本来发布会的第二部分是 FSD，但那部分过于硬核，我决定先让大家看点激动人心的数字。 去年 DOJO 惊艳全世界，但遗憾的是有太多细节未公布。D1 芯片是怎么组成 EXA POD 超算系统的？理论性能爆炸，能代表实际应用吗？ 这部分，特斯拉举了大量的数据，证明自己已经是计算领域的新巨头。 
首先是散热。 先别发问号，超算平台的散热，一直是衡量超算制造者系统工程能力的重要维度。比如谷歌、华为、英伟达在公布自家方案的时候，都会花大篇幅讲散热。 DOJO POD 的散热可以用两个词概括：高集成度、高自研率。 
特斯拉在 DOJO POD 上使用了全自研的 VRM（电压调节模组），单个 VRM 模组可以在不足 25 美分硬币面积的电路上，提供超过 1000A 的电流。 高集成度带来的问题，是热膨胀系数 CTE。DOJO 堪称极限的体积集成率和发热，意味着 CTE 稍微失控，都会对系统结构造成巨大破坏（也就是会撑爆）。 
为此，这套自研 VRM 在过去两年内迭代了 14 个版本，最终才完全符合特斯拉对 CTE 指标的要求。 目前 DOJO POD 已经进入负载测试阶段——单机柜 2.2MW 的负载，相当于 6 台 Model Y 双电机全力输出。 
解决了散热，才有资格说集成度。 一个 DOJO POD 机柜由两层计算托盘和存储系统组成。每一层托盘都有 6 个 D1 Tile 计算「瓦片」——两层 12 片 组成的一个机柜，就可以提供 108PFLOPS 算力的深度学习性能。 
对了，DOJO POD 的供电模组也是 52V 电压的，Optimus 母亲实锤了。 每层托盘都连接着超高速存储系统：640GB 运行内存可以提供超过 18TB 每秒的运算带宽，另外还有超过 1TB 每秒的网络交换。 
为了适配训练软件以及运营/维护，每个托盘还配备了专属的管理计算中心。 
最终，可以提供 1.1E 算力、13TB 运存、1.3TB 缓存的 EXA POD，将于 2023 年 Q1，正式量产——这也是今天发布会唯一一个有确定日期的特斯拉产品。 
意大利炮有了，能不能轰下县城？ 
特斯拉表示，配合专属的编译器，DOJO 的训练延迟，最低可以做到同等规模 GPU 的 1/50！ 最终，特斯拉的目标是到 2023 年 Q1 量产时，DOJO 可以实现相比英伟达 A100，最高 4.4 倍的单芯片训练速度——甚至能耗和成本都更低。 
文章来到这里，大家的手指应该已经划了很多次屏幕。这也说明，看到这里依然兴致勃勃的你，一定是特斯拉老粉——那就聊点更无聊、更硬核的吧。 
篇幅有限，本届 AI Day 关于 FSD 的进展，我们只聊三个点：Occupancy Network、Training Optimization、Lanes。
1. Occupancy Network
先聊一个概念：矢量图。做设计的朋友一定很熟悉，这是一种精度（分辨率）可以做到无限，但占用存储空间很小的数字绘图。 Occupancy Network，就是将 3D 向量数据绘制成矢量图的、 2019 年开始兴起的一种三维重建表达方法。 有意思的是，特斯拉用了最 Occupancy Network 的方式，表达他们对 Occupancy Network 的应用：网格（方块）化的 3D 模拟。 其实 FSD 眼中的世界并不是这样 Minecraft 化的，但 Occupancy Network 的本质特征，就是用“决策边界”描绘“物体边缘”。 
尽管 Occupancy Network 效率很高，但实际训练规模依然足够可观。目前特斯拉公布的数据是超过 14.4 亿帧视频数据，需要超过 10 万个 GPU 训练小时，实际视频缓存超过 30PB——而且全程 90℃ 满负载。 
2.因此，Training Optimization 训练优化尤为重要
去年 Andrej 公布了特斯拉的千人 in-house 标注团队，今年特斯拉的重点，则在于优化自动标注流程。 
大概总结一下就是，优化过后，训练时视频帧选取会更智能，同时大幅度减少选取的视频帧数量——可以提高 30% 的训练速度。 
另外视频模型训练时 smol 异步库文件体积可以缩小 11%，所需的读取次数足足缩小到 1/4...最终这套优化流程让特斯拉的 Occupancy Network 训练效率提升了 2.3 倍。
3. 最后聊聊车道线 Lanes
从 FSD Beta 10.12 开始，几乎每一版更新，车道线和无保护左转，都是更新日志的第一条。 
为了更准确高效应对车道线，特斯拉这次编了一套“属于车道的语言”。其中包括车道级别的地理几何学和拓扑几何学、车道导航、公交车道计算、多乘员车辆车道计算等等。 
最终这套“车道的语言”，可以在小于 10 毫秒的延迟内，思考超过 7500 万个可能影响车辆决策的因素——而且 FSD 硬件学会这套语言的代价（功耗），还不足 8W。 
写到这里，我真的很头疼。 一方面是我们大部分人，都不是这届 AI Day 的对象——马斯克眼里只有招聘。另一方面，是现在一家汽车公司的发布会，对知识面要求实在太高了。 
还是说回马斯克吧，40 年前的他，还是个每天会看 10 个小时科幻小说的小孩子，沉醉于《银河系漫游指南》、《基地》、《严厉的月亮》等等。 但正是这些科幻小说，培养了马斯克冰冷却又宏大的事业观。他会跟你说人类社会生产力的效率可以扩大到无限，他会跟你说人口是维系文明的最重要因素。 所以，当我们把 52 岁的马斯克和 12 岁的马斯克放在一起，你会发现他俩依然在本质上是同一个人。 也正因如此，你看到他如今几乎涉猎了科幻小说所有最热门题材的商业帝国，才会觉得“哦，那很正常”。 希望明年我们能看到更接近现实的马斯克童梦吧。
最前沿的电子设计资讯
