玩币族移动版

玩币族首页 > 行情分析 >

特斯拉AI帝国基石Dojo:为视频数据训练而生,铺就通往AGI之路

来源:财联社

作者:郑远方

当地时间9月11日,特斯拉美股大涨超10%,年内涨幅扩大至122%,单日市值增加796亿美元,达8683.41亿美元。

点燃大涨的引线来自摩根士丹利的一份报告——大摩指出,Dojo超级计算机将为特斯拉带来高达5000亿美元的市值增幅,同时将特斯拉基准目标价提高至400美元。作为参考,周一大涨后特斯拉股价收报273.58美元,较大摩预期还有46%的空间。

分析师Adam Jonas和Daniela M Haigian团队在报告中指出,自动驾驶系统被称为“人工智能项目之母”,在寻求解决自动驾驶问题的过程中,特斯拉开发了Dojo超算,后者可为特斯拉开辟“新的潜在市场”。

▌什么是Dojo?

Dojo是特斯拉自研的超级计算机,可利用海量视频数据,完成“无人监管”的数据标注和训练。

从字面意思来说,Dojo意为“道场,武馆”,这也正应和了它的意义——特斯拉为AI打造的修行场。

在2021年的AI Day上,特斯拉就已发布Dojo超级计算机,但当时其“羽翼未丰”,尚只有第一个芯片及训练块,公司仍在推动构建完整的Dojo Exapod。

而特斯拉也表示,理论上,Dojo ExaPod将是世界上最快的AI训练超级计算机。之后Dojo Exapod终于揭开面纱,每个 Dojo ExaPod 集成120个训练模块,内置3000个D1芯片,拥有超过100万个训练节点,算力达到1.1EFLOP*(每秒千万亿次浮点运算)。微架构方面,每个Dojo节点都有一个内核,是一台具有CPU专用内存和I/O接口的成熟计算机。

目前,Dojo被用于人工智能机器学习和计算机视觉训练。特斯拉已从今年7月开始生产Dojo超级计算机,朝着更快、更便宜的神经网络训练迈出重要一步;公司计划2024年底前在Dojo上投入超过10亿美元;未来,特斯拉计划同时使用英伟达和Dojo的算力。

根据特斯拉在6月发布的算力发展规划,Dojo将在明年一季度成为全球排名前五的算力设施,并将在明年10月达到100 EFlops算力。

▌马斯克“AI帝国”的基石

可以说,Dojo已成为马斯克“AI帝国”的基石设施。

回顾2019年,马斯克首次对外介绍Dojo时所说的:

特斯拉确实有一个重大项目,我们叫它Dojo。它是一个超级强大的训练计算机,目标是输入海量数据并在视频层面进行训练……通过Dojo计算机,我们可以对大量视频进行无监督的大规模训练。

的确,如果说人工智能的养料是数据,那么特斯拉自动驾驶的养料便是视频数据。

为了实现完全神经网络而非代码控制,FSD V12每天从特斯拉车队获取约1600亿帧视频用于训练,但其中最有用的视频只有不到1%。马斯克表示,特斯拉设想的神经网络必须接受至少100万个视频训练之后,才能成型。到今年年初,FSD V12已完成了1000万个视频分析。

就在8月底,马斯克刚刚通过直播“秀了一把”FSD V12。

在这场直播中,车辆在非预设道路上,能自行礼让行人、避开路障、路口转向。马斯克多次强调,FSD V12中没有任何一行相应代码,人为设定车辆作出这些动作——FSD 12完成这些行为完全是大量视频训练的结果。通过视频训练数据,AI可以自己学习驾驶,“像人类一样做事”。

当然,平庸随意的数据是不够的,供给神经网络的数据需要精心挑选。马斯克也特别强调,来自优秀驾驶员的高质量数据,才是训练特斯拉自动驾驶的关键。

“大量平庸的数据并不能改善驾驶,数据管理相当困难。我们有很多软件,可以控制系统选择什么数据、训练什么数据。”

▌通向通用人工智能

而如今,对于马斯克来说,Dojo的价值已不仅限于自动驾驶业务,实际上,Dojo已成为整个特斯拉AI业务体系发展的算力基础设施。

人类约70%信息是通过视觉感知获取的,这也是特斯拉计划为汽车及机器人准备的方案。

特斯拉之前已透露,特斯拉机器人Tesla Bot“擎天柱”头部将配备与自家汽车相同的智能驾驶摄像头,并与汽车共用AI系统,换言之,特斯拉人形机器人延续了以视觉为主的传感技术路线。

马斯克今年6月曾透露,Dojo已经上线并运行了几个月,且其不单单适用于特斯拉的全自动驾驶之中。另外他表示,Dojo V1是面向大体量的视频训练而高度优化的,并非是面向通用目的AI(general purpose AI);但Dojo V2将突破这一限制。

这也意味着,升级版的Dojo,更有可能瞄准通用人工智能(AGI)。

前文提到的摩根士丹利报告中,也提到了这一点——大摩将其与其它科技公司的超算进行比较后发现,Dojo的前途看起来更加光明。考虑到特斯拉即将推出的自动机器人出租车和网络服务,Dojo的落地似乎更加明确,且可能会推动特斯拉公司生态的重大升级。

知识: