特斯拉布局超級計算機 野心是全自動駕駛

美東時間週一舉行的2021年計算機視覺和模式識別會議上，特斯拉人工智能與自動駕駛視覺部門主管安德烈·卡帕蒂（Andrej Karpathy）公佈了特斯拉超級計算機集羣Dojo。卡帕蒂表示，Dojo尚未進行基準測試，根據FLOPS的排名來看，第五位的英偉達超級計算機集羣Selene和Dojo架構和GPU類似，但前者GPU數量爲4480個，比Dojo的數量少1280個。

根據5月英偉達芯片價格估算，一個節點設備的價格約爲20萬美元，Dojo共有720個節點，由5760個321TFLOPS英偉達顯卡組成，理論總算力達到1.8EFLOPS，讀寫速度爲每秒1.6TB，硬件成本約爲1.44億美元。特斯拉如此大規模的投入，其目的是對自動駕駛的神經網絡進行訓練。早在2019年，特斯拉CEO馬斯克就有了超級計算機的研發計劃，未來特斯拉的超級計算機的算力將達到每秒ExaFLOPS的級別，意味着每秒達到一百億億次的浮點算力。

值得注意的是，隨着大疆、華爲等國內廠商入場，激光雷達價格已出現下探。Velodyne近日也宣佈16線激光雷達降價50%，售價僅3999美元。而在2017年，單顆Velodyne的64線激光雷達HDL-64定價近8萬美元。理想汽車CEO李想表示，未來自動駕駛的發展更多依靠多傳感器的融合，而不是依靠單一傳感器。而在馬斯克看來，Dojo可以幫助特斯拉實現視覺感知路線，單純依靠光學攝像機實現自動駕駛，而不是搭載激光雷達進行輔助識別。

卡帕蒂表示，自動駕駛模擬人類的思維對現實場景的判斷，基於海量數據對自動駕駛的神經網絡進行訓練。目前特斯拉蒐集的視頻數據達到100萬個，並對60億個物體的距離、速度進行標註，數據量達到1.5PB。

天瞳威視一名工程師此前告訴記者，視覺感知的語義識別類似“窮舉法”，不同的場景對應不同的判斷語句，構成一個龐大的樹形圖，代碼量上和L2和高級別自動駕駛也不是一個量級。一方面，要求收集的數據是乾淨的，計算機神經網絡的訓練過程中知道正確的處理邏輯。另一方面，數據也要兼顧特定場景，比如道路兩旁的護欄車輛一般不能碰撞，但和寵物狗這類不能碰撞物體同時處理時，欄杆的優先級會降低。

採埃孚集團一名工程師在微信朋友圈評論稱，特斯拉超級計算機項目本身並不稀奇，達到1.5PB的有效數據纔有價值。

某新勢力業內人士表示，其實每一輛車都是一個數據蒐集單位，車輛越多、跑的時間越久，所蒐集的數據量也越大。特斯拉龐大的車主爲其提供海量數據，但各地的道路場景並不太，這也加劇數據處理的工作。

卡帕蒂也承認短期內還無法實現高級別自動駕駛，需要對計算機神經網絡進行長期的訓練。馬斯克在1月份的財報電話會議上表示，將在2021年年底實現全自動駕駛。今年5月，特斯拉向加州機動車輛部門改口稱，完全自動駕駛的計劃或將推遲。但這仍阻止不了馬斯克全自動駕駛的野心，他希望未來特斯拉還將佈局Robotaxi，和Waymo等自動駕駛獨角獸展開正面較量。