文｜韩永昌

编辑｜李勤

近日，马斯克在推特上表示：车辆控制是FSD AI难题中的最后一关，这可以让超过30万行 C++ 控制代码减少约2个数量级。目前我们的工程师进展顺利，但训练计算的进展受限。

(资料图片仅供参考)

这似乎预示着，FSD的规控算法将引入大模型以加速落地。

FSD是特斯拉的自动驾驶软件。在马斯克的愿景中，FSD要让车辆做到不在人工干预的情况下完全自动驾驶，而且要比人类司机更安全。

而想要正式推出FSD或者说实现自动驾驶，需要攻克感知、规划、控制等技术关卡。只有在将第一步的感知问题解决之后，才能步入规划和控制阶段的攻关。

两年前，特斯拉重写感知模块代码，将大模型引入自动驾驶领域，提出了 BEV+Transformer 的组合。随后，小鹏、理想、蔚来等车企以及众多智驾供应商也逐渐开始使用 BEV+transformer 以解决感知层面的问题。自动驾驶第一步的“最优解”得到了多数人的认可。

大模型的引入给感知模块带来了明显的效果提升，“重感知轻地图”的趋势愈发明显，数据闭环体系也逐渐成型。

而今，马斯克再次透露，在规控算法中特斯拉同样用了AI算法精简代码，这意味着规控代码也正在被重写。重写代码后，系统本身的训练需要海量的数据和算力支撑，这或许也是马斯克表示“算力受限”的原因。

传统的规控算法基于规则制来运行，代码繁重，工作复杂。若特斯拉将大模型引入规控算法中，不仅将对代码进行精简，规控算法的训练也将进一步提速，将更加接近人类驾驶员。不过需要注意的是，规控环节的安全风险比感知环节的更高，因此也需要用传统的规则制来进行兜底。

但就目前来看，特斯拉在规控模块引入大模型还在前期阶段，需要解决的仍是算力问题。此前特斯拉工程总经理Tim Zaman也在推特上表示，目前我们的计算集群只有0.3%的空闲时间，其中84%的工作都是高优先级的，我们希望可以拥有更多的计算空间。

这一问题或许会随着 Dojo 的投入使用而有望得到解决。

据了解，7月份特斯拉自研的超级计算机 Dojo 已经正式投产。数据显示，每个 Dojo 都集成了120个训练模块，内置3000个D1芯片，拥有超过100万个训练节点，算力达到1.1EFLOP（每秒千万亿次浮点运算）。

马斯克对此期待已久，他认为 Dojo 的使用在训练成本上会让特斯拉有一个数量级的提高。根据特斯拉的规划，Dojo 将带动特斯拉进入算力快速增长期。2024年2月特斯拉的算力规模将进入全球前五，2024年10月特斯拉的算力总规模将达到 100 Exa-Flops。

随着 Dojo 的投入使用，特斯拉的规控算法将加快重建，FSD年内落地或将成为现实。而此后进展如何，相信马斯克还会再做出预告。