特斯拉AI Day全方位展示“完自动驾驶”

在演示过程中，一名驾驶者在汽车的导航系统上设定了一个目的地，然后双击了方向盘上的操纵杆，之后，汽车似乎随后驶入了车流并在自动停车标志和红绿灯的情况下通过了十字路口。一路上，它避开行人、左右转弯。与此同时，在方向盘旋转时，驾驶者将其手指轻轻地放在方向盘上。

目前，特斯拉的全自动驾驶系统在技术上还不是真正的全自动驾驶，但公司CEO埃隆·马斯克乐观地认为，这项技术不仅会进步而且最终会比普通驾驶者还要更好。

马斯克表示：“我有信心，我们的硬件全自动驾驶计算机将能在比人类更安全的水平上实现全自动驾驶。至少比人类好200%或300%。然后，很明显，我们可能会在Cybetruck中引入硬件4 FSD computer2，所以可能在大概一年左右的时间。它的能力约是现在的四倍。”

人工智能日演讲的大部分内容都是关于特斯拉的人工智能工程师如何努力提高FSD系统的舒适性和安全性。它从一个三维矢量空间开始，这个空间是在车辆通过8个摄像头感知周围环境时创建的。这八种反馈经过校正然后融合到一个虚拟环境预测模型中，这使得汽车的电脑能鸟瞰它正在导航的世界。更少的360度摄像系统、更多的类Tron 3D再现本地空间。

在特斯拉演示视频的仪表盘上可以看到处理过的部分矢量空间数据，道路数据、车辆和行人在中央屏幕上则以简单的细节呈现。

特斯拉的工程师还解释了他们正在使用的环境识别和检测新方法，这些可以帮助提高矢量空间地图的准确性和导航精度。像AI可以将信息缓存到短期记忆中以保持在十字路口等待的车辆的位置，即使它们暂时被交叉交通阻塞。该系统还能记住和预测领先车辆在高速公路上的位置，即使它的视野暂时被雪或水喷雾阻挡甚至没有雷达距离数据的帮助。

Vector Space数据则被特斯拉称为神经网络规划师(Neural Net Planner)，这是一组AI算法，在使用FSD时处理汽车在道路上的实际路线、轨迹和行为。规划师会处理每一个转弯、每一个绕过行人的转弯和每一个变道。除了每分钟运行数千次模拟以决定自己的最佳行动方案外，它还必须模拟和预测其他汽车、行人和骑自行车的行为。

在一个例子中，一辆开着FSD的特斯拉遇到了另一辆车，它在一条狭窄的路上挤来挤去，两边都停着车。该系统能根据迎面而来的车辆的速度、路径和驾驶者的预期意图来决定是否让车。当驾驶者改变主意、放慢车速让特斯拉超车时，FSD就会做出反应，从屈服变成选择优先通行。

虽然所有这些处理过程都在车辆中进行，但帮助系统高效运行的最后一块拼图则是训练和模拟。在特斯拉的数据中心，这种情况经常发生。在这些数据中心，FSD软件接受训练、传感器数据被分析从而以对数百万个物体进行分类和标记。标签数据和行为模型随后被用于改进个别车辆的车内处理。

为了大规模处理所有这些模拟数据，特斯拉正在开发Dojo项目，这是特斯拉内部专门为AI培训设计的硅材料。该项目从特斯拉的D1分布式计算芯片开始，它被平铺成Dojo单元，再平铺成特斯拉所谓的ExaPOD–一个房间大小的1.1 exaflop处理单元。就规模而言，这相当于30500块Nvidia RTX 3090 GPU的处理能力，但还有额外的优势，即为AI训练定制。

所有这些数据中心的计算能力有望帮助加速特斯拉汽车中FSD AI的发展并为汽车以外的AI和机器人项目提供动力。