馬斯克夏天穿皮衣 特斯拉真的走「芯」了

2021年的科技圈被兩件皮衣點燃。

一件來自NVIDIA老大黃仁勳的廚房專屬款，老黃和他的皮衣僅用「數字人」技術實現的14秒畫面，就把眾多科技發燒友騙得團團轉，「真假老黃」的故事層出不窮，發展到最後只能NVIDIA官方出來闢謠。

點選載入圖片

另一件是8月20日早，

特斯拉

AI日上馬斯克穿的皮衣。難道你們不好奇嗎，此時的美國也是夏天，與馬斯克同臺的夥計們都是牛仔褲加T恤的「程式設計師標配」，而老馬本人卻用一件皮衣把自己裹得嚴嚴實實。

點選載入圖片

我相信此時在看文章的小夥伴們都或多或少地瞭解了特斯拉釋出的TeslaBot，一個身高1。7m的類人型

機器人

。所以我們可以進行一番大膽地猜測，沒準三個月後就會出現一篇名為《馬斯克騙過了全世界，藏在皮衣下面的竟是TeslaBot》的文章（開玩笑）。

言歸正傳，從「

自動駕駛

日」、「電池日」到今年的「AI日」馬斯克正在將特斯拉包裝成一家徹頭徹尾的人工智慧解決方案公司，正如在談及TeslaBot時，馬斯克表示他們對機器人專案抱有信心，畢竟從某種意義上講，汽車也是機器人的一種。

比起上次馬老闆28分鐘結束新款ModelSPlaid的交付儀式，本次接近兩個小時的直播真可謂「內容量有點大，你們忍一下」。而將所有內容理順之後，我們得到了三個關鍵要素：

D1——賦予特斯拉趕超晶片大廠的能力；

FSD——雲端神經網路深化純視覺自動駕駛路線；

TeslaBot——AI的實體化形態

相信我，「AI」是一名身著皮衣的技術男口中最性感的名詞，但當馬斯克用這個詞撩撥全世界技術宅的心絃時，你一定要冷靜，畢竟大家認識馬老闆已經不是一天兩天了，他的宏圖願景基本上是由一半「肺腑之言」加一半「荒誕情話」構成的。

這回特斯拉真的走「芯」了

在AI日之前，關於特斯拉Dojo超級計算機的討論早已甚囂塵上。讓人意外的是，此次馬斯克要講述的不僅是Dojo超級計算機的故事，還有特斯拉自研的D1超級計算機新晶片。

點選載入圖片

D1晶片的能力如何？單個晶片算力為362TFLOPS，25個晶片為一組，算力可以達到9PFLOPS，介面頻寬為36TB/s。

點選載入圖片

Dojo超級計算機何許人也？Dojo是由D1晶片組（25個為一組）組成的超級計算機，每個機櫃可安放120個晶片組，理論算力達到120x9PFLOPs=1080PFLOPs。

可能將上述數字羅列出來也無法讓大家產生最直觀的感受，所以我們找世界上最牛X的超級計算機來對比一下。目前世界第一的超算為日本的富嶽為442PFLOPs，特斯拉Dojo超級計算機的效能是它的兩倍多。當然我們要強調的是理論算力，因為馬斯克在社交平臺上也直言Dojo面臨的最大問題就是能耗，ProjectDojo能否完全落地也要看他們後續能否解決能耗問題。起碼在D1模組的爆炸圖上，我們能看到特斯拉在嘗試新的散熱技術。

點選載入圖片

從上述表格反饋的排名能看出，前四名超級計算機都屬於「國家隊級選手」，日本富嶽排名第一，中國的神威太湖排名第四。特斯拉正在以「一企之力」實現他人「舉國之力」完成的事情，如同SpaceX探索火星一樣。

特斯拉推出D1之後，他們實現了與NVIDIA和谷歌等晶片業大佬的平起平坐。所以特斯拉入局超級計算機的目的是什麼呢？

走視覺路線，馬斯克是專一的

Dojo意為「道場」，特斯拉組建Dojo超級計算機的目的之一是為給FSD的視覺感知自動駕駛路徑提供一個進行「演算法精進」的道場。

點選載入圖片

我們現在瞭解到的融合感知硬體的自動駕駛方案都是將主要算力整合在車端，這也是當鐳射雷達上車之後，大家都在「狂堆」車端算力的原因，感知硬體的冗餘使得車規級AI晶片算力即將完成上千TOPS的突破。

點選載入圖片

特斯拉走的是完全視覺路徑，車端感知硬體只有8顆像頭，所以在車端AI晶片上特斯拉的算力的並不高，FSD也不過144TOPS。就目前的技術來看，視覺感知路線是更加考驗AI能力和學習能力的自動駕駛解決方案。這也是眾多車企和供應商選擇鐳射雷達融合視覺感知的原因。

點選載入圖片

相比之下純視覺識別是最為「擬人」的方案，車載AI需要透過像頭拍到的畫面判斷出車輛行進錄影中出現的其他車輛、行人、車道線甚至貓貓狗狗。因為技術難度過高，所以會出現特斯拉FSD將影子識別成車輛同時採取緊急制動的案例。採用鐳射雷達輔助視覺感知的方案能夠在現階段大幅避免錯誤判斷，因為鐳射雷達可以向車端AI傳輸3D點雲圖像，擁有三維感知能力後自動駕駛系統可以更好地應對各類情況。

正是因為多數人認為純視覺路線的自動駕駛系統過於考驗AI的能力，所以大家轉投融合感知路線，起碼在這條路徑下，路面上的所有障礙物都是能夠被識別到的。自動駕駛本就是個脆弱的行業，這個行業的每一次突破都必須有「萬無一失」的保障。但馬斯克偏不信這個邪，Dojo的到來便是馬斯克要一路到黑的決心。

點選載入圖片

Dojo必定成為輔助FSD精進演算法的利器，未來的視覺處理工作將由車端轉移至雲端。特斯拉的車載像頭能夠不間斷地採集真實的道路資料，Dojo超級計算機能夠自動標記這些資料中的物體。過去，大型AI資料集通常需要手動標註並轉由AI學習並認知，而Dojo將具備無監督學習演算法，自主感知並標註道路情況。未來將會有更多資料透過Dojo反饋到雲端的神經網路學習系統，實現自動駕駛演算法主動迭代。

在純視覺路徑中，特斯拉將要搭建一套溝通車、雲兩端的完整體系，並且整套系統都是由特斯拉完全自研的。很多人認為有鐳射雷達的加持後，融合感知路徑的能力會在未來的一段時間裡超越純視覺路徑。而云端神經感知網路就是特斯拉的反制手段，在Dojo超級計算機的加持下，FSD將與其他競爭對手的產品再度拉開差距，但「功能突破」仍需要時間。

2019年特斯拉釋出FSDHW3。0的時候馬斯克就表示，到2022年，特斯拉在全球將擁有100萬臺RobotTaxi，而汽車也將成為創收工具。如今2021年已經過半，「渣男馬」在HW3。0時代立下的flag還沒實現，車端晶片HW4。0就要來了。

那麼問題來了，HW3。0的能力到頭了嗎？HW4。0能夠帶來更多功能突破嗎？或許這些問題的答案都是否定的。道理如同蔚來ET7用1000+TOPS的算力平臺為日後自動駕駛功能迭代來鋪路一樣，在倫理道德和法律法規的限制下，現在實現商業落地自動駕駛功能仍處在L2級水平，「解鎖功能」受限不代表「技術迭代」受限。

不過，特斯拉解鎖功能的路徑與競爭對手的路徑也大不相同，這點也與純視覺路徑相關。

過去三年裡，我們看到了自動駕駛功能從L2到L2+的演變，對於大多數提供解決方案的廠家來說，上述演變是透過硬體升級實現的「子功能落地」。具備單一車道的橫向和縱向控制是基礎L2的標準，硬體需要前視像頭。增加側後視視像頭和側後方毫米波雷達後，車輛便能夠實現「變道輔助」這項子功能。所以L2到L2+多是由子功能疊加實現等級突破。

點選載入圖片

但子功能疊加並不是特斯拉實現自動駕駛等級突破的路徑。特斯拉是將駕駛看作一件事來做的，L2與L5的差距只是人類駕駛員監管力度上的差距。所以擺在他們面前的問題不是功能突破，而是如何讓AI真正替代人類駕駛員。所以Dojo的落地很可能讓純視覺路線的特斯拉實現「代差級」飛躍。

TeslaBot，馬斯克的「荒誕情話」

TeslaBot究竟是用來幹嘛的呢？說白了就是馬斯克為了招人而講出來的故事，大概意思就是「嘿哥們兒，你看我要做的東西牛X不？還不趕緊加入我們」。馬斯克自己也在AI日之前明確表示過，這次活動在某種意義上也是場招聘會。

點選載入圖片

之所以說TeslaBot荒誕，其中有兩點原因：1。類人型機器人技術難度奇高；2。無商業化前景。

要說技術難度有多高？這就不得不請出機器人領域的「象牙塔級企業」——波士頓動力，這是一家根本不考慮投資人利益而且缺乏與外界理性溝通的企業。有趣的是，波士頓動力在前幾日也釋出了一條雙足類人型機器人的影片，影片中能看到該款機器人已經實現了雙足平衡，在障礙物上奔跑也沒有問題。大家雖然看到了類人型機器人的機械可行性，但看不到的是波士頓動力在背後投入的人力、物力、財力和時間。

點選載入圖片

波士頓動力也曾明確表示過，製造雙足類人型機器人只是為了探究該類機器人平臺和背後的控制邏輯。

為什麼雙足機器人商業化前景渺茫？因為機器人要與場景配套實現價值，只有在場景裡機器人才能實現效率提升。

人類是透過雙足行動的生物，也是大自然選擇的行動方式。車是四個輪子的機器，但是車做不到全地形行駛，而人可以全地形行走。不過與車相比，人類的行走效率過低，所以人類發明了汽車，與汽車配套的場景是公路，為了實現交通工具的高效運轉，人類可是花費了大量人力、物力修建公路。田地裡的自動化農機、工廠裡的自動化產線都是同理。

馬斯克說TeslaBot將代替人類做更多瑣碎的事情，聽上去好像這個機器人什麼都能幹，但仔細想想會發現，在任何場景下類人型機器人都很難超越人類的效率。更何況一碗米飯就能讓一個正常的人類工作一下午，機器人消耗的能量會比人類還少嗎？

可能很多事情馬斯克自己都再清楚不過，但是！對於那些技術極客來說，還有比打造一個「人類公敵」更讓他們著迷的謊言嗎？

結語

馬斯克是這個時代裡「最極客的渣男」，他做過很多令人匪夷所思的事，也吹過許多自己都無法圓場的牛皮。有人說他是「韭菜收割機」並對他嗤之以鼻，有人被他的瘋狂圈粉到投身其中。

此時，連特斯拉電話會議都不參加的馬斯克，或許又在醞釀一個大新聞。