“很精彩的设计！”8月20日，特斯拉AI日发布会后，我国计算机博弈专家吴韧发布朋友圈称：“如果Elon（特斯拉CEO：埃隆·马斯克ElonMusk）愿意，或许这是Nvidia最大的竞争者，实际上芯片巨头的座次，可能需要重新排位！”
吴韧说的芯片是于当天活动亮相的D1，该芯片是特斯拉自主研发的神经网络训练芯片，其在mm的芯片面积上，搭载了亿个晶体管，热设计功耗（TDP）为W，FP32精度下的算力峰值达22.6TFLOPS。
性能参数优于目前特斯拉超级计算机使用的英伟达ATensorCoreGPU。后者芯片面积为mm，晶体管数量亿颗，TDPW，FP32峰值算力是19.5TFLOPS。
Δ特斯拉称，自研芯片的浮点运算能力其他厂商
而特斯拉也表示，基于公开数据其自研的芯片在浮点运算能力上领先于其他厂商。
除了芯片以外，特斯拉当天还公布了纯视觉方案FSD的进展、神经网络自动驾驶训练，以及Dojo超级计算机等。
作为一场以“招聘”为目标的发布会，特斯拉实实在在地拿出了人工智能领域的“法宝们”。
01
ExaPOD算力足以模拟人脑
尽管特斯拉并没有像外界以为的那样带来HW4.0芯片，但D1的到来依然给人们很大惊喜。
D1芯片采用分布式结构和7纳米工艺，搭载亿个晶体管、个训练节点，仅内部的电路就长达17.7公里，实现了超强算力和超高带宽。BF16/CFP8格式下的算力达TFLOPS，FP32精度下的算力峰值达22.6TFLOPS，芯片内部带宽为10TBps、外部带宽为5TBps。
规格方面，D1配备了基于四核64位超标量CPU的个训练节点，专为8X8算法设计，支持用于AI训练的各种指令，包括FP32、BFP16、CFP8、INT32、INT16和INT8。
由于从研发伊始，特斯拉就带着“用于组成超算”为前提，因此其“边缘”都是一个速度高达40TB/s的互联连接器。
ΔD1芯片
这也意味着，D1芯片可以直接以“边对边”的形式连接，并由此组成了一个Dojo超级计算机的单个训练模块。后者由25个D1芯片组成。因每个D1芯片之间都是无缝连接在一起，相邻芯片之间的延迟极低，训练模块最大程度上实现了带宽的保留，配合特斯拉自创的高带宽、低延迟的连接器；在不到1立方英尺的体积下，算力高达9PFLOPs（9千万亿次），I/O带宽高达36TB/s。
得益于训练模块的独立运行能力和无限链接能力，由其组成的Dojo超级计算机的性能拓展在理论上无上限。
基于此，特斯拉提出了更大的目标：将使用D1芯片打造的超级计算机集群DojoExaPOD。其由个节点、总共块D1芯片组成，计算单元数超过万（*），在BF16/CFP8精度下的算力达到1.1ExaLOPS，远超目前全球最快的超级计算机富岳，后者算力为44.TFlops。
Δ马斯克回应网友
发布会后，马斯克在推特上回复网友时表示，ExaPOD的运算能力足以模拟人脑。而这仅仅是一个开始，他称下一代Dojo还将得到10倍的性能提升。
02
如何实现纯视觉自动驾驶
耗费如此大的人力、物力、财力，特斯拉要做什么？自动驾驶。
就在几天前，美国国家公路交通安全管理局（NHTSA）宣布对特斯拉的自动辅助驾驶系统Autopilot展开正式调查，涵盖了76.5万辆特斯拉ModelY、ModelX、ModelS和Model3车型。NHTSA表示，在8年1月至年7月期间，特斯拉Autopilot系统已导致11起事故，致使17人受伤、1人死亡。
而这显然不但没有打倒马斯克，反而激发了他冲刺自动驾驶的斗志。
目前自动驾驶行业根据传感器的不同普遍被分为两个派系，一个是以Waymo为首的激光雷达派，另一个就是以特斯拉为代表的纯视觉派。
ΔDojoExaPod
发布会上，特斯拉依然坚定支持纯视觉路线。D1芯片和DojoExaPod超算的推出，即是为纯视觉自动驾驶的实现保驾护航。
特斯拉AI高级总监AndrejKarpathy表示，希望能够打造一个类似动物视觉皮层的神经网络连接，模拟大脑信息输入和输出的过程。“就像光线进入到视网膜当中。我们希望通过摄像头来模拟这个过程。”
特斯拉利用多任务学习HydraNets神经网络架构简化所有的任务架构。其将8个摄像头获取的画面拼接起来，并平衡视频画面的延迟和精准度。通过人工或自动标注车道、车辆、信号灯、障碍物等环境和动静物体，系统会逐帧分析视频画面，了解物体的纵深、速度等信息，再将这些数据交给车队学习。
但是在这个过程中，特斯拉发现了几个问题：这些参数和空间追踪是很难通过C++这个基础架构实现拼接的；有一些空间数据的输出质量不高；不同摄像头获取的物体信息不同，拼合时很难进行整体把握。
为解决上述问题，特斯拉开发了“矢量空间”（VectorSpace）技术，同时兼具了非凸优化算法（Non-convex）、高维度两大优势。该技术可以通过8个摄像头输入的数据为基础绘制3D鸟瞰视图，形成4D的空间和时间标签的“路网”以呈现道路等信息，帮助车辆把握驾驶环境，更精准的寻找最优驾驶路径。
Δ功能部门基础架构
特斯拉在设计其汽车的视觉皮层时，是按照眼睛感知生物视觉的方式进行建模的，通过全车8个摄像头收集数据。
有了海量、精准的视频数据，特斯拉还需要创造一个强大的神经网络，于是自主研发了基于神经网络的训练方式。
Dojo超级计算机的用途即用来训练自动驾驶神经网络，包括通过"无监督学习算法"对新产生的海量数据进行自动标注、对特殊场景的针对性训练等。
一方面，车辆可以通过在行驶过程中进行数据积累和场景积累，用于道路路面情况以及标志物的预测，巩固神经网络性能，进一步巩固神经网络对路况及数据处理的成熟度。
比如，车辆多次经过红绿灯路口，经过深度神经网络学习后，再遇到相关路况时预测更加灵活、准确，最终学会在场景类似但从未去过的路口自动驾驶。
另一方面，特斯拉拥有一支由世界各地人才组成的数据标注团队，规模在0人左右。团队每天对视频数据中的物体在“矢量空间”中进行标注。
特斯拉的标注数据集最初是基于图片的2D标注，但当整个感知架构转向4D后，数据标注也随之过渡到了4D标注。随着标注量的提升，特斯拉还开发了自动标注工具。
尽管如此，依然有一些场景很难实现、标注，因此特斯拉又推出了Autopilot的仿真器。一方面进行准确的感应器模拟；另一方面基于图像的实时现状模拟。
Δ仿真模拟有助于数据处理
同时，特斯拉还开发了“仿真场景技术”，可以模拟现实中不太常见的“边缘场景”用于自动驾驶培训。在仿真场景中，特斯拉工程师可以提供不同的环境以及其他参数（障碍物、碰撞、舒适度等），极大提升训练效率。
由此，特斯拉FSD系统已可以实现每1.5毫秒2次搜索的超高效率。
未来，来自全球超万辆特斯拉的数据将汇聚于“Dojo”，通过其训练深度神经网络，实现自动驾驶算法的迭代，而算法的迭代也让Autopilot更加好用，持续反馈更多的数据给Dojo去分析，从而实现一个正循环，最终实现以纯视觉为基础的完全自动驾驶。
03
“薛定谔的机器人”
正如小米发布会带来“Onemorething”——铁蛋，特斯拉AI日也有彩蛋环节：即TeslaBot，这也是全场唯一由马斯克介绍的部分。
不过，与雷军可以现场与铁蛋互动不同，马斯克的TeslaBot还只存在于PPT中。
资料显示，这款人工智能机器人TeslaBot，是在特斯拉各项技术的加持下产生：Autopilot摄像头组成“双眼”、FSD芯片担当“大脑”、神经网络算法+数据模拟系统+Dojo超级算力组成其“灵魂”。
ΔTeslaBot
在外观上，TeslaBot拥有与人类一样的四肢，全身使用轻量化材料和40个电子机械传动装置。身高约1.73米，体重约56.7公斤；能搬动最多20公斤的重物，单只胳膊的最大承重为4.5公斤；最快行走速度为5英里/小时，约8km/h。
马斯克表示，TeslaBot将利用Dojo超级计算机的训练机制来改进功能，并补充道：“未来劳动力不会短缺，但体力劳动只是一种选择。TeslaBot可以执行一些危险性、重复性、枯燥的任务。”TeslaBot或将在明年推出首个原型机，当然，可能这种机器人会并不会成功。。
TeslaBot只是一个开始。马斯克曾表示，最终会将“Dojo”提供给希望使用它来训练神经网络的其他公司，这意味着，特斯拉会将人工智能应用扩展到自动驾驶之外。
正如马斯克在发布会上所说：从长远来看，人们会将特斯拉视为一家人工智能机器人公司，就像今天被视为汽车或能源公司那样。他称：会进一步在整个人类世界里畅游。
有意思的是，在最后的回答环节，回应“没有兴趣对代码开源”时，马斯克表示，搭建系统成本特别贵，可能不会对AI芯片免费的开源，但如果其他公司想要购买版权的话，欢迎。
如果特斯拉AI芯片真的对外授权，谁会是最焦虑的呢？