北京时间8月20日，特斯拉在美国成功举办了AI Day活动。特斯拉CEO埃隆·马斯克(Elon musk)、人工智能部门总监安德烈·卡帕西(Andrej Karpathy)等众多工程师亮相会场，公布了特斯拉纯视觉方案FSD、神经网络自动驾驶训练、D1芯片、Dojo超级计算机等重磅信息的进展，带来了一场世界领先的科技盛宴。
坚持视觉感知，用AI神经网络技术提升驾驶辅助能力特斯拉纯视觉传感器方案的实现离不开多任务学习HydraNets神经网络架构。每辆特斯拉汽车都有8个摄像头环绕车身，围绕车身360度覆盖，从而获取红绿灯、信号灯、坡道、路缘等周边信息，为神经网络学习提供了极佳的条件。安德烈说:“我们希望建立一个类似于动物视觉皮层的神经网络连接，来模拟大脑中信息输入和输出的过程。就像光线进入视网膜一样，我们希望通过相机模拟这一过程。”
多任务学习HydraNets神经网络架构可以拼接8个摄像头获得的图像，完美平衡视频图像的延迟和精度。通过手动或自动标记车道、车辆、红绿灯、障碍物等环境以及运动和静止的物体，系统会逐帧分析视频，了解物体的深度、速度等信息，然后将这些数据交给团队进行学习。但在这个过程中，特斯拉发现了几个问题:这些参数和空间追踪很难通过C++的基础设施进行拼接；部分空间数据输出质量不高；不同的相机获取的物体信息不同，拼接时很难把握整体。为了解决这些问题，Tesla开发了“向量空间”技术，该技术兼具非凸优化算法和高维数的优点。这项技术可以根据8个摄像头输入的数据绘制3D鸟瞰图，并形成带有空间和时间标签的4D“道路网”，呈现道路等信息，从而帮助车辆把握行驶环境，更准确地找到最佳行驶路径。
有了海量准确的视频数据，特斯拉还需要创建一个强大的神经网络，并对网络进行特殊布局，以便在一个通用的骨干网络上整合和重新分析这些数据。因此，特斯拉自主研发了基于神经网络的训练方法。特斯拉有一个由世界各地人才组成的数据标签团队，规模在1000人左右。团队每天都在“向量空间”中标注视频数据中的物体。在善于抓住细节的手动标注和更高效的自动标注的配合下，只需要标注一次，“向量空间”就可以自动标注所有摄像机的多帧图像。这为特斯拉带来了数百亿有效且多样的原始数据，这些数据将用于神经网络训练。
同时，特斯拉还开发了“模拟场景技术”，可以模拟现实中不常见的“边缘场景”，用于自动驾驶训练。在模拟场景中，特斯拉工程师可以提供不同的环境和其他参数(障碍物、碰撞、舒适度等。)，大大提高了训练效率。
由此，特斯拉FSD系统已经能够实现每1.5毫秒2500次搜索的超高效率，预测各种可能的情况，找到最安全、最舒适、最快的自动驾驶路径。“工程开山之作”——D1芯片和Dojo超级计算机目前，随着待处理数据的指数级增长，特斯拉也在提高训练神经网络的计算能力，于是有了特斯拉Dojo超级计算机。特斯拉的目标是实现人工智能训练的超高计算能力，同时扩展带宽，减少延迟，节省成本。这就需要Dojo超级计算机的布局达到空间和时间的最佳平衡。Dojo超级计算机的关键部件是——D1芯片，这是一种由Tesla自主研发的神经网络训练芯片。D1芯片采用分布式结构和7 nm工艺，配备500亿个晶体管和354个训练节点。仅内部电路就长达17.7公里，实现了超强计算能力和超高带宽。
1500个D1芯片中有超过53万个训练节点，构成了道场超级计算机的训练模块。由于每个D1芯片无缝连接在一起，相邻芯片之间的延迟极低，训练模块最大程度地实现了带宽预留。借助特斯拉自制的高带宽低延迟的连接器，运算能力高达9PFLOPs(9万亿次)。
得益于训练模块的独立运行能力和无限链接能力，由其组成的Dojo超级计算机的性能扩展理论上是无限的，是不折不扣的“性能怪兽”。在实际应用中，特斯拉会将120个训练模块组装成ExaPOD，这是世界领先的人工智能训练计算机。与业内其他产品相比，同等成本下性能提升4倍，同等能耗下提升1.3倍，空间节省5倍。
0
与强大的硬件相匹配的，是特斯拉-DPU (Dojo Processing Unit)开发的分布式系统。DPU是一个可视化的交互软件，可以根据需要随时调整比例……根据要求，高效地处理和计算，并执行数据建模、存储分配、布局优化和分区扩展等任务。很快，特斯拉将开始Dojo超级计算机的第一次组装，并从整个超级计算机到芯片和系统进一步完善。除了备受期待的神经网络学习和Dojo超级计算机，在活动的最后，马斯克在谈到AI的发展方向时，还出人意料地抛出了“特斯拉Bot”。特斯拉Bot高1.72米，重56.6公斤。它脸上的屏幕可以显示信息，它拥有人类级别的双手和强大的反馈感应，实现平衡和敏捷。马斯克表示，特斯拉Bot将利用Dojo超级计算机的训练机制来改进其功能，并补充道:“未来不会缺少劳动力，但人工劳动只是一种选择。特斯拉机器人可以执行一些危险、重复和无聊的任务。”特斯拉Bot将于明年推出首款原型车。
1
2
对于人工智能技术，马斯克显然有更远大的追求。这种追求寄托在他开场白中“我们遇到了一些技术难题，希望未来用AI解决”的调侃上，更重要的是，在活动的最后，他承诺“我们将进一步畅游整个人类世界”。北京时间8月20日，特斯拉在美国成功举办了AI Day活动。特斯拉CEO埃隆·马斯克(Elon musk)、人工智能部门总监安德烈·卡帕西(Andrej Karpathy)等众多工程师亮相会场，公布了特斯拉纯视觉方案FSD、神经网络自动驾驶训练、D1芯片、Dojo超级计算机等重磅信息的进展，带来了一场世界领先的科技盛宴。
坚持视觉感知，用AI神经网络技术提升驾驶辅助能力特斯拉纯视觉传感器方案的实现离不开多任务学习HydraNets神经网络架构。每辆特斯拉汽车都有8个摄像头环绕车身，围绕车身360度覆盖，从而获取红绿灯、信号灯、坡道、路缘等周边信息，为神经网络学习提供了极佳的条件。安德烈说:“我们希望建立一个类似于动物视觉皮层的神经网络连接，来模拟大脑中信息输入和输出的过程。就像光线进入视网膜一样，我们希望通过相机模拟这一过程。”
多任务学习HydraNets神经网络架构可以拼接8个摄像头获得的图像，完美平衡视频图像的延迟和精度。通过手动或自动标记车道、车辆、红绿灯、障碍物等环境以及运动和静止的物体，系统会逐帧分析视频，了解物体的深度、速度等信息，然后将这些数据交给团队进行学习。但在这个过程中，特斯拉发现了几个问题:这些参数和空间追踪很难通过C++的基础设施进行拼接；部分空间数据输出质量不高；不同的相机获取的物体信息不同，拼接时很难把握整体。为了解决这些问题，Tesla开发了“向量空间”技术，该技术兼具非凸优化算法和高维数的优点。这项技术可以根据8个摄像头输入的数据绘制3D鸟瞰图，并形成带有空间和时间标签的4D“道路网”，呈现道路等信息，从而帮助车辆把握行驶环境，更准确地找到最佳行驶路径。
有了海量准确的视频数据，特斯拉还需要创建一个强大的神经网络，并对网络进行特殊布局，以便在一个通用的骨干网络上整合和重新分析这些数据。因此，特斯拉自主研发了基于神经网络的训练方法。特斯拉有一个由世界各地人才组成的数据标签团队，规模在1000人左右。团队每天都在“向量空间”中标注视频数据中的物体。在善于抓住细节的手动标注和更高效的自动标注的配合下，只需要标注一次，“向量空间”就可以自动标注所有摄像机的多帧图像。这为特斯拉带来了数百亿有效且多样的原始数据，这些数据将用于神经网络训练。
同时，特斯拉还开发了“模拟场景技术”，可以模拟现实中不常见的“边缘场景”，用于自动驾驶训练。在模拟场景中，特斯拉工程师可以提供不同的环境和其他参数(障碍物、碰撞、舒适度等。)，大大提高了训练效率。
由此，特斯拉FSD系统已经能够实现每1.5毫秒2500次搜索的超高效率，预测各种可能的情况，找到最安全、最舒适、最快的自动驾驶路径。“工程开山之作”——D1芯片和Dojo超级计算机目前，随着待处理数据的指数级增长，特斯拉也在提高训练神经网络的计算能力，于是有了特斯拉Dojo超级计算机。特斯拉的目标是实现人工智能训练的超高计算能力，同时扩展带宽，减少延迟，节省成本。这就需要Dojo超级计算机的布局达到空间和时间的最佳平衡。Dojo超级计算机的关键部件是——D1芯片，这是一种由Tesla自主研发的神经网络训练芯片。D1芯片采用分布式结构和7 nm工艺，配备500亿个晶体管和354个训练节点。仅内部电路就长达17.7公里，实现了超强计算能力和超高带宽。
1500个D1芯片中有超过53万个训练节点，构成了道场超级计算机的训练模块。由于每个D1芯片无缝连接在一起，相邻芯片之间的延迟极低，训练模块最大程度地实现了带宽预留。借助特斯拉自制的高带宽低延迟的连接器，运算能力高达9PFLOPs(9万亿次)。
得益于训练模块的独立运行能力和无限链接能力，由其组成的Dojo超级计算机的性能扩展理论上是无限的，是不折不扣的“性能怪兽”。在实际应用中，特斯拉会将120个训练模块组装成ExaPOD，这是世界领先的人工智能训练计算机。与业内其他产品相比，同等成本下性能提升4倍，同等能耗下提升1.3倍，空间节省5倍。
0
与强大的硬件相匹配的，是特斯拉-DPU (Dojo Processing Unit)开发的分布式系统。DPU是一个可视化的交互软件，可以根据需要随时调整比例……根据要求，高效地处理和计算，并执行数据建模、存储分配、布局优化和分区扩展等任务。很快，特斯拉将开始Dojo超级计算机的第一次组装，并从整个超级计算机到芯片和系统进一步完善。除了备受期待的神经网络学习和Dojo超级计算机，在活动的最后，马斯克在谈到AI的发展方向时，还出人意料地抛出了“特斯拉Bot”。特斯拉Bot高1.72米，重56.6公斤。它脸上的屏幕可以显示信息，它拥有人类级别的双手和强大的反馈感应，实现平衡和敏捷。马斯克表示，特斯拉Bot将利用Dojo超级计算机的训练机制来改进其功能，并补充道:“未来不会缺少劳动力，但人工劳动只是一种选择。特斯拉机器人可以执行一些危险、重复和无聊的任务。”特斯拉Bot将于明年推出首款原型车。
1
2
对于人工智能技术，马斯克显然有更远大的追求。这种追求寄托在他开场白中“我们遇到了一些技术难题，希望未来用AI解决”的调侃上，更重要的是，在活动的最后，他承诺“我们将进一步畅游整个人类世界”。
盖世汽车讯据外媒报道，马自达公司正在开发一种燃烧氢燃料的汪克尔（Wankel）发动机，用于为RX8的后继车型提供动力。
1900/1/1 0:00:00芯片短缺已经成为了全球汽车市场面临的严峻考验，就连一向“稳健”的丰田品牌都受到了比较严重的影响。
1900/1/1 0:00:00日前，我们从哪吒官方了解到，随着一辆哪吒U参数询价Pro车型驶下生产线，哪吒品牌达成了生产六万辆车的重要里程碑。
1900/1/1 0:00:00来源：极氪官方继比亚迪、宁德时代等企业就动力电池进行针刺安全测试后，8月19日，极氪也交出了“新三电”技术的测试答卷。
1900/1/1 0:00:00随着汽车智能化和电气化变革渐入深水区，市场竞争日趋白热化，为打好这关键的一战，传统Tier1们已经不再满足于过去“大鱼吃小鱼”的游戏，而是开始将目光转向了同类型企业，
1900/1/1 0:00:008月19日，硅宝科技发布公告称，公司与宁德时代于8月18日签署《合作框架协议》。
1900/1/1 0:00:00
汽车导航