今天你还买不到完全自动驾驶的汽车，但全球汽车制造商都在争先恐后地成为第一家将此类车辆推向经销商的车企。没有两家公司在实现这一目标的技术道路上走得相同。一些公司使用激光雷达（LiDAR）等远程传感方法，而另一些公司则依赖基于雷达的传感器来帮助识别道路上难以看到的障碍物。通常，从事自动驾驶技术研发的公司会结合使用激光雷达、雷达和摄像头。
而特斯拉则认为，仅依靠摄像头进行基于视觉的图像识别是实现经济实惠且可靠的自动驾驶的关键。
但特斯拉的方法有个问题：完善基于视觉的自动驾驶非常困难。它需要使用一个不断改进的系统，该系统能够快速适应新的和不断变化的道路状况，然后必须能够将这些信息与其他道路上的车辆共享。这种学习需要比单辆车可用的处理能力大得多的计算能力——这需要一台超级计算机。
[相关：自动驾驶汽车在变道前会计算什么？]
在本月早些时候的国际计算机视觉与模式识别联合会议（International Joint Conference on Computer Vision and Pattern Recognition）的一次演讲中，特斯拉人工智能高级总监 Andrej Karpathy 透露，这家汽车制造商一直在进行一项旨在实现这一目标的计划。
特斯拉的新超级计算机尚未命名，至少没有公开命名。该集群本身由 720 台名为节点的独立计算机组成。每个节点有八个 Nvidia A100 80GB 图形处理单元（GPU），能够执行高强度浮点计算，其能力是标准桌面处理器近 500 倍。
总而言之，该集群拥有 5,760 个 GPU，相当于 1.8 exaflops 的处理能力。Karpathy 认为，这至少在理论上使特斯拉的超级计算机成为全球第五大最强大的计算环境。
现代特斯拉汽车使用一种名为 Autopilot 的高级驾驶辅助系统。这套功能允许车辆利用八个面向外部的摄像头收集车辆周围环境的数据，并在启用且适用时，在驾驶员的监督下执行横向（转向）和纵向（加速和制动）控制。虽然这不应与 Waymo 的高级自动驾驶混淆，但它是一个使用部分自动化的中间步骤，以弥合手动驾驶和完全自动控制之间的差距。
[相关：Waymo 如何教自动驾驶汽车应对停车场里的混乱局面]
Autopilot 利用来自道路上所有特斯拉车辆收集的信息来改进其驾驶决策。当特斯拉在街道上行驶时，其外部摄像头会不断收集关于外部环境的数据。车内的计算机研究这些数据，并预测在任何给定情况下如何应对，而无需实际向车辆发送控制信号。
这些信息在一个称为神经网络的机器学习架构上共享。然后，这些预测会被记录下来并发送回特斯拉，以确定该决策是否正确或是否有任何数据被误识别。如果确实存在错误，那么这些数据将不断通过超级计算机进行处理，调整其行为，直到它能够无误地处理，从而有效地训练特斯拉不断改进的 Autopilot 模型。
[相关：英特尔的新芯片将 teraflop 级性能带入你的桌面。这意味着什么]
这种方法不仅消耗大量处理能力，而且还需要大量的存储空间来储备构成 Autopilot 专有特斯拉数据集训练所需的百万个 10 秒视频片段。这些片段本身就需要 1.5 PB 的存储空间，而系统本身则能够存储大约 10 PB 的数据在超快的 NVMe 闪存上。
同样，特斯拉首席执行官埃隆·马斯克（Elon Musk）此前曾预告“Dojo 项目”，这是一个基于特斯拉专有芯片构建的超级计算机，专门为神经网络模型训练而设计。马斯克指出，在 2020 年底，建立组件之间的高速通信和高效冷却是一个持续的挑战，尽管该项目仍在进行中。
由于 Karpathy 的集群使用的是基于 Nvidia 的 GPU，因此它似乎与 Dojo 项目无关。然而，它在特斯拉成为首家能够实现公共道路上完全自动驾驶汽车的车企的最终目标中仍然发挥着重要作用。
特斯拉这个相当宏伟的目标已经引起了行业领导者和反对纯视觉车辆自动驾驶技术的批评者的极大怀疑，特别是考虑到这家汽车制造商拒绝在其自动驾驶套件中使用超高精度激光雷达。
[相关：这台超级计算机每秒将执行 1,000,000,000,000,000,000 次运算]
当今道路上的特斯拉汽车均不使用激光雷达。事实上，埃隆·马斯克在 2018 年称激光雷达是“拐杖”，并斥责该技术，转而支持特斯拉自己的视觉系统，然后在今年早些时候放弃了辅助雷达。仅此一项决定就导致特斯拉失去了美国国家公路交通安全管理局的安全认可。
与此同时，沃尔沃已选择在其即将推出的 XC90 SUV 的继任者上将激光雷达作为标准配置。
至于特斯拉，其当前一代超级计算机将有助于训练其 Autopilot 模型，而即将推出的 Dojo 项目可能还会发挥更大的作用。但只有时间能证明其视觉技术是否能战胜竞争对手，这意味着这是一个可能使其在自动驾驶领域领先地位得以巩固或被颠覆的赌博。
