19号特斯拉智能日将发布Dojo计算机芯片
特斯拉AI Day的秘密，就藏在这张图里
前一阵，马斯克发推特宣布了特斯拉“AI Day”将会在北美时间8月19日正式举行。根据之前他的推特所说，发布会将会介绍特斯拉在人工智能领域的软件和硬件进展，尤其在（神经网络）的训练和预测推理方面。而这次活动的主要目的，是招揽相关人才。
（图/Universum）
尽管此次一如既往的并未泄露什么“AI Day”的信息，但仅通过上面那一张预热图，就让不少从事AI领域的人为止兴奋不已。
神秘的Dojo计算机芯片
在“AI Day”发布会的邀请函上，放着一张夸张的芯片图。
从图上估测，该芯片才用了非常规的封装形式，第一层和第五层铜质结构是水冷散热模块；红色圈出的第二层结构由5*5阵列共25个芯片组成；第三层为25个阵列核心的BGA封装基板；第四层和第七层应该只是物理承载结构附带一些导热属性；蓝色圈出的第六层应该是功率模块，以及上面竖着的黑色长条，很可能是穿过散热与芯片进行高速通信的互联模块；
所谓InFo-SoW设计，简单理解来说就是原本一个晶圆（Wafer）能够“切割”出很多个芯片，做成很多个CPU/GPU等类型的芯片（根据设计不同，光刻时决定芯片类型），而InFo-SoW则是所有的芯片都来自于同一个晶圆，不但不进行切割，反而是直接讲整个晶圆做成一个超大芯片，实现system on wafer的设计。
这里拿Cerabraas的WSE-2作为参考对比，一个芯片的核心数是Nvdia A100的123倍，芯片缓存为1000倍，缓存带宽为12733倍，Fabric结构带宽则为45833倍。
全球制药巨头葛兰素史克的高级副总裁Kim Branson称赞到，WSE的超强性能将训练时间减少到之前的1/80。而在美国最大的科学与工程研究室阿贡国家实验室，WSE芯片被用于癌症研究，将癌症模型的实验周转时间减少到1/300还少。
所以不难推断出，“AI Day”邀请函上面放出的这张图，应该就是马斯克所谓的Dojo超级计算机的自研芯片。并且颇有意思的是，发布会的时间是2021年8月19日，而就在刚好一年前的2020年8月19日，马斯克发了一条推特说：“Dojo V1.0还未完成，估计还需要一年的时间。不仅仅是芯片本身的研发难度，能效和冷却问题也非常的难。“
其实马斯克早在2019年“Autonomous Day”就提到过Dojo，称Dojo是能够利用海量的视频（级别）数据，做“无人监管”的标注和训练的超级计算机。
并且如果认真了解过2019年“Autonomous Day”发布会，就会发现，特斯拉推出Dojo超算以及自研芯片，是必然且在规划中的事，是特斯拉不得不去做的事。
换句话说，不是特斯拉想要成为人工智能巨头，而是被逼无奈只能如此。
为什么要做Dojo？
其实这个问题马斯克曾在推特中回复过，大致意思为：“只有解决了真实世界的AI问题，才能解决自动驾驶问题……除非拥有很强的AI能力以及超强算力，否则根本没办法……自动驾驶行业大家都很清楚，无数的边缘场景只能通过真实世界的视觉AI来解决，因为整个世界的道路就是按照人类的认知来建立的……一旦拥有了解决上述问题的AI芯片，其他的就只能算是锦上添花。”
其实马斯克已经讲的很清楚了，笔者来稍微补充一些知识便于理解。
自动驾驶目前需要解决的难题，其实最核心和最困难的就是“感知”，换句话说系统对周围驾驶环境的感知能力越强，其自动驾驶的综合能力就越强；也就是从这里，行业里分成了两大流派，一个是以特斯拉和Mobileye（同时也有Lidar方案）为首的纯视觉方案；另外是其他所有相关公司，想尽可能加入更多的传感器融合方案。
这里暂且不去讨论究竟哪条路径是正确的，因为很有可能未来实现殊同同归的结果。
但是，无论是哪条路径，都需要对海量的数据进行深度学习，也就是对神经网络的训练，才有可能实现所谓完全自动驾驶，而且这是唯一途径。
原因很简单，自动驾驶的问题，可以理解为处理可能遇到的各种驾驶场景以及做出的操作，那么这个基本是“无限”的；如果有有限的编程方式，那么永远无法解决所有可能遇到的问题，或者说以人类的能力，根本无法覆盖那么多种变化的情况。
早期的各种自动驾驶系统，由于没有别的途径，只能用这样的“死板”方式去研发软件，所以其能力非常有限，只能应付相对稳定和条件限制较多的场景。
而如果想要实现识别各类型的场景，那么就需要这个“软件”不断自我适应和“进化”，这就是利用神经网络进行深度学习的原因了。
神经网络可以简单理解为通过“仿生学”模拟人类大脑皮层的神经元“沟通学习”的方式进行处理数据，用来实现“类人”的学习东西的方式。然而，概念很美好，现实很残酷。
1956年，达特茅斯夏季会议上各路大牛提出了AI定义，大大推动了AI和人工神经网络的发展，也被广泛人为是AI元年。当时人们信心满满，认为不用20年就能打造出跟人脑差不多一样的AI系统。结果在不断研究中发现，深度神经网络的算法太过复杂，从而无从下手。于是放弃了当初“大而全”的目标形式，转为以执行单一目标为方向。
值得注意的是，自动驾驶收集的数据中95%左右都是无效数据，也就是对神经网络训练压根没用，简单理解来说就是你每天做几乎相同的卷子，是得不到任何提升的。所以即便特斯拉的车辆仅在特定触发条件下才会收集部分数据，但得到的数据量依然非常庞大，需要Dojo这样为特斯拉自身软件优化过的定制超算，才能大大提高效率。
此外，前文提到过“无监督训练”也是Dojo的另一个核心目的，用于大幅度提高训练效率。
在神经网络训练中，其实海量的研究人员都是“调参侠”，简单理解也就是通过不断调“权重”来让神经网络判断越来越准确，或者是通过人工标注各种“正确答案”，让其学习。这就会导致“人”成为了效率的短板，从而致使整个过程的训练速度大幅降低。而如果实现“无监督训练”，也就是系统自己通过海量数据和以前“学习”的结果进行自动标注和调整，那么其效率将会是量子级别的提升。
举个简单的例子，谷歌的Alpha(配置|询价) Go击败世界围棋大师相信很多人都知道，也是一个人工智能在特定领域击败人类的标志事件。作为对比，Alpha Go经过人工参与调整和标注的训练结果，经历了几年时间击败了全球高手。而作为无监督训练的范例Alpha Zero，仅用三天时间自己与自己对弈，就击败了Alpha Go Lee，在21天打到了Alpha Master的水平，并在40天超越了所有的旧版本。
总结起来，如果特斯拉完成了Dojo的打造，那么就能够以惊人的效率用海量的数据进行训练，解决各种“边缘场景”的问题，加快自动驾驶系统的成熟和完善；更关键的是，特斯拉对其软硬件的垂直整合度非常高，不仅不受制于别人，而且能够以此作为服务，给外界提供深度学习的训练业务。
这也是为什么马斯克敢说，未来特斯拉将会是最大的几家人工智能公司之一。
会有One More Thing吗？
此次特斯拉的“AI Day”，不出意料的话会把Dojo芯片作为最重点的内容进行软硬件的介绍；当然也会覆盖FSD Beta相关的进展介绍，但就目前的信息来看，还极有可能会推出新的基于7nm技术的HW4.0硬件。
毕竟在2019年“Autonomous Day”时，马斯克就说过HW4.0的研发已经进行了一半，所以此次发布会，也很有可能借此机会发布新的车载芯片硬件。
总之，此次特斯拉“AI Day”发布会，很有可能再次在汽车行业甚至是AI领域掀起一波浪潮，至于到底会不会有更多的惊喜，那就到等那天才能揭晓了。