波士顿动力的机器人都跑酷、跳舞了，特斯拉的擎天柱刚开始颤颤巍巍地浇花；FSD Beta版从一个停车场导航到另一个停车场的城市内“点到点”能力，小鹏和华为已在九月底开始小批量的给用户推送了；不设限的Dojo就算是干掉英伟达了？！
只有0.001%的人能看懂的特斯拉AI DAY从展示的结果上来看，似乎有些平平无奇？
硬核的知识还需要行家来解构。
10月9日，《电动汽车观察家》特邀“十万分之一大脑”：地平线BUP算法负责人罗恒博士、均胜电子副总裁、均胜智能汽车技术研究院院长郭继舜博士，带你重看2022特斯拉AI DAY。
解析硬核知识点、透视技术背后的企业逻辑、讨论你所关心的行业热点。
本文将剧透一二，如您对本次特斯拉AI DAY有任何问题希望与专家讨论，可在文后评论区留言，亦可在直播当天与专家在线互动。
01
特斯拉的擎天柱“弱爆了”？
虽然是屈髋抬膝，小碎步挪出来的，但特斯拉的擎天柱已经是个“打工人”了。据悉，擎天柱已在特斯拉弗里蒙特工厂中投入简单工作，工厂中有为其规划的行动路线。
北京时间10月1日，Tesla Bot人形机器人“Optimus”（擎天柱）原型机迎来全球首秀。原型机没有外壳，直接讲关节、骨骼、电缆等内部构造呈现出来，直观展示各个动作细节。
在现场，Optimus第一次在无人操作的情况下自主行走；
视频中，Optimus进行了提壶浇花、搬箱子、拿铝条、主动避让周围人员等动作。
特斯拉创世人马斯克表示：“我们的产量应该可以达到数百万台，预计它的价格比汽车便宜得多，预估机器人最终价格将达到2万美元以下。”他还预测，3-5年间Optimus即可量产上市。
马斯克对擎天柱的功能定位为“它能做人们不想做的枯燥、危险、重复性的工作。”
从目前展示的功能来看，特斯拉的擎天柱离人们理想中的机器人还相去甚远。波士顿动力的双足机器人Atlas的行进速度可达1.5米/秒，能跑酷、跳舞；擎天柱在配置牵引绳的基础上，可以完成行走、上楼梯、下蹲、拿取物体等动作。
这是否意味着擎天柱弱爆了？
罗恒表示，这次擎天柱只是对特斯拉机器人基本架构设计的初级展示，未来即使是架构也还可能会有几次迭代。但值得注意的是，创新是在真正的应用中产生的。而擎天柱是为量产而生的机器人，这也是特斯拉和其它机器人公司的区别。
事实上，如果从大规模量产，用以替代人类从事枯燥、危险、重复性的劳动，这一具体的应用场景来看，擎天柱分布式的执行器、仿生学关节和肌腱、对FSD神经网络的复用、对特斯拉汽车电池、安全模拟分析能力的复用，就变得非常有想象力。
“特斯拉不想做全世界最厉害的技术，只想做最厉害的产品。”郭继舜这样评价擎天柱。
02
“自动驾驶”到底能不能实现？
马斯克一遍一遍承诺完全自动驾驶就要落地了，不能实现FSD的特斯拉啥也不是；小鹏、理想也都立下了实现完全自动驾驶的时间表；华为更是在近日向深圳的极狐用户推送了城市领航功能。
作为行业观察者，已经等自动驾驶等得有些不耐烦了。
罗博和郭博不约而同地向我们表示，自动驾驶离我们越来越近了。
虽然没有去年transformer算法模型和BEV框架在自动驾驶实际应用给业内带来的震撼强烈，但今年特斯拉展示应用NLP（自然语言学习模型）的思想，优化现有的模型的方法，在提升车辆城市内的自动驾驶表现方面意义重大。
罗恒表示，今年FSD beta最大的一个改进就是在应对各种复杂路口变道。这应该主要来自于这个车道线网络。特斯拉实际上设计了一个面向车道线的语言模型。车道线由点和连接线组成，点可以分为“开始”、“继续”、“分叉”等等。
此外，自动标注从去年的概念方法论落地到了今年实际的系统，输出输入、中间用的特征都讲得明明白白。
从结果来看，一年中，FSD Beta测试版一年来的参与人数已增长80倍达到16万辆车，每天的数据集收集量达到10-50万个。而通过自动标注技术，特斯拉将训练场景的标注速度提升了1000倍。
此外，特斯拉虚拟仿真、数据闭环训练，以及Dojo超算中心等基础设施的建设到位，都将进一步推动其FSD能力的全面落地。
“特斯拉的方案自动化程度（已经变成主要依赖自动化数据标注）、效率（标注、模拟器）都在迅速提升，意味着更快地收敛物理世界的corner case，自动驾驶越来越近了。”罗恒表示。
那么，激光雷达还是必须吗？同样身处自动驾驶赛道上的中国玩家前景如何？
03
Dojo能干掉英伟达吗？
Dojo是特斯拉自动驾驶能力的核心基建。
2023年一季度，特斯拉将布置第一批10个Dojo超级计算机机柜，即算力超过1.1EFLOPS的ExaPOD，将自动标注能力提升2.5倍；未来，特斯拉共将在帕罗奥图布置7个这样的集群。
如果从机柜单纯的算力性能来看，Dojo还不足与英伟达一战。
3月英伟达发布超级计算机Eos由18个DGX POD机柜组成，AI计算性能高达18.4EFLOPS；对于传统的科学计算，Eos 有望提供 275 PFLOPS 的性能。
但如果从自动驾驶的需求出发，两者就是另一番高下之分。
特斯拉这样描述它的Dojo: 只使用一个由25个D1芯片组成的训练模块，就能实现6个GPU Boxes的性能，且成本低于一个GPU Box；只需要4个Dojo超级计算机机柜的算力，就能实现72个GPU机柜的自动标注性能。
Dojo超级计算机投入使用后，特斯拉在代码、设计方面已经实现了30%的训练速度提升，如通过自动标注技术，特斯拉将训练场景的标注速度大幅提升，相比人工操作提升了数周甚至数月的时间。
特斯拉在自动驾驶的战场，打赢了英伟达数据中心的仗吗？
在高效的神经网络训练下，特斯拉FSD软件在技术层面已经逐渐趋于成熟。马斯克表示：“目前FSD软件已经可以适用于全球各个地区的路况，如果地方监管政策允许，我们可以在今年年底面向全球推出FSD Beta版本软件。”
人形机器人、自动驾驶汽车，真的不远了吗？
中国汽车产业能否复制特斯拉？中国汽车产业是否需要复制特斯拉呢？
10月9日，我们细聊！
文章转发自电动汽车观察家，版权归其所有。文章内容不代表本站立场和任何投资暗示。