文｜韓永昌

編輯｜李勤

近日，馬斯克在推特上表示：車輛控制是FSD AI難題中的最后一關，這可以讓超過30萬行 C++ 控制代碼減少約2個數量級。目前我們的工程師進展順利，但訓練計算的進展受限。

(資料圖片僅供參考)

這似乎預示著，FSD的規控算法將引入大模型以加速落地。

FSD是特斯拉的自動駕駛軟件。在馬斯克的愿景中，FSD要讓車輛做到不在人工干預的情況下完全自動駕駛，而且要比人類司機更安全。

而想要正式推出FSD或者說實現自動駕駛，需要攻克感知、規劃、控制等技術關卡。只有在將第一步的感知問題解決之后，才能步入規劃和控制階段的攻關。

兩年前，特斯拉重寫感知模塊代碼，將大模型引入自動駕駛領域，提出了 BEV+Transformer 的組合。隨后，小鵬、理想、蔚來等車企以及眾多智駕供應商也逐漸開始使用 BEV+transformer 以解決感知層面的問題。自動駕駛第一步的“最優解”得到了多數人的認可。

大模型的引入給感知模塊帶來了明顯的效果提升，“重感知輕地圖”的趨勢愈發明顯，數據閉環體系也逐漸成型。

而今，馬斯克再次透露，在規控算法中特斯拉同樣用了AI算法精簡代碼，這意味著規控代碼也正在被重寫。重寫代碼后，系統本身的訓練需要海量的數據和算力支撐，這或許也是馬斯克表示“算力受限”的原因。

傳統的規控算法基于規則制來運行，代碼繁重，工作復雜。若特斯拉將大模型引入規控算法中，不僅將對代碼進行精簡，規控算法的訓練也將進一步提速，將更加接近人類駕駛員。不過需要注意的是，規控環節的安全風險比感知環節的更高，因此也需要用傳統的規則制來進行兜底。

但就目前來看，特斯拉在規控模塊引入大模型還在前期階段，需要解決的仍是算力問題。此前特斯拉工程總經理Tim Zaman也在推特上表示，目前我們的計算集群只有0.3%的空閑時間，其中84%的工作都是高優先級的，我們希望可以擁有更多的計算空間。

這一問題或許會隨著 Dojo 的投入使用而有望得到解決。

據了解，7月份特斯拉自研的超級計算機 Dojo 已經正式投產。數據顯示，每個 Dojo 都集成了120個訓練模塊，內置3000個D1芯片，擁有超過100萬個訓練節點，算力達到1.1EFLOP（每秒千萬億次浮點運算）。

馬斯克對此期待已久，他認為 Dojo 的使用在訓練成本上會讓特斯拉有一個數量級的提高。根據特斯拉的規劃，Dojo 將帶動特斯拉進入算力快速增長期。2024年2月特斯拉的算力規模將進入全球前五，2024年10月特斯拉的算力總規模將達到 100 Exa-Flops。

隨著 Dojo 的投入使用，特斯拉的規控算法將加快重建，FSD年內落地或將成為現實。而此后進展如何，相信馬斯克還會再做出預告。

關鍵詞：