在經歷了半年的“跳票”之後，特斯拉AI DAY 2022終於來了。事實證明，特斯拉不會讓人失望，話不多說，直接切入主題：

AI DAY 2022核心資訊：

1. Tesla Bot 亮相；

2. FSD 最新進展；

3. Dojo 超算 2023 Q1 推出；

4. 沒有 HW 4.0。

Tesla Bot亮相

在此之前就有不少人猜測，這次AI DAY 上特斯拉可能會有很多大動作，尤其是特斯拉機器人（Tesla Bot）“擎天柱（Optimus）”可能會首次亮相。

現在，它來了：

與上一屆AI DAY中推出的概念機不同，Optimus原型機明顯更大且更粗獷一些，胸前的兩個散熱風扇很醒目。同時根據現場的演示來看，它的行走也顯得有些“步履蹣跚”，直觀上不如波士頓動力的雙足機器人。

核心在於，

Optimus採用了與汽車相同的FSD

（自動駕駛計算機），它的行走、動作、執行指令等，不是按照既定程式按部就班執行的，而是透過AI模型學習得來的。

跟人一樣，它感知世界的方式也是畫面和聲音，透過頭部的攝像頭採集周圍影片，透過FSD視覺識別演算法可識別出周圍環境、分辨物體，並計算行走路線、抓取力度等等。

上圖為Optimus結構示意圖，其中橙色是驅動裝置、藍色是主控。搭載了容量2。3kWh的電池包，系統電壓52V；主控板搭載特斯拉自研Soc、支援wifi、4G等模組。

Optimus全身有28個關節，也就需要28個驅動裝置。為了實現人一樣自然的動作，特斯拉做了大量的開發。比如說，人在抓取、搬運時所需的力是不一樣的，如果用力過猛可能會把手裡的東西甩飛。

因此，特斯拉針對每個關節所需的力量/扭矩，做了模擬建模，找到了各自關節/驅動器的最佳引數，並研據此發了6種專用電機，採用與特斯拉汽車電機同源的滾珠電機技術。

FSD最新進展

本屆AI DAY的另一個重頭戲則是FSD，這套系統目前正在飛速發展，目前FSD Beta的早鳥使用者已經超過了16萬。

技術方面，我們不妨先思考一下：什麼樣的自動駕駛是優秀的？是在各種極限條件下依然可用嗎？

是，但不完全是。

特斯拉舉了個例子：在無保護左轉時，即便沒有危險，如果從行人面前近距離透過，也可能會導致行人受到驚嚇，或者導致行人做出不可預料的動作。

可見，減少“極限操作”對於車主和行人來說都是更好的。

FSD的策略則是從安全形度出發，提前預測行人及其他車輛的運動軌跡，找準時機來生成相對慢速但更高效的行車路線，慢速從行人身後透過。

要實現這種效果，感知、規控、訓練，缺一不可。

例如，在感知方面，特斯拉提到了

Occupancy networks

（佔據網路）模型的應用和進化。透過佔據網路，可以讓模型獲得預測物體所佔據空間的能力，並在BEV內生成由一個個立方體組成的環境。

在規控中，這些“立方體”都將刻意避開，車輛可以在不識別具體的障礙物是什麼的情況下做出避讓動作。此外，FSD還可以據此識別道路坡度/曲率，這樣就可以讓車輛根據實際道路情況提前預測加速/減速，進一步提高安全性和舒適度。

而在訓練方面，由於需要處理大量影片資料，因此特斯拉專門開發了“影片圖書館”。

它可以儲存大量由使用者採集的原始影片檔案，並直接供給訓練伺服器。相比普通的儲存伺服器，它可以讓訓練速度提升30%，並且儲存的檔案更省空間（小了11%），讀取速度也更快，最小每秒讀寫次數提升了4倍。

此外，特斯拉也在搞虛擬現實（模擬模擬）的自動生成。基於數字孿生，可以在虛擬世界中訓練模型，據說效率比之前“提升了1000倍”。

該功能隔壁英偉達早就在搞，它的重要性在很多特定場景中都有體現。例如，自動駕駛在路口時的判斷往往是有挑戰性的，尤其是在路口有車輛時。

這是因為，系統需要判斷這輛車是真的是“停止”了，還是在“低速行駛”。如果無法快速確認，就容易導致車輛的決策更謹慎，反映出來就是車輛在轉彎或者路口時會主動減慢速度甚至停車。

那麼，要對此進行改善，就需要進行大量的訓練，以涵蓋儘量多的情況。而對於這種特定場景，在虛擬世界中進行模擬模擬的效率就會更高。

Dojo超算

既然多次提到訓練，那麼專門用於模型訓練的超算“Dojo”就該出場了。

在AI DAY上，Dojo開發人員提到，Dojo是專門用來進行模型訓練的超級計算機，它往往要面對規模極大的模型，包含數以億計的資料、引數，因此，保證高頻寬、低延遲就成了關鍵。

而Dojo提高算力的方式，則是

將25個D1晶片整合在一個“訓練瓦片（Tile）”上

，讓每個“Tile”都具備54P算力和13。4TB/S對分頻寬。

為了保證多個“Tile”間的通訊，特斯拉還開發了名為“Dojo介面處理器”的PCIE板卡，具備800GB/s記憶體頻寬、32G高頻寬記憶體、900TB/S TTP頻寬，PCIE 4。0頻寬為32G/s。

然後，特斯拉還將

6個Tile、20片介面處理器組成一個托盤（Tray）

，而Dojo超算的每一個機櫃（ExaPOD）則由至少兩個托盤構成，有種套娃的感覺。

但這種方式顯然是有效的，每臺ExaPOD的訓練效能都非常誇張，具備1。1E算力、1。3T高速記憶體、13TB高頻寬記憶體，4臺即相當72個GPU機櫃的訓練效能。

但這種方式面臨一個問題：供電。

每個“Tile”內建25個D1晶片，而每顆晶片的功耗就高達400W，單25顆晶片的功耗即高達10kW。而

每個托盤具備6個Tile和20片介面處理器，功耗直奔100+kW。

為此，研發人員自研了功率密度非常高的垂直堆疊的電源模組，同時相比對外採購成本更低。

在AI DAY現場，展出了Dojo機櫃的實物，可證明其研發已基本結束。特斯拉也表示，

第一臺ExaPOD將於2023年Q1推出

，屆時特斯拉的AI訓練能力將迎來提升。

HW4.0鴿了

由於AI DAY的跳票，很多人猜測，是不是在為下一代車載計算機硬體HW4。0做準備，而且在推特上也有人爆料，HW4。0將在今天推出。

但HW 4。0，它鴿了。

在活動現場，當人們問馬斯克HW 4。0將何時釋出時，他回答道：“If I told you i’d have to kill you！”

顯然短期內我們不太可能見到 HW 4。0 了，不過我們也可以因此對它抱有更多期待，比如 7nm 的第二代 FSD 晶片？針對 Transformer 模型推理的特化架構？500萬畫素甚至800萬畫素的攝像頭？或者是，前不久剛剛曝光的高解析度雷達？

不過，按照HW 3。0上線時的操作來看，如果特斯拉公佈了HW 4。0，可能意味著HW 4。0已經開始了量產，甚至已經開始批次裝車，相信到那時會有更多直接資訊的曝光。

誰知道呢？我們拭目以待吧！