特斯拉AI DAY：机器人只卖10多万，FSD推送16万车主测试

“特斯拉机器人未来售价20000美元（折合14万元人民币），远低于特斯拉汽车售价”。

“有了特斯拉机器人就可以消灭贫穷，人类可以自由选择自己的职业。”

这是今年特斯拉AI DAY上，马斯克在拿出人形机器人的同时，向外界描述了一幅人类与机器人和谐共存的未来美好世界。

FSD全自动驾驶，以及特斯拉自研超算Dojo的最新进展，是今年AI DAY的另外两大主题。

当然，这届AI DAY依然不改往日“招聘大会”的属性，马斯克的招贤令从开头贯穿结尾。

总之，特斯拉这一年在AI领域的所有干货和未填的坑，都在AI DAY上全方位被展现。

赛博汽车带你一文看尽。

01

人形机器人走出PPT

上一届AI DAY作为压轴出场的特斯拉机器人Tesla Bot，在今年率先亮相，就是下面这位：

啊不对，上面的是验证机，下面这位才是正主，Tesla Bot一代：

这次亮相的原型机，已经和PPT上的机器人有几分相似，只是在躯干的设计上，显得更加有机械感。

同时也能看出，此次展出的Tesla Bot原型机，已经有了自主移动的能力，四肢的灵活性也不错，做个简单的舞蹈动作还是可以保证的：

当然，如果只是简单活动一下就太不马斯克了，这次AI DAY，Tesla Bot更多更详细的技术参数同时公布：

首先是体重，Tesla Bot一代原型机体重为73公斤，较原官方数据增加17公斤。

身体灵活性数据也不错，Tesla Bot全身的自由度可以超过200，手掌自由度可以达到27。

马斯克表示，现在展出的机器人已经可以实现自主移动、操作工具的能力，并且做一些简单重复的工作，同时手掌还能承载20磅（约9公斤）的重物。

身体布局上，四肢部分集中了Tesla Bot绝大部分执行器。动力电池系统则被布局在躯干，搭载一块2.3kWh的电池包，名义上电压输出52V。

计算硬件同样位于躯干部分，Tesla Bot搭载一颗特斯拉车型同款的FSD芯片，支持Wi-Fi和4G（LTE)网络传输。

另外，Tesla Bot也同时嵌入了特斯拉在自动驾驶方面的技术，包括FSD自动驾驶系统的软件算法和纯视觉方案。

除了上述的参数，Tesla Bot背后更多的研发过程和技术参数也有所披露：

安全性能方面，Tesla Bot应用了特斯拉汽车撞击实验的部分技术，保证机器人在跌倒或受到撞击时不会有大的损伤（电池包就在胸部，一个扑街机器人自燃了可不太好）。

同时，考虑到Tesla Bot自身的体重和用途，关节处的灵活性和承压能力也需要被考虑到。在这方面，Tesla Bot的关节设计参考了人类骨骼组织。

为了保证全身28个关节执行器在不同状态下的承压和灵活性，同时兼顾效率和能耗，特斯拉通过点云方式进行模拟，设计出6种扭矩输出不同的执行器来承担移动任务。

软件细节上，特斯拉主要强调了以下几个部分：

首先，作为一款人形机器人，需要面对物理世界的各种风险，因此特斯拉官方强调Tesla Bot需要有物理层面的自主意识，比如对自己的躯干身体和现实世界的理解。

其次，是动态稳定性，特斯拉通过大量的仿真训练，实现行走平衡和路径规划，加上导航系统之后，Tesla Bot就可以自主移动工作，甚至可以自己找充电站补能。

最后，Tesla Bot的动作细节拟人化，特斯拉通过对人体动作进行捕捉后进行可视化处理，对躯干的位置进行分析后，映射到Tesla Bot身上。

说完Tesla Bot的技术细节，再来尝尝马斯克画的大饼（我敬马斯克为画饼第一人）。

马斯克表示，Tesla Bot初期会比较贵，但随着产量的提升，价格也会大幅下降，预计未来可以达到百万级的产量。最终，Tesla Bot会比特斯拉电动车的售价更低，预计可以达到20000美元一台（折合人民币约14万元）。

怎么样，20000美元一台机器人心动不？买不了吃亏买不了上当呀~

同时马斯克还表示，有了机器人之后，经济形势会更好，消除贫穷。因为机器人可以代替廉价的重复劳动，未来的人们就可以自主选择喜欢的工作。

这画面，是不是有点熟悉的味儿了？

但是！先别急，马斯克描述的画面，和大部分技术细节，包括导航、灵活性等等，还需要大量的细化。

至于到底啥时候能实现，特斯拉官方表示，可能几个星期，可能是一年，也可能是几年……

是的，马斯克又双叒挖坑了，Tesla Bot，终究摆脱不了和FSD一样的命运。

不过这里还是可以期待一下，毕竟马斯克的大部分承诺，都是以“虽迟但到”的形式出现的。（这里可以加一个狗头）

02

FSD依旧难去Beta

FSD的这一部分，没有太多惊喜。量产版FSD依旧遥遥无期，预想的Beta v11版本也没有到来。

不过从技术介绍来看，特斯拉已经开始专门针对长尾问题（Corner Case）下手了，自动驾驶团队详细解读了技术栈，好像在说，你看，自动驾驶这么难实现，也不能怪我总跳票。

通过这场AI Day分享可以看到，特斯拉已经搭建起了一个支撑FSD快速成长的自动驾驶技术栈。

2021年，有2000位特斯拉车主参与了FSD Beta测试，到2022年参与测试的车主已经达到了16万。

2022年对于特斯拉自动驾驶团队是非常卷的一年，全年进行了75778个神经网络模型训练，其中有281个模型对于FSD Beta进行了有效的性能改善。

这场分享，特斯拉主要围绕决策规划、神经网络训练（空间占用、车道&物体检测），数据训练（自动标注、仿真、数据引擎）等方面的提升进行介绍。

每一个自动驾驶决策的背后，都是基于诸多因素的平衡。规划选择是激进，还是保守，涉及到车辆本身的情况，也涉及到其他交通参与要素，这其中包含了非常多的“关系”处理，不同的物体指标也存在非常多的不同状态，包括速度、加速度、静态等，需要大量的边缘计算支持。

而随着交通关系量的增加，计算量就会越来越大。一组交互关系过程中，要考虑到所有交互指标，计算出最可靠的方案，形成一个决策树。

目前，FSD已经能够将每个操作的运行时间缩短到100微秒，但特斯拉认为这远远不够，后续还要将乘坐舒适度的分析、外界干预度因素加入进来。

特斯拉坚持纯视觉路线，但并非视觉方案就完美，尽管特斯拉有8颗摄像头，在实际交通场景中，也总是会存在一定视野盲区。

因此，在FSD的神经网络系统中，引入了空间占用模型。它以几何语义为基础，通过摄像头校准、减少延迟，分析体积占用如何占用，并渲染到向量空间中，以完整的3D方式来表征现实世界。

此外，复杂的道路结构对于自动驾驶学习来讲也是一道障碍，人类驾驶员在现实世界的通行需要车道线做指导，自动驾驶也是一样。

现实世界道路结构复杂，且有非常多的联结，这大大的增加了数据处理的难度，特斯拉通过车道检测网络，将这些问题转化成计算机能识别的语义。

视觉感知方案往往会产生非常大的数据量，特斯拉开发的数据处理编译器，正在通过更高效的算力利用、引入加速器、引入CPU、减小宽带损耗等方式，进行视频模型训练，已经实现30%的训练速度提升。

在数据标注上，特斯拉表示数据质量和标注质量同样重要，目前正采用人工标注和自动标注结合的模式，实现更细致的标注方案。

在模拟仿真的场景建设上，特斯拉也有了大幅能力提升，模拟场景生成比以前提升1000倍，边缘的几何形状建模更加精细，且可以快速复制现实环境，充分考虑不同的驾驶场景。

03

特斯拉为什么做超算

“经常有人说，特斯拉作为一家自动驾驶公司，为什么要发展超算？”

此次AI日，特斯拉给出了答案：从本质来说，特斯拉是一家硬核科技公司。

“提出这个问题，就是对特斯拉不够了解，不知道我们要做什么。在特斯拉，我们做很多科学与工程相关的事情，因此有很多基础的数据工作，包括推理、神经网络等，当然也包括超算。”

毕竟，算力可以说是训练的基本粮食。

在最开始设计Dojo超级计算机时，特斯拉希望能够实现实质性的改进，比如降低自动驾驶训练延迟。为此，其进行了一系列的研发，包括高效率芯片D1等。

D1芯片于去年AI日亮相，是特斯拉自主研发的神经网络训练芯片，其在645mm²的芯片面积上，搭载了500亿个晶体管，热设计功耗（TDP）为400W，FP32精度下的算力峰值达22.6 TFLOPS。

性能参数优于目前特斯拉超级计算机使用的英伟达A100 Tensor Core GPU。后者芯片面积为826mm²，晶体管数量542亿颗，TDP400W，FP32峰值算力是19.5TFLOPS。

而Dojo超级计算机的单个训练模块由25个D1芯片组成。据悉，2023年一季度特斯拉将推出Dojo机柜。届时，现有基于英伟达A100芯片建成的超算可能会被替换。

未来，来自全球超100万辆特斯拉的数据将汇聚于Dojo，通过其训练深度神经网络，以此来帮助特斯拉的Autopilot不断进化，最终实现以纯视觉为基础的完全自动驾驶（FSD）。

特斯拉方面称，新的Dojo超级计算机具有人工智能训练超高算力的同时，还拥有扩展带宽、减少延迟、节省成本等优势。

Dojo团队宣称一个训练模组的机器学习训练算力，足以达到6个“GPU 计算盒子”，并且成本还不到“一个盒子”的水平。

为了实现这些性能，特斯拉尝试了不同的封装技术都失败了，最后特斯拉放弃了D Ram结构，而是采用S Ram，即嵌入到芯片里面，虽然容量减少，但利用率明显提升。

除了架构设计，考虑到虚拟内存、加速器、编译器等各方面，特斯拉在整个系统设计中，面临种种选择，他们也遵循了自己的追求，即“不对Dojo超算设限”。

比如，在训练方法上，不采用大多数选择的数据共行模式；在数据中心层面，采用的是纵向整合的结构，对数据中心进行垂直整合。

在此过程中，也遇到了很多挑战。

特斯拉希望通过增加密度来提高性能表现，这对电力输送提出了挑战。“我们需要为计算芯片提供动力、电力，这会面临限制。同时由于整体设计是高度集合，因此需要实现多层垂直电源解决方案。”

基于上述两点，特斯拉构建快速迭代，最终通过设计和堆栈，使得CTE（热膨胀系数）降幅高达50%。

特斯拉面临的另一个挑战是：如何推动集成的边界。

目前特斯拉的电力模块是x、y平面用于高带宽通信，其他所有东西垂直进行堆叠，这不仅涉及到系统控制器，还要考虑震荡器时钟输出丢失。如何使其不受电源电路影响，达到理想的整合程度？

特斯拉采用的方法是多管齐下。一方面是尽量减少震动，如通过使用软帽端，即端口使用较软材料来减少震动；另一方面，对开关频率进行更新，使其斜正进一步的远离敏感频段。

去年AI日上，特斯拉仅仅展现了超算系统的几个组件，今年其希望在系统层面实现更多进步。其中，系统托盘是实现单一加速器愿景的非常关键部分，可以整体实现无缝的连接。

此外，硬件方面，特斯拉还利用高速以太网、本地硬件支持等方式，加速超算性能的达成；软件方面，特斯拉则称，代码运行在编译器和硬件上，需要确保数据是可以被联合起来使用的，因此需要反向需要考虑路径梯度。

而如何判断Dojo是否成功，与当下相比是否具有优势？特斯拉称，看同事是否愿意使用。实际上，特斯拉也给出了一些量化标准，如，系统一个月的工作量，Dojo超算不到一周就能完成等。

当然，超高算力意味着巨大能耗。在问答环节，马斯克也表示，Dojo是巨型计算机，耗能很大，也需要很多的冷却装置，所以可能会作为aws这样的亚马逊网络，云服务的方式提供给市场。

马斯克认为，提供类似于亚马逊云AWS 的 Dojo服务更有意义，他将此描述为一款“帮助你用更少的钱，更快地训练模型的在线服务。”特斯拉机器人只卖10多万，FSD推送16万车主测试