一場安全事故、一位車主離世，將蔚來乃至整個新能源汽車行業推上了風口浪尖。
作為新能源汽車行業的頭部公司，特斯拉也不例外，大量的安全事故讓它飽受批評，今年 8 月，美國汽車安全監管機構也對特斯拉的輔助駕駛系統 AutoPilot 開啓了安全調查。
不同等級的自動駕駛技術應該如何命名，它的安全性到底如何，特斯拉的自動駕駛技術到底進化到了什麼地步。
隨着事故繼續發酵，人們對於「自動駕駛」的質疑只會越來越多。
在這種情況下舉辦的特斯拉 AI 日，自然會成為新的話題中心，馬斯克在活動上發佈了什麼，有沒有迴應相關質疑？
跟我們一起來看。
特斯拉的自研芯片 Dojo 要來了
特斯拉上新了，這次是一顆自研芯片——Dojo D1。
早前馬斯克已經在 Twitter 上多次提到 Dojo，這是特斯拉自研的超級計算機芯片，也是一顆超級 AI 芯片。
與常見的 CPU 或是 GPU 相比，Dojo 捨棄了大量功能模塊，加入了更多計算模塊，以換取更高的算力和效率，更適合計算類型相對固定、計算精度較低，但計算量十分龐大的 AI 領域。
特別的設計帶來了特別的回報，按照特斯拉説法就是「我們在 CPU 大小的身材裏實現了 GPU 級別的算力」。
而且，Dojo 的算力還是可以疊加的，這和它的另外一個特性——拼接有關。
不一會特斯拉的工作人員就拿出了一個堪稱 Plus++++++++ 版的 Dojo 芯片模型，它其實是由 25 顆 Dojo D1 拼接而成的芯片系統，
為什麼特斯拉要這樣設計？
最直觀的好處就是減小通訊距離，如圖所示每塊 Dojo D1 之間的距離非常近（幾乎都要貼在一起），這樣能大大的加速數據在各個芯片之間的傳輸和流轉。
特斯拉表示這個 Dojo 系統的數據傳輸速度能達到 9TB/S。
另一方面，對比傳統的超級計算機，採用拼接的方式也能省下不少連接線纜，同時也意味着 Dojo 芯片系統的算力幾乎是可以成倍增加，更靈活地匹配不同使用需求。
在實際的算力表現方面，活動中展示的 Dojo D1 芯片模型，其運算能力能達到每秒 362 萬億次浮點運算。要是將更多的 Dojo D1 芯片拼接在一起，結果可想而知。
當然，談到芯片性能必然少不了和業內產品一番比對，特斯拉這次選中了 Google 自研的 AI 芯片—— TPU v3，根據展示圖，Dojo 的性能遠超 TPU v3。
▲TPU v3 是 Google 2018 年發佈的產品
要知道打敗李世石、柯潔等多位世界頂尖棋手的 AlphaGo，所使用的也不過是比 TPU v3 弱上數倍的初代 TPU 芯片。
而如果將 3000 塊 Dojo 芯片拼接在一起，其算力將達到 1.1 EFLOP ，超越了此前全球排名第一的日本超級計算機「富嶽」。
和 Google 的 TPU 類似，算力強勁也常常意味着散熱壓力大，為此特斯拉在 Dojo D1 中添加了一整層水冷模塊和銅質結構兩種散熱設計。也難怪馬斯克之前敢説「Dojo 將會是世界上最棒的超級計算機」。
如此強大的算力，其應用領域必然是達到了工業級別，Google 的搜索結果、街景等服務都有依靠 TPU 計算優化，而 Dojo D1 則主要應用於特斯拉的視覺感知系統當中，幫助汽車識別環境帶來更好的自動輔助駕駛體驗。
至於實際效果，馬斯克表示明年就會用上 Dojo，我們拭目以待。
邁向更完善的自動輔助駕駛
特斯拉於今年 7 月發佈了 FSD Beta 9.0 版本，新版 FSD 支持城市道路輔助，可以實現併線、轉彎、匯入主路等動作。
新版 FSD 採用了只依賴光學圖像的視覺系統 Tesla Vision，它所採集的龐大數據需要極強的數據分析能力和算力。
Dojo 則可以從車端接受大量視頻數據，發回雲端，完成全自動的大規模算法訓練，再推送到車端，完成整個流程的閉環。
在這個過程中，最重要的環節無疑是算法訓練。
馬斯克在採訪中表示，特斯拉最初是通過視頻來對人工智能進行算法訓練。
在擁有 Dojo 之前，特斯拉 Autopilot 團隊擁有超過 500 名數據標註員，專門對高價值數據進行人工標註。
▲人工標註
但這種方法嚴重拖慢了 AI 的學習進度，因為這個數據量實在過於龐大。
截止今年 4 月，基於 Autopilot 的里程數已經達到了 48 億公里，佔全行業總路測數據的 99% 以上。
「兒子」在學習上遇到了困難，特斯拉這「老母親」肯定着急啊。
於是，Dojo 來了。
特斯拉利用 Dojo，在雲端模擬了一個十分貼近現實的世界，用來訓練自動輔助駕駛技術。
而且，特斯拉還表示，這個虛擬世界的交通狀況要比現實世界複雜得多。
特斯拉為這個虛擬世界加入了許多極端的道路情況，你可能會在馬路上看到正在過斑馬線的麋鹿，甚至在高速公路上看到晨跑的夫婦。
▲在高速公路中晨跑的夫婦
值得一説的是，特斯拉不只是對空間進行了標註，對於模型搭建的時間點，Dojo 同樣「雨露均霑」。
通過不斷收集現實世界中新的道路信息，這個訓練模型也會不斷更新，新的數據信息會對原有的信息進行覆蓋。
對於目前所積累的數據體量，特斯拉稱，他們使用 10 億個不同的圖像，3 億個不同的場景來搭建這一訓練模型。
也正因如此，特斯拉將自己戲稱為「數據貼標工廠」。
那麼這些訓練有沒有達到應有的效果呢？
在本次特斯拉 AI 日中，特斯拉為我們展示了其自動輔助駕駛技術的巨大進步。
對於車道的識別更加準確
從上圖中可以看到，此前，特斯拉對於車道線的精確識別僅限於車輛周圍。
但如今，不僅是車輛所處的車道，系統對於整個路口的情況都瞭如指掌，因而更好地進行路線規劃。
預測其他車輛的行為
準確地識別道路兩旁停靠的車輛，對於如今的特斯拉來説已是小菜一碟，預測道路上其他車輛的行為才是它的真本事。
比如在小路中遇到了對向車輛，系統會分析出所有可能發生的情況，得到不同的行駛路線。因此，無論對方讓與不讓，它都能夠靈活應對。
或許是迫於美國汽車安全監管機構所帶來的輿論壓力，特斯拉在 AI 日上對於自動輔助駕駛的態度還是較為保守，其中不乏對於新技術安全性的強調。
另外，在講到視覺識別對於自動輔助駕駛的意義時，特斯拉工程師展示了這樣一張圖片：
特斯拉像撥開「戰爭迷霧」那樣去感知、繪製周邊的路況。
很顯然，這項功能觸碰到了國內相關的政策紅線，其在國內如何落地，尚未可知。
機器人 Tesla Bot
可能也是因為技術講解比較沉悶，特斯拉很快安排了一台人形機器人上台，還跳起了舞來，整個活動會場瞬間就歡樂了起來。
特斯拉造出了一台能跳舞的機器人 Tesla Bot？
其實這只是一位演員穿上了一套仿機器人服裝在跳舞，馬斯克又和大家開了一個很「特斯拉」的玩笑，不過這個機器人計劃是真實存在的。
▲Tesla Bot 詳細屬性
按照馬斯克的預想，Tesla Bot 會繼承特斯拉的車機系統，包括輔助駕駛等等，能根據周邊的環境做出不同的動作，最終完成原本只能由人完成的體力勞動。
是的，這次馬斯克想解放「勞動力」，讓人們做自己想做的事。
當然，馬斯克也説了，到底要不要接受 Tesla Bot 的幫助，仍然由人們自己決定。
聽起來似乎很賽博朋克，但 Tesla Bot 什麼時候能量產、來到消費者的身邊，馬斯克僅僅表示會在明年的某個時間發佈產品原型。
我們離完全自動駕駛還有多遠？
國際自動工程協會（SAE）根據汽車駕駛模式的自動化程度，將其分為 6 級，從 L0-L5。
而特斯拉的 AutoPilot 駕駛模式被列為 L2 級，仍然屬於輔助駕駛，也就是説汽車仍然需要在駕駛者的關注下行駛，駕駛者需要對駕駛行為負責，這也是目前大部分新能源汽車自動駕駛輔助系統所處的自動化等級。
知名車評人@不只會評車的 38 曾對此做過直觀且形象的評價：
現階段的輔助駕駛需要人類隨時準備接管，更像是人輔助車，而不是車輔助人。
馬斯克顯然不滿足於輔助駕駛，他的目標是自動化程度更高的 L5——完全自動駕駛，汽車系統可以在所有情況下自主完成駕駛操作。
按照特斯拉的設想，基於 AI 的汽車的視覺感應系統應該如同人體系統一般。
攝像頭（眼睛）看到畫面內容的同時判斷出畫面中物體的 3D 結構形狀，並測算車輛和和物體之間的距離、物體的高度和大小等，汽車（人類駕駛員）也隨之自動做出相應的駕駛變化，避免撞上，這時對應的是靜止的物體；
▲圖片來自：syncedreview
在面對移動的物體，像是行駛中的汽車，特斯拉的 AI 感應系統應該做到識別出 3D 物體高度、大小的同時，還能測算出它的動向、速度等。
當然，這些都僅僅是設想，Dojo 超級計算機的確能加速 AI 運算，幫助汽車識別物體，帶來更好的輔助駕駛體驗，但要像馬斯克所説的「實現 L5 完全自動駕駛」，恐怕還是不行。
早在 2019 年特斯拉就曾表示要去掉雷達，走向純視覺感知系統，但視覺感知所依靠的 AI 只是在模擬人類，現階段人腦的奧秘並沒有完全揭開，AI 也只能做出一部分決策，它並不能替代真實的人類駕駛員。
▲ AI 替代不了人類
特斯拉所完成的數據訓練也還遠遠不夠，即便其數據量在新能源汽車行業是領先的。
要知道自動駕駛領域當中 95% 的數據都是無效的，重複的路況對於 AI 訓練價值不大，此前特斯拉的訓練數據大多都來自美國，它仍然需要在更多國家和地區，完成更多種情況的訓練。
而不同地區、不同交通情況所引發的極端情況組合幾乎是無限的，這無疑給特斯拉所選擇視覺感知技術路線提出更大的挑戰。
再加上近年來的安全事故加重了人們對於自動駕駛的擔憂，這種情況下，願意使用 AutoPilot 駕駛模式，或是參加特斯拉 FSD（全自動駕駛系統）測試的人是否會減少，仍然要打上一個大大的問號。
而且相關機構對於新能源汽車「輔助駕駛」模式的監管也在日趨完善，除了文首提到的美國汽車安全監管機構對特斯拉輔助駕駛系統 Autopilot 開展安全調查，我國工業和信息化部最近也發佈了《關於加強智能網聯汽車生產企業及產品准入管理的意見》。
之後還將工信部和相關部門還將會進一步細化自動駕駛、輔助駕駛相關規範。
這樣一來實現完全自動駕駛也許會慢一點，但在生命安全面前，又何嘗不是一件好事呢。
而馬斯克在活動最後也表達了對自動駕駛技術的展望，不再那麼激進了：
本文由周宇、李華共同完成。
資料來源：愛範兒（ifanr）
作為新能源汽車行業的頭部公司，特斯拉也不例外，大量的安全事故讓它飽受批評，今年 8 月，美國汽車安全監管機構也對特斯拉的輔助駕駛系統 AutoPilot 開啓了安全調查。
不同等級的自動駕駛技術應該如何命名，它的安全性到底如何，特斯拉的自動駕駛技術到底進化到了什麼地步。
隨着事故繼續發酵，人們對於「自動駕駛」的質疑只會越來越多。
在這種情況下舉辦的特斯拉 AI 日，自然會成為新的話題中心，馬斯克在活動上發佈了什麼，有沒有迴應相關質疑？
跟我們一起來看。
特斯拉的自研芯片 Dojo 要來了
特斯拉上新了，這次是一顆自研芯片——Dojo D1。
早前馬斯克已經在 Twitter 上多次提到 Dojo，這是特斯拉自研的超級計算機芯片，也是一顆超級 AI 芯片。
與常見的 CPU 或是 GPU 相比，Dojo 捨棄了大量功能模塊，加入了更多計算模塊，以換取更高的算力和效率，更適合計算類型相對固定、計算精度較低，但計算量十分龐大的 AI 領域。
特別的設計帶來了特別的回報，按照特斯拉説法就是「我們在 CPU 大小的身材裏實現了 GPU 級別的算力」。
而且，Dojo 的算力還是可以疊加的，這和它的另外一個特性——拼接有關。
不一會特斯拉的工作人員就拿出了一個堪稱 Plus++++++++ 版的 Dojo 芯片模型，它其實是由 25 顆 Dojo D1 拼接而成的芯片系統，
為什麼特斯拉要這樣設計？
最直觀的好處就是減小通訊距離，如圖所示每塊 Dojo D1 之間的距離非常近（幾乎都要貼在一起），這樣能大大的加速數據在各個芯片之間的傳輸和流轉。
特斯拉表示這個 Dojo 系統的數據傳輸速度能達到 9TB/S。
另一方面，對比傳統的超級計算機，採用拼接的方式也能省下不少連接線纜，同時也意味着 Dojo 芯片系統的算力幾乎是可以成倍增加，更靈活地匹配不同使用需求。
在實際的算力表現方面，活動中展示的 Dojo D1 芯片模型，其運算能力能達到每秒 362 萬億次浮點運算。要是將更多的 Dojo D1 芯片拼接在一起，結果可想而知。
當然，談到芯片性能必然少不了和業內產品一番比對，特斯拉這次選中了 Google 自研的 AI 芯片—— TPU v3，根據展示圖，Dojo 的性能遠超 TPU v3。
▲TPU v3 是 Google 2018 年發佈的產品
要知道打敗李世石、柯潔等多位世界頂尖棋手的 AlphaGo，所使用的也不過是比 TPU v3 弱上數倍的初代 TPU 芯片。
而如果將 3000 塊 Dojo 芯片拼接在一起，其算力將達到 1.1 EFLOP ，超越了此前全球排名第一的日本超級計算機「富嶽」。
和 Google 的 TPU 類似，算力強勁也常常意味着散熱壓力大，為此特斯拉在 Dojo D1 中添加了一整層水冷模塊和銅質結構兩種散熱設計。也難怪馬斯克之前敢説「Dojo 將會是世界上最棒的超級計算機」。
如此強大的算力，其應用領域必然是達到了工業級別，Google 的搜索結果、街景等服務都有依靠 TPU 計算優化，而 Dojo D1 則主要應用於特斯拉的視覺感知系統當中，幫助汽車識別環境帶來更好的自動輔助駕駛體驗。
至於實際效果，馬斯克表示明年就會用上 Dojo，我們拭目以待。
邁向更完善的自動輔助駕駛
特斯拉於今年 7 月發佈了 FSD Beta 9.0 版本，新版 FSD 支持城市道路輔助，可以實現併線、轉彎、匯入主路等動作。
新版 FSD 採用了只依賴光學圖像的視覺系統 Tesla Vision，它所採集的龐大數據需要極強的數據分析能力和算力。
Dojo 則可以從車端接受大量視頻數據，發回雲端，完成全自動的大規模算法訓練，再推送到車端，完成整個流程的閉環。
在這個過程中，最重要的環節無疑是算法訓練。
馬斯克在採訪中表示，特斯拉最初是通過視頻來對人工智能進行算法訓練。
在擁有 Dojo 之前，特斯拉 Autopilot 團隊擁有超過 500 名數據標註員，專門對高價值數據進行人工標註。
▲人工標註
但這種方法嚴重拖慢了 AI 的學習進度，因為這個數據量實在過於龐大。
截止今年 4 月，基於 Autopilot 的里程數已經達到了 48 億公里，佔全行業總路測數據的 99% 以上。
「兒子」在學習上遇到了困難，特斯拉這「老母親」肯定着急啊。
於是，Dojo 來了。
特斯拉利用 Dojo，在雲端模擬了一個十分貼近現實的世界，用來訓練自動輔助駕駛技術。
而且，特斯拉還表示，這個虛擬世界的交通狀況要比現實世界複雜得多。
特斯拉為這個虛擬世界加入了許多極端的道路情況，你可能會在馬路上看到正在過斑馬線的麋鹿，甚至在高速公路上看到晨跑的夫婦。
▲在高速公路中晨跑的夫婦
值得一説的是，特斯拉不只是對空間進行了標註，對於模型搭建的時間點，Dojo 同樣「雨露均霑」。
通過不斷收集現實世界中新的道路信息，這個訓練模型也會不斷更新，新的數據信息會對原有的信息進行覆蓋。
對於目前所積累的數據體量，特斯拉稱，他們使用 10 億個不同的圖像，3 億個不同的場景來搭建這一訓練模型。
也正因如此，特斯拉將自己戲稱為「數據貼標工廠」。
那麼這些訓練有沒有達到應有的效果呢？
在本次特斯拉 AI 日中，特斯拉為我們展示了其自動輔助駕駛技術的巨大進步。
對於車道的識別更加準確
從上圖中可以看到，此前，特斯拉對於車道線的精確識別僅限於車輛周圍。
但如今，不僅是車輛所處的車道，系統對於整個路口的情況都瞭如指掌，因而更好地進行路線規劃。
預測其他車輛的行為
準確地識別道路兩旁停靠的車輛，對於如今的特斯拉來説已是小菜一碟，預測道路上其他車輛的行為才是它的真本事。
比如在小路中遇到了對向車輛，系統會分析出所有可能發生的情況，得到不同的行駛路線。因此，無論對方讓與不讓，它都能夠靈活應對。
或許是迫於美國汽車安全監管機構所帶來的輿論壓力，特斯拉在 AI 日上對於自動輔助駕駛的態度還是較為保守，其中不乏對於新技術安全性的強調。
另外，在講到視覺識別對於自動輔助駕駛的意義時，特斯拉工程師展示了這樣一張圖片：
特斯拉像撥開「戰爭迷霧」那樣去感知、繪製周邊的路況。
很顯然，這項功能觸碰到了國內相關的政策紅線，其在國內如何落地，尚未可知。
機器人 Tesla Bot
可能也是因為技術講解比較沉悶，特斯拉很快安排了一台人形機器人上台，還跳起了舞來，整個活動會場瞬間就歡樂了起來。
特斯拉造出了一台能跳舞的機器人 Tesla Bot？
其實這只是一位演員穿上了一套仿機器人服裝在跳舞，馬斯克又和大家開了一個很「特斯拉」的玩笑，不過這個機器人計劃是真實存在的。
▲Tesla Bot 詳細屬性
按照馬斯克的預想，Tesla Bot 會繼承特斯拉的車機系統，包括輔助駕駛等等，能根據周邊的環境做出不同的動作，最終完成原本只能由人完成的體力勞動。
是的，這次馬斯克想解放「勞動力」，讓人們做自己想做的事。
當然，馬斯克也説了，到底要不要接受 Tesla Bot 的幫助，仍然由人們自己決定。
聽起來似乎很賽博朋克，但 Tesla Bot 什麼時候能量產、來到消費者的身邊，馬斯克僅僅表示會在明年的某個時間發佈產品原型。
我們離完全自動駕駛還有多遠？
國際自動工程協會（SAE）根據汽車駕駛模式的自動化程度，將其分為 6 級，從 L0-L5。
而特斯拉的 AutoPilot 駕駛模式被列為 L2 級，仍然屬於輔助駕駛，也就是説汽車仍然需要在駕駛者的關注下行駛，駕駛者需要對駕駛行為負責，這也是目前大部分新能源汽車自動駕駛輔助系統所處的自動化等級。
知名車評人@不只會評車的 38 曾對此做過直觀且形象的評價：
現階段的輔助駕駛需要人類隨時準備接管，更像是人輔助車，而不是車輔助人。
馬斯克顯然不滿足於輔助駕駛，他的目標是自動化程度更高的 L5——完全自動駕駛，汽車系統可以在所有情況下自主完成駕駛操作。
按照特斯拉的設想，基於 AI 的汽車的視覺感應系統應該如同人體系統一般。
攝像頭（眼睛）看到畫面內容的同時判斷出畫面中物體的 3D 結構形狀，並測算車輛和和物體之間的距離、物體的高度和大小等，汽車（人類駕駛員）也隨之自動做出相應的駕駛變化，避免撞上，這時對應的是靜止的物體；
▲圖片來自：syncedreview
在面對移動的物體，像是行駛中的汽車，特斯拉的 AI 感應系統應該做到識別出 3D 物體高度、大小的同時，還能測算出它的動向、速度等。
當然，這些都僅僅是設想，Dojo 超級計算機的確能加速 AI 運算，幫助汽車識別物體，帶來更好的輔助駕駛體驗，但要像馬斯克所説的「實現 L5 完全自動駕駛」，恐怕還是不行。
早在 2019 年特斯拉就曾表示要去掉雷達，走向純視覺感知系統，但視覺感知所依靠的 AI 只是在模擬人類，現階段人腦的奧秘並沒有完全揭開，AI 也只能做出一部分決策，它並不能替代真實的人類駕駛員。
▲ AI 替代不了人類
特斯拉所完成的數據訓練也還遠遠不夠，即便其數據量在新能源汽車行業是領先的。
要知道自動駕駛領域當中 95% 的數據都是無效的，重複的路況對於 AI 訓練價值不大，此前特斯拉的訓練數據大多都來自美國，它仍然需要在更多國家和地區，完成更多種情況的訓練。
而不同地區、不同交通情況所引發的極端情況組合幾乎是無限的，這無疑給特斯拉所選擇視覺感知技術路線提出更大的挑戰。
再加上近年來的安全事故加重了人們對於自動駕駛的擔憂，這種情況下，願意使用 AutoPilot 駕駛模式，或是參加特斯拉 FSD（全自動駕駛系統）測試的人是否會減少，仍然要打上一個大大的問號。
而且相關機構對於新能源汽車「輔助駕駛」模式的監管也在日趨完善，除了文首提到的美國汽車安全監管機構對特斯拉輔助駕駛系統 Autopilot 開展安全調查，我國工業和信息化部最近也發佈了《關於加強智能網聯汽車生產企業及產品准入管理的意見》。
之後還將工信部和相關部門還將會進一步細化自動駕駛、輔助駕駛相關規範。
這樣一來實現完全自動駕駛也許會慢一點，但在生命安全面前，又何嘗不是一件好事呢。
而馬斯克在活動最後也表達了對自動駕駛技術的展望，不再那麼激進了：
引用我相信未來汽車肯定都會有自動駕駛能力，但是還需不需要駕駛員呢？
大概還是需要的，就像在汽車時代，其實馬車也存在一樣。
本文由周宇、李華共同完成。
資料來源：愛範兒（ifanr）
請按此登錄後留言。未成為會員? 立即註冊