特斯拉AI DAY：機器人只賣10多萬，FSD推送16萬車主測試

「特斯拉機器人未來售價20000美元（摺合14萬元人民幣），遠低於特斯拉汽車售價」。

「有了特斯拉機器人就可以消滅貧窮，人類可以自由選擇自己的職業。」

這是今年特斯拉AI DAY上，馬斯克在拿出人形機器人的同時，向外界描述了一幅人類與機器人和諧共存的未來美好世界。

FSD全自動駕駛，以及特斯拉自研超算Dojo的最新進展，是今年AI DAY的另外兩大主題。

當然，這屆AI DAY依然不改往日「招聘大會」的屬性，馬斯克的招賢令從開頭貫穿結尾。

總之，特斯拉這一年在AI領域的所有乾貨和未填的坑，都在AI DAY上全方位被展現。

賽博汽車帶你一文看盡。

01

人形機器人走出PPT

上一屆AI DAY作為壓軸出場的特斯拉機器人Tesla Bot，在今年率先亮相，就是下面這位：

啊不對，上面的是驗證機，下面這位才是正主，Tesla Bot一代：

這次亮相的原型機，已經和PPT上的機器人有幾分相似，只是在軀幹的設計上，顯得更加有機械感。

同時也能看出，此次展出的Tesla Bot原型機，已經有了自主移動的能力，四肢的靈活性也不錯，做個簡單的舞蹈動作還是可以保證的：

當然，如果只是簡單活動一下就太不馬斯克了，這次AI DAY，Tesla Bot更多更詳細的技術參數同時公布：

首先是體重，Tesla Bot一代原型機體重為73公斤，較原官方數據增加17公斤。

身體靈活性數據也不錯，Tesla Bot全身的自由度可以超過200，手掌自由度可以達到27。

馬斯克表示，現在展出的機器人已經可以實現自主移動、操作工具的能力，並且做一些簡單重複的工作，同時手掌還能承載20磅（約9公斤）的重物。

身體布局上，四肢部分集中了Tesla Bot絕大部分執行器。動力電池系統則被布局在軀幹，搭載一塊2.3kWh的電池包，名義上電壓輸出52V。

計算硬體同樣位於軀幹部分，Tesla Bot搭載一顆特斯拉車型同款的FSD晶元，支持Wi-Fi和4G（LTE)網路傳輸。

另外，Tesla Bot也同時嵌入了特斯拉在自動駕駛方面的技術，包括FSD自動駕駛系統的軟體演算法和純視覺方案。

除了上述的參數，Tesla Bot背後更多的研發過程和技術參數也有所披露：

安全性能方面，Tesla Bot應用了特斯拉汽車撞擊實驗的部分技術，保證機器人在跌倒或受到撞擊時不會有大的損傷（電池包就在胸部，一個撲街機器人自燃了可不太好）。

同時，考慮到Tesla Bot自身的體重和用途，關節處的靈活性和承壓能力也需要被考慮到。在這方面，Tesla Bot的關節設計參考了人類骨骼組織。

為了保證全身28個關節執行器在不同狀態下的承壓和靈活性，同時兼顧效率和能耗，特斯拉通過點雲方式進行模擬，設計出6種扭矩輸出不同的執行器來承擔移動任務。

軟體細節上，特斯拉主要強調了以下幾個部分：

首先，作為一款人形機器人，需要面對物理世界的各種風險，因此特斯拉官方強調Tesla Bot需要有物理層面的自主意識，比如對自己的軀幹身體和現實世界的理解。

其次，是動態穩定性，特斯拉通過大量的模擬訓練，實現行走平衡和路徑規劃，加上導航系統之後，Tesla Bot就可以自主移動工作，甚至可以自己找充電站補能。

最後，Tesla Bot的動作細節擬人化，特斯拉通過對人體動作進行捕捉後進行可視化處理，對軀幹的位置進行分析後，映射到Tesla Bot身上。

說完Tesla Bot的技術細節，再來嘗嘗馬斯克畫的大餅（我敬馬斯克為畫餅第一人）。

馬斯克表示，Tesla Bot初期會比較貴，但隨著產量的提升，價格也會大幅下降，預計未來可以達到百萬級的產量。最終，Tesla Bot會比特斯拉電動車的售價更低，預計可以達到20000美元一台（摺合人民幣約14萬元）。

怎麼樣，20000美元一台機器人心動不？買不了吃虧買不了上當呀~

同時馬斯克還表示，有了機器人之後，經濟形勢會更好，消除貧窮。因為機器人可以代替廉價的重複勞動，未來的人們就可以自主選擇喜歡的工作。

這畫面，是不是有點熟悉的味兒了？

但是！先別急，馬斯克描述的畫面，和大部分技術細節，包括導航、靈活性等等，還需要大量的細化。

至於到底啥時候能實現，特斯拉官方表示，可能幾個星期，可能是一年，也可能是幾年……

是的，馬斯克又雙叒挖坑了，Tesla Bot，終究擺脫不了和FSD一樣的命運。

不過這裡還是可以期待一下，畢竟馬斯克的大部分承諾，都是以「雖遲但到」的形式出現的。（這裡可以加一個狗頭）

02

FSD依舊難去Beta

FSD的這一部分，沒有太多驚喜。量產版FSD依舊遙遙無期，預想的Beta v11版本也沒有到來。

不過從技術介紹來看，特斯拉已經開始專門針對長尾問題（Corner Case）下手了，自動駕駛團隊詳細解讀了技術棧，好像在說，你看，自動駕駛這麼難實現，也不能怪我總跳票。

通過這場AI Day分享可以看到，特斯拉已經搭建起了一個支撐FSD快速成長的自動駕駛技術棧。

2021年，有2000位特斯拉車主參與了FSD Beta測試，到2022年參與測試的車主已經達到了16萬。

2022年對於特斯拉自動駕駛團隊是非常卷的一年，全年進行了75778個神經網路模型訓練，其中有281個模型對於FSD Beta進行了有效的性能改善。

這場分享，特斯拉主要圍繞決策規劃、神經網路訓練（空間佔用、車道&物體檢測），數據訓練（自動標註、模擬、數據引擎）等方面的提升進行介紹。

每一個自動駕駛決策的背後，都是基於諸多因素的平衡。規劃選擇是激進，還是保守，涉及到車輛本身的情況，也涉及到其他交通參與要素，這其中包含了非常多的「關係」處理，不同的物體指標也存在非常多的不同狀態，包括速度、加速度、靜態等，需要大量的邊緣計算支持。

而隨著交通關係量的增加，計算量就會越來越大。一組交互關係過程中，要考慮到所有交互指標，計算出最可靠的方案，形成一個決策樹。

目前，FSD已經能夠將每個操作的運行時間縮短到100微秒，但特斯拉認為這遠遠不夠，後續還要將乘坐舒適度的分析、外界干預度因素加入進來。

特斯拉堅持純視覺路線，但並非視覺方案就完美，儘管特斯拉有8顆攝像頭，在實際交通場景中，也總是會存在一定視野盲區。

因此，在FSD的神經網路系統中，引入了空間佔用模型。它以幾何語義為基礎，通過攝像頭校準、減少延遲，分析體積佔用如何佔用，並渲染到向量空間中，以完整的3D方式來表徵現實世界。

此外，複雜的道路結構對於自動駕駛學習來講也是一道障礙，人類駕駛員在現實世界的通行需要車道線做指導，自動駕駛也是一樣。

現實世界道路結構複雜，且有非常多的聯結，這大大的增加了數據處理的難度，特斯拉通過車道檢測網路，將這些問題轉化成計算機能識別的語義。

視覺感知方案往往會產生非常大的數據量，特斯拉開發的數據處理編譯器，正在通過更高效的算力利用、引入加速器、引入CPU、減小寬頻損耗等方式，進行視頻模型訓練，已經實現30%的訓練速度提升。

在數據標註上，特斯拉表示數據質量和標註質量同樣重要，目前正採用人工標註和自動標註結合的模式，實現更細緻的標註方案。

在模擬模擬的場景建設上，特斯拉也有了大幅能力提升，模擬場景生成比以前提升1000倍，邊緣的幾何形狀建模更加精細，且可以快速複製現實環境，充分考慮不同的駕駛場景。

03

特斯拉為什麼做超算

「經常有人說，特斯拉作為一家自動駕駛公司，為什麼要發展超算？」

此次AI日，特斯拉給出了答案：從本質來說，特斯拉是一家硬核科技公司。

「提出這個問題，就是對特斯拉不夠了解，不知道我們要做什麼。在特斯拉，我們做很多科學與工程相關的事情，因此有很多基礎的數據工作，包括推理、神經網路等，當然也包括超算。」

畢竟，算力可以說是訓練的基本糧食。

在最開始設計Dojo超級計算機時，特斯拉希望能夠實現實質性的改進，比如降低自動駕駛訓練延遲。為此，其進行了一系列的研發，包括高效率晶元D1等。

D1晶元於去年AI日亮相，是特斯拉自主研發的神經網路訓練晶元，其在645mm²的晶元面積上，搭載了500億個晶體管，熱設計功耗（TDP）為400W，FP32精度下的算力峰值達22.6 TFLOPS。

性能參數優於目前特斯拉超級計算機使用的英偉達A100 Tensor Core GPU。後者晶元面積為826mm²，晶體管數量542億顆，TDP400W，FP32峰值算力是19.5TFLOPS。

而Dojo超級計算機的單個訓練模塊由25個D1晶元組成。據悉，2023年一季度特斯拉將推出Dojo機櫃。屆時，現有基於英偉達A100晶元建成的超算可能會被替換。

未來，來自全球超100萬輛特斯拉的數據將匯聚於Dojo，通過其訓練深度神經網路，以此來幫助特斯拉的Autopilot不斷進化，最終實現以純視覺為基礎的完全自動駕駛（FSD）。

特斯拉方面稱，新的Dojo超級計算機具有人工智慧訓練超高算力的同時，還擁有擴展帶寬、減少延遲、節省成本等優勢。

Dojo團隊宣稱一個訓練模組的機器學習訓練算力，足以達到6個「GPU 計算盒子」，並且成本還不到「一個盒子」的水平。

為了實現這些性能，特斯拉嘗試了不同的封裝技術都失敗了，最後特斯拉放棄了D Ram結構，而是採用S Ram，即嵌入到晶元裡面，雖然容量減少，但利用率明顯提升。

除了架構設計，考慮到虛擬內存、加速器、編譯器等各方面，特斯拉在整個系統設計中，面臨種種選擇，他們也遵循了自己的追求，即「不對Dojo超算設限」。

比如，在訓練方法上，不採用大多數選擇的數據共行模式；在數據中心層面，採用的是縱向整合的結構，對數據中心進行垂直整合。

在此過程中，也遇到了很多挑戰。

特斯拉希望通過增加密度來提高性能表現，這對電力輸送提出了挑戰。「我們需要為計算晶元提供動力、電力，這會面臨限制。同時由於整體設計是高度集合，因此需要實現多層垂直電源解決方案。」

基於上述兩點，特斯拉構建快速迭代，最終通過設計和堆棧，使得CTE（熱膨脹係數）降幅高達50%。

特斯拉麵臨的另一個挑戰是：如何推動集成的邊界。

目前特斯拉的電力模塊是x、y平面用於高帶寬通信，其他所有東西垂直進行堆疊，這不僅涉及到系統控制器，還要考慮震蕩器時鐘輸出丟失。如何使其不受電源電路影響，達到理想的整合程度？

特斯拉採用的方法是多管齊下。一方面是盡量減少震動，如通過使用軟帽端，即埠使用較軟材料來減少震動；另一方面，對開關頻率進行更新，使其斜正進一步的遠離敏感頻段。

去年AI日上，特斯拉僅僅展現了超算系統的幾個組件，今年其希望在系統層面實現更多進步。其中，系統托盤是實現單一加速器願景的非常關鍵部分，可以整體實現無縫的連接。

此外，硬體方面，特斯拉還利用高速乙太網、本地硬體支持等方式，加速超算性能的達成；軟體方面，特斯拉則稱，代碼運行在編譯器和硬體上，需要確保數據是可以被聯合起來使用的，因此需要反向需要考慮路徑梯度。

而如何判斷Dojo是否成功，與當下相比是否具有優勢？特斯拉稱，看同事是否願意使用。實際上，特斯拉也給出了一些量化標準，如，系統一個月的工作量，Dojo超算不到一周就能完成等。

當然，超高算力意味著巨大能耗。在問答環節，馬斯克也表示，Dojo是巨型計算機，耗能很大，也需要很多的冷卻裝置，所以可能會作為aws這樣的亞馬遜網路，雲服務的方式提供給市場。

馬斯克認為，提供類似於亞馬遜雲AWS 的 Dojo服務更有意義，他將此描述為一款「幫助你用更少的錢，更快地訓練模型的在線服務。」特斯拉機器人只賣10多萬，FSD推送16萬車主測試