发布会意在“寻找和吸引人才,帮助公司改进Autopilot和FSD,将全自动驾驶软件提升到一个新的水平”

21世纪经济报道记者 彭苏平 报道北京时间8月20日上午9点左右,预热多时的“特斯拉AI日”终于开始。

特斯拉首席执行官Elon Musk(下称马斯克)、AI部门总监Andrej Karpathy和自动驾驶软件总监Ashok Elluswamy等几位高管相继亮相,介绍了特斯拉在AI领域的一系列布局,特别是在自动驾驶技术上的思考与进展。

这场发布会被业内人士评价“干货很多”,而且主讲的高管“除了Andrej和Elon外都是生面孔”,所以非常耳目一新。

发布的主要内容,除了业界此前预测到的DOJO超级计算机,以及内置在该计算机中的自研AI芯片D1之外,还有一个具有四肢、完全人形的机器人Tesla Bot。

对于非专业人士而言,这场发布会并不“友好”。大量的专业术语与硬件性能参数、复杂的训练模块与算法机制,以及纯视觉辅助驾驶方案的实现原理等等,给人的直观感受是“不明觉厉”。

不过,特斯拉举行这场发布会,本身也不是为了吸引用户。马斯克此前曾表示,举办AI日更重要的目的是为了招聘,据称,发布会意在“寻找和吸引人才,帮助公司改进Autopilot和FSD,将全自动驾驶软件提升到一个新的水平”。

AI日结束之后,特斯拉中国官方招聘微信平台下午就发出了相关的职位信息,表示“加入特斯拉研发团队,开启AI更多想象”。

在这背后,近年来AI产业高速发展,该领域的人才长期以来存在较大缺口,而技术的应用还有巨大的潜力尚未发挥,即便是产业化走得相对靠前的特斯拉,也需要建立更强大的AI团队,来助力自动驾驶等产品的进一步成熟与更大规模的落地。

而从另一个角度看,特斯拉的自动驾驶技术,尽管在业内已经比较领先,但仍然远未成熟,目前仅处于还需要人为监管的辅助驾驶阶段。近期,其在辅助驾驶功能上的一些缺陷更是引发了更大范围的关注,特斯拉也亟需尽快提升其辅助驾驶的功能体验。

特斯拉“秀肌肉”


特斯拉AI日的亮点不少,包括特斯拉机器人Tesla Bot、自研的D1芯片、Dojo超级计算机等等,而其中一项重头戏,是特斯拉自动驾驶技术的研发进展。

与业内绝大多数自动驾驶解决方案供应商的技术路线不同,特斯拉一直坚持的是纯视觉方案,通过摄像头进行环境感知,不用激光雷达,也不用高精地图。相对来说,这种方案的硬件成本相对较低,但对数据和算法的要求更高。

这次发布会上,Andrej Karpathy介绍了特斯拉纯视觉FSD方案的进展:通过全车身8个环绕车身、覆盖360°的摄像头获取道路周边信息,并通过多任务的神经网络架来拼接不同的图像。为了让拼接出的信息更逼真、更有参考价值,特斯拉开发了一套技术,可以通过8个摄像头的信息绘制3D鸟瞰图,从而把握车辆环境。

硬件感知配合AI深度学习,软件数据处理形成正确决策规划,是自动驾驶功能实现的通用路径。整个过程中最基础的便是感知技术,让硬件代替人眼进行“感知”,经过一系列复杂的算法和数据信息处理,从而决策判断。

而随着所需处理的数据开始呈指数级增长,特斯拉也在提高训练神经网络的算力,因此,Dojo超级计算机诞生。实际上马斯克此前已经多次“剧透”过Dojo超级计算机的存在,这次AI日发布的,更引人注目的是组成Dojo超级计算机的关键单元——特斯拉自主研发的神经网络训练芯片——D1。

据称,D1芯片采用分布式结构和7纳米工艺,搭载了500亿个晶体管、354个训练节点,仅内部的电路就长达17.7公里,实现了超强算力和超高带宽。

Dojo超级计算机的训练模块由1500个D1芯片组成,由于每个芯片之间都是无缝连接,相邻芯片之间的延迟极低,训练模块最大程度上实现了带宽的保留,配合特斯拉自创的高带宽、低延迟的连接器,算力高达9PFLOPs(9千万亿次)。

马斯克曾表示,最终会将Dojo超级计算机提供给希望使用它来训练神经网络的其他公司,这意味着,特斯拉有可能将AI应用扩展到自动驾驶之外的其他领域,这次AI日亮相的机器人便在一定程度上证实了这个可能性。

据悉,Tesla Bot高1.72米,重56.6千克,脸上的屏幕可显示信息,拥有人类水平的双手,并有力反馈感应,能够实现平衡和敏捷的动作——它就将利用Dojo超级计算机的训练机制来改进功能。

马斯克表示:“未来劳动力不会短缺,但体力劳动只是一种选择。Tesla Bot可以执行一些危险性、重复性、枯燥的任务。”这个项目已经提上日程,按照计划,Tesla Bot或将在明年推出首个原型机。

AI人才极度紧缺


此次“秀肌肉”,特斯拉是为了招揽AI领域更多的专业人才。

尽管特斯拉是自动驾驶行业一定意义上的“领头羊”,但其距离真正的无人驾驶也还有很长一段距离,即便是现在已经落地的辅助驾驶功能,也并未做到尽善尽美。

近期,美国国家公路交通安全管理局(NHTSA)启动了对特斯拉的调查。据悉,NHTSA调查的11起事故均与特斯拉的Autopilot(自动辅助驾驶)或其他自动驾驶功能有关,其中,7起事故造成了人员伤亡,共计17人受伤和1人死亡。

具体而言,这些事故发生在2018年1月22日至2021年7月10日之间,横跨九个不同的州。它们大多发生在晚上,事故后的场景中都有一些诸如急救车灯、照明弹、发光箭头板和路锥等物体——从场景上看,在道路救援人员停下车辆实施救援任务的时候,特斯拉的自动辅助驾驶功能未能成功识别到这些物体和车辆,进而发生碰撞。

对于特斯拉而言,这种功能上的缺陷必然要尽快解决,这必然需要其进一步壮大AI相关的团队,这次详细地展示AI技术路径与储备,特斯拉显然是在向志同道合的行业人士抛出“橄榄枝”。

而从中观的角度来看,近年来,全球AI行业取得快速发展,AI企业的数量和融资水平高速增加,围绕AI产业的人才竞争愈发激烈。

亿欧智库的一份报告显示,在过去10年中,全球主要国家新增AI企业数量在2016年左右达到峰值,其中,中国和美国新增AI企业数量在2017年后绝对值仍然大幅度领先于其他国家,是全球AI企业领先地区;从引入资金的角度来看,全球AI企业融资数量持续增长,在2016年以后呈现出几何级增长趋势,至2018年全球AI企业共计融资784.8亿美元,其中美国居首。

而AI人才长期以来是严重的供不应求状态。多个研究机构曾发出报告,全球各地AI工作岗位都存在巨大的缺口。据UIPath推出的《AI Jobs》报告,美国在2018年有7465个相关职位空缺;jfgagne发布的2019全球AI人才报告也显示,全球AI人才库正在增长,但需求仍然超过供给,最新的2020全球AI人才报告则显示,尽管去年相关需求有一定下降,但对于“新角色”的需求却一直稳定。

jfgagne发布的最新报告指出,人才是AI发展的掣肘,而现阶段的AI行业需要的还不仅仅是掌握软件算法的人才。“AI的全部潜力是否被过度炒作还有待讨论,但我们可以说, AI真正获得成功不仅仅需要高级专家以及正确的数据算法。AI行业最初专注于非常高级的专家,因为只有他们才能管理新技术,并将其应用于新领域。但现在人们认识到,这项新技术需要的不仅仅是工程师和能够构建良好模型以有效部署它的人员。”

该报告进一步解释,AI是新一代软件,它是用数据而不是逻辑规则编码的,相比之下,传统软件是静态的,AI则需要一个新的基础设施生态系统,不仅要构建,还要在部署后进行治理,因此,为了让AI大规模发挥作用,工程、基础设施建设、新业务模式开发和目标监控等领域都需要大量的新人才。