广告

特斯拉自研芯片为弃用激光雷达买单,但D1仍存在一些技术问题

2021-09-10 16:39:06 综合报道 阅读:
日前,特斯拉发布了名为 D1 的定制 AI 芯片,用于训练其 Autopilot 自动驾驶系统背后的机器学习算法,号称性能上已经完全碾压英伟达GPU和谷歌TPU。斯坦福大学的 Gerdes 表示,特斯拉的战略是围绕其神经网络构建的。

日前,特斯拉发布了名为 D1 的定制 AI 芯片,用于训练其 Autopilot 自动驾驶系统背后的机器学习算法,号称性能上已经完全碾压英伟达GPU和谷歌TPU。tA2ednc

在此次活动中,特斯拉首席执行官埃隆马斯克表示,从用于训练公司神经网络的计算机系统中榨取更多性能将是自动驾驶取得进展的关键。“如果一个模型需要几天的时间来训练而不是几个小时,那将是一件大事,”他说。tA2ednc

在 2019 年改用英伟达硬件后,特斯拉已经设计了可以在其汽车中解释传感器输入的芯片。tA2ednc

但是,自研训练 AI 算法所需的强大而复杂的芯片要昂贵得多且具有挑战性。tA2ednc

“如果你认为自动驾驶的解决方案是训练一个大型神经网络,那么接下来就是你需要的那种垂直整合的策略,”斯坦福大学汽车研究中心主任Chris Gerdes说。tA2ednc

斯坦福大学的 Gerdes 表示,特斯拉的战略是围绕其神经网络构建的。tA2ednc

弃用激光雷达,倒逼特斯拉自研芯片

与许多自动驾驶汽车公司不同,特斯拉不使用激光雷达,它依赖于通过使用神经网络算法解析来自其摄像机和雷达的输入来解释场景。tA2ednc

许多汽车公司使用神经网络来识别道路上的物体​​,但特斯拉更加依赖这项技术,一个被称为“transformer”的巨大神经网络一次接收来自八个摄像头的输入。tA2ednc

近年来,Transformer 模型在语言理解等领域取得了巨大进步;收益来自使模型更大、更需要数据。tA2ednc

这对计算的要求更高,因为该算法必须从相机馈送重建周围环境的地图,而不是依赖可以直接捕获该图片的传感器,训练最大的人工智能程序需要价值数百万美元的云计算能力。tA2ednc

但特斯拉也比其他汽车公司收集了更多的训练数据。路上行驶的超过 100 万辆特斯拉汽车中的每一辆都将来自其八个摄像头的视频反馈回公司。tA2ednc

特斯拉表示,它雇佣了 1000 名员工来标记这些图像——注意汽车、卡车、交通标志、车道标记和其他特征——以帮助训练大型变压器。tA2ednc

在 8 月的活动中,特斯拉还表示,它可以自动选择要优先标记哪些图像,以提高流程效率。tA2ednc

Gerdes 表示,特斯拉的方法的一个风险是,在某个时刻,添加更多数据可能不会使系统变得更好。“这只是更多数据的问题吗?” 他说。“或者神经网络的能力是否比您希望的水平低?”tA2ednc

无论哪种方式,回答这个问题都可能代价高昂。tA2ednc

大型、昂贵的 AI 模型的兴起不仅激发了一些大公司开发自己的芯片;它还催生了数十家资金充足的初创公司,致力于专门的硅芯片。tA2ednc

人工智能训练芯片市场目前由英伟达主导,英伟达最初是为游戏制造芯片。当公司的图形处理单元 (GPU) 比通用计算机核心的中央处理单元 (CPU) 更适合运行大型神经网络时,该公司转向提供 AI 芯片。tA2ednc

在巧妙的递归中,人工智能也在推动芯片设计的多样化。芯片设计通常需要深厚的技术专长和判断力,但机器学习已被证明可有效实现流程元素的自动化。谷歌、三星和其他公司正在制造部分由人工智能设计的芯片。tA2ednc

分析师坎特表示,特斯拉 D1 等专用芯片仍存在一些技术问题,包括它们连接在一起的效率如何,以及算法在不同芯片上的拆分和传播效果如何。“从某种意义上说,你是在为你的软件团队开一张大支票来兑现,”他说。tA2ednc

Demi Xia编译tA2ednc

责编:DemitA2ednc

  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
  • 纳米技术加持:生物光子学迎接医疗应用前景 本文介绍四个相关用例,说明以激光驱动的生物光子学结合纳米技术的应用如何共同实现更理想的医疗健康效果。
  • 复旦大学研究人员发明晶圆级硅基二维互补叠层晶体管 复旦大学研究团队将新型二维原子晶体引入传统的硅基芯片制造流程,实现了晶圆级异质CFET技术。相比于硅材料,二维原子晶体的单原子层厚度使其在小尺寸器件中具有优越的短沟道控制能力。
  • 宝马AI“超级大脑”上线,驱动在华数字化发展 近日,宝马率先在华部署了代号为“灯塔”(BEACON)的人工智能(AI)平台,提供AI应用创新相关的开发、部署、集成与运行服务的平台化环境,加速实现多业务场景数字化。
  • 西工大打破吉尼斯世界纪录,扑翼式无人机单次充电飞行15 据西北工业大学官宣其扑翼式无人机单次充电飞行时间获得新的吉尼斯世界纪录,认定的纪录时间为 2 小时 34 分 38 秒 62(突破 154 分钟)。本次刷新世界纪录的“云鸮”扑翼式无人机采用了高升力大推力柔性扑动翼设计、高效仿生驱动系统设计和微型飞控导航一体化集成等关键技术,翼展 1.82m,空载起飞重量为 1kg,手抛起飞,滑翔降落,能够按设定航线自主飞行,飞行过程中能实时变更航线。
  • 电化学腐蚀制备新技术发表,“一步到位”制作电池电极 据了解,天津大学“英才计划”特聘研究员吉科猛团队联合湖南大学谭勇文教授团队利用钴磷合金研发出了仅用一步即可制成电池电极的电化学腐蚀制备技术,该相关研究成果将于近日发表在国际期刊《先进材料》上。
  • 麻省理工开发出纸一样薄的太阳能电池,每公斤功率是传统 麻省理工学院称其工程师开发出超轻织物太阳能电池,可以快速轻松地将任何表面变成电源。这些耐用、灵活的太阳能电池比人的头发丝细得多,粘在坚固、轻便的织物上,使其易于安装在固定表面上。它们的重量是传统太阳能电池板的百分之一,每公斤产生的功率是传统太阳能电池板的18倍。
  • iPhone 15全面升级,Ultra版本或超万元起售 据多方消息,明年苹果将在手机产品线上进行大范围的升级,如今的Pro版将不再是最高端版本,而是将推出一个全新产品iPhone 15 Ultra。
  • 英特尔展示下一代半导体器件技术,计划2030年实现万亿级 日前,英特尔在IEDM上展示多项与半导体制造技术相关的研究成果:3D封装技术的新进展,可将密度再提升10倍;超越RibbonFET,用于2D晶体管微缩的新材料,包括仅三个原子厚的超薄材料;能效和存储的新可能,以实现更高性能的计算;量子计算的新进展。此外,英特尔表示,目标是在2030年实现在单个封装中集成一万亿个晶体管。
  • 通过GaN电机系统提高机器人的效率和功率密度 机器人应用成功的关键因素之一是确保最佳的电机驱动器设计。
  • 湖南大学:基于2D的范德华异质结构,可用于晶体管及存储器 电子工程研究的一个关键目标是开发高性能和高能效的计算设备,这意味着它们可以快速计算信息,同时消耗很少的能量。一种可能的方法是将执行逻辑操作的单元和存储组件组合到一个设备中。
  • Codasip宣布成立Codasip实验室,以加速行业前沿技术的开 Codasip今日宣布成立Codasip实验室(Codasip Labs)。作为公司内部创新中心,新的Codasip实验室将支持关键应用领域中创新技术的开发和商业应用,覆盖了安全、功能安全(FuSa)和人工智能/机器学习(AI/ML)等方向。
  • 了解机器感知:激光雷达、3D视觉和地理空间AI 随着人工智能(AI)和物理世界的交叉,以及自主技术采用的增加,有人可能会提出质疑,机器及其目前脆弱的模型如何能以人类的方式感知世界。借助于诸如激光雷达、雷达和摄像头等自动驾驶汽车上所使用的传感器技术,机器已开始能收集实时数据来为决策提供信息,并适应现实世界的场景。
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了