每年的某一天以特定的主題秀肌肉，是特斯拉（NASDAQ：TSLA）的慣例。 去年秀了電池技術之後，特斯拉今年的主題是AI。 美國時間8月19日晚間，特斯拉AI日（Tesla AI Day）發佈了超級計算機Dojo、自研AI訓練晶元D1、自動駕駛純視覺方案的最新進展，以及特斯拉機器人。

總的來說，特斯拉AI日的內容主要圍繞自動駕駛展開。

此次特斯拉發佈的自動駕駛純視覺方案中提到，車輛配備的八個攝像頭將同時處理目標檢測、交通標誌識別、車道預測等任務，車輛在行駛過程中可以即時對車道、環境4D建模。 超級電腦Dojo和自研AI晶片D1，則會為特斯拉自動駕駛系統服務。

不過在AI日的前幾天，特斯拉剛剛遭到美國國家公路交通安全管理局（NHTSA）的安全調查。 當地時間8月16日，NHTSA表示，在發生一系列涉及緊急車輛撞車事故后，已經對特斯拉公司的自動輔助駕駛系統AutoPilot展開正式安全調查，調查涵蓋美國約76.5萬輛特斯拉汽車。

去年特斯拉在電池日上不盡如人意的表現，導致特斯拉股價下跌超6%，蒸發300億美元市值。 今年，特斯拉在AI日還未到來之前遭到調查，股價一度重挫逾7%。

資本市場對本次AI日的反響不算強烈。 特斯拉股價在前一交易日收跌2.3%，8月20日盤前交易股價小有回升，微漲0.54%。

AI日上講了什麼黑技術？

在此次AI日上，特斯拉在爭議中繼續優化了純視覺的自動駕駛技術方案。

一是被稱為HydraNets的結構，這主要是為了優化攝像頭通過神經網路處理圖像的能力。 特斯拉純視覺技術方案的工作原理是，採用車身自身的八個攝像頭提供原始圖像，再進行計算機視覺運算。

特斯拉AI高級總監Andrej Karpathy表示，特斯拉過去的FSD系統不夠完善，單個攝像頭的監測沒有問題，但向量空間不夠。 加上為了解決過去幾年在使用自動駕駛套件時遇到的問題，特斯拉重新設計了神經網路學習，並利用多頭路線、相機校準、緩存等來簡化任務。 要實現這樣的能力來處理圖像，必須運行至少50個神經網路，因此HydraNets結構誕生。

簡單來說，HydraNets結構的優點是主幹共用，FSD系統的推理和訓練速度得到提升。

需要提到的是，特斯拉並沒有配備高精地圖，它的純視覺技術方案能夠讓車輛即時感知、探測路況，從而繪製模擬地圖。

在自動駕駛的技術路徑上，一直有純視覺派和雷達派的紛爭。

2021年5月，特斯拉宣佈北美市場的Model 3和Model Y車輛的自動輔助駕駛系統AutoPilot，將放棄使用雷達感測器，採用純視覺感知系統。 這不同於其他公司採用的雷射雷達、毫米波雷達、攝像頭等結合的方案。

特斯拉認為，純視覺方案的干擾信號更少，系統收集到的數據更”乾淨”，有利於神經網路學習。 而且，新款車型將搭載八個攝像頭，探測範圍能全面覆蓋車身周圍，自動駕駛系統的安全性不會因失去雷達而縮水。

但特斯拉的解釋不足以讓人信服。 卡內基梅隆大學電子工程專業教授Raj Rajkumar表示，目前自動駕駛業界的共識之一，就是人們應該利用好不同種類的探測器、並將它們提供的資訊進行匯總、融合。 加州大學伯克利分校的研究員Steven Shladover認為，移除毫米波雷達會讓極端天氣條件下的行駛變成一件非常危險的事情。

特斯拉在AI日上發佈的自研AI訓練晶元D1，自研AI超級計算機Dojo ExaPod，或許能回應上述的質疑。

自動駕駛系統性能的提升，需要大量的數據進行訓練和優化。 馬斯克曾公開表示，除非一家公司具有很強的 AI 能力以及超強算力，否則很難解決自動駕駛難題。

超級電腦Dojo ExaPod集成了120個訓練模組，內置了3000個D1晶元，超過100萬個訓練節點，算力達到1.1EFLOP（EFLOPS：每秒千萬億次浮點運算）。 用特斯拉方面的話來形容，”這就是全球最快的AI訓練計算機”。 特斯拉預計下一代產品還將帶來十倍以上的提升。

Dojo ExaPod中內置的D1晶片，是特斯拉自研的，也是Dojo ExaPod的核心。 D1晶元採用7奈米製造工藝，單片FP32達到算力22.6TOPs，BF16算力362TOPs。 特斯拉對於D1晶元的定位為AI學習，稱呼它為”Pure Learning Machine”。 此外，多塊D1晶元結合可以形成訓練模組，進行大規模計算。

馬斯克表示，由於開發系統成本太高，不太可能開源自研AI晶元，但對將人工智慧技術授權給其他汽車製造商持開放態度。

毫無疑問，自研晶元D1和超級計算機Dojo ExaPod將為特斯拉自動駕駛技術的提升帶來重要助力。 根據馬斯克的計劃，Dojo專案明年會投入運營。

特斯拉每年的主題日都會有一個「小彩蛋」，即”One more thing”，今年帶來的是一款特斯拉機器人——Tesla Bot。

這款人形外觀機器人身高5英尺8英寸，約為172釐米;重量125磅，約為56.7公斤;承載能力為45磅，約為20公斤。 搭載了特斯拉的各項軟硬體系統。 為了實現平衡性和敏捷性，四肢使用了40個機電推桿。

“特斯拉遠不只是一個電動汽車公司（Tesla is much more than an electric-car company）”馬斯克如是說。 馬斯克沒有透露Tesla Bot可以滿足哪些具體的工作，但表示這款機器人會把人從危險的、重複的、無聊的任務中解放出來，並計劃在明年推出這款機器人的原型機。

備受爭議的自動駕駛技術

作為新能源汽車行業的先行者，特斯拉的動向一直是整個行業的風向標。 而它的立命之本自動輔助駕駛技術也在眾多目光中迎接著一次次讚美和質疑。

當地時間8月16日， NHTSA表示，在發生一系列涉及緊急車輛撞車事故后，已經對特斯拉公司的自動輔助駕駛系統AutoPilot展開正式安全調查，調查涵蓋美國約76.5萬輛特斯拉汽車，幾乎涵蓋了特斯拉在美國銷售的自2014年以來推出的所有款式車輛，包括Models Y、X、S和3等。

來自中國的監管壓力也在加強。 在特斯拉AI日的這天，國家互聯網信息辦公室、公安部、交通運輸部聯合發佈了《汽車數據安全管理若干規定（試行）》。 而幾天前的8月12日，工業和資訊化部發佈《關於加強智慧網聯汽車生產企業及產品准入管理的意見》。

這並不是特斯拉第一次遭遇自動駕駛相關的審查。

據外媒報導，今年5月，美國加州機動車管理局認為特斯拉將其自動駕駛系統FSD（Full Self-Driving）命名為”完全自動駕駛”的行為涉嫌虛假宣傳，並決定就此展開審查。

特斯拉在此前的監管調查中平安過關。 NHTSA在2020年曾開展調查，未發現特斯拉車型存在安全問題，246樁意外加速事故均由踏板使用不當造成，”沒有證據表明，油門踏板總成，電動機控制系統或制動系統，存在任何導致了上述事件的故障。 ” “沒有證據表明，設計因素會增加踏板誤用的可能性。”

2017年1月，NHTSA結束了對特斯拉自動輔助駕駛系統Autopilot功能為期七個月的調查。 結果顯示，沒有發現Autopilot的設計或性能存在任何缺陷，也沒有發現系統未按設計運行的任何事故。

特斯拉最新發佈的2021年一季度安全報告顯示，在Autopilot自動輔助駕駛參與的駕駛活動中，平均每674萬公里行駛里程報告一起交通事故。 而NHTSA的最新數據顯示，美國平均每78萬公里行駛里程即發生一起碰撞事故——674萬公里對78萬公里，這就是馬斯克口中的自動輔助駕駛事故率只有1/10。

在經歷外部審查的同時，特斯拉的自動駕駛技術路線也在發生轉變。

特斯拉在轉向純視覺技術方案前曾是雷達的擁躉。 馬斯克在2016年表示，毫米波雷達能夠準確判斷出物體與車輛間的距離，且不懼雨雪、霧霾。 他相信，有了毫米波雷達，車輛的感知系統就能更早、更準確地識別周圍的車輛、行人或障礙物，給系統留出將車輛剎停的時間和距離。

對於毫米波雷達的重視，來自當年5月一位特斯拉Modle S車主啟用Autopilot功能期間發生的車禍。 由於感知系統沒有識別到前方一輛白色的半掛車，自動緊急制動功能（AEB）並沒有發揮作用，最終導致衝進了半掛車車底，車主當場死亡。

事故發生后，特斯拉的主流車型上便都搭載了毫米波雷達，加強對物體與車輛間距的探測能力。 但後續涉及自動駕駛的相關事故，依舊發生著。

外媒報導指出，多起事故中特斯拉車輛都是直接撞向了靜止的半掛車、警車、消防車等外界車輛。 同濟大學汽車學院人車關係實驗室負責人龔在研告訴《財經》記者，沒有識別到靜止的車輛是一種比較常見的情況，也是目前L2級別輔助駕駛汽車所面臨的普遍問題。

在這種加上了毫米波雷達都不能保證車輛運行絕對安全的情況下，放棄雷達專攻純視覺方案的特斯拉無可避免地遭到質疑。

但純視覺的技術方案並非無據可循。 同濟大學汽車學院人車關係實驗室王小斌告訴《財經》記者，如果特斯拉真的能做到汽車的攝像頭與人類的感知判斷相同且演算法足夠強大，理論上靠視覺方案就能實現全無人駕駛。

“出發點是正確的，但機器真的能完全像人類一樣去觀察和思考嗎？ 現在的難點是：如果只依賴攝像頭能不能達到人眼的效能，獲取的資訊是否足夠支撐判斷。 “王小斌表示。

爭議與銷量共存。 截至2021年7月，特斯拉全球保有量超過100萬輛。

在擁有這麼多行車數據之後，AI和強算力加持的特斯拉，朝自動駕駛之路邁近的每一步都更加引人關注。