特斯拉来找我_聪明人，特斯拉喊你去上班

　　作者/李文博

　　当伊隆·马斯克将一份可能是世界上最具诱惑力的工作机会摆在你面前的时候，你会做出什么选择？

　　是毫不犹疑地启程登舰，加入加速世界向可持续能源的转变进程。还是先缓缓，看看其它公司给出的年终奖是不是比特斯拉更丰厚。

　　如果很难一下子做决定，不妨先来看看这场于北美时间 2022 年 9 月 30 日晚间，北京时间 10 月 1 日早上举办的特斯拉 2022 AI Day，深刻认知特斯拉公司业务和愿景的同时，也好好对自己现有的工作能力进行一次全方位检测。

　　毕竟这是一场连马斯克都亲口承认“内容相当硬核”的大型人工智能和机器人领域工程师全球互联网招聘会。如果看不太懂，或许很难过五关斩六将，最终成为特斯拉正式员工。

　　FSD，没有Beta;

　　在出场顺位上，特斯拉 FSD（完全自动驾驶能力）处于整场“招聘会”的腰部，这与该业务在整个特斯拉公司内的地位高度契合。

　　我们都知道，赛博朋克感极强的人型机器人是马斯克为支撑公司市值特意建构的“虚拟现实”，但 FSD 是特斯拉兑现用户想象，完成技术落地，实现商业化变现的核心手段。而且，是无可回避的那种。

　　在今年 8 月 4 日举行的特斯拉股东大会上，马斯克曾透露 FSD 10.13 版本的研究已进行了一段时间，工程师做了“一些非常重要的架构改进”，如改进左转时的复杂问题等。当下，FSD beta 正在北美进行一定规模的测试，累计行驶里程已突破 4000 万英里，有望在今年底开启更大规模的测试。

　　在 2022 AI Day上，特斯拉公布了更加具体的数字的时间表：2021 年参与 FSD beta 测试的用户数量为 2000 名，2022 年扩充了 80 倍达到 16 万名。这些用户总共为特斯拉积累了 480 万段数据，完成了对 7.5 万个神经网络的训练，实现了 35 个FSD 版本的更迭。在 AI Day 后，特斯拉将发布 FSD 10.69.2.3 版，这会是一次“令所有人吃惊”的更新，马斯克同时再次确认了 FSD beta 版今年底将在全球范围内进行部署的消息，但各个国家的监管部门是否会批准，什么时候批准，审批尺度会收紧到什么地步，马斯克没有透露更多。

　　在自动驾驶技术路线选择上，特斯拉依然在“纯视觉感知”的道路上不回头，这让此前特斯拉有可能在近期重启激光雷达方案的传言不攻自破。不过需要指出的是，当前纯视觉路线的硬件基础是 HW 3.0，等 HW4.0 硬件到来时，马斯克是否会主动上演“真香定律”，谁也说不准。

　　具体来看， FSD beta 的做法是：先利用迭代了 4 次的自动数据标注系统对已收集的实际道路行驶数据进行特定标注，这套专供内部使用的标注语言特斯拉在使用中不停优化。再把标注后的数据“喂”给神经网络，让它们在丰富的数据海洋中一边遨游，一边完成自我训练。最后，将训练后的神经网络部署进 FSD ，提升车辆的驾驶辅助能力。

　　听起来整个工作链路并不复杂，但实际工程师需要解决的问题，是一个接一个。

　　整个过程中，特斯拉车辆上的摄像头对周围环境进行感知后完成视频片段捕捉所产生的数据量十分惊人，训练一个神经网络需要的数据量和时间也十分惊人—— 14.4 亿帧图像，超过 10 万个 GPU 训练小时，视频缓存超过 30 PB。

　　所以，数据标注的效率就显得尤为重要，高效的数据标注能有效提升神经网络的训练效率，更高的神经网络的训练效率可以产生许多魔法，比如让 Occupancy Network 仅仅通过摄像头就实现了激光雷达的感知能力，不知着急忙慌让激光雷达上车的中国造车新势力们看到这里，作何感想。

　　说了那么多专业名词，这套 FSD beta 的到底进化到什么程度了呢？我们以自动驾驶的史诗级难题——无保护左转为例，检验下系统能力。

　　无保护左转是人类在驾驶中遇到最棘手的事情之一，车辆需要在复杂的车流、标线、交通标志、行人间找到一条安全程度最高的路线，并在极短的时间内做出决策，完成左转动作。即便你驾驶经验足够丰富，也很难确认从要加入车道右侧驶来的车辆也不会撞上来以及其它突发状况。

　　人类老司机面对左转都会发怵，更别提现阶段还没那么聪明的自动驾驶。无保护左转对自动驾驶车辆的环境感知和实时预测都提出了极高挑战， GPS 定位系统、摄像头、激光雷达、毫米波雷达等硬件可以解决环境感知问题，但它们很难预测人类驾驶员的意图，到底对面是一个礼让型驾驶员，还是激进型驾驶员，机器无从得知。

　　所以，特斯拉的做法是学习人类的做法——实时感知，即时计算。在展示案例中，特斯拉在左转时遭遇了横道线上遛狗的行人、加入车道的右侧来车和加入车道的后方来车， FSD beta 的在预测了不同交通参与者的行动轨迹后，给出了几条不同的行驶策略，与底层大数据库比对后，选择了一条最佳行车路线：即礼让了行人和狗，又避开了右侧和后方来车，顺利且安全的完成了一次无保护左转，其果断程度已经超过了许多人类驾驶员。

　　如果只靠行驶在路上的车队进行数据收集， FSD beta 的进化不会如此迅速。特斯拉还有一个名为“仿真系统”的武器，利用这套道路场景生成器，就好像你在魔兽争霸中自建地图那样，特斯拉可以在 5 分钟里部署一套道路场景，车流、行人、路口、桩桶、信号灯、标线、路旁停车位、树木、建筑等各种细节一应俱全，这大大提升了数据采集的速度，拓宽了数据来源的广度，一些在真实世界无法复现的边角案例，都可以在“仿真系统”内二次搭建，反复训练，直至神经网络牢牢记住并运用。

　　所以，我们总结下：FSD beta 的现有能力，是海量数据滋养出的。数据主要采集于真实世界行驶中的特斯拉车队和虚拟世界中的仿真系统这两个渠道。

　　等等，是不是缺了点什么？

　　超算道场 DOJO

　　想完成海量数据的实时运算和结果输出，特斯拉需要一个足够强力的底座，DOJO这台性能强悍的训练计算机应运而生。

　　去年 AI Day 上，特斯拉对外展示了训练芯片 DOJO D1 和基于此打造的集群 ExaPOD。 DOJO D1 芯片基于台积电 7 纳米工艺制造，可以在 400W 的散热设计功耗下实现 22.6 TFLOPS的 FP32 算力。然后，特斯拉把 25 个 D1 芯片分装到量身打造的基底模具——训练 Tile 上，再利用台积电的 InFO_SoW 晶圆上系统技术将它们封装，每个 Tile 可提供 9 千万亿次浮点运算和 36 TB/s 的 Tile 外带宽。

英伟达rtx 40显卡发售

　　每个训练 Tile 有七层结构，你可以把它想象成一个厚厚的三明治，第一层和第五层是水冷散热夹层，第二层是 25 个D1 芯片，第三层是封装基板，第四层和第七层是承重层，第六层是功率模块和通信互联模块。

　　随后，特斯拉将 120 个封装后的训练 Tile 组装成 ExaPOD 超级计算机集群，总计 3000 个 D1 芯片，算力达到 1.1 EFLOP，是当之无愧的史上最快 AI 训练计算机。更可怕的是，下一代 DOJO 芯片会提升 10 倍性能。当然，落地时间还是未知数。

　　绝大多数人，包括笔者在内都很难在短时间内对这些单位和数字产生认知，为了便于理解，你可以把 DOJO 当成一台算力没有理论上限，可无穷无尽扩展的超级大杀器，前提是有足够容纳机柜的空间和足够雄厚的资金。

　　根据特斯拉的计划，2023 年之前将在美国加州完成第一台 DOJO ExaPod 超级计算机集群的建造落地。它会让特斯拉整体工作效率大幅提高，将需要花费数月的工作缩减至一周。

　　比汽车更有价值的机器人

　　最后，我们再来看看三个大活中的最后一个，也是大众感知度最强的一个——机器人。

　　2021 AI Day 上，马斯克公布了人形机器人 Tesla Bot 原型机，身高 1.72 米，体重 56.6 千克。一年后， Tesla Bot 变成了 Optimus 擎天柱原型机，一台可自主完成独立行走、挥手致意、舞蹈动作的机器人。

　　除了前述这些炫技型动作， Optimus 原型机还可以在汽车工厂搬运货物零件、给植物胶水、移动金属棒。机器人主要依靠不同颜色来区分现实场景中的不同物体，从而实现精准对象的定点操作，具体的颜色划分规则特斯拉没有公布，但可以确定的这是一套纯视觉识别方案，和 FSD beta 如出一辙。

　　马斯克认为人类更应该将精力放在脑力劳动而不是体力劳动上，; Optimus 人形机器人的出现就是为了将人类从简单繁重的体力劳动中解脱出来。他预计一台人形机器人规模量产后的成本不超过 2 万美元，花这点钱来“释放”一个人类，看起来是一门再划算不过的买卖。

　　数据上看， Optimus 人形机器人的静止功率为 100 W，快走功率为 500 W，关节自由度超过 200 个挡位，手部支持 27 挡调节。和人类灵活的双手确实没法比，但贵在进步。 Optimus 人形机器人内装单颗 FSD 芯片，算力为 72 Tops，电池容量 2.3 度，充满一次电，理论上可以运行一整天。

　　在人形机器人的关键能力——抓取和操纵实体物品上，特斯拉在 Optimus 上倾注了大量心血，通过 6 个执行单元，实现手指关节的 11 挡自由移动，提取重量的上限做到了 9 公斤。虽然这个重量在健身房里只能算再初级不过的菜鸟训练选手，但至少比只能四肢着地的“狗型运动物体”更符合人类对机器人的想象。