特斯拉期望Dojo supercomputer加速人工智慧在自駕車應用｜專家論點【Howie Su】

作者：Howie Su（產業分析師）

超級電腦快速進入自駕車領域

在2022年特斯拉大會上，馬斯克認為身為一家軟體驅動的公司，超級電腦將可能加速人工智慧在自駕車上的應用。曾幾何時，Tesla 的 FSD（全自動駕駛）因實驗結果不甚理想與造成交通事故帶來爭議，全自動駕駛並非一帆風順，軟體故障迫使特斯拉召回了360,000 多輛汽車。但公司持續投入軟體技術，讓自駕車能夠根據真實世界的情況來訂定各種行為模式，強化其安全性與效率來降低社會大眾對於自駕車的不信任，這時，名為Dojo supercomputer的超級電腦就能派上用場了。據說特斯拉已經在使用由 NVIDIA GPU 提供支持的大型超級電腦來處理其全自動駕駛數據，同時建立更好的學習模型，該超級電腦涵蓋5,760組NVIDIA A100 顯卡，這些顯卡安裝在 720 個節點中，每個節點有 8 個 GPU，具備 1.8 exaflops 的性能，這些配備使Dojo supercomputer成為世界上最快的超級電腦之一。

核心數量成為效能軍備競賽源頭

Dojo 的運作方式與基於 CPU 或基於 GPU 的超級電腦不同。該超級電腦由“tiles”組成，採用與常規計算機 CPU 或 GPU 不同的方法。CPU 是將多個處理核心集成到一個晶片中，每個處理核心都能夠高頻率執行複雜的軟體運作。但在目前的 CPU 設計中，主流 CPU 最多只能組合 64 個內核心，一個節點最多提供兩個 CPU 和 128 個內核心。基於 CPU 運行的超級電腦會將許多節點整合至一個系統中。今年上線的世界上最快的超級電腦「Frontier」擁有 9,400 個節點，以及602,112 個 CPU 內核心。同樣在2022年發布的 NVIDIA GeForce RTX 4090 具備 16,384 個內核心，而特斯拉最新基於 GPU 運作的超級電腦具備近 4,000 萬個 GPU 核心。

火力全開、全方位投入軟體競爭力

當前約有160,000 名特斯拉司機參與全自動駕駛測試，讓模型能夠收集真實世界的駕駛數據，而Dojo exapods 正使用這些數據建立新模型，同時向 160,000 名用戶推出新系統，此舉將形成良性循環，讓特斯拉能夠招募更多測試人員，搜集更多數據來進一步加速提升Dojo的效能。該電腦執行的工作之一是「自動標記」，透過替原始數據標籤化，使其能在決策中扮演重要角色。儘管自動駕駛汽車必須在飛行中自行進行一些識別，但其中大部分來自將感測器數據擬合到預處理的世界模型，並針對特定情況採取預定義的動作，一如人類能從過去的經驗中學會識別道路狀況並做出對應行為一樣，透過超級電腦的加持，自駕利用其人工智慧模型的判斷協助如何辨別各種突發狀況。

該公司目前擁有一個人工智慧軟體，可以即時從車內的八個攝影頭收集視覺數據，並來識別障礙物的存在、障礙物運行軌跡、車道位置、道路和交通訊號燈，同時能夠模擬一項工作，以協助汽車本身做決定。隨著更多數據被輸入系統，訓練模型不斷重建。為了訓練網絡，特斯拉在收集到的數據上建立了一個複雜的自動標記管道，在該管道的演算法，然後生成標籤來訓練這些網路，特斯拉擁有功能強大的模擬器，可以生成不利的天氣、光照條件，甚至其他物體的運動，透過更多的生成式人工智慧與超級電腦，特斯拉在軟體的進化能力終究能拔得頭籌。

瀏覽 1,916 次