直播笔记：Tesla AI Day|autopilot|人工智能|特斯拉|自动驾驶|马斯克

特斯拉的人工智能日就在这里。几分钟后，特斯拉观察者将看到像埃隆·马斯克这样的高管深入讨论该公司的人工智能工作，不仅涉及汽车业务，还涉及能源业务及其他领域。AI Day 有望成为电动汽车制造商的又一次技术信息之旅。因此，毫无疑问，电动汽车社区在参加此次活动时会非常兴奋。

特斯拉一直对 AI Day 的细节保密，因此实际活动的细节很少。话虽如此，发送给与会者的人工智能日议程表明，他们可以期待在现场主题演讲中听到埃隆马斯克的演讲，与安德烈卡帕蒂和特斯拉的其他人工智能工程师交谈，并与特斯拉人工智能开发背后的团队一起参加分组会议.

与 Autonomy Day 和 Battery Day 类似， Teslarati将关注 AI Day 的讨论，为您提供备受期待的活动的最新信息。请不时刷新此页面，因为埃隆·马斯克（Elon Musk）的主题演讲及其后续讨论中的注释、详细信息和引述将发布在此处。不用说，智能召唤很快就会变得更加智能。

Simon 19:40 PT –问了一个关于特斯拉机器人用例的问题。马斯克指出，特斯拉机器人将从枯燥、重复、工作或人们最不喜欢做的工作开始。

Simon 19:25 PT –提出了一个关于人工智能和制造业的问题，以及它与“Alien Dreadnaught”概念的潜在关系。马斯克指出，如今特斯拉的大部分制造都已经实现自动化。马斯克还指出，人形机器人可以采用任何一种方式，因此特斯拉能够安全地完成这个项目会很棒。“我们正在制造对类人机器人有用的部件，所以我们应该可以做到。如果我们不这样做，其他人就会——我们希望确保它是安全的，”马斯克说。

Simon 19:15 PT –问答开始。第一个问题涉及开源特斯拉的创新。马斯克指出，开发所有这些技术的成本非常高，所以他不确定如何开源。但如果其他汽车公司想要对该系统进行许可，那是可以做到的。

Simon 19:11 PT –真的会有“特斯拉机器人”。它将由人类建造，为人类建造。这将是友好的，它会消除危险的、重复的、无聊的任务。这仍然是非常不真实的。它使用目前正在为公司车辆开发的系统。“经济将有深远的应用，”马斯克说。

Simon 19:06 PT –新产品！一整套特斯拉套装？！在一个有趣的小品之后，埃隆说“特斯拉机器人”最终会成为现实。

Simon 19:00 PT – 疯狂的是道场甚至没有完成。这就是今天的情况。Dojo 仍在不断发展，未来会变得更加强大。现在，轮到埃隆·马斯克了。特斯拉超越汽车的下一步是什么。

Simon 19:00 PT – Venkataramanan 挑逗 ExaPOD。特斯拉的又一个革命性解决方案。综上所述，很明显特斯拉的自动驾驶方法处于另一个层面。如果华尔街和市场需要几天时间才能完全吸收这里发生的事情，也就不足为奇了。

Simon 18:55 PT –道场的规格太疯狂了。在其可怕的规格背后，Dojo 的全部潜力似乎在于，所有这些力量都被用来做一件事：使自动驾驶汽车成为可能。Dojo 是一个纯粹的学习机器，超过 500,000 个训练节点被构建在一起。每个区块 9 petaflops 的计算，每秒 36 TB 的区块外带宽。但这只是 Dojo 的冰山一角。

Simon 18:50 PT – Project Dojo 的负责人 Ganesh Venkataramanan 上台。他表示，埃隆·马斯克想要一台超快的训练计算机来训练 Autopilot。因此，Project Dojo 诞生了。Dojo 是一种通过网络结构连接的分布式计算架构。它还具有大型计算平面、极高带宽和低延迟，以及分区和映射的大型网络，仅举几例。

Simon 18:45 PT –特斯拉自动驾驶工程总监米兰科瓦奇上台。他指出，他将讨论神经网络如何在公司的汽车中运行。他指出，特斯拉的系统需要超级计算机。

Simon 18:40 PT – Ashok 指出，模拟已经对特斯拉有很大帮助。例如，它帮助公司识别行人、自行车和车辆检测和运动学。车辆中的网络交易为 3.71 亿张模拟图像和 4.8 亿个长方体。

Simon 18:35 PT – Ashok 指出，这些策略最终帮助特斯拉从其 FSD 和 Autopilot 套件中淘汰了雷达，并采用了纯视觉模型。雷达+摄像头系统与纯视觉之间的比较显示了该公司当前的战略有多精细。这位高管还谈到了模拟如何帮助特斯拉开发其自动驾驶系统。他指出，当数据难以获取、难以标记或处于闭环状态时，模拟会有所帮助。

Simon 18:30 PT – Ashok 回来讨论自动贴标。简而言之，有太多的标签需要完成，手动完成是不可能的。他展示了道路和道路上的其他物品是如何从一辆正在行驶的汽车中“重建”出来的。这有效地使特斯拉能够更快地标记数据，同时即使存在遮挡也允许车辆安全准确地导航。

Simon 18:25 PT – Karpathy 回来谈论手动标签。他指出，外包给第三方公司的手动标签并不是最佳选择。因此，本着垂直整合的精神，特斯拉选择建立自己的标签团队。Karpathy 指出，一开始，特斯拉使用的是 2D 图像标记。最终，特斯拉过渡到 4D 标签，公司可以在矢量空间中进行标签。但这还不够，因此开发了自动标签。

Simon 18:23 PT –这位高管表示，交通行为极其复杂，尤其是在世界上的几个地方。Ashok 指出，这部分地通过停车场以及它们实际上是如何复杂来说明的。例如，从停车场召唤汽车，过去常常使用 40 万条笔记进行导航，从而导致系统的性能有很大的不足。

Simon 18:18 PT – Ashok 指出，当与其他汽车并排行驶时，Autopilot 不仅要考虑它们的驾驶方式，还必须考虑其他汽车的运行方式。他展示了一段特斯拉在道路上行驶并与多辆车打交道的视频来证明这一点。

Simon 18:15 PT –自动驾驶软件总监 Ashok Elluswamy 上台。他首先讨论了非凸和高维动作空间中规划中的一些关键问题。他还展示了特斯拉对这些问题的解决方案，即“混合规划系统”。他通过展示 Autopilot 如何执行车道变换来证明这一点。

Simon 18:10 PT – Karpathy 的讨论指出，今天，特斯拉的 FSD 战略更具凝聚力。该公司的车辆可以在行驶时有效地实时绘制地图，这证明了这一点。与 Super Cruise 和 Waymo 等汽车和软件领域的竞争对手采用的预先制定的策略相比，这是一个巨大的差异。

为了解决过去几年在使用前一个套件时遇到的几个问题，特斯拉从头开始重新设计了他们的神经网络学习，并利用多头路线、相机校准、缓存、队列和优化来简化所有任务。
（大大简化）
— Teslascope (@teslascope) 2021 年 8 月 20 日

Simon 18:05 PT –人工智能总监讨论了特斯拉如何从头开始重新设计他们的神经网络学习并利用多头路线。其中包括相机校准、缓存、队列和优化以简化所有任务。请注意，这是迄今为止 Karpathy 讨论的极其简化的迭代。

Simon 18:00 PT – Karpathy 涵盖了甚至涉及感知基础的更多挑战。毋庸置疑，AI Day 很快被证明是特斯拉最具技术性的活动。也就是说，多摄像头网络是惊人的。它们只是大量的工作，但它很可能是特斯拉预测工作的灵丹妙药。

Simon 17:56 PT – Karpathy 展示了一段关于特斯拉过去如何处理其图像数据的视频。他展示了过去共享的 FSD 流行视频。他指出，虽然很好，但事实证明这样的系统不够完善，这是特斯拉在推出 Smart Summon 时学到的东西。虽然每个摄像头的检测很棒，但矢量空间证明是不够的。

Simon 17:55 PT – Karpathy 指出，当特斯拉在其汽车中设计视觉皮层时，该公司将其建模为眼睛如何感知生物视觉。他还谈到了特斯拉的视觉处理策略多年来是如何演变的，以及今天是如何完成的。AI Director 还谈到了特斯拉的“HydraNets”，因为它们具有多任务学习能力。

Simon 17:51 PT – Karpathy 首先讨论了特斯拉人工智能的视觉组件，其特点是公司车辆中使用的八个摄像头。人工智能主管指出，人工智能可以被视为一种生物，它是从头开始构建的，包括其合成视觉皮层。

Simon 17:48 PT –埃隆·马斯克登台。他为活动的延迟道歉。他开玩笑说，特斯拉可能需要人工智能来解决这些“技术难题”。CEO 强调 AI 日是一个招聘活动。他打电话给特斯拉的 AI 负责人 Andrej Karpathy。没有更好的人来讨论人工智能。

Simon 17:45 PT –我们在这里观看 AI Day FSD 预览视频，我们不禁注意到……那些是航路点吗？！

Simon 17:38 PT –看起来我们看到了埃隆！还有一个预览视频！来吧，伙计们！