图片来源：Stephen Shankland/CNET出品 / 汽车之心（微信 ID：Auto-Bit）编者按：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。有关 AI 芯片的背景知识 AI 芯片到底包含哪些部分？ 据了解，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。02 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）。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。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。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。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。
03 拿特斯拉 AI 芯片与其他厂商同类产品进行比较，合适吗？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。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。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。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。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。04 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。
|
