這就是自動駕駛的大結局？
技術 發布于：2021-08-20 12:40:00
北京時間8月20日，特斯拉召開一次別開生面的技術發布會，AI DAY，與以往的電池日、新車日不同，這次發布會的重點放在目前電動車上最前沿的技術——自動駕駛、神經網絡、超級計算機等。
在AI DAY上，特斯拉著重介紹了在人工智能領域的軟件和硬件進展，尤其在神經網絡上的訓練系統，其中最大的看點就是『Dojo超級計算機』。
特斯拉本次推出的人工智能訓練機Dojo D1芯片，是特斯拉全新自研的超級計算機芯片，該電腦將用于車輛自動駕駛數據的運算和分析，能夠自動地學習和識別標記道路上的行人、動物、坑洼地等數據，將海量的數據匯聚于Dojo，然后通過自動化深度神經網絡訓練，以此不斷加強算法進化，最終實現以純視覺為基礎的完全自動駕駛（FSD），即特斯拉自動駕駛的最終形態。
據悉，目前單個Dojo D1芯片的演算力已經達到全球第五。縱觀全世界的超級計算機的排名，前五中除了第五名的Selene是英偉達的之外，前四的都是國家所有，包括第一的日本『富岳』、第二的美國Summit、第三的美國Sier，以及第四的中國『神威太湖』。
其中，目前排名第一的超級計算機是日本的『富岳』，在機器學習應用上的算力超頻之后是2.15EFLOPS，默頻是1.95EFLOPS。
值得一提的是，上述前四的超級計算機都是舉國之力研發的結果，而特斯拉只是一家新能源車制造公司，能取得這樣的成就，特斯拉可謂又一次突破了自己的極限。
Dojo一詞來源于日語，意思是“道場”，翻譯成中文應該叫做“訓練館”。
特斯拉特地取此名，可以說目的就是專門訓練特斯拉汽車的。來自全球超100萬輛特斯拉車輛采集的真實數據將匯聚于此，然后通過Dojo進行深度神經網絡訓練，以此幫助特斯拉的Autopilot不斷進化，最終實現以純視覺為基礎的完全自動駕駛（FSD）。
換一個更好理解的方式，就像是AlphaGo專攻圍棋領域一樣，經過人工參與調整和標注的訓練，只需要幾年時間就擊敗了全球圍棋高手，而Dojo可以被看做是為專攻自動駕駛領域的AlphaGo，通過深度學習和分析海量的特斯拉車隊數據，Dojo可以自動模擬開車、自動尋找問題最優解，從而完成自我進化。
重點是“無監督訓練”和“自我進化”，你可以理解為：Dojo最初不會駕駛車輛，但通過極快的速度學習人類開車（影子模式）和模擬開車（特斯拉為其構建了一個虛擬世界供訓練）后，就可以慢慢地在真實世界開車了。
接著隨經驗的積累，算法的精進，駕駛技術還會越來越嫻熟，最終超過人類的駕駛水平。就像AlphaGo最終擊敗李世石和柯潔一樣。
今年6月，特斯拉AI高級總監Andrej Karpathy宣稱由特斯拉團隊研發的世界第五代超級電腦Dojo即將問世。今天的AI Day發布會則透露了更多的細節。
Dojo D1計算芯片采用了5760個算力為321TFLOPS的英偉達A100顯卡，組成了720個節點構建的超級計算機，總算力達到了1.8EFLOPS（EFLOPS：每秒千萬億次浮點運算），有10PB的存儲空間，讀寫速度為1.6TBps。
注意，這還是單個Dojo D1的算力，未來特斯拉還會將多個Dojo D1組成『Dojo超級計算機群』，屆時，該超級計算機群的總算力將超過目前世界第一的超級計算機『日本富岳』。
隨著Dojo D1推出，毫不夸張的說，它就是目前世界上最強大的人工學習機器，它使用7nm芯片驅動、將50萬個訓練單元搭建在一起。
在馬斯克的規劃中，『Dojo超級計算機群』目標算力要達到每秒鐘exaFLOP的級別，也就是百億億次浮點運算，是現在的一萬倍，名副其實的直接最尖端的超級計算機。
那么，Dojo能做什么呢？主要就是自主深度神經網絡訓練。
特斯拉車輛搭載的攝像頭，能夠不間斷地采集真實的道路數據，然后Dojo D1的人工智能算法，會自動標記這些數據中的物體（包括常規道路、危險道路和其他意外情況）。
之前的大型AI數據集通常需要手動標記，非常耗時費力，而Dojo將配合無監督學習算法（Unsupervised Learning，無需人工對訓練數據集進行標注，系統可以自行根據樣本間的統計規律對樣本集進行分析）。
譬如，可以不給任何額外提示的情況下，僅依據一定數量“狗”的圖片特征，就能將“狗”這個物體識別出來。大幅減少特斯拉對于數據人工標注的工作量，進而幫助其數據訓練效率實現指數級提升。
這些數據還可以包括信號燈、車道線、動物、行人、天氣、馬路邊緣、指示牌、路燈、樁桶、可行車區域、不可行車區域等等，通過8個攝像完成360度環影，以鳥瞰的方式來展示一個4D視圖（三維空間+時間戳）。
不過，特斯拉車輛并不會將每分每秒的視頻數據都發送給Dojo，也不會隨機發送視頻數據，更多的情況是發送一個“案例”（10秒）。比如在Autopilot駕駛時，駕駛員突然介入，改為人工駕駛，Dojo就會分析這個視頻案例，試圖找出駕駛員中斷Autopilot的原因，又或者司機在高速路上突然剎車、堵車時有人插隊、雷達與攝像頭判斷結果不一致、車輛發生事故/險些發生事故等等，將這些具體的案例，交給Dojo來分析處理。
最終，更多的數據通過Dojo的處理，反饋給神經學習系統，實現自動駕駛算法的迭代，而算法的迭代，讓Autopilot更加好用，持續反饋更多的數據給Dojo分析，從而實現一個正循環。
目前，特斯拉已經積累了100萬個10秒左右的視頻，并給60億個物體貼上了深度、速度和加速度的標簽。這些數據每天都還在增加，這就需要特斯拉有一個強大的計算機來處理這些龐大的數據，目前這些數據已經達到了驚人的1.5PB。
以特斯拉百萬級的車輛保有量，這個規模的數據收集終端，數據增長速度也是驚人的。這似乎是個天文數字，而特斯拉如果繼續依賴純視覺的自動駕駛方案，不斷提高其可靠性，就需要開發出更強大的超級計算機，以追求更先進的AI算法。
我們前面說到，全世界的超級計算機的排名前五的超級計算機，除了第五名的Selene是英偉達的之外，前四的都是國家擁有的，包括第一的日本『富岳』、美國的Summit和Siera分別位于第二、第三，第四的是中國的『神威太湖』。
這些都是國家級的超級計算機，它們通常是體量巨大、造價高昂的設備，擁有數以萬計的處理器，旨在執行專業性強、計算密集型的任務，可完成極端尺度的宇宙模擬、為藥物反應預測尋找新途徑、發現可用于制造高效有機太陽能電池的新材料等任務，應用于人工智能、生物醫藥和智慧城市建設等多個領域。
為什么特斯拉，一個電動車企需要研制一臺超級計算機？
其實原因，上面已經有所提及。
目前，全球自動駕駛領域主要分為兩派，即純視覺路線與高精地圖+雷達路線。后者認為，多傳感器與攝像頭可以優勢互補，更可依靠高精度地圖與多激光雷達來完成全自動駕駛。而作為純視覺路線領頭者的特斯拉，則堅定的認為，純視覺是唯一正確的出路。
馬斯克主張采用純視覺的自動駕駛方法，就是依靠攝像頭和機器學習來支持其高級駕駛輔助系統和自動駕駛，而摒棄了激光雷達（LiDAR）、毫米波雷達。
馬斯克曾非常自信地說到：“只要人眼能夠完成的事情，視覺傳感器也應該能夠完成。其它的激光雷達都是累贅”。
在特斯拉看來，把激光雷達、毫米波雷達砍掉，是因為多傳感器融合，會干擾系統的判斷，甚至會造成誤判，因為當不同傳感器過來的數據沖突的時候，會延長系統處理和判斷的時間，甚至會出現誤判。
在純視覺自動駕駛方法下想改進這套自動駕駛AI達到足夠的可靠性，自研適應計算需要的超級計算機便極為必要。
特斯拉AI高級總監Andrej Karpathy是計算機視覺和深度學習領域的頂級專家之一，博士畢業于斯坦福AI實驗室，主要研究方向是卷積神經網絡結構，自然語言處理，以及其在計算機視覺上的應用。
進入特斯拉之后，主要就是為了攻堅特斯拉自動駕駛的難題，而特斯拉非常堅決地采取純視覺算法路線，這就為數據處理以及神經網絡學習提出了巨大的要求。
Karpathy解釋道，如果想要讓計算機以人類的方式對新環境做出反應，需要一個巨大的數據集，以及超級計算機的處理能力。我們有一個神經網絡架構網絡和一個1.5 PB的數據集，需要大量的計算。
對我們而言，計算機視覺是使自動駕駛成為可能的基本要素。為了讓其更好地工作，我們需要掌握來自車隊的數據，訓練大量的神經網絡，并進行大量實驗。
Karpathy討論了特斯拉人工智能的視覺組件，他指出，特斯拉在設計其汽車的視覺皮層時，是按照眼睛感知生物視覺的方式進行建模的。他還談到了特斯拉的視覺處理策略多年來是如何演變的，以及現在是如何實現的。Karpathy還提到了特斯拉的“HydraNets”，它具有多任務學習能力。
充分利用從整個車隊收集來的數據訓練，從而不斷改善特斯拉的自動駕駛功能（Autopilot），為下一代自動駕駛人工智能（AI）提供能夠更進一步的自主學習的神經網絡。
這里的神經網絡可以簡單理解為通過『仿生學』模擬人類大腦皮層的神經元『溝通學習』的方式進行處理數據，用來實現『類似人類』的學習方式。
這也是為什么這個超算機群取名為Dojo（道場）的原因，在中文里翻譯為訓練場也非常合適，這個“訓練場”就是專門用來訓練特斯拉汽車的自動駕駛能力的。
其實早在2019年的Autonomous Day，馬斯克就提到過Dojo，稱Dojo是能夠利用海量的視頻（級別）數據，做『無人監管』的標注和訓練的超級計算機。
如果認真了解過當年Autonomous Day的朋友，自然會發現，特斯拉推出Dojo超算以及自研芯片，是必然且在規劃中的事，也是特斯拉不得不去做的事。
因為按照特斯拉的邏輯，一輛車上要裝8個攝像機，十秒內就能產生一百萬個視頻。這也難怪，需要依賴超級計算機的運算能力。
換句話說，不是特斯拉想要成為人工智能巨頭，而是被逼無奈，因為選了純視覺路線，就需要一個超級計算機的算力與之匹配。結果Dojo一出場，就是要成為世界第一。可以說，這也是馬斯克的凡爾賽了吧。
其實關于“視覺算法與AI的關系”這個問題，馬斯克曾在推特中回復過，大致意思為：『只有解決了真實世界的 AI 問題，才能解決自動駕駛問題……除非擁有很強的 AI 能力以及超強算力，否則根本沒辦法……自動駕駛行業大家都很清楚，無數的邊緣場景只能通過真實世界的視覺 AI 來解決，因為整個世界的道路就是按照人類的認知來建立的……一旦擁有了解決上述問題的 AI 芯片，其他的就只能算是錦上添花』。
確實，毫米波雷達或激光雷達方案雖然有優勢，但是成本更高，而且還有著無法解決的弊端。首先雷達精度、反應速度都不如純視覺方案，而高精地圖則嚴重限制了可使用自動駕駛的范圍。這意味著他們除了需要非常詳細的使用地點地圖外，還需要所有車道及其連接方式、實時交通燈等額外信息。
但特斯拉的純視覺方式不同，特斯拉的自動駕駛依靠8個攝像頭和背后的Dojo超算，原則上我們可以在地球上任何地方（的道路上）使用。
Dojo的問世，將幫助特斯拉的無人駕駛技術繼續提升一個等級，讓視覺算法這條路線走的更加深遠，它能幫助訓練電腦去理解道路畫面，通過對視頻信息的采集和大量視頻信息運算處理，達到僅通過視覺圖像便能實現全自動駕駛的目的。
視覺自動駕駛與人類駕駛員的開車方式相似，但最重要的是，計算機更加的可靠。為此，Karpathy也舉了幾個例子：
首先，人類的反應速度太慢，即使是優秀的駕駛員也要250ms（0.25秒）的反應速度，很多人甚至超過460ms（0.46秒），而電腦的反應速度全部低于100ms（0.1秒）；其次，人類駕駛員經常在開車時玩手機，而電腦則會全神貫注，不會一會看看微信，一會刷刷抖音；再來，人類駕駛員的視野范圍太窄，并道時如果不回頭，則完全看不到位于后視鏡盲區的來車，而特斯拉擁有8個攝像頭以每秒36幀的速度從車身周圍識別信息，涵蓋360度視野……
通過海量的案例，Dojo將幫助駕駛員更安全的駕駛車輛，包括利用視覺計算機來糾正人類錯誤和不安全的駕駛行為。比如：信號燈警告，系統識別到遠處的紅燈或黃燈，如駕駛員不減速會發出警告；緊急制動場景，系統判斷車輛在障礙物前減速度不足或沒有減速，會自動幫助車輛制動；躲避障礙，系統偵測到周圍有突然出現的動物、行人、車輛、異物等，會自動控制方向盤來進行躲避。
在目前的特斯拉Autopilot中，已經出現過很多因系統失靈而出現的事故，這些可以通過Dojo進行解決，包括不限于：橋下陰影造成的無故剎車；高速跟車時，自動剎車踩得太死；遇到路邊占用部分車道停放車輛的規避問題；當車輛檢測到前方有行人或者道路變窄的情況時，當駕駛員把油門當做剎車踩下，車輛則不會加速（包括惡意報復社會行為）。
總結起來， Dojo的出現，實現了海量數據的『無監督訓練』，大幅度提高神經網絡訓練的效率。通過用海量的數據鍛煉它，就能解決各種『邊緣場景』的問題，加快自動駕駛系統的成熟和完善，實現指數級的成長速度。
更關鍵的是，特斯拉對其軟硬件的垂直整合度非常高，不僅不受制于別人，而且能夠以此作為服務，給外界提供深度學習的訓練業務。
在特斯拉的規劃中，全球各地的數據，都會匯集到Dojo超級計算機中心進行處理。當然，這不包括中國的數據，因為中國出臺了相關的管理辦法，限制這類數據出境（因此，特斯拉在上海建立了數據中心，所以我們也會期待Dojo也能在中國實現）。
對于自動駕駛的科技價值，幾乎全球科學家都達成共識，其擁有廣泛的應用前景，在包括出租車、代駕、共享汽車、機器人物流等領域都有巨大潛力。
根據中國信通院《2020年全球自動駕駛戰略與政策觀察》報告顯示，自動駕駛具有巨大的社會經濟價值，預計2050年將為美國創造大約3.2至6.3萬億美元的經濟效益，其中社會福利和消費者福利預計接近8000億美元。
我國多個地方政府也大力支持自動駕駛技術發展。北京已累計開放四個區縣的自動駕駛測試道路共計200條、699.58公里，開放了亦莊和海淀2個自動駕駛測試區域，面積約140平方公里。同時累計為14家自動駕駛企業87輛車發放一般性道路測試牌照。
深圳市也已經先后公開兩批無人駕駛路測道路；深圳坪山區的L5級別全無人RoboTaxi已商業化試運營超過100天，并承載了國內首批乘客。此外，包括亞馬遜、蘋果、三星等國外科技巨頭，以及阿里巴巴、百度、騰訊等國內科技巨頭都紛紛加入無人駕駛的賽道，想在這個潛力無限的市場里瓜分一塊蛋糕。
從技術的角度來看，無人駕駛汽車是一個復雜的軟硬件結合的智能自動化系統，運用到了自動控制技術、現代傳感技術、計算機技術、信息與通信技術以及人工智能等。從戰略意義的角度來看，自動駕駛移動能力更強，能夠有效改善交通安全、實現節能減排、消除交通擁堵、促進產業轉型。
過去數年，特斯拉一直對外宣傳“全自動駕駛”技術，由此也為人們所詬病。因為事實上，特斯拉的“Autopilot”（自動輔助駕駛）以及“Full Self-Driving”（全自動輔助駕駛）都只是“輔助駕駛”功能，并不是真正意義上的“自動駕駛”功能。
因為這樣的宣傳，導致了不少車主過于相信特斯拉的輔助駕駛功能，因此也導致了很多起令人痛心的安全事故，最近的蔚來也因為NIO Pilot導致的事故登上了熱搜。
可見，截止目前，自動駕駛還是一個理想中的概念，離我們的實際使用還有不少的距離，我們現在能用上路的都是“輔助駕駛”，大家為了自己的人身財產安全一定要牢記這一點，切勿過分相信市面鼓吹的“自動駕駛”功能。
目前，特斯拉已開始向純視覺自動駕駛路線轉變，從上月開始，部分在北美生產的特斯拉車型，已停止安裝雷達傳感器，而全新的FSD Beta V9.0（完全自動駕駛測試版）也將在近期更新，而這一切的背后，都離不開Dojo。
Dojo的到來，意味著我們離真正的“自動駕駛”又近了一步，打開了電動車駕駛AI世界的新入口。
對了，這個技術并不遙遠，我們明年可能看到Dojo正式運行。
就在發布會最后，馬斯克開著玩笑帶來了一位Tesla Bot機器人，他表示，如果Dojo的能力能夠如期實現，那么將它至于機器人的內部，同樣可以100%模擬人類的性能。在未來，可以為人類社會釋放更多的勞動力。
馬斯克絕對是一個技術瘋子，改變全球能源布局、改變交通出行方式、改變人類腦機交互方式、游歷太空、探索火星等等，單憑一個人的意志推動了整個人類社會的科技進步。
通過已量產的產品掙錢，但不會斂財，因為掙到的錢馬上用在下一個瘋狂的想法，并努力實現它，如果此時說馬斯克是后喬布斯時代最偉大的科技創造者，應該沒有人會反對吧？
（圖/文/攝：皆電 唐科）
簡介：不喜歡汽車的攝影師不是好鏟屎官，喵！
