来源：腾讯科技 

特斯拉以制造电动汽车闻名于世，但现在该公司也在寻求通过自主研发芯片在人工智能（AI）领域寻求占据更大优势。在上个月的“AI日”活动中，特斯拉公布了名为D1的定制AI芯片的细节，该芯片用于训练其自动驾驶系统Autopilot背后的机器学习算法。此次活动聚焦于特斯拉的AI努力，并展示了其计划推出的人形机器人。

特斯拉是最新一家自主设计芯片的非传统芯片制造商。随着AI变得越来越重要，部署成本也越来越高，其他在这项技术上投入巨资的公司-现在也在设计自己的芯片，包括谷歌、亚马逊以及微软等。在活动中，特斯拉首席执行官埃隆·马斯克（Elon Musk）表示，从用于训练公司神经网络的计算机系统中挤出更多性能将是自动驾驶取得进步的关键。他说：“如果某个模型需要的训练时间缩短至几个小时而非几天，这可能产生重大影响。”

特斯拉在2019年放弃使用英伟达硬件后，已经设计了能够解读其汽车中传感器数据的芯片。但是，创造能够训练AI算法所需的强大而复杂的芯片要昂贵得多，也具有更大的挑战性。参加特斯拉活动的斯坦福大学汽车研究中心主任克里斯·格德斯(Chris Gerdes)表示：“如果你认为自动驾驶的解决方案是训练更大的神经网络，那么接下来就是你需要的那种垂直整合策略。”

许多汽车公司使用神经网络来识别道路上的物体，但特斯拉对这项技术的依赖程度更高，其被称为“Transformer”的巨型神经网络可以同时接收8个摄像头的输入。特斯拉AI业务负责人安德烈·卡帕西(Andrej Karparis)在8月份的活动中表示：“我们实际上是在从头开始制造一种人造动物。汽车可以被想象成人造动物，它可以自由移动，感知环境，并采取自主行动。”

近年来，“Transformer”模型在语言理解等领域取得了很大进展，这主要是来自于使模型变得更大、更需要的数据。训练最大的AI项目需要价值数百万美元的云计算能力支持。Real World Technologies公司的芯片分析师大卫·坎特(David Kanter)表示，马斯克押注的是，通过加快训练速度，“我就可以让整个机器（自动驾驶程序）加速进步，领先于Cruises和Waymo等。”他指的是特斯拉在自动驾驶领域的两大竞争对手。

斯坦福大学的格德斯表示，特斯拉的战略是围绕其神经网络建立的。与许多自动驾驶汽车公司不同，特斯拉没有使用激光雷达，这是一种更昂贵的传感器，可以看到3D世界。相反，特斯拉依赖于通过使用神经网络算法来解析来自摄像头和雷达的输入来解释场景。这在计算上要求更高，因为该算法必须根据摄像头馈送重建其周围环境的地图，而不是依赖于可以直接捕捉到照片的传感器。

但特斯拉也比其他汽车公司收集了更多的培训数据。在路上行驶的100多万辆特斯拉汽车中，每一辆都将其八个摄像头抓拍的视频源发送回公司。特斯拉表示，它雇佣了1000人来标记这些图像，包括注意汽车、卡车、交通标志、车道标记和其他特征，以帮助培训大型神经网络。在8月份的活动上，特斯拉还表示，它可以自动选择优先考虑给哪些图像加注释，以提高处理效率。

格德斯说，特斯拉方法的一个风险在于，在某些时候，增加更多的数据可能不会让系统变得更好。他说：“这仅仅是更多数据就能解决的问题吗？还是神经网络的能力停滞不前，低于我们希望的水平？”无论哪种方式，解决这个问题都可能需要付出高昂代价。

大型、昂贵AI模型的崛起不仅激励了许多大公司开发自己的芯片，还催生了数十家资金雄厚的、专门研发芯片的初创公司。AI训练芯片市场目前由英伟达主导，该公司最初生产游戏芯片。当情况变得明显时，该公司转向供应AI芯片，因为其图形处理器(GPU)比通用计算机核心的中央处理器(CPU)更适合运行大型神经网络。

通过巧妙的递归，AI也推动了芯片设计的多样化。芯片设计通常需要深厚的技术专长和判断力，但事实证明，机器学习对于自动化该过程中的元素十分有效。谷歌、三星和其他公司正在制造部分由AI设计的芯片。分析师坎特表示，特斯拉D1等专用芯片仍然存在某些技术问题，包括如何可以有效地连接起来，以及算法如何拆分并分布在不同的芯片上。坎特表示：“从某种意义上说，你是在为你的软件团队开出一张大额支票来兑现。”

特斯拉没有回复置评请求。专注于自动驾驶的密歇根大学教授Huei Peng表示，如果D1最终取得成功，马斯克可能会将其出售给其他汽车制造商，后者将需要追随其技术领先地位。不过，现在尚不清楚特斯拉正在采取的方法在财务上和技术上是否会奏效，但Huei Peng已经学会了不与马斯克对赌。他说：“他做了很多大家都说行不通的事情，但最终结果证明他是对的。”