在经历了半年的“跳票”之后，特斯拉AIDAY终于来了。事实证明，特斯拉不会让人失望，话不多说，直接切入主题：

AIDAY核心信息：

1.TeslaBot亮相；2.FSD最新进展；3.Dojo超算Q1推出；4.没有HW4.0。

TeslaBot亮相

在此之前就有不少人猜测，这次AIDAY上特斯拉可能会有很多大动作，尤其是特斯拉机器人（TeslaBot）“擎天柱（Optimus）”可能会首次亮相。

现在，它来了：

与上一届AIDAY中推出的概念机不同，Optimus原型机明显更大且更粗犷一些，胸前的两个散热风扇很醒目。同时根据现场的演示来看，它的行走也显得有些“步履蹒跚”，直观上不如波士顿动力的双足机器人。

核心在于，Optimus采用了与汽车相同的FSD（自动驾驶计算机），它的行走、动作、执行指令等，不是按照既定程序按部就班执行的，而是通过AI模型学习得来的。

跟人一样，它感知世界的方式也是画面和声音，通过头部的摄像头采集周围视频，通过FSD视觉识别算法可识别出周围环境、分辨物体，并计算行走路线、抓取力度等等。

上图为Optimus结构示意图，其中橙色是驱动装置、蓝色是主控。搭载了容量2.3kWh的电池包，系统电压52V；主控板搭载特斯拉自研Soc、支持wifi、4G等模块。

Optimus全身有28个关节，也就需要28个驱动装置。为了实现人一样自然的动作，特斯拉做了大量的开发。比如说，人在抓取、搬运时所需的力是不一样的，如果用力过猛可能会把手里的东西甩飞。

因此，特斯拉针对每个关节所需的力量/扭矩，做了仿真建模，找到了各自关节/驱动器的最佳参数，并研据此发了6种专用电机，采用与特斯拉汽车电机同源的滚珠电机技术。

FSD最新进展

本届AIDAY的另一个重头戏则是FSD，这套系统目前正在飞速发展，目前FSDBeta的早鸟用户已经超过了16万。

技术方面，我们不妨先思考一下：什么样的自动驾驶是优秀的？是在各种极限条件下依然可用吗？

是，但不完全是。

特斯拉举了个例子：在无保护左转时，即便没有危险，如果从行人面前近距离通过，也可能会导致行人受到惊吓，或者导致行人做出不可预料的动作。

可见，减少“极限操作”对于车主和行人来说都是更好的。

FSD的策略则是从安全角度出发，提前预测行人及其他车辆的运动轨迹，找准时机来生成相对慢速但更高效的行车路线，慢速从行人身后通过。

要实现这种效果，感知、规控、训练，缺一不可。

例如，在感知方面，特斯拉提到了Occupancynetworks（占据网络）模型的应用和进化。通过占据网络，可以让模型获得预测物体所占据空间的能力，并在BEV内生成由一个个立方体组成的环境。

在规控中，这些“立方体”都将刻意避开，车辆可以在不识别具体的障碍物是什么的情况下做出避让动作。此外，FSD还可以据此识别道路坡度/曲率，这样就可以让车辆根据实际道路情况提前预测加速/减速，进一步提高安全性和舒适度。

而在训练方面，由于需要处理大量视频数据，因此特斯拉专门开发了“视频图书馆”。

它可以存储大量由用户采集的原始视频文件，并直接供给训练服务器。相比普通的存储服务器，它可以让训练速度提升30%，并且存储的文件更省空间（小了11%），读取速度也更快，最小每秒读写次数提升了4倍。

此外，特斯拉也在搞虚拟现实（仿真模拟）的自动生成。基于数字孪生，可以在虚拟世界中训练模型，据说效率比之前“提升了倍”。

该功能隔壁英伟达早就在搞，它的重要性在很多特定场景中都有体现。例如，自动驾驶在路口时的判断往往是有挑战性的，尤其是在路口有车辆时。

这是因为，系统需要判断这辆车是真的是“停止”了，还是在“低速行驶”。如果无法快速确认，就容易导致车辆的决策更谨慎，反映出来就是车辆在转弯或者路口时会主动减慢速度甚至停车。

那么，要对此进行改善，就需要进行大量的训练，以涵盖尽量多的情况。而对于这种特定场景，在虚拟世界中进行仿真模拟的效率就会更高。

Dojo超算

既然多次提到训练，那么专门用于模型训练的超算“Dojo”就该出场了。

在AIDAY上，Dojo开发人员提到，Dojo是专门用来进行模型训练的超级计算机，它往往要面对规模极大的模型，包含数以亿计的数据、参数，因此，保证高带宽、低延迟就成了关键。

而Dojo提高算力的方式，则是将25个D1芯片集成在一个“训练瓦片（Tile）”上，让每个“Tile”都具备54P算力和13.4TB/S对分带宽。

为了保证多个“Tile”间的通讯，特斯拉还开发了名为“Dojo接口处理器”的PCIE板卡，具备GB/s内存带宽、32G高带宽内存、TB/STTP带宽，PCIE4.0带宽为32G/s。

然后，特斯拉还将6个Tile、20片接口处理器组成一个托盘（Tray），而Dojo超算的每一个机柜（ExaPOD）则由至少两个托盘构成，有种套娃的感觉。

但这种方式显然是有效的，每台ExaPOD的训练性能都非常夸张，具备1.1E算力、1.3T高速内存、13TB高带宽内存，4台即相当72个GPU机柜的训练性能。

但这种方式面临一个问题：供电。

每个“Tile”内建25个D1芯片，而每颗芯片的功耗就高达W，单25颗芯片的功耗即高达10kW。而每个托盘具备6个Tile和20片接口处理器，功耗直奔+kW。

为此，研发人员自研了功率密度非常高的垂直堆叠的电源模块，同时相比对外采购成本更低。

在AIDAY现场，展出了Dojo机柜的实物，可证明其研发已基本结束。特斯拉也表示，第一台ExaPOD将于年Q1推出，届时特斯拉的AI训练能力将迎来提升。

HW4.0鸽了

由于AIDAY的跳票，很多人猜测，是不是在为下一代车载计算机硬件HW4.0做准备，而且在推特上也有人爆料，HW4.0将在今天推出。

但HW4.0，它鸽了。

在活动现场，当人们问马斯克HW4.0将何时发布时，他回答道：“IfItoldyoui’dhavetokillyou!”

显然短期内我们不太可能见到HW4.0了，不过我们也可以因此对它抱有更多期待，比如7nm的第二代FSD芯片？针对Transformer模型推理的特化架构？万像素甚至万像素的摄像头？或者是，前不久刚刚曝光的高分辨率雷达？

不过，按照HW3.0上线时的操作来看，如果特斯拉公布了HW4.0，可能意味着HW4.0已经开始了量产，甚至已经开始批量装车，相信到那时会有更多直接信息的曝光。

谁知道呢？我们拭目以待吧！