「本文来源：环球时报汽车周刊」
自动驾驶，尽管在近期受到了全世界的强力监管和舆论压力，但却因市场潜力巨大和需求迫切，其始终是当前众多科技企业和汽车企业投入天量资源去攻克的技术“皇冠”。
此前，有自动驾驶技术专家告诉记者，自动驾驶路线一般分为纯视觉和雷达+视觉+高精地图，两种路线各有利弊。以特斯拉押注的纯视觉路线来说，其犹如人的眼睛和大脑，但需要攻克的主要难点在于如何在各种光线条件下准确做出判断，这需要极其强大的算力和神经计算网络，“难度非常大。”
“凡尔赛”的是，特斯拉还真就选择了“一力破十巧”的道路，算力不够？实践不够？那就统统补上。北京时间8月20日，特斯拉在人工智能日（AIDay）上公布了特斯拉纯视觉方案FSD的进展和神经网络自动驾驶训练，以及D1芯片、Dojo超级计算机等先进技术，目的就在于攻克自己立下的“FLAG”：用纯视觉方案实现自动驾驶。
在这场用黑色幕布，黑色现场氛围，充满硬核科技感的发布会上，马斯克表示，特斯拉正在打造一个处理原始信息的神经元网络，“特斯拉正在从零开始，高效构建一个‘合成动物’。我们可以将汽车比作一种动物，它能够感知环境，并可以智能地进行自主活动。所有零部件都将由特斯拉自主研发，包括车身所用的机械部件和神经元系统的电子部件。”
随后，特斯拉展示了实现纯视觉方案必不可少的多任务学习HydraNets神经网络架构——它可以将8个摄像头获取的画面拼接起来，通过人工或自动标注车道、车辆、信号灯、障碍物等周围环境和动静物体，让系统逐帧分析视频画面，了解物体的纵深、速度等信息，再将这些数据交给车队学习。
但在这个过程中，特斯拉却发现了几个问题：这些环境参数和空间追踪数据很难通过C++基础架构实现拼接；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）和高维度两大优势。据悉，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，并使其更精确地寻找最优驾驶路径。
但这又会引发另一个问题，随着所需处理数据的指数级增长，特斯拉迫切需要提高训练神经网络的算力，而目前所有量产计算机都无法充分满足特斯拉的需求，于是，特斯拉D1芯片和Dojo超级计算机应运而生。
其中，特斯拉D1芯片采用分布式结构和7纳米工艺，搭载亿个晶体管和个训练节点。以此为基础，特斯拉使用1个D1芯片，共53万个训练节点，组成了Dojo超级计算机训练模块，配合特斯拉独创的连接方式，让Dojo的算力高达9PFlOPs（9千万亿次）。实际应用中，特斯拉将以个训练模块组装成ExaPOD，使其成为世界上首屈一指的人工智能训练计算机。与业内其他产品相比，其在相同成本下性能可提升4倍，同能耗下性能可提高1.3倍，占用空间则节省5倍。
由此可见，特斯拉的整个开发流程和产品布局非常符合马斯克一贯推崇的物理性原则，而且逻辑非常自洽——以纯视觉路线作为自动驾驶研发布局的基准点，让机器拥有自动识别路线和障碍物的能力，随后为其持续不断地开展高效训练，解决其所需要的算力问题，从而令人工智能更聪明、更自然，最终实现自动驾驶。尽管从目前来看该路线还有些遥远，但特斯拉确实在向自动驾驶更高峰的方向上迈步。
与此同时，特斯拉表示这套系统首先会在北美地区应用，降低数据融合的复杂程度。此外，马斯克称，这套HydraNets神经网络架构也将在成熟后向其它有志于此的企业开放使用。
虽然特斯拉正在向纯视觉路线的自动驾驶“高歌猛进”，但隐忧依然若隐若现。首先，特斯拉当前并不具备芯片制造的能力，其芯片大多依靠日韩及中国台湾的芯片制造厂供应；其次，自动驾驶事故的不断频发也开始让人们重新审视自动驾驶完全替代人工驾驶的可行性。第三，全球各个国家和地区严控的数据安全，令不少地区的道路和行驶数据不能随意汇总到美国特斯拉总部，这也让供其学习的数据案例的可靠性大大降低。
但相比于雷达+视觉+高精地图配合5G物联网实时监控道路的全方位自动驾驶路线，特斯拉纯视觉自动驾驶路线具备的优势也非常明显。该路线简单清晰，不存在复杂的各类机器协同，进而降低了系统的复杂程度，提升了数据的应用效率，降低了多硬件同时做出决策所导致的误判。
毫无疑问的是，特斯拉正如马斯克口中形容的一样，并不仅仅是一家电动汽车公司，还是人工智能领域的先驱者。马斯克也依然保留着自己一贯的自信，在发布会当天，马斯克发布了一番“极客招聘宣言”，他说：“我们坚信可以通过摄像头和计算机网络让自动驾驶比人类驾驶更安全，因此我们需要投入大量精力、人力和智力来达成目标，这也是我们一直希望有更多人才加入到我们团队的原因。”
环球时报旅游周刊
环球时报时尚周刊
环球时报地产观察
环球时报前沿观察