特斯拉AI DAY的新暢想

文 / 本刊記者 馬琨

在有限的硬件條件下，軟件及算法方面的優(yōu)化是否存在上限？在今年的AI DAY上，特斯拉給競爭對手們好好上了一課。

趕在9月的最后一天，特斯拉AI DAY總算是“如期”召開，之前就有人猜測特斯拉會有很多新動作，而事實也的確沒令人失望。尤其是開場的Optimus機器人驚艷亮相，更是激發(fā)了人們對于未來機器人的無限遐思。

不過，我們都很清楚，這臺與《變形金剛》里擎天柱撞名的Optimus機器人只是一道墊胃的前菜。相比之下，特斯拉在自動駕駛技術(shù)方面的細(xì)節(jié)公布似乎更能滿足所有人胃口。那么，此次AI DAY特斯拉帶來的技術(shù)究竟能否讓極客和科技大牛們飽腹呢？

Optimus拋磚引玉

實際上，早先就有消息透露，Optimus機器人采用了與汽車相同的自動駕駛計算機(以下簡稱FSD），這并非什么不可公開的秘密，但厲害之處就在于，它的行走、動作以及指令的執(zhí)行均可通過AI模型來學(xué)習(xí)。

這是什么意思呢？其實很好理解，特斯拉的工程師們早在一開始就把Optimus看作是一個人來訓(xùn)練，它可以像人類一樣通過頭部的攝像頭來感知周圍環(huán)境，并通過FSD視覺識別算法對周圍環(huán)境進(jìn)行分析，進(jìn)而執(zhí)行對應(yīng)的動作。

為了適應(yīng)人類生活場景并實現(xiàn)和人類一樣的動作，Optimus也和人類一樣擁有各種關(guān)節(jié)，盡管在舞臺展示時它行走的樣子有些步履蹣跚，但在學(xué)術(shù)界，這絕對是一個重大突破。

而經(jīng)過了訓(xùn)練，Optimus也就擁有了多種“技能”，比如澆花、搬運箱子等等。但是，想要讓機器人擁有和人類一樣的行動能力，那必然需要龐大的數(shù)據(jù)作為支撐，這也是馬斯克預(yù)測Optimus需要至少3-5年才能量產(chǎn)上市的原因之一。

純視覺≠降成本

不 過，相 比 于Optimus機器人，特斯拉在自動駕駛領(lǐng)域的經(jīng)驗就豐富多了。公開數(shù)據(jù)顯示，截至目前，全球參與FSD Beta版本測試的用戶已從最開始的2000人發(fā)展為16萬人，累計行駛里程也突破了4000萬英里。而根據(jù)馬斯克的表述，今年年底，F(xiàn)SD Beta測試的用戶還將拓展至100萬人，進(jìn)而向1億英里的累計行駛里程目標(biāo)沖擊。據(jù)馬斯克透露，如果地方監(jiān)管政策允許，今年FSD Beta版本即可在全球上線。

龐大的真實測試數(shù)據(jù)為Autopolit自動駕駛技術(shù)提供了強有力的數(shù)據(jù)支撐，而FSD完全自動駕駛神經(jīng)網(wǎng)絡(luò)上的進(jìn)步則是此次特斯拉投下地又一枚重磅炸彈。

與主流的融合方案（攝像頭+雷達(dá)）不同，此次特斯拉選擇在純視覺方案上更進(jìn)一步，根據(jù)特斯拉方面的消息，2022年10月起，北美、歐洲、中東地區(qū)交付的Model 3與Model Y都將不再配備超聲波雷達(dá)。2023年，Model S和Model X也將不再配備超聲波雷達(dá)。

此前，特斯拉已移除了自家車輛上的毫米波雷達(dá)，而此次的決策也意味著特斯拉未來車型的自動駕駛功能將僅依靠攝像頭實現(xiàn)。盡管外界許多人看來這是特斯拉為節(jié)約成本而做的犧牲，但實際上這是特斯拉對于自家視覺算法的高度自信。

算法比算力更重要！

在AI DAY上，特斯拉再次提到了Occupancy netwrok（柵格網(wǎng)絡(luò)）模型的應(yīng)用和改進(jìn)。你可以將其理解為一套基于BEV感知算法而建立的物體檢測方案。因為在融合方案中有多傳感器作為基礎(chǔ)，所以計算機對于物體的判斷會比純視覺方案更簡單。不過融合方案的缺點也很明顯，那就是需要將來自多傳感器的時間進(jìn)行同步（外參對齊）,并且還存在著大量背景的儲存冗余，繼而會浪費掉許多算力，這也是為什么國內(nèi)許多車企都在追求高算力芯片的原因之一。

而特斯拉基于Occupancy network改進(jìn)的純視覺方案則無需上述那些多余步驟，通過算法的優(yōu)化，車輛可以在不具體識別障礙物是什么的情況下就做出避讓，因此，純視覺方案對算力的消耗更低，語義感知能力更強。更簡單的理解就是，同等算力下在面對復(fù)雜數(shù)據(jù)處理（高速環(huán)境或快速移動物體感知）時，純視覺的Occupancy network甚至能夠做到比激光雷達(dá)融合方案更出色。

從2019年Autonomous Day公 布FSD芯 片 開 始，自動駕駛行業(yè)就進(jìn)入了算力內(nèi)卷的時代，國內(nèi)車企紛紛配備NVIDIA、地平線等芯片公司最新研發(fā)的自動駕駛芯片，畢竟對于普通消費者來說，TOPS代表的數(shù)值對比起來更直觀。但需要注意的是，此時特斯拉就有了去掉雷達(dá)，走向純視覺的想法，于是算法上的優(yōu)化成為了這幾年來特斯拉內(nèi)部的主要攻堅。

在AI DAY上，特斯拉帶給國內(nèi)企業(yè)最大的啟示就在于，原來在有限硬件條件下，軟件以及算法上的優(yōu)化竟有著如此大的作用，而對于國內(nèi)企業(yè)來說，是不是也該將這個問題帶入后續(xù)研發(fā)當(dāng)中？或許在未來面臨美方對于高端芯片的出口限制時，軟件和算法將成為國內(nèi)企業(yè)突破技術(shù)封鎖的一大契機。

關(guān)于仿真與Dojo超算

視覺圖像的仿真模擬是近年來計算機視覺方面的熱門方向。在去年的AI DAY上，特斯拉就公布了一些關(guān)于視覺仿真在自動駕駛領(lǐng)域的應(yīng)用案例，但是當(dāng)時有許多人對這項技術(shù)提出了質(zhì)疑，因為在人們看來，無論虛擬場景構(gòu)建得有多真實都無法替代現(xiàn)實場景。

然而實際情況卻是，雖然仿真無法保證做到對真實世界的100%模擬，但足以騙過AI。在一些實際有危險或極少發(fā)生的場景有獨特優(yōu)勢，特斯拉可利用該方案來針對這些少見場景進(jìn)行大量模擬，從而提高自動駕駛系統(tǒng)的通用性和穩(wěn)定性。

不過，仿真的實現(xiàn)對硬件的帶寬要求極高，也正是如此，截至目前，國內(nèi)還沒有一家企業(yè)真正將仿真模擬落地應(yīng)用，這也再度體現(xiàn)了特斯拉在技術(shù)方面的先發(fā)優(yōu)勢。而AI DAY上提到的Dojo就是專門用來模型訓(xùn)練的超級計算機，其存在的目的就是為了幫助特斯拉快速且高效地制造大量仿真模型。

可以說，Dojo在設(shè)計之初就充分考慮到了上層算法軟件的選型，首先，它沒有一味的追求高算力，而是設(shè)計了大面積的片上靜態(tài)隨機儲存單元（SRAM），盡管在容量上不及傳統(tǒng)使用的動態(tài)隨機存儲單元（DRAM）高，但勝在帶寬極高。同時，特斯拉還優(yōu)化了FSD芯片的整體數(shù)據(jù)流鏈路，進(jìn)一步減少了電信號在芯片中的移動距離，讓信號能夠以非常低的延遲將模型參數(shù)和待運算的數(shù)據(jù)送入運算單元。此外，為了進(jìn)行大規(guī)模分布式訓(xùn)練，特斯拉還用了自研的Tesla Transport Protocol來保證數(shù)據(jù)傳輸?shù)母咝А?/p>

為了證明這一點，特斯拉舉了一個例子來說明Dojo的優(yōu)化帶來的收益，即使用24個GPU集群的服務(wù)器在計算一個BN（Batch_normalization）時 的 延 遲 是150μs，而25個D1芯片組成的Dojo訓(xùn)練服務(wù)器上，同樣的BN僅需5μs，效率提升了整30倍。

而在物理結(jié)構(gòu)方面，特斯拉將多個運算單元和接口處理器組成了一個托盤（Tray），而Dojo的每個機柜都至少由兩個托盤構(gòu)成，這樣算來，每個機柜都包含4248個核心，而由十臺機柜組成的計算集群（ExaPod）就擁有42480個核心，所以在同等數(shù)據(jù)中心空間內(nèi)，它比傳統(tǒng)的CPU或GPU超級計算機都要快上幾個數(shù)量級。

另外，目前基于Dojo的訓(xùn)練服務(wù)器也取得了不錯的進(jìn)展。據(jù)特斯拉Autopilot研發(fā)總監(jiān)Ashok介紹，在過去的一年里，特斯拉總計訓(xùn)練了75,000個神經(jīng)網(wǎng)絡(luò)，這意味著每8分鐘就要構(gòu)建一個新的模型。在此次AI DAY上，馬斯克還對外透露，預(yù)計在明年第一季度就可以對外交付以用于AutoLabeler訓(xùn)練的Dojo服務(wù)器，而屆時，特斯拉的AI訓(xùn)練能力還將進(jìn)一步得到提升。

自動標(biāo)注與路線規(guī)劃

在 去 年 的AI DAY上，特斯拉就針對自動標(biāo)注這項技術(shù)進(jìn)行了詳細(xì)介紹，而今年，特斯拉則著重分享了車道網(wǎng)絡(luò)（LanesNetwork）的自動標(biāo)注。

所謂自動標(biāo)注實際上是在計算機制圖技術(shù)發(fā)展基礎(chǔ)上形成的一門技術(shù)。其主要內(nèi)容就是對地圖信息進(jìn)行標(biāo)注，利用好這些駕駛數(shù)據(jù)更好地幫助自動駕駛系統(tǒng)對車道進(jìn)行識別。

每天，特斯拉的測試車輛能產(chǎn)生500,000條真實的駕駛旅程數(shù)據(jù)，隨后交予AI分析訓(xùn)練，強化車道感知的能力，日積月累下來，特斯拉在車道感知方面的成就早已領(lǐng)先競爭對手幾個代際。

從AI DAY上的分享不難看出，特斯拉FSD的車道識別已是基于3D Occupancy的感知，而不僅僅是基于2D的BEV，這也賦予了車輛識別車道高低起伏變化的能力。

多車多旅途地圖重建策略是該方案中的關(guān)鍵步驟，其基本邏輯是，不同的車輛對同一個地點可能有不同空間角度和時間的觀測，因此將這些信息整合起來能夠更好地對地圖進(jìn)行重建和標(biāo)注，進(jìn)而減少對高精地圖的依賴?；蛟S純文字的表述會讓人有些難以理解，但實際的效果卻是，當(dāng)有新旅程啟動時，這種通過自動標(biāo)注的效果能夠更好地適應(yīng)低可見度(陰天、雨天、夜晚等路況)、遮擋等條件的能力，有時標(biāo)注的準(zhǔn)確性甚至?xí)?yōu)于人工標(biāo)注。

至于路徑規(guī)劃則是自動駕駛中另一個比較重要的模塊，因此今年的AI DAY上特斯拉也進(jìn)行了著重介紹，它們把采用的規(guī)劃模型稱為Interaction Srarch，即交互搜索。

它主要由三個主要步驟實現(xiàn)：樹搜索、神經(jīng)網(wǎng)絡(luò)規(guī)劃和軌跡打分。其中樹搜索是自動駕駛軌跡規(guī)劃中經(jīng)常用到的算法，可以有效地發(fā)現(xiàn)各種交互情形并找到最優(yōu)解。不過，用搜索的方法來解決軌跡規(guī)劃問題遇到最大的困難就是搜索空間過大，例如在一個復(fù)雜路口可能有數(shù)十輛車，可以組合成超過百種交互方式，同時每種方式又可能有幾十種時空軌跡作為候選，這會讓風(fēng)險評估和解優(yōu)化花費更長的時間。而在今年的AI DAY上，特斯拉則是為復(fù)雜路口的情況分析提供了新思路。

這個思路很清晰。首先，特斯拉并沒有采用軌跡搜索的方式，而是用神經(jīng)網(wǎng)絡(luò)來給一段時間后可能到達(dá)的目標(biāo)位置經(jīng)行打分，隨后排除掉不切實際的候選路徑，這樣就會得到少量的較優(yōu)目標(biāo)。

與此同時，另一個神經(jīng)網(wǎng)絡(luò)會對行車軌跡進(jìn)行規(guī)劃，實現(xiàn)同時對多個候選目標(biāo)的高度規(guī)劃。隨后再通過以上三個步驟的解耦，特斯拉便實現(xiàn)了一個高效且考慮了交互軌跡的軌跡規(guī)劃模塊。

盡管在學(xué)術(shù)界看來，多傳感器融合方案優(yōu)于特斯拉的純視覺方案，但是以目前的技術(shù)水平來看，純視覺的FSD無論是在通用性還是實用性方面都已然來到了行業(yè)最前端。

通過此次AI DAY，特斯拉把自動駕駛話題的熱度推向了一個新高度，并且就信息量而言，其技術(shù)覆蓋面之廣，即便是在自動駕駛領(lǐng)域從業(yè)多年的專家、學(xué)者也很難快速消化。因此，稱特斯拉的AI DAY為自動駕駛?cè)Φ摹按和怼币膊粸檫^。