一场安全事故、一位车主离世，将蔚来乃至整个新能源汽车行业推上了风口浪尖。
作为新能源汽车行业的头部公司，特斯拉也不例外，大量的安全事故让它饱受批评，今年 8 月，美国汽车安全监管机构也对特斯拉的辅助驾驶系统 Autopilot 开启了安全调查。
不同等级的自动驾驶技术应该如何命名，它的安全性到底如何，特斯拉的自动驾驶技术到底进化到了什么地步。随着事故继续发酵，人们对于「自动驾驶」的质疑只会越来越多。
在这种情况下举办的特斯拉 AI 日，自然会成为新的话题中心，马斯克在活动上发布了什么，有没有回应相关质疑？
跟我们一起来看。
特斯拉的自研芯片 Dojo 要来了
特斯拉上新了，这次是一颗自研芯片——Dojo D1。
早前马斯克已经在 Twitter 上多次提到 Dojo，这是特斯拉自研的超级计算机芯片，也是一颗超级 AI 芯片。
与常见的 CPU 或是 GPU 相比，Dojo 舍弃了大量功能模块，加入了更多计算模块，以换取更高的算力和效率，更适合计算类型相对固定、计算精度较低，但计算量十分庞大的 AI 领域。特别的设计带来了特别的回报，按照特斯拉说法就是「我们在 CPU 大小的身材里实现了 GPU 级别的算力」。
而且，Dojo 的算力还是可以叠加的，这和它的另外一个特性——拼接有关。
不一会特斯拉的工作人员就拿出了一个堪称 Plus++++++++ 版的 Dojo 芯片模型，它其实是由 25 颗 Dojo D1 拼接而成的芯片系统，为什么特斯拉要这样设计？
最直观的好处就是减小通讯距离，如图所示每块 Dojo D1 之间的距离非常近（几乎都要贴在一起），这样能大大的加速数据在各个芯片之间的传输和流转。
特斯拉表示这个 Dojo 系统的数据传输速度能达到 9TB/S。另一方面，对比传统的超级计算机，采用拼接的方式也能省下不少连接线缆，同时也意味着 Dojo 芯片系统的算力几乎是可以成倍增加，更灵活地匹配不同使用需求。
在实际的算力表现方面，活动中展示的 Dojo D1 芯片模型，其运算能力能达到每秒 362 万亿次浮点运算。要是将更多的 Dojo D1 芯片拼接在一起，结果可想而知。当然，谈到芯片性能必然少不了和业内产品一番比对，特斯拉这次选中了 Google 自研的 AI 芯片—— TPU v3，根据展示图，Dojo 的性能远超 TPU v3。
TPU v3 是 Google 2018 年发布的产品
要知道打败李世石、柯洁等多位世界顶尖棋手的 AlphaGo，所使用的也不过是比 TPU v3 弱上数倍的初代 TPU 芯片。
而如果将 3000 块 Dojo 芯片拼接在一起，其算力将达到 1.1 EFLOP ，超越了此前全球排名第一的日本超级计算机「富岳」。
和 Google 的 TPU 类似，算力强劲也常常意味着散热压力大，为此特斯拉在 Dojo D1 中添加了一整层水冷模块和铜质结构两种散热设计。
也难怪马斯克之前敢说「Dojo 将会是世界上最棒的超级计算机」。如此强大的算力，其应用领域必然是达到了工业级别，Google 的搜索结果、街景等服务都有依靠 TPU 计算优化，而 Dojo D1 则主要应用于特斯拉的视觉感知系统当中，帮助汽车识别环境带来更好的自动辅助驾驶体验。
至于实际效果，马斯克表示明年就会用上 Dojo，我们拭目以待。
迈向更完善的自动辅助驾驶
特斯拉于今年 7 月发布了 FSD Beta 9.0 版本，新版 FSD 支持城市道路辅助，可以实现并线、转弯、汇入主路等动作。
Dojo 则可以从车端接受大量视频数据，发回云端，完成全自动的大规模算法训练，再推送到车端，完成整个流程的闭环。
在这个过程中，最重要的环节无疑是算法训练。
马斯克在采访中表示，特斯拉最初是通过视频来对人工智能进行算法训练。在拥有 Dojo 之前，特斯拉 Autopilot 团队拥有超过 500 名数据标注员，专门对高价值数据进行人工标注。
人工标注
但这种方法严重拖慢了 AI 的学习进度，因为这个数据量实在过于庞大。
截止今年 4 月，基于 Autopilot 的里程数已经达到了 48 亿公里，占全行业总路测数据的 99% 以上。
「儿子」在学习上遇到了困难，特斯拉这「老母亲」肯定着急啊。
于是，Dojo 来了。
特斯拉利用 Dojo，在云端模拟了一个十分贴近现实的世界，用来训练自动辅助驾驶技术。而且，特斯拉还表示，这个虚拟世界的交通状况要比现实世界复杂得多。
特斯拉为这个虚拟世界加入了许多极端的道路情况，你可能会在马路上看到正在过斑马线的麋鹿，甚至在高速公路上看到晨跑的夫妇。
在高速公路中晨跑的夫妇
值得一说的是，特斯拉不只是对空间进行了标注，对于模型搭建的时间点，Dojo 同样「雨露均沾」。
通过不断收集现实世界中新的道路信息，这个训练模型也会不断更新，新的数据信息会对原有的信息进行覆盖。
对于目前所积累的数据体量，特斯拉称，他们使用 10 亿个不同的图像，3 亿个不同的场景来搭建这一训练模型。
也正因如此，特斯拉将自己戏称为「数据贴标工厂」。
那么这些训练有没有达到应有的效果呢？在本次特斯拉 AI 日中，特斯拉为我们展示了其自动辅助驾驶技术的巨大进步。
1. 对于车道的识别更加准确
从上图中可以看到，此前，特斯拉对于车道线的精确识别仅限于车辆周围。但如今，不仅是车辆所处的车道，系统对于整个路口的情况都了如指掌，因而更好地进行路线规划。
2. 预测其他车辆的行为
准确地识别道路两旁停靠的车辆，对于如今的特斯拉来说已是小菜一碟，预测道路上其他车辆的行为才是它的真本事。比如在小路中遇到了对向车辆，系统会分析出所有可能发生的情况，得到不同的行驶路线。因此，无论对方让与不让，它都能够灵活应对。
或许是迫于美国汽车安全监管机构所带来的舆论压力，特斯拉在 AI 日上对于自动辅助驾驶的态度还是较为保守，其中不乏对于新技术安全性的强调。另外，在讲到视觉识别对于自动辅助驾驶的意义时，特斯拉工程师展示了这样一张图片：
特斯拉像拨开「战争迷雾」那样去感知、绘制周边的路况。机器人 Tesla Bot
可能也是因为技术讲解比较沉闷，特斯拉很快安排了一台人形机器人上台，还跳起了舞来，整个活动会场瞬间就欢乐了起来。
其实这只是一位演员穿上了一套仿机器人服装在跳舞，马斯克又和大家开了一个很「特斯拉」的玩笑，不过这个机器人计划是真实存在的。
Tesla Bot 详细属性
按照马斯克的预想，Tesla Bot 会继承特斯拉的车机系统，包括辅助驾驶等等，能根据周边的环境做出不同的动作，最终完成原本只能由人完成的体力劳动。
是的，这次马斯克想解放「劳动力」，让人们做自己想做的事。
当然，马斯克也说了，到底要不要接受 Tesla Bot 的帮助，仍然由人们自己决定。听起来似乎很赛博朋克，但 Tesla Bot 什么时候能量产、来到消费者的身边，马斯克仅仅表示会在明年的某个时间发布产品原型。
我们离完全自动驾驶还有多远？
国际自动工程协会（SAE）根据汽车驾驶模式的自动化程度，将其分为 6 级，从 L0-L5。
而特斯拉的 AutoPilot 驾驶模式被列为 L2 级，仍然属于辅助驾驶，也就是说汽车仍然需要在驾驶者的关注下行驶，驾驶者需要对驾驶行为负责，这也是目前大部分新能源汽车自动驾驶辅助系统所处的自动化等级。
知名车评人@不只会评车的 38 曾对此做过直观且形象的评价：现阶段的辅助驾驶需要人类随时准备接管，更像是人辅助车，而不是车辅助人。马斯克显然不满足于辅助驾驶，他的目标是自动化程度更高的 L5——完全自动驾驶，汽车系统可以在所有情况下自主完成驾驶操作。
按照特斯拉的设想，基于 AI 的汽车的视觉感应系统应该如同人体系统一般。摄像头（眼睛）看到画面内容的同时判断出画面中物体的 3D 结构形状，并测算车辆和和物体之间的距离、物体的高度和大小等，汽车（人类驾驶员）也随之自动做出相应的驾驶变化，避免撞上，这时对应的是静止的物体；
图片来自：syncedreview在面对移动的物体，像是行驶中的汽车，特斯拉的 AI 感应系统应该做到识别出 3D 物体高度、大小的同时，还能测算出它的动向、速度等。
当然，这些都仅仅是设想，Dojo 超级计算机的确能加速 AI 运算，帮助汽车识别物体，带来更好的辅助驾驶体验，但要像马斯克所说的「实现 L5 完全自动驾驶」，恐怕还是不行。
早在 2019 年特斯拉就曾表示要去掉雷达，走向纯视觉感知系统，但视觉感知所依靠的 AI 只是在模拟人类，现阶段人脑的奥秘并没有完全揭开，AI 也只能做出一部分决策，它并不能替代真实的人类驾驶员。
AI 替代不了人类
特斯拉所完成的数据训练也还远远不够，即便其数据量在新能源汽车行业是领先的。
要知道自动驾驶领域当中 95% 的数据都是无效的，重复的路况对于 AI 训练价值不大，此前特斯拉的训练数据大多都来自美国，它仍然需要在更多国家和地区，完成更多种情况的训练。
而不同地区、不同交通情况所引发的极端情况组合几乎是无限的，这无疑给特斯拉所选择视觉感知技术路线提出更大的挑战。
再加上近年来的安全事故加重了人们对于自动驾驶的担忧，这种情况下，愿意使用 AutoPilot 驾驶模式，或是参加特斯拉 FSD（全自动驾驶系统）测试的人是否会减少，仍然要打上一个大大的问号。而且相关机构对于新能源汽车「辅助驾驶」模式的监管也在日趋完善，除了文首提到的美国汽车安全监管机构对特斯拉辅助驾驶系统 Autopilot 开展安全调查，我国工业和信息化部最近也发布了《关于加强智能网联汽车生产企业及产品准入管理的意见》。
之后还将工信部和相关部门还将会进一步细化自动驾驶、辅助驾驶相关规范。
这样一来实现完全自动驾驶也许会慢一点，但在生命安全面前，又何尝不是一件好事呢。
而马斯克在活动最后也表达了对自动驾驶技术的展望，不再那么激进了：
我相信未来汽车肯定都会有自动驾驶能力，但是还需不需要驾驶员呢？
大概还是需要的，就像在汽车时代，其实马车也存在一样。
