出品 丨 搜狐汽车·汽车咖啡馆
北京时间2022年10月1日，在特斯拉AI DAY上，特斯拉CEO 埃隆·马斯克发布了业界关注已久的全自动驾驶FSD、人形机器人、超算DojoD1芯片等AI方面的最新进展。
不过，这场发布会被马斯克称之为是“招聘宣讲会”，希望“通过展示AI技术，吸引全球的AI人才加入。”
在此之前，马斯克曾谈及自动驾驶技术研发的难度，也透露了自动驾驶技术和人形机器人在通用人工智能方面的共用问题。发布会上，马斯克再次重申，2022年11月或年底，将在更多区域落地FSD。不过，在FSD的能力建设上，马斯克认为需要60亿英里的自动驾驶测试里程才能实现完全自动驾驶，截止到7月份，特斯拉FSD的测试里程仅有3500万英里，与60亿英里相比还有很大的差距。另外一组数据则提振了FSD落地的信心，对比2021年只有2000个用户参与FSD的功能测试，今年已经扩充到16万个用户参与到这个项目中。
另外，除了招聘宣讲之外，这场发布会的技术重点显然在人形机器人Optimus上。一方面，Optimus人形机器人在内部被视为是站立起来的自动驾驶汽车；另一方面，DOJO的使命是支撑特斯拉可以从零开始合成一个“生物”。不管是DOJO，还是FSD，两者的技术交汇点，都支撑其构建一个更完美的机器人。不过，关于特斯拉在AGI（通用人工智能）方面的规划与部署，马斯克并未讲述太多细节，更多是从力所能及的方面入手，在这个方向上逐渐深入。
01 FSD今年落地
相比于去年，在自动驾驶领域，特斯拉带来的内容仿佛不是特别惊艳。比如数据自动标注、十字路口的人车博弈、二维数据的三维构图、仿真测试等内容，在国内自动驾驶技术公司的技术分享中也时常能够听到。
那么，这一年来，特斯拉的FSD到底发生了什么变化呢？
从整体效果上看来，FSD beta版本已经能够实现一定程度的自动驾驶，可以完成从一个停车场到另一个停车场的端到端的自动驾驶功能。行驶路径上，FSD可以完成等待交通灯、十字路口的人车博弈与策略选择等功能。
在完成上述功能的过程中，有两个比较重要的指标，分别是：安全与效率和舒适度。
在安全与效率上，基于神经网络算法、可跨系统的推理引擎、多模态预测、轻量级可变网络等技术，每个操作的运行时间已经缩短到100微秒；在舒适度上，基于可变网络，预测车辆行驶的最佳路线。一种方式是，基于数据，观察每种可能性的概率，以此为基础做出决策；一种方式是，以人类驾驶的行为数据作为基础，观察在此基础上的状况变化，然后给驾驶行为打分，最终选择得分较高的方式。关键的是，在数据训练过程中，训练模型可以使用上述两种数据建立混合的组合。
在过去的一年里，特斯拉完成了75000个神经网络模型的训练。技术人员表示，在训练方面，特斯拉做个很多工作，可以说是前所未有的，需要14亿帧图像才能训练一张网络，而且耗费的算力资源也比较庞大，需要10万个GPU训练一小时。
但是，这样的速度依然不能满足训练任务的需求。在设计方面，算法已经帮助实现了30%的效率提升，以及仿真测试也已经被应用。
在提高运算速度方面，特斯拉发现直接用图像进行计算，效率并不高，而且从图像空间进行预测，有时候并不可靠。因此，需要将不同摄像头的数据放在一个整体的神经网络中，形成一个完成的图像，在向量空间中做预测。同时，在开发过程中，给每条车道进行编码，将车道之间的连接关系考虑进去，进行建模。
在这里，特斯拉的策略发生了一个改变，从以往的利用语言脚本解决问题，转变为需要进行数据标注。在这个过程中，特斯拉尝试过人工标注、服务商标注等方式，但是不能满足质量和数量的要求。现在的处理方式是，首先恢复高精度轨迹和结构，然后通过神经网络从视频中进行推断，最后在向量空间汇总进行跟踪和重建。
02 DOJO机柜将于2023年推出
关于超算项目的最新消息是，DOJO机柜将于2023年推出。算力是训练不可或缺的有效支撑，如果没有算力，那么效率会非常低。
该项目的推进过程中，特斯拉也遇到了很多困难，比如芯片结构的选择。嵌入式结构被视为是最佳选择，不仅能够提高较大的带宽，而且能够降低延时，利用率也会更高。
至于DOJO能够成长为什么样子？特斯拉现阶段的需求是不给DOJO设限，通过纵向整合的数据中心结构，获取更高的效率。为了实现这个目的，电力输送、冷却系统和跨系统管理都是需要着重考虑的问题。
特斯拉是想建立一个统一的加速器，然后实现一个无缝连接的计算平台。特斯拉希望非常快的获取存储空间，能够将高带宽统一的联系在一起，从而实现低延时。在高密度部署芯片的同时，电力输送成为首要面临的挑战。因为，整个设计结构是高度集成的，需要实现多层垂直电源集成方案，涉及到非均质材料的堆积。后来，特斯拉内部自研了热膨胀系数管理系统，解决了这一问题。
另外一个问题是震动。硬件垂直堆叠，而且是集成到电源模块中，继而出现的问题是系统控制器的震荡期时钟低输出丢失。问题的根结在于电效应引起的模块震动。最终，将端口使用的材料换成较软的材料，同时改变开关频率，规避开敏感的频率段。
为了进一步提高性能，特斯拉使用了以太网提供通讯效率，达到提高性能的目的；同时，将代码直接运行在编译器上，确保数据可以被联合使用。
对于特斯拉是否会推出类似亚马逊云的服务，马斯克并未直接否定，而是有点含糊其辞。不过，从言语间可以感受出，马斯克的野心并不会止步于眼前，而是走一步看一步的商业策略中掺杂着技术的无限扩展性。
03 Tesla Bot将低于2万美元
Tesla Bot，不仅被排在了发布会的最开始，而是也占据了最多的时间。以特斯拉在FSD领域的进展来看，显然Tesla Bot更能令人兴奋，而且价格远低于特斯拉的汽车。马斯克表示，一台这样的机器人售价不到2万美元。
经历过去年的概念产品和第一代产品，今天亮相的产品与去年有所不同。产品基本参数方面，体重73kg，静坐功耗100W、运动功耗500W，全身具有超过200个DoF自由度、手部自由度为27DoF。动力电池被安装在躯干上，名义输出电压为52V，电量为2.3KWh。机器人可以自动寻找充电设施。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。
关于设计理念，马斯克没有新的介绍，但是依然对其未来的可能性保有极大的期望。关于，Tesla Bot是否能够与人交流、是否会有情感等等，在问答中，没有实质性的有效回复。不过，在整体的设计理念和结构设计上，Tesla Bot都借鉴的生物学理念，比如说关节设计。
关于产品功能，发布会现场的视频中展示了Tesla Bot浇花、搬运箱子、抓取水杯、在生产线上搬运零件等工作。
在零部件设计上，现场问答问到为什么选取弹簧作为负载零件，官方的回应是具有一定的强度，而且能够配合内部的电缆。
另外一个值得关注的问题是，Tesla Bot和自动驾驶汽车有哪些共通的地方。
第一，FSD计算平台和感知硬件组合，都是8个摄像头，能够在感知技术上进行技术共享；第二，碰撞与安全。具体到Tesla Bot上，摔倒会带来一定的损伤，保护位于头部的计算单元至关重要。这与汽车的碰撞有相似之处。
第三，工程技术。为了降低成本，Tesla Bot也会考虑在设计上减少零件的数量，这点与汽车上的一体化冲压等理念一致。同时，从传感到融合计算，全部集成在统一的电池组中进行功能；以及高效的冷却系统，对 PCB 主板进行散热。
对于机器人来说，动态稳定性非常重要，而且是目前的技术难点。因此，在处理这个问题上，特斯拉强调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。同时，一方面通过大量的仿真训练，实现行走平衡和路径规划；一方面，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。
04 机器人技术趋于成熟
据麦肯锡预测，到2030年全球约4亿人的岗位将被自动化机器人替代，按Optimus单体价格30万元计算，长期来看全球人形机器人市场空间可达120万亿级别，是一个崭新且空前庞大的蓝海市场。
在马斯克的设计理念中，“特斯拉机器人最初的定位是替代人们从事重复枯燥、具有危险性的工作。但远景目标是让其服务于千家万户，比如做饭、修剪草坪、照顾老人等。”因此，人形机器人的使用范围可能会随着技术的成熟进一步拓展，从而实现技术复利和更大规模的经济效益。
技术与规模的组合，基本符合马斯克的产品与市场理念，但冷启动的关键环节，除了产品本身之外，还有价格。今年4月份，马斯克透露，特斯拉机器人预计售价2.5万美元（约合人民币17万元左右）。但是发布会上，马斯克表示价格不会超过2万美元，产品预计可以达到数百万台。
不过，从特斯拉汽车的成长历程来看，每个突破原有成熟供应链体系成长起来的产品实现质的突破都不是一件容易的事。
人形机器人关联的产业链涉及电机、减速器、结构件、电池、传感器、机器人壳体等环节。成本构成上，国盛证券的研报数据显示，减速器、控制器、伺服系统和等三大零部件是产业链中技术壁垒最高、成本占比最大的环节，成本占比分别为35%、10%、25%，合计占到70%。
尽管特斯拉机器人将基于特斯拉的FSD（完全自动驾驶）的计算机模组和方案，能够实现技术共享，降低部分软件和研发成本，但是硬件的成本确实实实在在的。
中信建投的研报结论指出，巨大市场蓝海能否兑现，核心还要看产品量产和成本控制。由于结构复杂，控制性能要求高，仿人机器人成本非常昂贵，现实情况是超过百万人民币。在保证性能的前提下，同时能实现量产降低成本，将成为打开市场的关键。
具有实践经验的美国宇航局灵巧机器人团队负责人肖恩·阿齐表示：“事实证明，自动驾驶汽车并不像任何人想象的那么容易。在某种程度上，人形机器人也是如此。如果发生意外情况，对这些变化保持灵活和稳健是非常困难的。”
不过，对于特斯拉在AI领域取得的成就，亚利桑那州立大学人类系统工程学教授Nancy Cooke持有比较积极乐观的态度。他认为，要想成功，特斯拉需要让机器人完成多种无脚本的动作。在没有明确指示的情况下，人形机器人很难在现实中自由走动。但特斯拉可以利用其在人工智能和关键芯片方面的专长，大规模开发和生产成本更低的智能人形机器人，促进人形机器人的商品化。
优必选科技人形机器人创新中心负责人付春江在接受智东西采访时介绍，人形机器人技术领域的类型可以分为三种：控制主导、优化主导和硬件刚柔混合配合学习算法。
其中，控制主导策略的代表企业是本田，主要基于简化解析模型控制方法，快速分解各种动作及动作组合，支持人形机器人运动；优化主导的代表企业是波士顿动力，基于可分解的运动控制规律进行动作控制，但难以量化和进行动作组合；硬件刚柔混合配合学习算法策略的代表企业是美国敏捷动力公司，尝试新的硬件控制程式，通过串并联、硬柔软这种混合结构实现控制。付春江认为，上述三个技术类型正在逐渐融合，这正是特斯拉入局人形机器人的技术驱动力。
不过，这与苹果、小米的技术路线何其相似，凭借市场洞察能力，整合产业链资源进行融合创新。
版权声明：文章来源于网络，版权归原作者所有，如有侵权，请联系删除。
