刚刚！特斯拉发布史上最快计算机，还有一个神秘机器人，真「钢铁侠」要来了吗？

一场安全事故、一位车主离世，将蔚来乃至整个新能源汽车行业推上了风口浪尖。

作为新能源汽车行业的头部公司，特斯拉也不例外，大量的安全事故让它饱受批评，今年 8 月，美国汽车安全监管机构也对特斯拉的辅助驾驶系统 AutoPilot 开启了安全调查。

不同等级的自动驾驶技术应该如何命名，它的安全性到底如何，特斯拉的自动驾驶技术到底进化到了什么地步。

随着事故继续发酵，人们对于「自动驾驶」的质疑只会越来越多。

在这种情况下举办的特斯拉 AI 日，自然会成为新的话题中心，马斯克在活动上发布了什么，有没有回应相关质疑？

跟我们一起来看。

特斯拉的自研芯片 Dojo 要来了 

特斯拉上新了，这次是一颗自研芯片——Dojo D1。

早前马斯克已经在 Twitter 上多次提到 Dojo，这是特斯拉自研的超级计算机芯片，也是一颗超级 AI 芯片。

与常见的 CPU 或是 GPU 相比，Dojo 舍弃了大量功能模块，加入了更多计算模块，以换取更高的算力和效率，更适合计算类型相对固定、计算精度较低，但计算量十分庞大的 AI 领域。

特别的设计带来了特别的回报，按照特斯拉说法就是「我们在 CPU 大小的身材里实现了 GPU 级别的算力」。

而且，Dojo 的算力还是可以叠加的，这和它的另外一个特性——拼接有关。

不一会特斯拉的工作人员就拿出了一个堪称 Plus++++++++ 版的 Dojo 芯片模型，它其实是由 25 颗 Dojo D1 拼接而成的芯片系统，

为什么特斯拉要这样设计？

最直观的好处就是减小通讯距离，如图所示每块 Dojo D1 之间的距离非常近（几乎都要贴在一起），这样能大大的加速数据在各个芯片之间的传输和流转。

特斯拉表示这个 Dojo 系统的数据传输速度能达到 9TB/S。

另一方面，对比传统的超级计算机，采用拼接的方式也能省下不少连接线缆，同时也意味着 Dojo 芯片系统的算力几乎是可以成倍增加，更灵活地匹配不同使用需求。

在实际的算力表现方面，活动中展示的 Dojo D1 芯片模型，其运算能力能达到每秒 362 万亿次浮点运算。要是将更多的 Dojo D1 芯片拼接在一起，结果可想而知。

当然，谈到芯片性能必然少不了和业内产品一番比对，特斯拉这次选中了 Google 自研的 AI 芯片—— TPU v3，根据展示图，Dojo 的性能远超 TPU v3。

要知道打败李世石、柯洁等多位世界顶尖棋手的 AlphaGo，所使用的也不过是比 TPU v3 弱上数倍的初代 TPU 芯片。

也难怪马斯克之前敢说「Dojo 将会是世界上最棒的超级计算机」。

如此强大的算力，其应用领域必然是达到了工业级别，Google 的搜索结果、街景等服务都有依靠 TPU 计算优化，而 Dojo D1 则主要应用于特斯拉的视觉感知系统当中，帮助汽车识别环境带来更好的自动辅助驾驶体验。

至于实际效果，马斯克表示明年就会用上 Dojo，我们拭目以待。

迈向更完善的自动辅助驾驶

特斯拉于今年 7 月发布了 FSD Beta 9.0 版本，新版 FSD 支持城市道路辅助，可以实现并线、转弯、汇入主路等动作。

新版 FSD 采用了只依赖光学图像的视觉系统 Tesla Vision，它所采集的庞大数据需要极强的数据分析能力和算力。

Dojo 则可以从车端接受大量视频数据，发回云端，完成全自动的大规模算法训练，再推送到车端，完成整个流程的闭环。

在这个过程中，最重要的环节无疑是算法训练。

马斯克在采访中表示，特斯拉最初是通过视频来对人工智能进行算法训练。

在拥有 Dojo 之前，特斯拉 Autopilot 团队拥有超过 500 名数据标注员，专门对高价值数据进行人工标注。

但这种方法严重拖慢了 AI 的学习进度，因为这个数据量实在过于庞大。

截止今年 4 月，基于 Autopilot 的里程数已经达到了 48 亿公里，占全行业总路测数据的 99% 以上。

「儿子」在学习上遇到了困难，特斯拉这「老母亲」肯定着急啊。

于是，Dojo 来了。

特斯拉利用 Dojo，在云端模拟了一个十分贴近现实的世界，用来训练自动辅助驾驶技术。

而且，特斯拉还表示，这个虚拟世界的交通状况要比现实世界复杂得多。

特斯拉为这个虚拟世界加入了许多极端的道路情况，你可能会在马路上看到正在过斑马线的麋鹿，甚至在高速公路上看到晨跑的夫妇。

值得一说的是，特斯拉不只是对空间进行了标注，对于模型搭建的时间点，Dojo 同样「雨露均沾」。

通过不断收集现实世界中新的道路信息，这个训练模型也会不断更新，新的数据信息会对原有的信息进行覆盖。

对于目前所积累的数据体量，特斯拉称，他们使用 10 亿个不同的图像，3 亿个不同的场景来搭建这一训练模型。

也正因如此，特斯拉将自己戏称为「数据贴标工厂」。

那么这些训练有没有达到应有的效果呢？

在本次特斯拉 AI 日中，特斯拉为我们展示了其自动辅助驾驶技术的巨大进步。

对于车道的识别更加准确

从上图中可以看到，此前，特斯拉对于车道线的精确识别仅限于车辆周围。

但如今，不仅是车辆所处的车道，系统对于整个路口的情况都了如指掌，因而更好地进行路线规划。

预测其他车辆的行为

准确地识别道路两旁停靠的车辆，对于如今的特斯拉来说已是小菜一碟，预测道路上其他车辆的行为才是它的真本事。

比如在小路中遇到了对向车辆，系统会分析出所有可能发生的情况，得到不同的行驶路线。因此，无论对方让与不让，它都能够灵活应对。

或许是迫于美国汽车安全监管机构所带来的舆论压力，特斯拉在 AI 日上对于自动辅助驾驶的态度还是较为保守，其中不乏对于新技术安全性的强调。

另外，在讲到视觉识别对于自动辅助驾驶的意义时，特斯拉工程师展示了这样一张图片：

特斯拉像拨开「战争迷雾」那样去感知、绘制周边的路况。

很显然，这项功能触碰到了国内相关的政策红线，其在国内如何落地，尚未可知。

机器人 Tesla Bot

可能也是因为技术讲解比较沉闷，特斯拉很快安排了一台人形机器人上台，还跳起了舞来，整个活动会场瞬间就欢乐了起来。

特斯拉造出了一台能跳舞的机器人 Tesla Bot？

其实这只是一位演员穿上了一套仿机器人服装在跳舞，马斯克又和大家开了一个很「特斯拉」的玩笑，不过这个机器人计划是真实存在的。

按照马斯克的预想，Tesla Bot 会继承特斯拉的车机系统，包括辅助驾驶等等，能根据周边的环境做出不同的动作，最终完成原本只能由人完成的体力劳动。

是的，这次马斯克想解放「劳动力」，让人们做自己想做的事。

当然，马斯克也说了，到底要不要接受 Tesla Bot 的帮助，仍然由人们自己决定。

听起来似乎很赛博朋克，但 Tesla Bot 什么时候能量产、来到消费者的身边，马斯克仅仅表示会在明年的某个时间发布产品原型。

我们离完全自动驾驶还有多远？

国际自动工程协会（SAE）根据汽车驾驶模式的自动化程度，将其分为 6 级，从 L0-L5。

而特斯拉的 AutoPilot 驾驶模式被列为 L2 级，仍然属于辅助驾驶，也就是说汽车仍然需要在驾驶者的关注下行驶，驾驶者需要对驾驶行为负责，这也是目前大部分新能源汽车自动驾驶辅助系统所处的自动化等级。

知名车评人@不只会评车的 38 曾对此做过直观且形象的评价：

现阶段的辅助驾驶需要人类随时准备接管，更像是人辅助车，而不是车辅助人。

马斯克显然不满足于辅助驾驶，他的目标是自动化程度更高的 L5——完全自动驾驶，汽车系统可以在所有情况下自主完成驾驶操作。

按照特斯拉的设想，基于 AI 的汽车的视觉感应系统应该如同人体系统一般。

摄像头（眼睛）看到画面内容的同时判断出画面中物体的 3D 结构形状，并测算车辆和和物体之间的距离、物体的高度和大小等，汽车（人类驾驶员）也随之自动做出相应的驾驶变化，避免撞上，这时对应的是静止的物体；

在面对移动的物体，像是行驶中的汽车，特斯拉的 AI 感应系统应该做到识别出 3D 物体高度、大小的同时，还能测算出它的动向、速度等。

当然，这些都仅仅是设想，Dojo 超级计算机的确能加速 AI 运算，帮助汽车识别物体，带来更好的辅助驾驶体验，但要像马斯克所说的「实现 L5 完全自动驾驶」，恐怕还是不行。

早在 2019 年特斯拉就曾表示要去掉雷达，走向纯视觉感知系统，但视觉感知所依靠的 AI 只是在模拟人类，现阶段人脑的奥秘并没有完全揭开，AI 也只能做出一部分决策，它并不能替代真实的人类驾驶员。

特斯拉所完成的数据训练也还远远不够，即便其数据量在新能源汽车行业是领先的。

要知道自动驾驶领域当中 95% 的数据都是无效的，重复的路况对于 AI 训练价值不大，此前特斯拉的训练数据大多都来自美国，它仍然需要在更多国家和地区，完成更多种情况的训练。

而不同地区、不同交通情况所引发的极端情况组合几乎是无限的，这无疑给特斯拉所选择视觉感知技术路线提出更大的挑战。

再加上近年来的安全事故加重了人们对于自动驾驶的担忧，这种情况下，愿意使用 AutoPilot 驾驶模式，或是参加特斯拉 FSD（全自动驾驶系统）测试的人是否会减少，仍然要打上一个大大的问号。

而且相关机构对于新能源汽车「辅助驾驶」模式的监管也在日趋完善，除了文首提到的美国汽车安全监管机构对特斯拉辅助驾驶系统 Autopilot 开展安全调查，我国工业和信息化部最近也发布了《关于加强智能网联汽车生产企业及产品准入管理的意见》。

之后还将工信部和相关部门还将会进一步细化自动驾驶、辅助驾驶相关规范。

这样一来实现完全自动驾驶也许会慢一点，但在生命安全面前，又何尝不是一件好事呢。

本文由周宇、李华共同完成。