據外媒報導，當地時間週四晚，特斯拉的人工智慧日（AI Day）活動拉開了帷幕，該公司發佈了一段展示了其即將推出的全自動駕駛系統在郊區道路上的導航路線的視頻。

在演示過程中，一名駕駛者在汽車的導航系統上設定了一個目的地，然後按兩下了方向盤上的操縱桿，之後，汽車似乎隨後駛入了車流並在自動停車標誌和紅綠燈的情況下通過了十字路口。 一路上，它避開行人、左右轉彎。 與此同時，在方向盤旋轉時，駕駛者將其手指輕輕地放在方向盤上。

目前，特斯拉的全自動駕駛系統在技術上還不是真正的全自動駕駛，但公司CEO埃隆·馬斯克樂觀地認為，這項技術不僅會進步而且最終會比普通駕駛者還要更好。

馬斯克表示：「我有信心，我們的硬體全自動駕駛計算機將能在比人類更安全的水平上實現全自動駕駛。 至少比人類好200%或300%。 然後，很明顯，我們可能會在Cybetruck中引入硬體4 FSD computer2，所以可能在大概一年左右的時間。 它的能力約是現在的四倍。 ”

人工智慧日演講的大部分內容都是關於特斯拉的人工智慧工程師如何努力提高FSD系統的舒適性和安全性。 它從一個三維向量空間開始，這個空間是在車輛通過8個攝像頭感知周圍環境時創建的。 這八種反饋經過校正然後融合到一個虛擬環境預測模型中，這使得汽車的電腦能鳥瞰它正在導航的世界。 更少的360度攝像系統、更多的類Tron 3D再現本地空間。

在特斯拉演示視頻的儀錶盤上可以看到處理過的部分向量空間數據，道路數據、車輛和行人在中央螢幕上則以簡單的細節呈現。

特斯拉的工程師還解釋了他們正在使用的環境識別和檢測新方法，這些可以説明提高向量空間地圖的準確性和導航精度。 像AI可以將信息緩存到短期記憶中以保持在十字路口等待的車輛的位置，即使它們暫時被交叉交通阻塞。 該系統還能記住和預測領先車輛在高速公路上的位置，即使它的視野暫時被雪或水噴霧阻擋甚至沒有雷達距離數據的説明。

Vector Space數據則被特斯拉稱為神經網路規劃師（Neural Net Planner），這是一組AI演算法，在使用FSD時處理汽車在道路上的實際路線、軌跡和行為。 規劃師會處理每一個轉彎、每一個繞過行人的轉彎和每一個變道。 除了每分鐘運行數千次類比以決定自己的最佳行動方案外，它還必須類比和預測其他汽車、行人和騎自行車的行為。

在一個例子中，一輛開著FSD的特斯拉遇到了另一輛車，它在一條狹窄的路上擠來擠去，兩邊都停著車。 該系統能根據迎面而來的車輛的速度、路徑和駕駛者的預期意圖來決定是否讓車。 當駕駛者改變主意、放慢車速讓特斯拉超車時，FSD就會做出反應，從屈服變成選擇優先通行。

雖然所有這些處理過程都在車輛中進行，但幫助系統高效運行的最後一塊拼圖則是訓練和類比。 在特斯拉的數據中心，這種情況經常發生。 在這些數據中心，FSD軟體接受訓練、感測器數據被分析從而以對數百萬個物體進行分類和標記。 標籤數據和行為模型隨後被用於改進個別車輛的車內處理。

為了大規模處理所有這些模擬數據，特斯拉正在開發Dojo專案，這是特斯拉內部專門為AI培訓設計的矽材料。 該專案從特斯拉的D1分散式計算晶元開始，它被平鋪成Dojo單元，再平鋪成特斯拉所謂的ExaPOD–一個房間大小的1.1 exaflop處理單元。 就規模而言，這相當於30500塊Nvidia RTX 3090 GPU的處理能力，但還有額外的優勢，即為AI訓練定製。

所有這些數據中心的計算能力有望説明加速特斯拉汽車中FSD AI的發展併為汽車以外的AI和機器人專案提供動力。