特斯拉如何使用超级计算机训练其自动驾驶技术

如今，你还买不到完全自动驾驶的汽车，但全球各地的汽车制造商都在竞相成为第一家在经销商处销售这种汽车的公司。而且，没有两家公司采用相同的技术路径来实现这一计划。有些公司利用光检测和测距 (LiDAR) 等遥感方法，而另一些公司则依靠基于雷达的传感器来帮助识别道路上难以看到的障碍物。通常，从事自动驾驶技术的公司会使用 LiDAR、雷达和摄像头的组合。

还有特斯拉，它认为仅使用摄像头的基于视觉的图像识别是实现经济实惠且可靠的自动驾驶的关键。

但特斯拉的方法有一个问题：完善基于视觉的自动驾驶技术非常困难。它需要使用一个不断改进的系统，该系统能够快速适应新的和不断变化的道路状况，然后它必须能够与道路上的其他车辆共享这些信息。这种学习需要的处理能力远远超过单辆车所能提供的处理能力——它需要一台超级计算机。

[相关：自动驾驶汽车在变道前要计算的一切]

在本月初举行的国际计算机视觉与模式识别联合会议的一次演讲中，特斯拉人工智能高级总监 Andrej Karpathy 透露，该汽车制造商一直在开展一个这样的项目。

特斯拉的新型超级计算机尚未命名，至少没有公开命名。集群本身由 720 台称为节点的独立计算机组成。每个节点都有八个 Nvidia A100 80GB 图形处理单元 (GPU)，能够执行高强度浮点计算，其功率几乎是标准台式机处理器的 500 倍。

总体而言，该集群拥有 5,760 个 GPU，足以实现惊人的 1.8 百亿亿次浮点运算处理能力。Karpathy 认为，这使得特斯拉的超级计算机成为全球第五大最强大的计算环境，至少在纸面上是如此。

现代特斯拉采用了一种名为 Autopilot 的先进驾驶辅助系统。这套功能允许车辆利用八个外部摄像头收集有关车辆周围环境的数据，并在启用时在驾驶员监督下执行横向（转向）和纵向（加速和制动）控制。虽然这不应与 Waymo 的先进自动驾驶混淆，但它是一个临时步骤，使用部分自动化来弥合手动驾驶和完全自主控制之间的差距。

[相关： Waymo 如何教自动驾驶汽车应对停车场的混乱局面]

Autopilot 使用从道路上的所有特斯拉车辆收集的信息来改进其驾驶决策。当特斯拉沿街行驶时，其外部摄像头会不断收集外部环境的数据。车内的计算机会研究这些数据并预测在任何给定场景下如何表现，而无需实际向车辆本身发送控制。

这些信息在名为神经网络的机器学习架构上共享。然后记录预测并发送回特斯拉，以确定决策是否正确或是否有任何数据被错误识别。如果是，那么数据将不断通过超级计算机调整其行为，直到它处理无误，从而有效地训练特斯拉不断改进的自动驾驶仪模型。

[相关：英特尔新芯片将万亿次浮点运算能力带入您的台式机。这意味着什么？]

这种方法不仅消耗大量处理能力，还需要大量存储空间来存储用于组成 Autopilot 专有特斯拉数据集训练的 100 万个 10 秒剪辑。仅这些剪辑就需要 1.5 PB 的存储空间，而系统本身能够在超快 NVMe 闪存上存储大约 10 PB 的数据。

与此相关的是，特斯拉首席执行官埃隆·马斯克此前曾透露了“Project Dojo”计划，这是一台基于特斯拉专有芯片构建的超级计算机，专门用于神经网络模型训练。马斯克指出，尽管该项目仍在进行中，但建立组件之间的高速通信和高效冷却仍然是 2020 年末的一项持续挑战。

由于 Karpathy 的集群使用基于 Nvidia 的 GPU，因此它似乎与 Project Dojo 无关。然而，它在特斯拉成为第一家能够在公共道路上实现全自动驾驶汽车的汽车制造商的最终目标中仍然发挥着重要作用。

特斯拉雄心勃勃的目标遭到了行业领袖和纯视觉汽车自动驾驶反对者的不少质疑，尤其是自从该汽车制造商拒绝使用超高精度激光雷达作为其自动驾驶套件的一部分以来。

[相关：这台超级计算机每秒将执行 1,000,000,000,000,000,000 次运算]

如今，道路上没有一辆特斯拉汽车使用 LiDAR。事实上，埃隆·马斯克在 2018 年称 LiDAR 是“拐杖”，他谴责了这项技术，转而支持特斯拉自己的基于视觉的系统，并在今年早些时候取消了辅助雷达。仅凭这一决定，特斯拉就失去了美国国家公路交通安全管理局的安全认证。

与此同时，沃尔沃选择将 LiDAR 作为其即将推出的 XC90 SUV 后续车型的标准功能。

至于特斯拉，其当前一代超级计算机将有助于训练其自动驾驶模型，而即将推出的 Project Dojo 可能将发挥更大的作用。但只有时间才能证明其基于视觉的技术能否战胜竞争对手，这意味着这一策略可能会决定其在自动驾驶领域的领先地位。