關注：特斯拉的AI野心

     特斯拉不僅僅是一家汽車制造公司，而且是一家科技公司。上周的一場發布會，讓特斯拉的這種形象更加鮮明。

北京時間8月20日上午，預熱多時的特斯拉AI日活動如期舉行。特斯拉發布了FSD（完全自動駕駛）純視覺解決方案、自研AI芯片和Dojo超級計算機，其披露的更多技術細節以及相關硬件更為快速的技術迭代，讓業內再次驚嘆“特斯拉的技術是真的很牛”。

不過，對于長期關注特斯拉的人而言，無論是純視覺解決方案還是自研AI芯片和Dojo超算，都算不上是“大新聞”，最令人吃驚的，實際上是一個“彩蛋”：特斯拉宣布即將推出類人機器人，也就是所謂的Tesla Bot。

對于人工智能技術，馬斯克顯然還有更遠大的追求。8月21日，清華大學人工智能研究院視覺智能研究中心主任鄧志東對21世紀經濟報道記者表示，無論是FSD還是消費級的個人機器人，核心都是AI，而自動駕駛、個人機器人這兩大應用場景，在未來經濟社會發展中都具有顛覆性，也蘊含了巨大的產業發展空間。

不過，整體而言，當前人工智能在產業界的應用還不盡如人意。即便是特斯拉，它的自動駕駛技術盡管在業內已經比較領先，但仍然遠未成熟，目前僅處于還需要人為監管的輔助駕駛階段，近期，其輔助駕駛功能上的一些缺陷更是引發了廣泛關注。

人工智能落地的野心與現實，顯然還存在著不小的鴻溝。

特斯拉的AI能力，其技術迭代之快，至少是目前全世界其他新、老車企所不具備的。視覺中國 

特斯拉AI技術體系的靈魂

“特斯拉的AI能力，其技術迭代之快，至少是目前全世界其他新、老車企所不具備的。這為自動駕駛與個人機器人的應用落地與產業發展，提供了更大的預期。”鄧志東對21世紀經濟報道記者表示。

在AI日活動上，特斯拉向外界展示了其在AI領域的各項成果，包括純視覺方案FSD的進展、神經網絡自動駕駛訓練、D1芯片、Dojo超級計算機等等。其中一項重頭戲便是純視覺方案FSD的進展。

與業內絕大多數自動駕駛解決方案供應商的技術路線不同，特斯拉一直堅持純視覺方案，通過攝像頭進行環境感知，不用激光雷達，也不用高精地圖。相對來說，這種方案的硬件成本相對較低，但對數據和算法的要求更高。

發布會上介紹的方案顯示，特斯拉通過8個環繞全車身的攝像頭獲取道路周邊信息，并通過多任務的神經網絡架構來拼接不同的圖像。為了讓拼接出的信息更逼真、更有參考價值，特斯拉開發了一套技術，可以通過攝像頭的信息繪制3D鳥瞰圖，并形成4D的空間和時間標簽的“路網”以呈現道路等信息，幫助車輛更精準地把握駕駛環境。

上述過程，在自動駕駛中的專業術語是感知，而感知僅僅是自動駕駛核心技術中的一項。有了海量數據基礎之后，還需要建立一個強大的神經網絡，對這些數據進行整合和重新分析。

鄧志東指出，對于神經網絡大模型，通常需要大數據、大算力的“暴力”支撐，在自動駕駛賽道，特斯拉基于眾包的互聯網思維，以首創的影子模式獲得了最大規模的真實道路交通大數據，而這次發布會也展示了特斯拉在自動駕駛仿真或數字孿生系統上的成果。

據介紹，特斯拉建立了一個1000人規模的數據標注團隊，結合人工的細膩與機器的高效，對物體信息進行標注。同時特斯拉還開發了仿真場景技術，模擬現實中不常見的“邊緣場景”，來提升神經網絡的培訓效率。

“這方面的工作不僅可以獲得更大規模的合成數據，而且對基于深度強化學習的決策規劃研究，對應用落地之前如何解決長尾問題、邊緣小概率事件等，都具有特別重要的意義。”鄧志東表示。

隨著所需處理的數據開始呈指數級增長，特斯拉也在提高訓練神經網絡的算力，因此，Dojo超級計算機誕生。實際上馬斯克此前已經多次“劇透”過Dojo超級計算機的存在，這次AI日發布的，更引人注目的是組成Dojo超級計算機的關鍵單元——特斯拉自主研發的神經網絡訓練芯片——D1。

早在2019年4月特斯拉就量產了自研的FSD芯片，這次展示的D1芯片，在架構與性能上都有了大幅度升級。據稱，D1芯片采用分布式結構和7納米工藝，搭載了500億個晶體管、354個訓練節點，僅內部的電路就長達17.7公里，實現了超強算力和超高帶寬。

而Dojo超算，原來是由5760塊英偉達的A100顯卡構建，而現在則完全改成了自研，由3000 塊D1 芯片或120個訓練單元組成，總算力達到了9PFLOPs（9千萬億次），能夠適應海量視頻大數據，實現AI大模型訓練。

馬斯克曾表示，最終會將Dojo超算提供給希望使用它來訓練神經網絡的其他公司，這意味著，特斯拉有可能將AI應用擴展到自動駕駛之外的其他領域，這次亮相的機器人便在一定程度上證實了這個可能性。

據悉，Tesla Bot高1.72米，重56.6千克，臉上的屏幕可顯示信息，擁有人類水平的雙手，并有力反饋感應，能夠實現平衡和敏捷的動作——它將利用Dojo超級計算機的訓練機制來改進功能。

馬斯克表示：“未來勞動力不會短缺，但體力勞動只是一種選擇。Tesla Bot可以執行一些危險性、重復性、枯燥的任務。”這個項目已經提上日程，按照計劃，Tesla Bot或將在明年推出首個原型機。

鄧志東指出，目前的AI，可以對產業賦能的實際就是具有學習能力的數據智能，或者說大規模的神經網絡，從AI算法來看，特斯拉顯然抓住了多攝像頭視覺神經網絡這一核心架構，力圖通過神經網絡固有的學習能力，來解決自動駕駛甚至是個人機器人場景的一切問題。

“用自主學習來解決感知、預測與規控等挑戰，可以充分發揮機器超越人類的能力，這是特斯拉AI技術體系的靈魂，也是特斯拉在理念上最領先的地方。”鄧志東指出。

AI落地仍存挑戰

此次“秀肌肉”，特斯拉的目的是為了招攬AI領域更多的專業人才。

盡管特斯拉是自動駕駛行業一定意義上的“領頭羊”，但其距離真正的無人駕駛也還有很長一段距離，即便是現在已經落地的輔助駕駛功能，也并未做到盡善盡美。從這個角度看，AI技術進一步發揮作用還有待進一步完善。

近期，美國國家公路交通安全管理局（NHTSA）啟動了對特斯拉的調查。據悉，NHTSA調查的11起事故均與特斯拉的Autopilot（自動輔助駕駛）或其他自動駕駛功能有關，其中，7起事故造成了人員傷亡，共計17人受傷和1人死亡。

具體而言，這些事故發生在2018年1月22日至2021年7月10日之間，橫跨九個不同的州。它們大多發生在晚上，事故后的場景中都有一些諸如急救車燈、照明彈、發光箭頭板和路錐等物體——從場景上看，在道路救援人員停下車輛實施救援任務的時候，特斯拉的自動輔助駕駛功能未能成功識別到這些物體和車輛，進而發生碰撞。

上汽集團技術中心的一位規控工程師在分析該類事故原因時指出，錐桶+靜止異形車輛是個典型的邊緣場景，單純攝像頭甚至是攝像頭+毫米波雷達的傳感器組合都很難覆蓋到這個場景。“首先，錐桶形狀比較小，遠距離下毫米波雷達很難掃到，靜止目標（包含車輛）則很容易被過濾掉。而攝像頭如果沒有針對的訓練，無法識別出障礙物也會變成睜眼瞎。即使距離駛近后識別到了車輛，也因為高速近距離而無法避免碰撞。”

堅持純視覺方案的特斯拉，盡管已經部署了攝像頭訓練的方案，但顯然至今并未解決這個問題。對于特斯拉而言，這種功能上的缺陷需要盡快處理，這必然需要其進一步壯大AI相關的團隊，這次發布會詳細地展示其技術路徑與儲備，特斯拉便是在向志同道合的行業人士拋出橄欖枝。

站在特斯拉的角度，公司的掌舵者馬斯克現在展示了更大的野心。這次發布會上亮相的人形機器人顯示，特斯拉不僅要做一個具備自動駕駛能力的智能汽車公司，而且要做一個覆蓋更多面的人工智能機器人公司，這對特斯拉相關技術團隊的搭建和儲備提出了更高的要求。

從中觀的視角來看，近年來，全球人工智能行業取得快速發展，人工智能企業的數量和融資水平高速增加，圍繞人工智能產業的人才競爭已經愈發激烈。

億歐智庫的一份報告顯示，在過去10年中，全球主要國家新增AI企業數量在2016年左右達到峰值，其中，中國和美國新增AI企業數量在2017年后絕對值仍然大幅度領先于其他國家，是全球AI企業領先地區；從引入資金的角度來看，全球AI企業融資數量持續增長，在2016年以后呈現出幾何級增長趨勢，至2018年全球AI企業共計融資784.8億美元，其中美國居首。

而AI人才長期以來是嚴重的供不應求狀態。多個研究機構曾發出報告，全球各地AI工作崗位都存在巨大的缺口。據美國AI機器處理自動化技術研發商UIPath推出的《AI Jobs》報告，美國在2018年有7465個相關職位空缺；加拿大Element AI的首席執行官JF Gagne發布的2019全球AI人才報告也顯示，全球AI人才庫正在增長，但需求仍然超過供給，最新的2020全球AI人才報告則顯示，盡管去年相關需求有一定下降，但對于“新角色”的需求卻一直穩定。

JF Gagne發布的最新報告指出，人才是AI發展的掣肘，而現階段的AI行業需要的還不僅僅是掌握軟件算法的人才。“AI的全部潛力是否被過度炒作還有待討論，但我們可以說， AI真正獲得成功不僅僅需要高級專家以及正確的數據算法。AI行業最初專注于非常高級的專家，因為只有他們才能管理新技術，并將其應用于新領域。但現在人們認識到，這項新技術需要的不僅僅是工程師和能夠構建良好模型以有效部署它的人員。”

      該報告進一步解釋，AI是新一代軟件，它是用數據而不是邏輯規則編碼的，相比之下，傳統軟件是靜態的，AI則需要一個新的基礎設施生態系統，不僅要構建，還要在部署后進行治理，因此，為了讓AI大規模發揮作用，工程、基礎設施建設、新業務模式開發和目標監控等領域都需要大量的新人才。