特斯拉AI Day前瞻：开启自动驾驶新时代

　　大概一个月之前，马斯克放出了可能是今年特斯拉最重大事件的预告。 

　　4月15日，马斯克在推特回复网友称，特斯拉的AI Day专场发布会，预计会在「7月底late July」举行。

　　继2019年4月23号自动驾驶日Autonomous Day、2020年9月23日电池日Battery Day之后，特斯拉第三次以「Day」命名的技术发布会，终于正式定档。 

　　自动驾驶日上，特斯拉掏出了世界上首枚由车企研发的自动驾驶计算芯片FSD Chip，并发布了算力高达144 TOPS 的Autopilot 硬件3.0，总体算力至今依然没有量产车望其项背。

　　电池日上，马斯克放出了年产能TWh级别的全新电池工厂，发布了下一代4680电池，以及融合了电化学、生产优化，以及车辆工程之后续航提升54%的宏大目标，还有三电机+超长续航的新款Model S。 

　　于是，我们没有理由不期待，马斯克会在7月底的AI发布会上，放出更多「核弹」为自动驾驶的2021打上更多花火。 

　　当然，按照前两次发布会的调性，大家一定要做好AI Day跳票，甚至多次跳票的准备。不过这不影响我们根据现有的线索，揣测一下特斯拉到底会在AI Day上发布些什么。 

　　不用担心，今天的文章不只有枯燥无味的数字，我们会争取写得更让人心潮涌动一些。

来自车企的全球最强计算机

　　根据2020下半年的全球TOP 500计算机排名，目前已投入使用的超级计算机中，日本富岳Fugaku超级计算机以431.65 PFLOPS的FP 32精度算力，排在榜首，大概是第二名的3倍。 

　　2020年8月16日，马斯克首次披露了特斯拉DOJO超级计算机计划的目标——FP32精度1EFLOPS的算力，也就是1024PFLOPS，富岳的2.5倍。 

　　DOJO，也就是特斯拉AI Day的最大看点之一，一套来自车企的超级计算系统。它是特斯拉自动驾驶计算补齐的最后一块拼图，甚至有可能是新时代车企「灵魂」的最终体现。 

　　我们讨论自动驾驶时，常用的TFLOPS算力，其实是基于INT8精度衡量的。换算成FP32精度的话大致要除以4。也就是说，特斯拉Autopilot硬件3.0的FP32精度算力大概是36TFLOPS。 

　　换算一下就是，一个 DOJO 系统的算力，起码相当于 29127 辆特斯拉硬件 3.0 车型算力之和。 

　　1EFLOPS 的算力当然很恐怖，但傲视群雄的 DOJO 担子依然不轻。 

　　根据 thecarconnection.com 的统计数据，2014 年全美驾驶者平均每天开车 52 分钟。 

　　以特斯拉硬件3.0车型保有量100万辆计算，一套DOJO纯粹基于平均时间值换算，每天大约需要处理超过2500万辆次汽车反馈的数据。 

　　当然，DOJO主要负责的是「训练」，这样计算它的压力不严谨。但另一个幸福的烦恼是，特斯拉卖得真不错。 

　　刚刚过去的1季度，特斯拉一共交付了超过18万辆汽车，这些车型全部搭载了Autopilot硬件3.0，算下来今年特斯拉或将售出73万辆汽车，甚至有机会超越雷克萨斯。

　　按照这样的趋势，再过一阵子，马斯克曾经引以为豪的「百万级自动驾驶数据反馈车队」，就会变成每年「自豪」一次的幸福烦恼。 

　　DOJO如何适应迅速累积的Shadow mode数据反馈规模，比起DOJO本身，也许是AI Day更值得关注的命题。 

硬件 4.0，突破 1000TOPS？

　　灵魂需要肉体承载，DOJO是坐镇特斯拉总部的大脑，而分散于世界各地的 Autopilot硬件，则是神经网络的每一个末梢。 

　　DOJO超算目前面临的内部挑战有两个：特斯拉卖得太火，也就是数据反馈越来越庞杂；以及特斯拉做得太多，也就是来自每一个「神经末梢」的数据压力，会越来越大。 

　　「做得太多」对应的，就是马斯克Autonomous Day上承诺会在「两三年内」推出的二代FSD Chip，以及它的载体Autopilot硬件4.0。

　　根据台湾工商时报报道，二代FSD Chip将交给台积电量产，使用7纳米工艺制造，由博通和特斯拉一起设计。 

　　台湾媒体报道的另一个消息，是「每块 7 纳米晶圆只能切割出25片FSD Chip 2代芯片」 ——一块7纳米晶圆面积是70650平方毫米，而初代FSD Chip面积只有260平方毫米。 

　　所谓的「X 纳米工艺」，一般指的是晶体管边长为X纳米。根据摩尔定律，同样面积的芯片，其晶体管数量每隔18个月就会翻一番，而边长就是计算晶体管密度的重要因素。 

　　一般来说，同样架构下等量的晶体管密度提升，就会带来相近的性能提升幅度。也就是说，同样面积下晶体管数量翻一倍，理论上性能会接近翻倍。 

　　原理说得差不多，可以直接下结论了：二代FSD Chip在晶体管密度突飞猛进的基础上，芯片面积同样百尺竿头——最后的结果就是算力大爆炸。

　　我们用数字大概预测一下。 

　　2019年11月7日，特斯拉AI部门高级主管Andrej Karpathy在PyTorch Developer Conference 2019上面，公布了这样一个数字：Autopilot 硬件 3.0 的工作功耗是「sub 100W 低于 100 瓦」 。 

　　算下来硬件 3.0 总体的效率起码是 1.44TOPS 每瓦 ，而使用了12纳米工艺的英伟达 Xavier，芯片层面的效率大概是 1TOPS 每瓦 （30W/30TOPS）。 

　　初代FSD Chip用的是三星14纳米工艺，而FSD Chip 2代用的台积电7纳米工艺，理论晶体管密度是三星14纳米的3.5倍。 

　　即使不考虑架构优化，硬件4.0也有望提供6TOPS的每瓦性能，也就是100W 系统功耗，可以输出600TOPS的算力。 

　　而英伟达最新的Orin，系统级效「只有」3.08TOPS 每瓦（130 瓦/400TOPS）。 

　　考虑到蔚来已经将自动驾驶计算系统的功耗上限，拉到了200W+级别。一旦马斯克想狠狠来一把军备竞赛，也许1000+，甚至2000TOPS才是硬件4.0的星辰大海。 

　　当特斯拉每年卖出100万辆装有硬件4.0的汽车，DOJO会不会喊一句「宝宝心里苦，但宝宝不能说」？

视觉能力飞跃？

　　如无意外，新一代Autopilot硬件会沿用 8 摄像头的配备。虽然数量大概率不会变，但下一代Autopilot摄像头的质量，很有可能迎来飞跃。

　　想要理解「飞跃」到底是什么，虽然技术路线不同，我们依然得先看看其他厂商。 

　　年初的NIO Day上，蔚来首发了车规级的800万像素摄像头。 

　　它可以以4K级别的精度收集视频数据。对比之下，目前辅助Autopilot硬件的，依然是120万像素摄像头。 

　　其实符合车规级稳定性要求的高像素摄像头，多年前就已经出现，但却一直无法应用于ADAS/自动驾驶，主要原因很简单——没那么强的车规级芯片处理如此庞大的数据流。

　　2020 NIO Day上，李斌介绍称蔚来的AQUILA系统每秒会产生高达 8GB 的视频数据——8GB 相当于1秒钟看完3年NIO Day回放，或者1秒钟看完2000 个抖音短视频。 

　　2022年开始，特斯拉/英伟达系在计算端万事俱备，800万级别像素，将会顺理成章地成为ADAS行业下一个军备竞赛的必争之地。

　　1016TOPS算力的英伟达Orin系统加持下，蔚来拥有了处理多个4K视频流的能力。同样将迎来算力爆发的特斯拉，没有理由不让DOJO看到更清晰的世界。 

　　不过，高像素，只是自动驾驶视觉新时代的其中一个主旋律，我们下面结合具体的产品继续深挖。 

　　先看一位车规级800万像素摄像头主要供应商：安森美Onsemi。目前的120 万像素Autopilot摄像头，就使用了来自安森美的AR0136A。 

　　AR0820AT，这是安森美新一代旗舰自动驾驶摄像头型号。 

　　它支持拍摄3840x2160分辨率，40fps的HDR高动态范围视频 ，静态分辨率高达830万像素（3848x2168），同时符合ASIL-B级别车规认证。 

　　除此之外，三星、索尼等主流CMOS厂商均已推出了4K车规级感光元件，比如 索尼IMX324/424、三星 S5K2G1 ，都支持4K 40帧的HDR视频拍摄。 

　　4K、40帧（或更高）、HDR，这就是自动驾驶摄像头新时代三大主旋律。 

　　4K和1280x960相比， 分辨率达到了6.75倍 ，视频数据可以准确显示更远处的路况，以索尼IMX324的产品说明为例，4K分辨率下远处的交通标志清晰可见：

　　40帧则是画面流畅度（目前主流是30帧）的进步。视频帧率越高，视频中物体运动过程就会越流畅，有利于深度学习的预测和决策。 

　　而HDR，则是摄像头向人眼靠近的另一大步。 

　　HDR的全称是High Dynamic Range高动态范围。简单点描述HDR的效果，就是极暗处（比如树荫下）不会黑成一片，极亮处（比如正午太阳下）也不会白成一片。

　　也许人眼已经对纷繁的世界习以为常，但对于汽车视觉来说，「工业革命」才刚刚开始。 

新时代汽车工业的灵魂

　　DOJO、Autopilot硬件4.0、4K摄像头，这是我们对特斯拉AI Day的期待。 

　　然而，AI Day不仅是特吹的狂欢，它同时带来了汽车工业的思考：下一个时代的车企「灵魂」在哪？

　　先提一个业内观点：主机厂也许是更好的自动驾驶公司。

　　这个逻辑的起点很简单，因为主机厂拥有车辆制造权和运营权，丰田大众这样的车企，年销售规模甚至是千万级的。比起买几十几百辆车搞实验的自动驾驶技术公司，主机厂自研自动驾驶的数据基础极其优渥。 

　　但优渥不代表门槛低。 

　　摄像头→FSD Chip→车辆决策→DOJO 超算训练→软件OTA更新，这是特斯拉的自动驾驶闭环阳谋，但每一个环节，都是对传统车企的灵魂拷问： 

　　传感器数据是否100%可控可收集？

　　计算硬件是不是「know how」级别地利用？

　　视觉融合是供应商包办还是自己搞定？

　　深度学习模型要不要自己训练？

　　能否在一个电子电气架构上做到长期更新，常用常新？

　　上文提到新车企「灵魂」，我们从不和稀泥，于是经过全文铺垫后，可以说得直白点： 

　　新车企的灵魂不是旧时代的「制造」，而是融合了人工智能、软件开发、电子硬件架构等ICT行业特征的自研能力。

　　如果以上能力缺了一坏，甚至几环，你们觉得能叫「新车企」吗？

转载文章，不代表本站观点。