特斯拉|“不务正业”的特斯拉，要当人工智能巨头？秘密就藏在这张图里！( 二 )

这里拿Cerabraas的WSE-2作为参考对比，一个芯片的核心数是Nvdia A100的123倍，芯片缓存为1000倍，缓存带宽为12733倍，Fabric结构带宽则为45833倍。
文章插图
这样级别的性能怪兽其主要目的，就是为了AI的数据处理和训练。其一代芯片WSE，已经有多个重量级用户在使用，比如美国阿贡国家实验室、劳伦斯利弗莫尔国家实验室、匹兹堡超级计算中心、爱丁堡大学的超级计算中心、葛兰素史克、东京电子器件等。
文章插图
全球制药巨头葛兰素史克的高级副总裁Kim Branson称赞到，WSE的超强性能将训练时间减少到之前的1/80。而在美国最大的科学与工程研究室阿贡国家实验室，WSE芯片被用于癌症研究，将癌症模型的实验周转时间减少到1/300还少。所以不难推断出，\"AI Day\"邀请函上面放出的这张图，应该就是马斯克所谓的Dojo超级计算机的自研芯片。并且颇有意思的是，发布会的时间是2021年8月19日，而就在刚好一年前的2020年8月19日，马斯克发了一条推特说：\"Dojo V1.0还未完成，估计还需要一年的时间。不仅仅是芯片本身的研发难度，能效和冷却问题也非常的难。\"之所以说冷却问题难，是因为根据标准晶圆一块是300mm来看，那么特斯拉这块Dojo芯片设计单个芯片应该与RTX 3090差不多，至少每个芯片有280亿-320亿个左右的晶体管，单个芯片功耗可达250-300w左右，整体功耗约在6250w-7500w左右；并且台积电也曾说InFo-SoW设计的最高功耗约为7000w，同样印证了这一点。几个月后，他又补充道：\"Dojo采用我们自研的芯片和为神经网络训练优化的计算架构，而非GPU集群。尽管可能是不准确的，但是我认为Dojo将会是世界上最棒的超算。\"并且，马斯克在2021年Q1财报时也曾说：Dojo是一台为神经网络训练优化的超级计算机。我们认为以视频数据处理速度而言，Dojo将会是全世界效率最高的。\"其实马斯克早在2019年\"Autonomous Day\"就提到过Dojo，称Dojo是能够利用海量的视频（级别）数据，做\"无人监管\"的标注和训练的超级计算机。并且如果认真了解过2019年\"Autonomous Day\"发布会，就会发现，特斯拉推出Dojo超算以及自研芯片，是必然且在规划中的事，是特斯拉不得不去做的事。换句话说，不是特斯拉想要成为人工智能巨头，而是被逼无奈只能如此。（2）为什么要做Dojo？其实这个问题马斯克曾在推特中回复过，大致意思为：\"只有解决了真实世界的AI问题，才能解决自动驾驶问题……除非拥有很强的AI能力以及超强算力，否则根本没办法……自动驾驶行业大家都很清楚，无数的边缘场景只能通过真实世界的视觉AI来解决，因为整个世界的道路就是按照人类的认知来建立的……一旦拥有了解决上述问题的AI芯片，其他的就只能算是锦上添花。\"
文章插图

文章插图
其实马斯克已经讲的很清楚了，笔者来稍微补充一些知识便于理解。自动驾驶目前需要解决的难题，其实最核心和最困难的就是\"感知\"，换句话说系统对周围驾驶环境的感知能力越强，其自动驾驶的综合能力就越强；也就是从这里，行业里分成了两大流派，一个是以特斯拉和Mobileye（同时也有Lidar方案）为首的纯视觉方案；另外是其他所有相关公司，想尽可能加入更多的传感器融合方案。这里暂且不去讨论究竟哪条路径是正确的，因为很有可能未来实现殊同同归的结果。但是，无论是哪条路径，都需要对海量的数据进行深度学习，也就是对神经网络的训练，才有可能实现所谓完全自动驾驶，而且这是唯一途径。原因很简单，自动驾驶的问题，可以理解为处理可能遇到的各种驾驶场景以及做出的操作，那么这个基本是\"无限\"的；如果有有限的编程方式，那么永远无法解决所有可能遇到的问题，或者说以人类的能力，根本无法覆盖那么多种变化的情况。早期的各种自动驾驶系统，由于没有别的途径，只能用这样的\"死板\"方式去研发软件，所以其能力非常有限，只能应付相对稳定和条件限制较多的场景。而如果想要实现识别各类型的场景，那么就需要这个\"软件\"不断自我适应和\"进化\"，这就是利用神经网络进行深度学习的原因了。神经网络可以简单理解为通过\"仿生学\"模拟人类大脑皮层的神经元\"沟通学习\"的方式进行处理数据，用来实现\"类人\"的学习东西的方式。然而，概念很美好，现实很残酷。1943年Warren McCulloch和Walter Pitts曾写过论文讲述人工神经网络该如何工作，并且利用电路造了一个简单的模型。后来经过诸多人的努力和研究发展，直到1998年，斯坦福大学的Bernard Widrow和Marcian Hoff才打造出了第一套用于解决实际问题的人工神经网络。