梦晨 詹士 发自 凹非寺
量子位 | 公众号 QbitAI
一年一度特斯拉AI DAY， 开场就王炸！
马斯克只用3分钟简短热场，人形机器人擎天柱 （Optimus）直接登台亮相。
不同于去年概念PPT上光滑圆润的外形，今年的擎天柱金属与线缆裸露在外，就像是电影中的终结者。
现场这台擎天柱，展示了稳步行走、转体俯身、挥手与台下观众打招呼。
录像中的一台还真正走入特斯拉办公室，浇花、帮员工搬运快递。
换到汽车工厂，也有模有样地搬起了砖。
然鹅，马斯克表示这还不是擎天柱机器人的完全形态，只是试做版原型机。
舞台大幕再次拉开，更接近最终产品的“带皮肤”机器人也被搬了上来（这台还要几周时间才能才能下地走路）。
早在特斯拉今年第一季度的财报电话会议上，马斯克就曾表示“擎天柱的价值将超过汽车业务，超过FSD”。
今天他更是直言，达到预计数百万量产规模后，机器人每台售价会大大低于汽车，预计低于2万美元。
接下来，马斯克解释了举办这场活动的目的：
用最酷的技术演示，吸引最有才华的工程师，一起把成果量产，帮助千百万人。
在马斯克眼中，自动驾驶的未来可改善人类交通效率至少半个数量级。
而他对人形机器的野心更大，改善经济生产至少两个数量级。
为啥适合来特斯拉干事业？
马斯克认为，特斯拉作为上市公司，如果公众不认可特斯拉所作所为可以用股权投票。
如果我不合适，甚至可以投票把我开除。
我并不能随心所欲，尽管很多人是这么想的。
现场招聘工程师环节结束后，马斯克本人不再是这场发布会的主角。
而是由机器人各个环节的技术负责人轮番上阵，介绍自己的工作成果。
擎天柱一年，有何进展？
去年8月擎天柱概念首次公开，前面看到的开发平台版与今年2月完成，最新一代成果仍在持续改进中。
不变的是对模仿人类的追求，包括身高体重要与人类相仿，全身关节特别是手部高度自由，以及尽量向生物的低能耗靠拢。
最新版本的特斯拉擎天柱，大脑用的是特斯拉SoC芯片，能源靠的是2.3千瓦时电池组，全身28个执行器（Actuator）。另外手部11个自由度，五指可以独立运动。
不过这个“大脑”是装在胸口的，因为这里更安全，同时集中摆放也更省电。
执行器共设计了6种，旋转执行器与线性执行器各3种规格。
线性执行器中最高规格的一款可以提起一台三角钢琴。
这些执行器装配到机器人全身不同关节，还需要做细致的参数调整。
对双足形态机器人来说，行走是行业公认的第一大难关。
行走对人类是毫无难度的一件事，千百万年进化让你无需思考便能自动执行。
但对双足形态机器人来说，想用完全不同于生物的一套材料、靠人为设计去模仿逼近，工程难度可见一斑。
特斯拉工程师介绍，需要关注有四点：
物理上的自我感知，节省能源的步态、保持平衡不摔倒、全身协调运动。
特斯拉的方法与造车流程如出一辙，设计、仿真、验证。
拿膝盖举例，灵感从人类身上来，但因机械结构材料等问题不能完全模仿人类。除了屈膝迈步以外，还要考虑下蹲拣取物体等情况的受力。
结构设计好后，可以先到模拟环境中规划动作。
一旦来到现实世界的复杂性中，还是走不出三步就会倒。
通过传感器测量，将真实世界的复杂性引入训练环境成了解决问题的关键。
最终特斯拉擎天柱也像波士顿动力Atlus一样，反复训练，甚至适应了人类干扰后才学会在步行中保持稳定。
从迈出缓慢第一步到学会用脚趾离地，总共花费6个月。
而手部运动亦是如此流程，先捕捉人类搬箱子时的运动轨迹，再结合机器人自身特点规划。
特斯拉工程师介绍，双电机版特斯拉汽车只需要考虑有限几种速度和路况。
机器人则要完成行走、上台阶、蹲起、转身等更多身体动作，以及从拧螺丝到提重物等多样任务。
据马斯克此前所透露，擎天柱正式生产最早于明年开始，
不过既然是特斯拉AI DAY，除了机器人以外，自动驾驶和自研超算进展也不能少，下面一起来看看。
自动驾驶
自动驾驶作为特斯拉一块招牌，他们的FSD（Beta）用户数在一年内就从2000飙升到16万。
在AI Day现场篇幅自然不小，核心强调更面向复杂场景将技术做深做精。
比如在没有人行横道的路口左转，对面道路有直行车辆行驶，还得面对个把拉着孩子横穿马路的行人，如若让车从行人面前快速通过也会给对方带来惊吓，造成更多难以预判的行为。
特斯拉称，他们加入安全与舒适性等维度分析，通过树搜索算法并提供人类示范，让系统能找到「合适」通过的时机和路线，最终，从横穿马路的行人身后通过。
再比如六个方向的交叉路口，即便车上配8个摄像头，如遇到其他车遮挡，预测难度也不小。
基于种种复杂场景，特斯拉方公布一个详细架构，让各路摄像头信号通过RegNets，却不同摄像头使用不同RegNet，再进入Special attention层，该架构同样适用于车辆、行人行为预测等场景。
视觉路线一直在圈内质疑不断，现场特斯拉以一个案例作为回应。
他们公布了一种通过语义识别预测周边车辆的方式，即便高速路上，前车捡起雪花挡住视线，使摄像头无法「看见」前车，但算法仍能通过语义预测前车的存在并做出适当决策。
此外，为支撑种种复杂场景的模型训练，其全栈式开发平台已能做到每8分钟生产一路算法模型，以1.4万个GPU组成阵列提供计算支持，此外他们还使用了Accelerated Video Library，增加了30%训练速度。
在边缘端，他们还进行了轻量化处理，让系统降低延迟，8个摄像头通过神经网络快速实时识别建筑及不同路面场景，更快完成3D场景生成。
指的一提的是，在今年4月奥斯汀超级工厂开业庆祝活动及Q1财报电话会上，马斯克都提及了不带方向盘和踏板的自动驾驶出租车产品，不少人预测他会在今天聊聊RoboTaxi，但在现场特斯拉并未提及。
芯片与超算
去年AI Day上，特斯拉公布了D1芯片及超级计算机平台DOJO，用以加速自动驾驶模型训练，一时吸引不少眼球——
后续提问中，有人质疑了他们如何将芯片组合并实现高效编译，今年，他们拿出了具体的答案。
首先关于芯片连接上，他们考虑到芯片连接处热膨胀系数(CTE)问题，于是，干脆做了个外部「骨架」将一个个芯片放入其中，底部配备高速记忆模块，搞了个「铁锁连环阵」：
然后整体封装，放进机柜里：
那么一通操作下来成绩如何？
按特斯拉的说法，他们在经典项目RESNET-50上的计算能力击败了A100：
在替代性方面，他们以自动标注为例，宣称4个DOJO机柜可替代72个GPU RACKS：
对未来，他们更是充满自信，认为不仅现在吊打100，到2023年Q1即可实现多倍超越：
在现场，马斯克也强调特斯拉被外部认为是一家自动驾驶和造车公司，但事实远不止于此，他将特斯拉称为前沿人工智能公司，并补充半导体也是技术的一种体现，紧接着他号召更多人才加入公司，画足了技术愿（大）景（饼）。
其实活动之前，马斯克就早早发出预告，称这次活动是为了招募人工智能和机器人工程师/芯片超算工程师，如此看来，种种秀技术肌肉之举，也带着一鱼两吃的盘算。
One More Thing
马斯克本人在今天的活动中戏份并不多，下台后转头就开始高强度网络冲浪
比如宣称未来会有“猫女”版擎天柱机器人。
又或者给网友的梗图点赞。
看了这么多，最后让擎天柱给大家比个心吧。
直播回放：
https://www.youtube.com/watch?v=ODSJsviD_SU
