特斯拉(TSLA.US) 2022 AI Day會(huì)議紀(jì)要：Optimus后續(xù)的生產(chǎn)規(guī)?？赡軙?huì)達(dá)到數(shù)百萬(wàn)臺(tái)

本次AI日主要展示了人形機(jī)器人Optimus、自動(dòng)駕駛研發(fā)進(jìn)程、以及Dojo超算。

【Optimus】

特斯拉人形機(jī)器人亮相首次亮相，并做了一個(gè)舞蹈動(dòng)作。之后，該公司展示了一些機(jī)器人做其他任務(wù)的視頻片段，比如撿箱子、澆水等。最后，特斯拉展示了將量產(chǎn)的機(jī)器人外形，不過(guò)功能還不全，只是進(jìn)行簡(jiǎn)單展示。

Optimus后續(xù)的生產(chǎn)規(guī)?？赡軙?huì)達(dá)到數(shù)百萬(wàn)臺(tái)，并且因?yàn)檫@臺(tái)機(jī)器人所采用視覺(jué)算法、計(jì)算芯片、電池均與特斯拉汽車產(chǎn)品線共用，所以它并不是一個(gè)完全從零開(kāi)始的產(chǎn)物，并且可以獲得比其他類人型機(jī)器人更好的成本控制。未來(lái)售價(jià)或低于2萬(wàn)美元。

最新一代采用了2.3kWh容量的電池，并采用了集成式的設(shè)計(jì)，能提高52伏特的電壓。

芯片部分則采用了特斯拉的全自動(dòng)駕駛芯片，但是針對(duì)具體的軟件、硬件適配情況進(jìn)行了更改。

針對(duì)機(jī)器人的不同動(dòng)作，對(duì)軀干的28個(gè)關(guān)節(jié)進(jìn)行受力功耗模擬，并設(shè)計(jì)了6款單獨(dú)的模擬肌肉的電機(jī)，可以在很小的體積以及重量下實(shí)現(xiàn)巨大的動(dòng)力。

手掌設(shè)計(jì)部分通過(guò)六個(gè)致動(dòng)器完成11個(gè)角度的自由動(dòng)作，并能夠舉起超過(guò)20磅的物體，使用工具。

通過(guò)AI計(jì)算，該機(jī)器人可以將目標(biāo)路徑和相關(guān)的軌跡結(jié)合起來(lái)，生成最佳的計(jì)劃，并且當(dāng)外界存在意外的情況時(shí)，還能進(jìn)行動(dòng)作上的適應(yīng)，實(shí)現(xiàn)在穩(wěn)定性的基礎(chǔ)上，實(shí)現(xiàn)機(jī)器人動(dòng)作的自然性，是特斯拉視覺(jué)方案的室內(nèi)體現(xiàn)。

目前Optimus的研發(fā)仍然處于初級(jí)階段，還有很多需要優(yōu)化的點(diǎn)。

【自動(dòng)駕駛】

2021年，大概有2000用戶使用特斯拉研發(fā)的FSD Beta軟件，直至2022年9月，160,000用戶使用了該款軟件。

FSD Beta可以實(shí)現(xiàn)自動(dòng)泊車、根據(jù)交通燈或交通標(biāo)志行駛、在與其他車輛交匯處轉(zhuǎn)彎等功能。

通過(guò)收集大量的數(shù)據(jù)，生成對(duì)應(yīng)的圖像，訓(xùn)練強(qiáng)大的神經(jīng)網(wǎng)絡(luò)模型

特斯拉的推理系統(tǒng)可以在兩個(gè)獨(dú)立的計(jì)算機(jī)上分配單個(gè)神經(jīng)元網(wǎng)絡(luò)的執(zhí)行，這兩個(gè)相互獨(dú)立的計(jì)算機(jī)與自動(dòng)駕駛系統(tǒng)相互連接。

軌跡評(píng)分系統(tǒng)包括碰撞預(yù)測(cè)、舒適度分析、干預(yù)可能性、擬人鑒別器四個(gè)方面。

特斯拉的自動(dòng)駕駛系統(tǒng)利用全方位的3D技術(shù)，預(yù)測(cè)周圍環(huán)境占用的可能性，識(shí)別車、人等、識(shí)別路上隨機(jī)移動(dòng)的物品，以10毫秒的速度運(yùn)行。

基于圖像處理，車輛可以識(shí)別移動(dòng)物品與非移動(dòng)物品，預(yù)測(cè)物品移動(dòng)方向，并能夠識(shí)別路面情況，在下坡路段降低速度行駛。

特斯拉建設(shè)了三臺(tái)超級(jí)計(jì)算機(jī)，擁有14,000片GPU，其中10,000片用于訓(xùn)練系統(tǒng)及運(yùn)行，4000片用于自動(dòng)標(biāo)簽。

使用優(yōu)化后的視頻模型訓(xùn)練，提升了30%的訓(xùn)練速度，IOPS存儲(chǔ)性能提升四倍。

FDS Lanes：目標(biāo)通過(guò)神經(jīng)網(wǎng)絡(luò)系統(tǒng)產(chǎn)生全面的道路集和不同道路的連接點(diǎn)。該神經(jīng)網(wǎng)絡(luò)系統(tǒng)由視覺(jué)部分、地圖部分、語(yǔ)言部分。視覺(jué)部分通過(guò)轉(zhuǎn)換器將車輛上的8個(gè)攝像頭的數(shù)據(jù)轉(zhuǎn)換為視覺(jué)代表數(shù)據(jù)，傳入下一個(gè)部分。在地圖部分，通過(guò)已有的道路導(dǎo)航模型對(duì)數(shù)據(jù)進(jìn)行處理，對(duì)傳入數(shù)據(jù)進(jìn)行強(qiáng)化，將傳入得數(shù)據(jù)拓?fù)浠?。在語(yǔ)言部分，用這些復(fù)雜的數(shù)據(jù)集來(lái)預(yù)測(cè)道路情況以及相應(yīng)的連通情況，并將這些信息編碼為一種專屬于特斯拉的語(yǔ)言。通過(guò)這一系統(tǒng)，可以將所有的操作簡(jiǎn)單的、完整的編譯到訓(xùn)練引擎中。

FDS道路神經(jīng)系統(tǒng)可以在9.6毫秒的延遲內(nèi)處理達(dá)7500萬(wàn)參數(shù)，并能耗保持在8w左右。

FDS神經(jīng)系統(tǒng)總共能夠同時(shí)處理超過(guò)10億的參數(shù)，超過(guò)15w的神經(jīng)網(wǎng)絡(luò)層和超過(guò)3750萬(wàn)的神經(jīng)節(jié)點(diǎn)?？傮w算力達(dá)到了100TOPS。為了達(dá)到這些，需要對(duì)每個(gè)層面進(jìn)行優(yōu)化。

特斯拉的自動(dòng)標(biāo)注系統(tǒng)也變得效率更高，采集環(huán)境信息、重構(gòu)可用于訓(xùn)練的3D模型、再在模型上讓系統(tǒng)完成自動(dòng)標(biāo)注、再用少量的人工對(duì)于特殊標(biāo)記進(jìn)行校正的流程。在目前的特斯拉數(shù)據(jù)標(biāo)注體系里已經(jīng)跑通，而且效率相比之前有著巨幅提升。

數(shù)據(jù)引擎是指通過(guò)數(shù)據(jù)來(lái)提升神經(jīng)網(wǎng)絡(luò)性能的過(guò)程，使用數(shù)據(jù)引擎功能，車輛行動(dòng)的準(zhǔn)確率得到了快速的提升，從去年九月的88%左右提升到目前的99%以上

數(shù)據(jù)引擎的工作模式：在影子模式下，特斯拉汽車會(huì)在行駛過(guò)程中不斷收集數(shù)據(jù)，并將車輛自身決策與駕駛者決策一致的情況定義為正確，否則定義為不準(zhǔn)確，將這些數(shù)據(jù)與定義結(jié)果放入評(píng)估集中。將評(píng)估集中最有意義的數(shù)據(jù)進(jìn)行標(biāo)簽后加入訓(xùn)練集，通過(guò)深度學(xué)習(xí)來(lái)訓(xùn)練線上及線下的模型，最后將更新的模型再更新到車輛配置中

FSD Beta 可能在今年底開(kāi)啟全球推送。

【Dojo】

Dojo的出現(xiàn)主要為兩個(gè)目的，其一是比市售云計(jì)算更便宜，其二是比市售云計(jì)算更強(qiáng)大。

Dojo從設(shè)計(jì)之初就考慮了硬件層面要為深度的神經(jīng)網(wǎng)絡(luò)訓(xùn)練做考慮，所以整個(gè)Dojo系統(tǒng)從芯片到機(jī)組再到機(jī)房的傳輸帶寬都十分可觀，并且特斯拉也將Occupancy網(wǎng)絡(luò)應(yīng)用于Dojo系統(tǒng)之中，實(shí)現(xiàn)了AI硬件與AI軟件的更佳匹配，最后在降低延遲和性能損失上取得的效果十分驚人。

電壓調(diào)節(jié)模塊可以傳輸1000A電流，具有超高密度，利用多層垂直電源管理材料過(guò)渡。

特斯拉未來(lái)的目標(biāo)是減少54%的CTE，提升3倍性能。提高密度是提升系統(tǒng)性能的核心和基石。

System Tray參數(shù)：75mm高度、54 PFLOPS(BF16/CFP8)、13.4 TB/S(對(duì)分帶寬)、100+ KW Power

Standard Interface Processor參數(shù)：32GB(高帶寬動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器)、900 TB/S(TTP帶寬)、50 GB/S(以太網(wǎng)帶寬)、32GB/S(第四代PCI帶寬)

High Interface Processor參數(shù)：640GB(高帶寬動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器)、1TB/S(以太網(wǎng)帶寬)、18 TB/S(Aggregate Bandwidth To Tiles)

【Dojo系統(tǒng)建立目標(biāo)：解決很難形成規(guī)模的約束模型】

單一的加速器到前向和后向通道，再到優(yōu)化器，再到多個(gè)加速器上運(yùn)行多個(gè)副本的流程;線性擴(kuò)展的;更大激活度的模型想運(yùn)行前向通道時(shí)會(huì)遇到適合單個(gè)加速器的批量大小往往小于批量規(guī)范面的問(wèn)題;多個(gè)加速器上設(shè)置同步批量規(guī)范模式;通信瓶頸;模型并不是線性擴(kuò)展的

高密度集成是為了加速模型的計(jì)算約束和延遲約束部分;Dojo網(wǎng)格的一個(gè)片斷可以被分割出來(lái)運(yùn)行模型(只要分片足夠大);統(tǒng)一的低延遲中的細(xì)粒度同步原語(yǔ)加速跨集成邊界的并行性;Tensors是以RAM的形式存儲(chǔ)Chardon，并在各層執(zhí)行時(shí)及時(shí)復(fù)制;張量復(fù)制的另一個(gè)數(shù)據(jù)傳輸與計(jì)算重疊，編譯器也可重新計(jì)算層。

穩(wěn)定擴(kuò)散模型：編譯器以模型并行的方式映射;通信階段從節(jié)點(diǎn)計(jì)算本地平均值和標(biāo)準(zhǔn)偏差開(kāi)始;協(xié)調(diào)后繼續(xù)并行;期望每個(gè)骰子上的350個(gè)節(jié)點(diǎn)協(xié)調(diào)是由平均值和標(biāo)準(zhǔn)偏差值

編譯器的操作：從編譯器中提取通信樹(shù);真實(shí)硬件的時(shí)間節(jié)點(diǎn)，中間輻射減少的值由硬件加速;這個(gè)操作在25個(gè)Dojo編譯器上只需要5微秒，同樣的操作在24個(gè)GPU上需要150微秒。這是對(duì)GPU的一個(gè)數(shù)量級(jí)的改進(jìn)。

峰值內(nèi)存使用：Dojo是為解決更大的復(fù)雜模型而建立的;當(dāng)前兩個(gè)GPU集群的使用模式，一個(gè)是自動(dòng)標(biāo)注網(wǎng)絡(luò)(用于生成地面真相的離線模型)第二，占有率網(wǎng)絡(luò)(高算術(shù)強(qiáng)度的大型模型)。

測(cè)試結(jié)果：多模系統(tǒng)上對(duì)GPU和Dojo進(jìn)行的測(cè)量顯示已經(jīng)可以超越任何100個(gè)使用當(dāng)前硬件運(yùn)行的老一代PRMS的性能;A100的吞吐量翻了一番;關(guān)鍵的編譯器優(yōu)化達(dá)到M100的3倍以上的性能。

成果：一個(gè)Dojo瓦片取代6個(gè)GPU盒子上的ML計(jì)算機(jī)，而成本比一個(gè)GPU盒子還低。一個(gè)多月時(shí)間來(lái)訓(xùn)練的網(wǎng)絡(luò)現(xiàn)在只需要不到一個(gè)星期

問(wèn)題：計(jì)算量過(guò)大導(dǎo)致運(yùn)行在主機(jī)上的數(shù)據(jù)加載器根本無(wú)法跟上ML硬件。

擴(kuò)展傳輸協(xié)議;建立Dojo網(wǎng)絡(luò)接口卡;添加了裝有DINA卡的數(shù)據(jù)加載主機(jī);通過(guò)以太網(wǎng)交換機(jī)重新連接網(wǎng)狀結(jié)構(gòu)。優(yōu)化后占用率從4%上升到97%，實(shí)際上期望這個(gè)數(shù)字很快就能達(dá)到100%。

建立高算術(shù)強(qiáng)度自動(dòng)標(biāo)簽網(wǎng)絡(luò)：為單一巨型加速器服務(wù);pytorch層完全達(dá)到了預(yù)期的速度;高性能的密集計(jì)算機(jī)期望只用4個(gè)Dojo就能提供同樣的吞吐量;計(jì)劃在2023年的第一季度建立。

成果展示：6塊芯片密集集成;54 petaflops的計(jì)算;640千兆字節(jié)的高帶寬內(nèi)存;集群組件新版本并不斷改進(jìn);下一代將實(shí)現(xiàn)10倍的改進(jìn)

【Q&A】

1：為什么用肌腱的方法驅(qū)動(dòng)機(jī)器人，我們都覺(jué)得采用肌腱驅(qū)動(dòng)的方式可靠性較低?同時(shí)為什么用彈簧?

A：首先金屬線纜做肌腱，可靠性還是很高的。同時(shí)肌腱方案能量消耗較低，我們可以在人手上找到用肌腱和彈簧類似的方案。我們用肌腱收縮，用彈簧舒張。

馬斯克補(bǔ)充：因?yàn)槲覀円焖倭慨a(chǎn)，所以不會(huì)等到所有問(wèn)題都解決后。我們想把機(jī)器人部署在工廠，看看機(jī)器人有什么用。當(dāng)然這是我們的第一版，后面一定會(huì)有2.0 、3.0 手部架構(gòu)會(huì)升級(jí)。

2：機(jī)器人會(huì)有人格嗎?會(huì)不會(huì)后面和我們講笑話 ，成為我們的朋友 ?

A：當(dāng)然，只要解決好核心人工智能和關(guān)鍵執(zhí)行器的問(wèn)題，人們可能會(huì)給機(jī)器人穿各種衣服，未來(lái)會(huì)很有趣。

3：想知道人和機(jī)器人之間是否會(huì)有干預(yù)措施，比如在人類不同意正在發(fā)生的事情時(shí)就行標(biāo)記?

A：如果機(jī)器人做了壞事，我們會(huì)在遠(yuǎn)程監(jiān)控機(jī)器人。

馬斯克補(bǔ)充：我們希望我們的機(jī)器人變得比科幻片里更像人，隨著AI 發(fā)展，我們可以模仿學(xué)習(xí)更像人類，它能夠執(zhí)行簡(jiǎn)單的指令，甚至可以執(zhí)行您想要的操作。所以你可以給它一個(gè)高級(jí)指令，然后它可以把它分解成一系列動(dòng)作并采取這些動(dòng)作。

4：之前你說(shuō)機(jī)器人會(huì)顯著提升社會(huì)經(jīng)濟(jì)產(chǎn)出量級(jí)。最開(kāi)始的時(shí)候你說(shuō)特斯拉的使命是推動(dòng)世界向可持續(xù)能源轉(zhuǎn)型。對(duì)于機(jī)器人來(lái)說(shuō)，依然是這個(gè)使命嗎?特斯拉會(huì)不會(huì)把自己的使命改成“推動(dòng)世界向無(wú)限生產(chǎn)力轉(zhuǎn)型”?

A：機(jī)器人的出現(xiàn)當(dāng)然進(jìn)一步推動(dòng)世界向可持續(xù)能源轉(zhuǎn)型。另外我對(duì)于機(jī)器人幾年以后能做的事情，我很激動(dòng);你們肯定也很想找到一個(gè)技術(shù)幾年以后的發(fā)展。對(duì)我來(lái)說(shuō) ， 我也很感興趣。

5：機(jī)器人后面會(huì)具備對(duì)話能力嗎?機(jī)器人的終極目標(biāo)是什么?

A：當(dāng)然會(huì)有對(duì)話能力，機(jī)器人后面肯定會(huì)有一個(gè)很有意思的終局，也許最后和電影終結(jié)者類似吧。不過(guò)我們會(huì)很注意機(jī)器人的安全性，我們會(huì)有一個(gè)“停止按鈕”。機(jī)器人里會(huì)有一個(gè)本地ROM，無(wú)法通過(guò)網(wǎng)絡(luò)升級(jí)。這對(duì)安全性來(lái)說(shuō)很重要。會(huì)很有意思，不會(huì)無(wú)聊。

6：Dojo項(xiàng)目的目標(biāo)是什么?和亞馬遜云一樣出借算力嗎?我看用7nm ，那么投入也很大 ?商業(yè)化怎么做?

A：Dojo 是一個(gè)大型計(jì)算機(jī)，和亞馬遜一樣是合理的，這是最高效的。這個(gè)世界正在和軟件2.0 轉(zhuǎn)型(軟件2.0：用神經(jīng)網(wǎng)絡(luò)取代邏輯編程)，后面一個(gè)軟件會(huì)有很多神經(jīng)網(wǎng)絡(luò)。這需要Dojo。

7：機(jī)器人會(huì)理解我們的情感、藝術(shù)嗎?機(jī)器人后續(xù)如何為我們的創(chuàng)造力服務(wù)?

A：如同DallE-2 ，機(jī)器人已經(jīng)可以創(chuàng)造 藝術(shù)了。未來(lái)是很有趣的。

Ashok 補(bǔ)充：機(jī)器人可以創(chuàng)造物理藝術(shù)，比如跳舞。人工智能畫(huà)畫(huà)是數(shù)字藝術(shù)。

8：特斯拉自動(dòng)駕駛的模型是受到自然語(yǔ)言處理模型的啟發(fā)，想知道這方面的歷史，為什么這樣做，使用語(yǔ)言模型后提升了多少 ?

A：兩個(gè)方面：第一個(gè)是我們之前用密集的網(wǎng)絡(luò)訓(xùn)練道路，之前的模型搞不定稠密的數(shù)據(jù)。同時(shí)道路預(yù)測(cè)是一個(gè)多模型問(wèn)題，有時(shí)候我們無(wú)法知道馬路的另一邊是什么，我們希望模型的預(yù)測(cè)是連貫的，語(yǔ)言模型可以提供。

9：FSD的神經(jīng)網(wǎng)絡(luò)怎么做單元測(cè)試的?

A：除了軟件測(cè)試以外還有神經(jīng)網(wǎng)絡(luò)測(cè)試，對(duì)于一個(gè)神經(jīng)網(wǎng)絡(luò)，我們會(huì)把之前錯(cuò)誤的歷史數(shù)據(jù)都丟給他，看他是否會(huì)有更好的表現(xiàn)。同時(shí)，我們有影子模式，我們把神經(jīng)網(wǎng)絡(luò)靜謐地推送給用戶，用戶也在協(xié)助我們做QA測(cè)試。在推給用戶之前我們會(huì)做9輪測(cè)試，我們的基礎(chǔ)設(shè)施保證環(huán)節(jié)高效。

10：提一個(gè)有關(guān)基礎(chǔ)模型的問(wèn)題，我們看到大模型現(xiàn)在都有比較好的表現(xiàn)，比如從GPT-3到PaLM，我們發(fā)現(xiàn)大模型都可以做推理了。你們覺(jué)得是否應(yīng)該提高數(shù)據(jù)量和參數(shù)個(gè)數(shù)，這樣的話可以得到一個(gè)可以解決所有問(wèn)題的教師模型“Teacher Model” ，然后剪裁出一個(gè)學(xué)生模型，作為在大街上的基礎(chǔ)模型?

A：我們的標(biāo)注系統(tǒng)就是這樣做的。我們?cè)贫藰?biāo)注模型是很大的，我們把一小部分部署在車端。關(guān)于基礎(chǔ)模型，我們的數(shù)據(jù)集有好幾PB， 模型在這樣大的數(shù)據(jù)集上的表現(xiàn)是很好的。別人說(shuō)我們用攝像頭無(wú)法做感知，但你看我們用大數(shù)據(jù)做的多好。我們?cè)谶@樣的模型上做裁剪，最后出來(lái)的就是你們看到的。

11：最開(kāi)始老馬說(shuō)特斯拉正在做通用人工智能(AGI)，想知道公司如何保證安全性 ?

A：我覺(jué)得應(yīng)該會(huì)有一個(gè)AI 法律機(jī)構(gòu)，比如管理人形機(jī)器人、自動(dòng)駕駛汽車等等。我們覺(jué)得應(yīng)該有個(gè)裁判，就像我們?cè)谒幬锷献龅囊粯?。機(jī)器人到時(shí)候上街以后，將會(huì)通過(guò)攝像頭搜集數(shù)據(jù)，這個(gè)數(shù)據(jù)集會(huì)是世界上最大的數(shù)據(jù)集。到時(shí)候公司借助數(shù)據(jù)集和訓(xùn)練模型，將會(huì)對(duì)通用人工智能(AGI)有較大的貢獻(xiàn)。

12：Semi 卡車的感知和乘用車的感知有什么區(qū)別 ?

A: 人類開(kāi)車就是兩個(gè)眼睛+一個(gè)大腦，大腦反應(yīng)還很慢。車用8個(gè)攝像頭和高速計(jì)算器，肯定能做的更好。

13：機(jī)器人能否安裝部署不同的軟件和硬件?

A：我們的神經(jīng)網(wǎng)絡(luò)不支持，下個(gè)問(wèn)題。

14：現(xiàn)在就在美國(guó)和加拿大有FSD，推廣到其他國(guó)家的瓶頸是什么?我還注意到你們想把低速和高速場(chǎng)景融合到同一個(gè)神經(jīng)網(wǎng)絡(luò)中，現(xiàn)在的進(jìn)展?

A：技術(shù)上年底就可以推廣，但不同國(guó)家有法規(guī)要求。我們?cè)诘确ㄒ?guī)批準(zhǔn)。技術(shù)上來(lái)說(shuō)，年底就行。我們下個(gè)月就會(huì)在北美推新版，進(jìn)步很大。之前Autopilot 和FSD 差別很大，但現(xiàn)在越來(lái)越像了， 幾個(gè)月前，我們?cè)贏utopilot 和 FSD上用了同一個(gè)視覺(jué)棧。但在道路檢測(cè)上，Autopilot 和FSD還是不一樣的。FSD用更復(fù)雜的模型。

另一位同事補(bǔ)充：帶泊車功能的FSD年底就能推出來(lái)，到時(shí)候停車場(chǎng)到停車場(chǎng)的自動(dòng)駕駛就能實(shí)現(xiàn)。

馬斯卡補(bǔ)充：每英里干預(yù)次數(shù)是很重要的指標(biāo)，我們正在肉眼可見(jiàn)得提高。

15：?jiǎn)杺€(gè)各人問(wèn)題，如果老馬你回到20歲，想給20歲的自己說(shuō)什么話，提供什么建議?

A：讓他加入特斯拉，哈哈。多接觸聰明人;多看書(shū);壓力不要太大，珍惜此刻，停下來(lái)聞聞路邊玫瑰香也是很好的。我在做獵鷹火箭的時(shí)候，試驗(yàn)場(chǎng)在一個(gè)很美的沙灘邊，我們沒(méi)有在沙灘邊喝過(guò)一次咖啡， 我應(yīng)該喝一杯才對(duì)。

16：馬斯克你現(xiàn)在做機(jī)器人的狀態(tài)和10年前做自動(dòng)駕駛的時(shí)候一樣，但自動(dòng)駕駛發(fā)展似乎比想象的更難。你有什么辦法讓機(jī)器人和AGI來(lái)得更快?

A：AGI發(fā)展很快，AI 現(xiàn)在贏了所有的基于規(guī)則的游戲，畫(huà)畫(huà)、寫(xiě)文章，都能完成。AI 人才也很多，AI的能力是線性增長(zhǎng)的。特斯拉有很強(qiáng)的執(zhí)行器研發(fā)能力，和四輪機(jī)器人相比，雙足機(jī)器人只要把執(zhí)行器作對(duì)，就能實(shí)現(xiàn)。

17：下一個(gè)超級(jí)工廠只有機(jī)器人嗎?什么時(shí)候我們可以訂購(gòu)自己的機(jī)器人?

A：我們會(huì)在工廠里找一些簡(jiǎn)單的工作給機(jī)器人，比如裝卸的工作。后面在擴(kuò)展機(jī)器人的能力邊界。至于什么時(shí)候可以買機(jī)器人?不知道，3年-5年吧。3-5 年后人們就能收到了。

18：機(jī)器人軟件會(huì)開(kāi)源嗎?

A：小心人們用機(jī)器人干壞事。有些和安全有關(guān)的問(wèn)題需要處理， 所以概率不大。

19：機(jī)器人的帶寬有多大?

A：需要搞清楚你想讓機(jī)器人做的事情，轉(zhuǎn)換成比如 手臂抬多高這樣的問(wèn)題。之后才能回答帶寬問(wèn)題。

20：特斯拉那么偉大，是什么獨(dú)一無(wú)二的東西促成的?

A：現(xiàn)在特斯拉很大，各方面專家也很多 。我們從電動(dòng)車做到無(wú)人電動(dòng)車。我覺(jué)得我的作用是給偉大的工程師提供環(huán)境，讓我們發(fā)展。有些公司員工的能力是被壓制的。在硅谷就有些公司，員工在公司是沒(méi)有發(fā)展的。特斯拉不是這樣的公司，員工加入特斯拉以后 所發(fā)揮的能力在其他公司是沒(méi)有的。

21：公司如何平衡FSD發(fā)生碰撞的風(fēng)險(xiǎn)和駕駛表現(xiàn) ? 你們覺(jué)得FSD監(jiān)管是否應(yīng)該更加透明?

A:首先特斯拉車的被動(dòng)安全是所有車?yán)镒顝?qiáng)的。另外主動(dòng)安全，我們公布 沒(méi)有Autopilot的車、有Autopilot的車、有FSD的車的事故率，有FSD的車事故率最低。另外FSD可以避免事故發(fā)生，但被救下來(lái)的人是不知道自己被救的。所以我們要看總體的事故率。部署FSD 肯定比不部署更安全。

22：為什么機(jī)器人要做到左右平衡?人類有左右撇子，機(jī)器人也這樣設(shè)計(jì)，其中一邊不會(huì)更快損壞嗎?另外人類有時(shí)候會(huì)有一些“神話"的想法,希望自己能有更長(zhǎng)的手，可以輕易拿到更遠(yuǎn)地方的東西，特斯拉以后會(huì)做更像 神話故事里的機(jī)器人嗎?

A：現(xiàn)在我們還是想盡快生產(chǎn)一個(gè)有用的機(jī)器人，來(lái)幫助人類。生產(chǎn)一個(gè)有用的機(jī)器人，是最難的，我們會(huì)衡量一個(gè)東西的效用，比如今天幫助了幾個(gè)人，怎么幫助的，這回把我們拉回現(xiàn)實(shí)。對(duì)于一個(gè)企業(yè)來(lái)說(shuō)，大規(guī)模量產(chǎn)一個(gè)大家喜歡的，有用的東西是異常困難的。展望未來(lái)，后面如果我們做一個(gè)8個(gè)手臂的機(jī)器人，或者開(kāi)放一個(gè)接口給其他公司用。其他公司基于機(jī)器人做插件都有可能。

本文編選自“價(jià)投幫”微信公眾號(hào)，智通財(cái)經(jīng)編輯：陳雯芳