算力|特斯拉发布史上最快计算机，还有个神秘机器人，真钢铁侠要来了？( 二 )

如此强大的算力，其应用领域必然是达到了工业级别，Google 的搜索结果、街景等服务都有依靠 TPU 计算优化，而 Dojo D1 则主要应用于特斯拉的视觉感知系统当中，帮助汽车识别环境带来更好的自动辅助驾驶体验。
至于实际效果，马斯克表示明年就会用上 Dojo，我们拭目以待。
迈向更完善的自动辅助驾驶
特斯拉于今年 7 月发布了 FSD Beta 9.0 版本，新版 FSD 支持城市道路辅助，可以实现并线、转弯、汇入主路等动作。

文章插图
新版 FSD 采用了只依赖光学图像的视觉系统 Tesla Vision，它所采集的庞大数据需要极强的数据分析能力和算力。
Dojo 则可以从车端接受大量视频数据，发回云端，完成全自动的大规模算法训练，再推送到车端，完成整个流程的闭环。
在这个过程中，最重要的环节无疑是算法训练。

文章插图
马斯克在采访中表示，特斯拉最初是通过视频来对人工智能进行算法训练。
在拥有 Dojo 之前，特斯拉 Autopilot 团队拥有超过 500 名数据标注员，专门对高价值数据进行人工标注。

文章插图
人工标注
但这种方法严重拖慢了 AI 的学习进度，因为这个数据量实在过于庞大。
截止今年 4 月，基于 Autopilot 的里程数已经达到了 48 亿公里，占全行业总路测数据的 99% 以上。
「儿子」在学习上遇到了困难，特斯拉这「老母亲」肯定着急啊。
于是，Dojo 来了。

文章插图
特斯拉利用 Dojo，在云端模拟了一个十分贴近现实的世界，用来训练自动辅助驾驶技术。
而且，特斯拉还表示，这个虚拟世界的交通状况要比现实世界复杂得多。
特斯拉为这个虚拟世界加入了许多极端的道路情况，你可能会在马路上看到正在过斑马线的麋鹿，甚至在高速公路上看到晨跑的夫妇。

文章插图
在高速公路中晨跑的夫妇
值得一说的是，特斯拉不只是对空间进行了标注，对于模型搭建的时间点，Dojo 同样「雨露均沾」。
通过不断收集现实世界中新的道路信息，这个训练模型也会不断更新，新的数据信息会对原有的信息进行覆盖。
对于目前所积累的数据体量，特斯拉称，他们使用 10 亿个不同的图像，3 亿个不同的场景来搭建这一训练模型。
也正因如此，特斯拉将自己戏称为「数据贴标工厂」。

文章插图
那么这些训练有没有达到应有的效果呢？
在本次特斯拉 AI 日中，特斯拉为我们展示了其自动辅助驾驶技术的巨大进步。
1. 对于车道的识别更加准确

文章插图
从上图中可以看到，此前，特斯拉对于车道线的精确识别仅限于车辆周围。
但如今，不仅是车辆所处的车道，系统对于整个路口的情况都了如指掌，因而更好地进行路线规划。
2. 预测其他车辆的行为

文章插图
准确地识别道路两旁停靠的车辆，对于如今的特斯拉来说已是小菜一碟，预测道路上其他车辆的行为才是它的真本事。
比如在小路中遇到了对向车辆，系统会分析出所有可能发生的情况，得到不同的行驶路线。因此，无论对方让与不让，它都能够灵活应对。