们的致股东信、公开演讲/交流、媒体采访等一手信息，一起学习经典，汲取思想养分，做时间的朋友，做长期主义者。

相关研报：

【头号玩家第二季预售】：科技创新带来范式转换，拓展无尽新边疆

九宇资本赵宇杰：1.5万字头号玩家年度思考集，科技创新，无尽前沿

九宇资本赵宇杰：1.5万字智能电动汽车年度思考集，软件定义，重塑一切

【重磅】前沿周报：拥抱科技，洞见未来，70期合集打包送上

【重磅】六合年度报告全库会员正式上线，5年多研究成果系统性交付

【智能电动汽车专题预售】百年汽车产业加速变革，智能电动汽车时代大幕开启

【头号玩家第一季预售】：科技巨头探索未来，头号玩家梯队式崛起

【首份付费报告+年度会员】直播电商14万字深度报告：万亿级GMV风口下，巨头混战与合纵连横

【重磅】科技体育系列报告合集上线，“科技+体育”深度融合，全方位变革体育运动

【重磅】365家明星公司，近600篇报告，六合君4年多研究成果全景呈现

九宇资本赵宇杰：CES见闻录，开个脑洞，超级科技巨头将接管一切

【万字长文】九宇资本赵宇杰：5G开启新周期，进入在线世界的大航海时代｜GBAT 2019 大湾区5G峰会

九宇资本赵宇杰：抓住电子烟这一巨大的趋势红利，抓住产业变革中的变与不变

【IPO观察】第一季：中芯国际、寒武纪、思摩尔、泡泡玛特、安克创新等11家深度研报合集

【IPO观察】第二季：理想、小鹏、贝壳、蚂蚁、Snowflake、Palantir等12家公司深度研报合集

【IPO观察】第三季：Coinbase、Roblox、快手、雾芯科技等12家公司深度研报合集

【重磅】年度观察2019系列合集：历时3个多月，超20万字近500页，复盘过去，展望未来，洞悉变与不变

【珍藏版】六合宝典：300家明星公司全景扫描，历时3年，210万字超5,000页，重磅推荐

九宇资本赵宇杰：对智能电动汽车产业的碎片化思考

九宇资本赵宇杰：九宫格分析法，语数外教育培训领域的道与术

【2022回乡见闻录】20位90、00后2万字，4国13地，全方位展现国内外疫情防疫、春节氛围、发展现状差异

【2021回乡见闻录】22位90后2万字，就地过年与返乡过年碰撞，展现真实、立体、变革的中国

【2020回乡见闻录】20位90后2万字，特殊的春节，时代的集体记忆

【重磅】22位“90后”2万字回乡见闻录，讲述他们眼中的中国县城、乡镇、农村

六合君3周岁生日，TOP 60篇经典研报重磅推荐

下午茶，互联网世界的三国杀

5G助推AR开启新产业周期，AR眼镜开启专用AR终端时代

新商业基础设施持续丰富完善，赋能新品牌、新模式、新产品崛起，打造新型多元生活方式

【重磅】中国新经济龙头，赴港赴美上市报告合辑20篇

知识服务+付费+音频，开启内容生产新的产业级机遇，知识经济10年千亿级市场规模可期

从APP Store畅销榜4年更替，看内容付费崛起

新三板，我们有个九宇会家族

新三板破万思考：新三板日交易量10年100倍？

九宇资本赵宇杰：科技改变消费，让生活更美好｜2017 GNEC 新经济新消费峰会

九宇资本赵宇杰：创业时代的时间法则，开发用户平行时间｜2016 GNEC 新经济新智能峰会

九宇资本赵宇杰：互联网引领新经济，内容创业连接新生态｜2016 GNEC 新经济新营销峰会

请务必阅读免责声明与风险提示