特斯拉 AI 芯片的真正实力-汽车设计与制造资讯

  • 时间:
  • 浏览:11
  • 来源:蓝月亮vip精选料_蓝月亮精选料免费资料大全_【蓝月亮精选料期公开】

        近日多家媒体爆料称  ,特斯拉那颗可支撑全自动驾驶的 AI 芯片 FSD 终于投入使用了  。最重要的是 ,特斯拉的老车型也能通过改装换上全新的 AI 芯片  。

        特斯拉的这颗芯片  ,是一种特殊类型的 AI 处理器 ,可以支持人工神经网络(ANN)  ,也就是我们常听到的机器学习(ML)或深度学习(DL) 。

需要指出的是  ,特斯拉定制开发的这颗 AI 芯片并不意味着特斯拉在 AI 领域取得了反转一切的能力  。至于全自动驾驶在现实世界的解决方案  ,特斯拉也只是刚刚入门  。

        不过  ,还有部分人士并不这么看  ,他们觉得 Musk 已经拿到「尚方宝剑」:特斯拉凭借这颗芯片就能凤凰涅磐  ,最终引领我们进入全自动驾驶时代  。

        事实果真如此吗 ?接下来  ,我们就来破除迷雾  ,见识一下特斯拉这颗 AI 芯片的真正实力 。

1、有关 AI 芯片的背景知识        AI 芯片到底包含哪些部分  ?



        据汽车了解  ,传统的计算机需要 CPU(中央处理器)来执行系统工作  ,比如加载应用程序  。

        除此之外 ,大部分现代计算机还要有 GPU(图形芯片)来支撑 ,它的工作是协助核心处理器完成图形和动画的渲染 ,让用户能在屏幕上获取有效信息  。

        在机器学习或深度学习上  ,除了 CPU  ,GPU 的角色也突然重要了起来 。

        总得来说  ,GPU 从配角变主角  ,主要还是因为 ANN(人工神经网络) 是个庞大的数值和线性代数问题  ,而它就是为这样的数字混合而生的  。

        对开发者来说 ,GPU 简直是上天的恩赐 ,谁也没想到它能在 ML/DL 领域发挥如此巨大的功效 。

        GPU 的隐藏属性「暴露」后  ,芯片开发者们开始为潜在的市场扩军备战 ,就连 GPU 的设计都开始为 ML/DL 任务倾斜 。

        在 FSD 芯片诞生前  ,特斯拉一直是拿来主义者  ,它最早与 Mobileye 合作 ,后又转向英伟达 。

        现在  ,特斯拉则希望将命运攥在自己手中  ,用自研的这颗芯片为 Autopilot 撑起一片天地  。



Autopilot 硬件迭代:2.0 - 2.5 - 3.0



        在今年 4 月份的 Autonomy Day 大会上  ,特斯拉祭出了大杀器——FSD 芯片  。这背后传达的信息很清晰:就是要用自行研发的技术替代现有的英伟达芯片  。



        四个多月后  ,特斯拉工程师们又在 Hot Chips 大会(IEEE 主办  ,专注于高性能处理器)上对芯片的一些关键组件提供了更多的解析  。

        这次深度解析也让外界对特斯拉的 FSD 芯片重燃兴趣 。

        需要注意的是  ,在大多数人眼里  ,这种处理器可统称为「AI 芯片」  。

        这样叫也不为过  ,但也别对它有太高的期待——AI 芯片目前还无法在预期领域实现全知全能的人工智能  。

        简单来理解的话  ,这些芯片根本没有任何类人的推理或常识能力  ,它只是能力暴增的数值计算设备罢了 。



2、围绕特斯拉新芯片的喧嚣与躁动



        毫无疑问 ,Musk 是下定决心要摆脱对英伟达芯片的依赖 ,在特斯拉的车辆上部署自行设计的 FSD 芯片(由三星代工制造)  。

        在这件事上  ,我们需要考虑几个至关重要的问题:

        对特斯拉来说  ,自研芯片真的有意义吗  ?继续坚持拿来主义是不是更明智  ?

        如果硬要对比  ,特斯拉的自研芯片与现成的专用芯片有什么差别  ?

        在全自动驾驶上 ,AI 芯片到底能实现什么 ?



1)纯硬件方面的重点



        有一点需要明确  ,那就是对 AI 芯片的讨论只不过是全局的一小部分 。只是芯片是纯硬件领域的重点罢了  。

        想发挥硬件实力  ,还得要有相当好的软件  。

        显然  ,那些把特斯拉 FSD 芯片捧上天的人就忘了这一点 ,没有一套好的软件 ,再强大的硬件也实现不了全自动驾驶  。

        这不是否定硬件的重大意义  ,但硬件只是整场战役的一部分  ,军功章的另一半显然属于软件 。

        从现有消息来看  ,Musk 手里还没有能实现全自动驾驶的软件  。



2)设计上的配合与协同



        如果要设计一款 AI 芯片 ,其中一种方案就是得知道芯片需要实现的一系列技术与性能指标  。

        当然  ,这样还是属于纸上谈兵  ,只有不断努力才能扩展 AI 的边界  。

        对特斯拉来说 ,硬件工程师面临的一系列情况其实还是限制了他们的发挥 。

        举例来说  ,他们必须将功耗控制在一定程度内  ,否则会对用车成本及续航产生重大影响 。

        除此之外  ,新的处理器必须能嵌入老款芯片留下的位置  ,这就意味着其尺寸和形状必须严格遵循原有设计  。

        在此期间  ,还要考虑前代产品的兼容性问题  。

        另外  ,自动驾驶芯片的设计还有一些约定俗成的规矩  ,比如体积、重量、功耗、散热和成本等  。

        这些硬指标要是满足不了 ,那么特斯拉迈出的第一步就会摔倒  。



2、不恰当的比较



        拿特斯拉 AI 芯片与其他厂商同类产品进行比较  ,合适吗  ?拿新产品去「打」老产品显然不合适  。

        也就是说  ,那些开口就提特斯拉 FSD 比现在的英伟达芯片快多少倍 ,其实都不怀好意  。他们是在暗示特斯拉在此类技术上取得了巨大突破  。

        其实 FSD 的计算性能在当下市场上并非一骑绝尘的存在  ,只能说与对手互有胜负  。

        另一个为了让外行们「高潮」而被大肆宣传的巨额数字 ,比如特斯拉 AI 芯片上有 60 亿个晶体管 。

        对普通人来说 ,60 亿这个数字确实挺唬人 ,但事实上市场上早就有搭载 200 亿个晶体管的 GPU 产品了  。

        同时  ,熟悉硬件的人都知道 ,仅晶体管数量是无法比较出芯片性能好坏的  ,而且还要考虑它们的设计用途  。



1)初代产品纯属试水



        对芯片设计稍有了解的人都知道  ,初代产品想落地就得经过一段崎岖坎坷  。

        首先 ,有些潜在的 bug 必不可少 。任何第一代产品都逃不过这个过程  。即使 Musk 也不能免俗 ,时间的沉淀才是最好的解药 。

        这对芯片来说也是如此  。

        由于其硅基结构的更改并不容易  ,因此大多数时候  ,硬件的问题需要用软件来修补  。工程师也会对硬件进行相应的更改和升级  ,不过这都是迭代多次后的事了  。

        显然 ,放弃了拿来主义的特斯拉  ,也必须面对初代产品带来的各种问题  。

        相比之下  ,市场上的现成产品就稳妥得多 ,毕竟除了原厂工程师  ,买方也会参与芯片的整合  。

        此外  ,在测试和验证上  ,特斯拉目前是形单影只  ,因此发现起问题来肯定要慢得多  。



2)定制芯片的机会成本



        想要用好自主设计的芯片 ,还有一大堆问题值得注意  。

        放在特斯拉身上 ,AI 芯片的成本是第一个需要考虑的问题  ,如此劳心费力真的值得吗 ?

        在投入资源研发 FSD 时  ,Musk 到底付出了多少机会成本  ?

        要知道  ,特斯拉不但要承担昂贵的研发成本  ,后续的升级与改进成本也得自己承担  。在这个时代  ,芯片的升级进化也得日新月异  ,这并不是什么一锤子买卖  。

        除此之外 ,特斯拉还得养着自己的研发团队  。当下的自动驾驶市场  ,伯乐常有而千里马不常有 。即使有人才愿意投靠  ,也得经过一段时间的培养  。

        特斯拉走出这一步到底是对是错只有时间能给出答案  。Musk 终于能通过 FSD 扼住命运的咽喉 ,特斯拉无需再仰人鼻息了  。

        不过  ,定制芯片带来的一系列蝴蝶效应最终还是要他去化解 。

        对 Musk 来说 ,这恐怕是一场精心策划的赌博 ,同时也意味着一定程度的妥协 。



3)冗余要求



        从曝光的细节来看  ,特斯拉设计的两颗芯片并行  ,以保证安全冗余  。

        如果两个「大脑」意见不一  ,那么现有的驾驶状况和动作规划就会作废  ,随后是下一帧的捕获与分析 。

        从表面上来看  ,这样的设计比此前的实时冗余系统高  ,但我们还是有许多严肃的问题需要考虑  。

        从好的方面来说  ,这样的设计确实能防止车辆「做蠢事」  ,但从本质上来说也只是将错误剔除而已  。也就是说  ,特斯拉的冗余设计也有自己的弱点  。

        举例来说 ,如果问题不是只出现一次  ,而是循环播放  ,一刻都不停歇 ,两个「大脑」会持续否定对方 ,从而一直拖延系统做决定吗 ?

        想象一下 ,如果你开车时一直不敢做决定会出现什么情况 ,这并不是什么最优的驾驶策略  。

        另一个值得考虑的是  ,两个「大脑」必须高度统一的设定  。

        这就是业内普遍选择建立一套额外冗余系统的原因  ,不停重复的缺陷确实非常要命  。

        除此之外 ,我们还需要一种自我意识能力  ,当两个「大脑」无法达成共识时  ,我们要知道其背后的原因  。

        当然 ,从分歧中找寻那些有价值信息的能力更为重要 ,这样才能提升自动驾驶系统的决策能力  。

3、值得赞赏的勇气



        许多人赞赏 Musk 的勇气  ,认为特斯拉敢走出这样一条路确实值得尊敬  。

        不过 ,从商业角度来看  ,这样的选择明智吗  ?这颗芯片到底会为特斯拉打下百年基业还是成为埋葬它的坟墓 ?

        这是 Musk 押上特斯拉的一场豪赌  ,特斯拉能否实现真正的自动驾驶就在此一举了  。