特斯拉AI日自動駕駛Dojo高性能計算人形機器人

1、1資料來源：Tesla AI Day資料來源：Tesla AI Day特斯拉自動駕駛系統(tǒng)采用視覺方案特斯拉車輛上配備8個攝像頭特斯拉自動駕駛解決方案：以視覺為主特斯拉在最初設計汽車視覺方案時，即是按照眼睛感知生物視覺的方式進行建模。特斯拉依托8個攝像頭，積極打造AI視覺組件。每個攝像頭所采集的信號均被輸入到“3維矢量空間”中。特斯拉的AI視覺組建HydraNets具有多任務學習能力。2視覺方案：不同攝像頭采集信息的分辨率、用途均有所不同資料來源：realspacsTesla 的相機從每個相機獲取原始輸入并創(chuàng)建各種分辨率，用于各種功能和目的。這些信號都被輸入自動駕駛的神經網絡中，以生成對自動駕駛

2、套件有用的附加信息。特斯拉攝像頭信號處理過程資料來源：騰訊科技特斯拉依托視覺方案可同時識別多種物體特斯拉視覺方案面臨多種任務并行3視覺方案：多任務并行處理是重要挑戰(zhàn)之一以左下圖的常用場景為例，Autopilot 需要同時處理 100個不同類別的任務：不同物體對其進行不同的標記；為了并行處理100多個并行任務，特斯拉采用了“類 ResNet-50”的骨干網絡。特斯拉視覺方案：依托HydraNets處理多任務線資料來源：Tesla AI DAY特斯拉HydraNets架構及工作原理4特斯拉的“HydraNets”，它具有多任務學習能力。特斯拉從其主干中獲取數(shù)據并將有用的信息提供給不同的任務（即：物

3、體檢測、交通燈和 車道預測），而不會影響其他所有任務，否則會浪費處理。學習從哪實現(xiàn)端到端資料來源：Tesla AI DAY特征隊列恢復為普通虛擬攝像頭何時推送隊列5特斯拉視覺方案：進一步優(yōu)化視覺神經網絡學習為了解決過去幾年在使用前一個套件時遇到的幾個問題，特斯拉從頭開始重新設計了他們的神經網 絡學習，并利用多頭路線、相機校準、緩存、隊列和優(yōu)化來簡化所有任務。資料來源：特斯拉AI Day資料來源：快科技咨詢特斯拉目前可支持實時生成地圖特斯拉依托攝像頭繪制地圖數(shù)據特斯拉純視覺方案：可實時生成地圖與行業(yè)中其他競爭對手相比，特斯拉感知方案采用純視覺方案，并未搭載高精度地圖：盡管未搭載高精地圖，特斯拉車

4、輛可依托攝像頭感知、繪制周邊的路況。同時，重新設計迭代了他們的神經網絡，從頭開始學習，并利用了多頭路徑。具體 包括攝像機校準、緩存、隊列和優(yōu)化以簡化所有任務。這使得特斯拉可以在行駛時 有效地實時繪制地圖。通過道路上行駛車輛的攝像頭采集相關信息，并傳到“高精度地圖”信息數(shù)據庫后， 可為全球特斯拉車輛實時提供高精度地圖信息。6資料來源：Tesla AI Day特斯拉自動駕駛理念：在安全性、舒適性、效率之間找到平衡點7自動駕駛：需要滿足安全性、舒適性、效率之間的平衡以停車為例：從停車場召喚汽車時，使用40萬張照片進行路線規(guī)劃后得到的系統(tǒng)，后續(xù)仍需改進自動駕駛：交通行為極其復雜資料來源：Subscri

5、be8特斯拉自動駕駛系統(tǒng)：采用混合規(guī)劃資料來源：Tesla AI Day狹隘場景下，自動駕駛系統(tǒng)需要考慮其他駕駛員行為，以保證自動駕駛的安全性當與其他汽車一起駕駛時，自動駕駛系統(tǒng)不僅必須考慮它們將如何駕駛，還必須考慮其他 汽車將如何操作。特斯拉是采用混合規(guī)劃方案以實現(xiàn)高級別自動駕駛功能。9特斯拉全自動駕駛系統(tǒng)最終架構資料來源：Tesla AI DAY10特斯拉自動駕駛系統(tǒng)：架構11自建數(shù)據標記團隊資料來源：Tesla AI DAY2021 CVPR 會議上，Andrej 表示特斯拉轉向純視覺深度學習之后，已經積累了超過 60 億個物體標簽， 超過 1.5PB 的數(shù)據量為了更好地實現(xiàn)自動駕駛功能

6、以及數(shù)據分類，數(shù)據標記的工作較為重要：本著垂直整合精神，特斯拉建立了自己的1000人數(shù)據標記團隊（并未外包給第三方）。除此之外，特斯拉目前已經發(fā)展出了自動標記技術。特斯拉數(shù)據標記團隊增長資料來源：Tesla AI Day資料來源：Tesla AI Day2D圖像標記4D圖像標記數(shù)據標記：未來將由2D向4D發(fā)展目前在使用2D畫面進行標記，未來將轉向4D標記。12數(shù)據標記：自研自動標記技術特斯拉自動標記技術，在一定程度上擺脫了對雷達套件的依賴在行駛道路上，被標記的物體較多。特斯拉通過自研自動標記技術，可“重組”道路上的各種應用場景，使得標記技術更快。 可以幫助車輛更好地實現(xiàn)安全形式。這項技術，在一

7、定程度上幫助公司FSD擺脫了雷達套件。資料來源：Tesla AI DAY13Autopilot仿真系統(tǒng)特斯拉Autopilot仿真系統(tǒng)，在很大程度上能夠加快數(shù)據的處理自動駕駛仿真系統(tǒng)，在一定程度上能夠解決“數(shù)據來源難”“數(shù)據分類難”“數(shù)據閉環(huán)” 等領域中的問題。資料來源：Tesla AI DAY14提供準確的傳感器感知數(shù)據、提供逼真的渲染環(huán)境、提供不同的環(huán)境&位置、提供可擴展 的應用場景、提供場景重建功能。Autopilot仿真系統(tǒng)：提供5個重要的功能特斯拉Autopilot仿真系統(tǒng)，可提供5個重要的功能資料來源：Tesla AI DAY15已取得的成果：基于3.71億張圖像、4.8億立體時空

8、點的學習，可實現(xiàn)行人、自行車、車 輛的檢測與運動；未來規(guī)劃：通過“通用靜態(tài)世界道路”拓展更多的車輛和行人學習。480 Million CuboidsAutopilot仿真系統(tǒng)：取得的成果特斯拉Autopilot仿真系統(tǒng)：已取得的成果，以及未來的規(guī)劃資料來源： notateslaapp16特斯拉：AI評估特斯拉AI評估特斯拉還在用FSD 3.0芯片做 AI 評估：超過 3000 塊 HW3.0 主板組成的3 個數(shù)據中心；該數(shù)據中心每周可以運行 100 萬次循環(huán)。資料來源：Tesla AI DAY17特斯拉：AI訓練計算機的核心訴求為帶寬和延遲資料來源：Tesla AI Day特斯拉AI訓練計算機

9、核心訴求：并非是高算力，而是寬帶寬和低延遲18考慮到自動駕駛數(shù)據量較大，特斯拉對于 AI 訓練計算機的核心訴求，并不是算力，而是帶寬和延遲。自動駕駛運算需要極高的帶寬，起碼要達到 1TB 每秒，F(xiàn)SD 芯片（內部）可以達到 2TB 每秒。資料來源：Tesla AI DAY特斯拉訓練神經網絡的硬件：算力在過去兩年實現(xiàn)了翻倍增長19特斯拉：公司的硬件算力在過去兩年幾乎翻倍資料來源：ibtimesDojo AI訓練電腦采用臺積電Info-SoW工藝Dojo AI訓練電腦：由25個D1芯片構成特斯拉：新發(fā)布人工智能訓練計算機DojoDojo項目成立背景：公司希望有更好的AI訓練計算器來訓練Autopi

10、lot。Dojo設計原命題，就是帶寬和延遲，這也是決定特斯拉能否達到“最佳 AI 訓練性能、 更大更復雜神經網絡、能耗成本優(yōu)化”目標的關鍵。Dojo計算模組是由25個D1芯片構成：InFO-25個D1芯片并非是簡單的在PCB版進行排列，而是采用臺積電首次量產的 SoW工藝，直接從晶圓上刻出一個個芯片，然后整塊晶圓摁在基板上。25 個D1芯片組成的Dojo計算模塊算力達9PFLOPS。20資料來源：Tesla AI Day、OKTeslaD1芯片大小D1芯片D1芯片與競爭對手參數(shù)對比特斯拉：新發(fā)布D1芯片D1芯片是特斯拉Dojo超級計算機系統(tǒng)的一部分，采 用7nm工藝制備，21面積645平方毫米

11、；內置 500 億個晶體 管；得益于臺積電先進的封裝技術（芯片 之間距離極短），D1芯片的內部線束長度為 18公里（11英里）。算力大?。?62TFLOPS（BF16/CF8 精度 算力）； 362TFLOPS（FP32精度）。內部帶寬為10TB/s，外帶寬為4TB/s。特斯拉：新發(fā)布計算機柜DOJO Pod特斯拉Exa Pod資料來源：Tesla AI Day22基于D1芯片、Dojo計算機，特斯拉還發(fā)布了Dojo Pod計算機柜：Dojo Pod計算機柜由120個Dojo計算模組組成（約3000個D1芯片）；總算力超過 1.1EFLOPS（BF16 精度）；超越全球超算排行榜第 5 名的 FP32 精度算力。特斯拉Dojo Roadmap：目前正在研發(fā)與Dojo相關的軟件工具，預計下代產品性能擬提升10倍資料來源：Tesla AI Day23特斯拉：開發(fā)與Dojo相關的軟件工具Tesla Bot原型Tesla Bot關鍵部件構成資料來源： electrek24預計2022年推出TeslaBot機器人原型特斯拉CEO 埃隆馬斯克稱，預計將在2022年推出人形機器原型Tesla Bot 。機器人身高 1.72 米，體重56.6 千克，臉上有一個屏幕，以顯示有用的信息。四肢使用 40 個機電 推桿進行操作；有兩只腳，并有力反饋感應