这就是自动驾驶的大结局？

　　北京时间8月20日，特斯拉召开一次别开生面的技术发布会，AIDAY，与以往的电池日、新车日不同，这次发布会的重点放在目前电动车上最前沿的技术自动驾驶、神经网络、超级计算机等。
　　在AIDAY上，特斯拉着重介绍了在人工智能领域的软件和硬件进展，尤其在神经网络上的训练系统，其中最大的看点就是Dojo超级计算机。
　　特斯拉本次推出的人工智能训练机DojoD1芯片，是特斯拉全新自研的超级计算机芯片，该电脑将用于车辆自动驾驶数据的运算和分析，能够自动地学习和识别标记道路上的行人、动物、坑洼地等数据，将海量的数据汇聚于Dojo，然后通过自动化深度神经网络训练，以此不断加强算法进化，最终实现以纯视觉为基础的完全自动驾驶（FSD），即特斯拉自动驾驶的最终形态。
　　据悉，目前单个DojoD1芯片的演算力已经达到全球第五。纵观全世界的超级计算机的排名，前五中除了第五名的Selene是英伟达的之外，前四的都是国家所有，包括第一的日本富岳、第二的美国Summit、第三的美国Sier，以及第四的中国神威太湖。
　　其中，目前排名第一的超级计算机是日本的富岳，在机器学习应用上的算力超频之后是2。15EFLOPS，默频是1。95EFLOPS。
　　值得一提的是，上述前四的超级计算机都是举国之力研发的结果，而特斯拉只是一家新能源车制造公司，能取得这样的成就，特斯拉可谓又一次突破了自己的极限。
　　什么是Dojo超级计算机？
　　Dojo一词来源于日语，意思是道场，翻译成中文应该叫做训练馆。
　　特斯拉特地取此名，可以说目的就是专门训练特斯拉汽车的。来自全球超100万辆特斯拉车辆采集的真实数据将汇聚于此，然后通过Dojo进行深度神经网络训练，以此帮助特斯拉的Autopilot不断进化，最终实现以纯视觉为基础的完全自动驾驶（FSD）。
　　换一个更好理解的方式，就像是AlphaGo专攻围棋领域一样，经过人工参与调整和标注的训练，只需要几年时间就击败了全球围棋高手，而Dojo可以被看做是为专攻自动驾驶领域的AlphaGo，通过深度学习和分析海量的特斯拉车队数据，Dojo可以自动模拟开车、自动寻找问题最优解，从而完成自我进化。
　　重点是无监督训练和自我进化，你可以理解为：Dojo最初不会驾驶车辆，但通过极快的速度学习人类开车（影子模式）和模拟开车（特斯拉为其构建了一个虚拟世界供训练）后，就可以慢慢地在真实世界开车了。
　　接着随经验的积累，算法的精进，驾驶技术还会越来越娴熟，最终超过人类的驾驶水平。就像AlphaGo最终击败李世石和柯洁一样。
　　Dojo超级计算机有什么能力？
　　今年6月，特斯拉AI高级总监AndrejKarpathy宣称由特斯拉团队研发的世界第五代超级电脑Dojo即将问世。今天的AIDay发布会则透露了更多的细节。
　　DojoD1计算芯片采用了5760个算力为321TFLOPS的英伟达A100显卡，组成了720个节点构建的超级计算机，总算力达到了1。8EFLOPS（EFLOPS：每秒千万亿次浮点运算），有10PB的存储空间，读写速度为1。6TBps。
　　注意，这还是单个DojoD1的算力，未来特斯拉还会将多个DojoD1组成Dojo超级计算机群，届时，该超级计算机群的总算力将超过目前世界第一的超级计算机日本富岳。
　　随着DojoD1推出，毫不夸张的说，它就是目前世界上最强大的人工学习机器，它使用7nm芯片驱动、将50万个训练单元搭建在一起。
　　在马斯克的规划中，Dojo超级计算机群目标算力要达到每秒钟exaFLOP的级别，也就是百亿亿次浮点运算，是现在的一万倍，名副其实的直接最尖端的超级计算机。
　　那么，Dojo能做什么呢？主要就是自主深度神经网络训练。
　　特斯拉车辆搭载的摄像头，能够不间断地采集真实的道路数据，然后DojoD1的人工智能算法，会自动标记这些数据中的物体（包括常规道路、危险道路和其他意外情况）。
　　之前的大型AI数据集通常需要手动标记，非常耗时费力，而Dojo将配合无监督学习算法（UnsupervisedLearning，无需人工对训练数据集进行标注，系统可以自行根据样本间的统计规律对样本集进行分析）。
　　譬如，可以不给任何额外提示的情况下，仅依据一定数量狗的图片特征，就能将狗这个物体识别出来。大幅减少特斯拉对于数据人工标注的工作量，进而帮助其数据训练效率实现指数级提升。
　　这些数据还可以包括信号灯、车道线、动物、行人、天气、马路边缘、指示牌、路灯、桩桶、可行车区域、不可行车区域等等，通过8个摄像完成360度环影，以鸟瞰的方式来展示一个4D视图（三维空间时间戳）。
　　不过，特斯拉车辆并不会将每分每秒的视频数据都发送给Dojo，也不会随机发送视频数据，更多的情况是发送一个案例（10秒）。比如在Autopilot驾驶时，驾驶员突然介入，改为人工驾驶，Dojo就会分析这个视频案例，试图找出驾驶员中断Autopilot的原因，又或者司机在高速路上突然刹车、堵车时有人插队、雷达与摄像头判断结果不一致、车辆发生事故险些发生事故等等，将这些具体的案例，交给Dojo来分析处理。
　　最终，更多的数据通过Dojo的处理，反馈给神经学习系统，实现自动驾驶算法的迭代，而算法的迭代，让Autopilot更加好用，持续反馈更多的数据给Dojo分析，从而实现一个正循环。
　　目前，特斯拉已经积累了100万个10秒左右的视频，并给60亿个物体贴上了深度、速度和加速度的标签。这些数据每天都还在增加，这就需要特斯拉有一个强大的计算机来处理这些庞大的数据，目前这些数据已经达到了惊人的1。5PB。
　　以特斯拉百万级的车辆保有量，这个规模的数据收集终端，数据增长速度也是惊人的。这似乎是个天文数字，而特斯拉如果继续依赖纯视觉的自动驾驶方案，不断提高其可靠性，就需要开发出更强大的超级计算机，以追求更先进的AI算法。
　　一家车企为什么要做超级计算机？
　　我们前面说到，全世界的超级计算机的排名前五的超级计算机，除了第五名的Selene是英伟达的之外，前四的都是国家拥有的，包括第一的日本富岳、美国的Summit和Siera分别位于第二、第三，第四的是中国的神威太湖。
　　这些都是国家级的超级计算机，它们通常是体量巨大、造价高昂的设备，拥有数以万计的处理器，旨在执行专业性强、计算密集型的任务，可完成极端尺度的宇宙模拟、为药物反应预测寻找新途径、发现可用于制造高效有机太阳能电池的新材料等任务，应用于人工智能、生物医药和智慧城市建设等多个领域。
　　为什么特斯拉，一个电动车企需要研制一台超级计算机？
　　其实原因，上面已经有所提及。
　　目前，全球自动驾驶领域主要分为两派，即纯视觉路线与高精地图雷达路线。后者认为，多传感器与摄像头可以优势互补，更可依靠高精度地图与多激光雷达来完成全自动驾驶。而作为纯视觉路线领头者的特斯拉，则坚定的认为，纯视觉是唯一正确的出路。
　　马斯克主张采用纯视觉的自动驾驶方法，就是依靠摄像头和机器学习来支持其高级驾驶辅助系统和自动驾驶，而摒弃了激光雷达（LiDAR）、毫米波雷达。
　　马斯克曾非常自信地说到：只要人眼能够完成的事情，视觉传感器也应该能够完成。其它的激光雷达都是累赘。
　　在特斯拉看来，把激光雷达、毫米波雷达砍掉，是因为多传感器融合，会干扰系统的判断，甚至会造成误判，因为当不同传感器过来的数据冲突的时候，会延长系统处理和判断的时间，甚至会出现误判。
　　在纯视觉自动驾驶方法下想改进这套自动驾驶AI达到足够的可靠性，自研适应计算需要的超级计算机便极为必要。
　　特斯拉AI高级总监AndrejKarpathy是计算机视觉和深度学习领域的顶级专家之一，博士毕业于斯坦福AI实验室，主要研究方向是卷积神经网络结构，自然语言处理，以及其在计算机视觉上的应用。
　　进入特斯拉之后，主要就是为了攻坚特斯拉自动驾驶的难题，而特斯拉非常坚决地采取纯视觉算法路线，这就为数据处理以及神经网络学习提出了巨大的要求。
　　Karpathy解释道，如果想要让计算机以人类的方式对新环境做出反应，需要一个巨大的数据集，以及超级计算机的处理能力。我们有一个神经网络架构网络和一个1。5PB的数据集，需要大量的计算。
　　对我们而言，计算机视觉是使自动驾驶成为可能的基本要素。为了让其更好地工作，我们需要掌握来自车队的数据，训练大量的神经网络，并进行大量实验。
　　Karpathy讨论了特斯拉人工智能的视觉组件，他指出，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。他还谈到了特斯拉的视觉处理策略多年来是如何演变的，以及现在是如何实现的。Karpathy还提到了特斯拉的HydraNets，它具有多任务学习能力。
　　充分利用从整个车队收集来的数据训练，从而不断改善特斯拉的自动驾驶功能（Autopilot），为下一代自动驾驶人工智能（AI）提供能够更进一步的自主学习的神经网络。
　　这里的神经网络可以简单理解为通过仿生学模拟人类大脑皮层的神经元沟通学习的方式进行处理数据，用来实现类似人类的学习方式。
　　这也是为什么这个超算机群取名为Dojo（道场）的原因，在中文里翻译为训练场也非常合适，这个训练场就是专门用来训练特斯拉汽车的自动驾驶能力的。
　　其实早在2019年的AutonomousDay，马斯克就提到过Dojo，称Dojo是能够利用海量的视频（级别）数据，做无人监管的标注和训练的超级计算机。
　　如果认真了解过当年AutonomousDay的朋友，自然会发现，特斯拉推出Dojo超算以及自研芯片，是必然且在规划中的事，也是特斯拉不得不去做的事。
　　因为按照特斯拉的逻辑，一辆车上要装8个摄像机，十秒内就能产生一百万个视频。这也难怪，需要依赖超级计算机的运算能力。
　　换句话说，不是特斯拉想要成为人工智能巨头，而是被逼无奈，因为选了纯视觉路线，就需要一个超级计算机的算力与之匹配。结果Dojo一出场，就是要成为世界第一。可以说，这也是马斯克的凡尔赛了吧。
　　其实关于视觉算法与AI的关系这个问题，马斯克曾在推特中回复过，大致意思为：只有解决了真实世界的AI问题，才能解决自动驾驶问题除非拥有很强的AI能力以及超强算力，否则根本没办法自动驾驶行业大家都很清楚，无数的边缘场景只能通过真实世界的视觉AI来解决，因为整个世界的道路就是按照人类的认知来建立的一旦拥有了解决上述问题的AI芯片，其他的就只能算是锦上添花。
　　确实，毫米波雷达或激光雷达方案虽然有优势，但是成本更高，而且还有着无法解决的弊端。首先雷达精度、反应速度都不如纯视觉方案，而高精地图则严重限制了可使用自动驾驶的范围。这意味着他们除了需要非常详细的使用地点地图外，还需要所有车道及其连接方式、实时交通灯等额外信息。
　　但特斯拉的纯视觉方式不同，特斯拉的自动驾驶依靠8个摄像头和背后的Dojo超算，原则上我们可以在地球上任何地方（的道路上）使用。
　　Dojo超级计算机的出现意味着什么？
　　Dojo的问世，将帮助特斯拉的无人驾驶技术继续提升一个等级，让视觉算法这条路线走的更加深远，它能帮助训练电脑去理解道路画面，通过对视频信息的采集和大量视频信息运算处理，达到仅通过视觉图像便能实现全自动驾驶的目的。
　　视觉自动驾驶与人类驾驶员的开车方式相似，但最重要的是，计算机更加的可靠。为此，Karpathy也举了几个例子：
　　首先，人类的反应速度太慢，即使是优秀的驾驶员也要250ms（0。25秒）的反应速度，很多人甚至超过460ms（0。46秒），而电脑的反应速度全部低于100ms（0。1秒）；其次，人类驾驶员经常在开车时玩手机，而电脑则会全神贯注，不会一会看看微信，一会刷刷抖音；再来，人类驾驶员的视野范围太窄，并道时如果不回头，则完全看不到位于后视镜盲区的来车，而特斯拉拥有8个摄像头以每秒36帧的速度从车身周围识别信息，涵盖360度视野
　　通过海量的案例，Dojo将帮助驾驶员更安全的驾驶车辆，包括利用视觉计算机来纠正人类错误和不安全的驾驶行为。比如：信号灯警告，系统识别到远处的红灯或黄灯，如驾驶员不减速会发出警告；紧急制动场景，系统判断车辆在障碍物前减速度不足或没有减速，会自动帮助车辆制动；躲避障碍，系统侦测到周围有突然出现的动物、行人、车辆、异物等，会自动控制方向盘来进行躲避。
　　在目前的特斯拉Autopilot中，已经出现过很多因系统失灵而出现的事故，这些可以通过Dojo进行解决，包括不限于：桥下阴影造成的无故刹车；高速跟车时，自动刹车踩得太死；遇到路边占用部分车道停放车辆的规避问题；当车辆检测到前方有行人或者道路变窄的情况时，当驾驶员把油门当做刹车踩下，车辆则不会加速（包括恶意报复社会行为）。
　　总结起来，Dojo的出现，实现了海量数据的无监督训练，大幅度提高神经网络训练的效率。通过用海量的数据锻炼它，就能解决各种边缘场景的问题，加快自动驾驶系统的成熟和完善，实现指数级的成长速度。
　　更关键的是，特斯拉对其软硬件的垂直整合度非常高，不仅不受制于别人，而且能够以此作为服务，给外界提供深度学习的训练业务。
　　在特斯拉的规划中，全球各地的数据，都会汇集到Dojo超级计算机中心进行处理。当然，这不包括中国的数据，因为中国出台了相关的管理办法，限制这类数据出境（因此，特斯拉在上海建立了数据中心，所以我们也会期待Dojo也能在中国实现）。
　　这就是自动驾驶的大结局？
　　对于自动驾驶的科技价值，几乎全球科学家都达成共识，其拥有广泛的应用前景，在包括出租车、代驾、共享汽车、机器人物流等领域都有巨大潜力。
　　根据中国信通院《2020年全球自动驾驶战略与政策观察》报告显示，自动驾驶具有巨大的社会经济价值，预计2050年将为美国创造大约3。2至6。3万亿美元的经济效益，其中社会福利和消费者福利预计接近8000亿美元。
　　我国多个地方政府也大力支持自动驾驶技术发展。北京已累计开放四个区县的自动驾驶测试道路共计200条、699。58公里，开放了亦庄和海淀2个自动驾驶测试区域，面积约140平方公里。同时累计为14家自动驾驶企业87辆车发放一般性道路测试牌照。
　　深圳市也已经先后公开两批无人驾驶路测道路；深圳坪山区的L5级别全无人RoboTaxi已商业化试运营超过100天，并承载了国内首批乘客。此外，包括亚马逊、苹果、三星等国外科技巨头，以及阿里巴巴、百度、腾讯等国内科技巨头都纷纷加入无人驾驶的赛道，想在这个潜力无限的市场里瓜分一块蛋糕。
　　从技术的角度来看，无人驾驶汽车是一个复杂的软硬件结合的智能自动化系统，运用到了自动控制技术、现代传感技术、计算机技术、信息与通信技术以及人工智能等。从战略意义的角度来看，自动驾驶移动能力更强，能够有效改善交通安全、实现节能减排、消除交通拥堵、促进产业转型。
　　过去数年，特斯拉一直对外宣传全自动驾驶技术，由此也为人们所诟病。因为事实上，特斯拉的Autopilot（自动辅助驾驶）以及FullSelfDriving（全自动辅助驾驶）都只是辅助驾驶功能，并不是真正意义上的自动驾驶功能。
　　因为这样的宣传，导致了不少车主过于相信特斯拉的辅助驾驶功能，因此也导致了很多起令人痛心的安全事故，最近的蔚来也因为NIOPilot导致的事故登上了热搜。
　　可见，截止目前，自动驾驶还是一个理想中的概念，离我们的实际使用还有不少的距离，我们现在能用上路的都是辅助驾驶，大家为了自己的人身财产安全一定要牢记这一点，切勿过分相信市面鼓吹的自动驾驶功能。
　　目前，特斯拉已开始向纯视觉自动驾驶路线转变，从上月开始，部分在北美生产的特斯拉车型，已停止安装雷达传感器，而全新的FSDBetaV9。0（完全自动驾驶测试版）也将在近期更新，而这一切的背后，都离不开Dojo。
　　Dojo的到来，意味着我们离真正的自动驾驶又近了一步，打开了电动车驾驶AI世界的新入口。
　　对了，这个技术并不遥远，我们明年可能看到Dojo正式运行。
　　最后的彩蛋
　　就在发布会最后，马斯克开着玩笑带来了一位TeslaBot机器人，他表示，如果Dojo的能力能够如期实现，那么将它至于机器人的内部，同样可以100模拟人类的性能。在未来，可以为人类社会释放更多的劳动力。
　　马斯克绝对是一个技术疯子，改变全球能源布局、改变交通出行方式、改变人类脑机交互方式、游历太空、探索火星等等，单凭一个人的意志推动了整个人类社会的科技进步。
　　通过已量产的产品挣钱，但不会敛财，因为挣到的钱马上用在下一个疯狂的想法，并努力实现它，如果此时说马斯克是后乔布斯时代最伟大的科技创造者，应该没有人会反对吧？