特斯拉使用自家芯片吗，特斯拉使用自家芯片充电

尽管特斯拉的所有自动驾驶作用并未摆脱一些技术性阻碍监管和限定，但是其人工智能技术团队在特斯拉2022年人工智能日上展现了让人印象深刻工作。

10月1日的本年度主题活动觉得更像电子信息科学专题讲座。除开创办人埃隆·埃隆马斯克（Elon Musk）和仿生机器人擎天柱（Optimus）以外，特斯拉的20多位工程项目团队责任人还上台分享了自己在过去的一年中所取得的进度。

据特斯拉称，超出160，000名顾客在使用其FSD Beta软件。上年这一数是2000人。在过去的一年中，FSD团队一共训练了超出75，000个AI实体模型，并出货了281个实体模型，这种实体模型事实上提升了自动驾驶性能。

依据特斯拉自动驾驶手机软件主管Ashok Elluswamy的观点，训练神经网络系统方法包含全自动标识，仿真模拟与使用数据引擎，显而易见这也是一系列的实验和不正确。

培训过程规定特斯拉在一年内将学习培训基础设施建设扩张40-50%，做到国外好几个学习培训群集的约14，000个GPU。神经元网络如今在同一台自动驾驶计算机中的两大单独的片上系统（SoC）上实行，具备严格把控的端对端延迟时间。

该平台不但在特斯拉车上运作，并且在特斯拉智能机器人Optimus中运作。

语言表达建模

值得关注的是，该团队已经达到语言表达建模行业，以提升机器视觉。Elluswamy强调，语言表达建模将成为将来机器视觉的前提，机器视觉为车辆运作自动驾驶，并预测分析智能机器人抵达目的地的优化路径，比如在家里或工厂。

该全面的神经元网络可以创建具备物理学目标（即特斯拉专业术语里的占有）的3D线性空间，并且通过用单词和动态口令对行车道和路面结构开展编号来测试他们。

特斯拉自动驾驶仪视觉效果团队责任人罗伯特·埃蒙斯（John Emmons）表明，自动驾驶仪在初期根据对图象室内空间实例分割开展建模来测试车道。它可以有效的检验高速路等相对高度结构型的路，但有时候也会导致实行繁杂实际操作（比如在十字路口和其它路面网络拓扑结构更加复杂的区域轮着）时彻底奔溃。

为了能测试车道联接，该团队为系统软件开发了一种行车道语言表达，用以预测分析车辆及别的汽车的线路。可以将建模（行车道检验）为一种具备单词和动态口令的言语，便于可以借助近期的自回归构架，各种天气环境下，道路键入图象不足清楚。

根据预测分析全部物件将来运动轨迹的一组短期内范畴，还可以预测分析和预防风险状况。这便是词义在行车道测试中真真正正充分发挥的形式。

搭建用以 AI 锻炼的高性能计算机

工程负责人再怎样注重练习这种实体模型对改善的必要性都不为过，很多的练习将必须更多的计算水平和效率高。工程项目团队从DRAM撤离到具备带宽测试和低延迟的SRAM，虽然容积适度，但有利于完成算数单元高使用率。

该团队留意到现如今大部分智能机器人的另一个不同寻常的行为是，它们确定应用实体模型并行性做为训练法。

“特斯拉勤奋创建'不受限制'的发展理念，垂直整合它们大数据中心，以获取新效率水准，提升电力传输，制冷及其管理信息系统。因而，Dojo 自然环境很早被集成化到自动驾驶仪手机中，以找到手机软件工作负载经营规模限制。

以现阶段的编译程序性能，单独 Dojo 开始菜单能够更换六个 GPU 盒中的机器学习算法计算量。

高性能计算机的第一次规模性布署将针对必须高算数的强度全自动标识，如今在72个GPU声卡机架上占有4，000个GPU。预估四个 Dojo 网络机柜可提供同样的货运量。

第一个由10个Dojo网络机柜所组成的Exapod将在2023年第一季度在帕洛阿尔托布署，其全自动标识容积为2.5倍。除此之外，特斯拉计划未来在帕洛阿尔托布署七个Exapod。