完全自动驾驶，特斯拉AP3.0有多逆天？
4月3日，特斯拉宣布，目前开发的自动驾驶软件和硬件方面——包括正在生产中、未来将通过无线软件更新实现全自动驾驶的FSD计算机，已经取得重大进展。
此外，众多特斯拉粉丝期待的全自动驾驶计算机（以前称为Autopilot Hardware 3.0升级版）现已投入生产，将在本月晚些时候举行新功能演示。
据消息透漏，特斯拉正在开发一种重要的新产品，它声称这将使它们能够为其车辆带来全自动驾驶功能：新的AI芯片，或“神经网络加速器”，将在Autopilot Hardware 3.0中发布电脑升级。
未来，它将通过无线软件更新实现全自动驾驶，搭载特斯拉自主研发的芯片。Autopilot 3.0搭载的这款芯片，运算能力是英伟达Drive PX 2的10倍，目前搭载全新芯片的车辆已经在路上进行测试了。
2018年，负责该项目的特斯拉芯片架构师Pete Bannon表示，他们正在加大制造力度，并计划在2019年第一季度末开始生产Autopilot Hardware 3计算机。
现在，在本季度结束后的几天，特斯拉宣布新电脑现已投入生产：
“特斯拉在其自动驾驶软件和硬件的开发方面取得了重大进展，包括我们的FSD计算机，该计算机目前已投入生产，并将通过未来的无线软件更新实现全自动驾驶。”
该公司没有确认新计算机在生产中的车辆可用性方面对生产意味着什么。
上周，首席执行官埃隆·马斯克（Elon Musk）澄清了特斯拉计划在新生产的HW3电脑进入生产后改装“全自动驾驶”汽车的计划。
购买“全自动驾驶”软件包的特斯拉车主将在特斯拉开始部署更多利用新硬件的高级软件时免费获得新升级。
同时，汽车制造商宣布他们将在4月19日展示即将推出的新软件：
“未来数周和数月内将有一系列振奋人心的动态发布，特斯拉将于4月19日上午在我们位于帕洛阿尔托的总部接待投资者，深入了解我们的自动驾驶技术和路线图。”
虽然该活动是针对投资者的，但每个人都可以通过网络直播看到。
特斯拉描述了4月19日将会发生的事情：“投资者将能够通过测试驱动器亲身体验我们的Autopilot软件，包括正在积极开发的特性和功能。投资者还将直接听到Elon Musk和工程副总裁Stuart Bowers，硬件工程副总裁Pete Bannon以及人工智能高级主管Andrej Karpathy的说法。
此事件发生之际，马斯克一直在指导特斯拉将在今年年底实现其计划中的全自动驾驶系统的第一次迭代。
特斯拉一直在为当前硬件优化自动驾驶仪软件，因此需要一段时间才能使软件适应新的HW3/FSD计算机并充分利用新的计算能力。
如果特斯拉已经开始在新车上安装计算机，这一点也不让人感到惊讶，但他们可能没有达到生产水平，以支持他们现在每周生产的约7,000辆汽车。
但改装计划更加有趣，因为特斯拉将不得不更换这么多电脑，特别是在最近的FSD折扣后，可能会带动许多特斯拉车主订购FSD套件包。
除了车载电脑系统的更新外，还有消息称特斯拉正为其汽车开发新语音命令功能，以引入人工智能助手体验。马斯克表示，特斯拉车主最终将“能够通过语音指挥做几乎任何事情”。
事实上，在特斯拉宣布AP3.0即将到来时，就有业者曾推测，3.0与硬件 2.0 和 2.5 的框架（ SOC+GPU ）类似，负责车机以及中控显示/操作的部分基于三星的猎户座7系列SOC打造，拥有最高八个 ARMCortex A72 内核以及最高 12 个 MaliT880 GPU 核心。
用马斯克的话说，AP 团队自研的 AI 芯片，比之前由Nvidia 提供的 GPU 整体表现强大很多。譬如，Nvidia GPU 能够达到每秒200帧的速度，而 Tesla 的硬件处理速度将达到每秒2,000帧的冗余。
如果了解手机芯片的朋友看到这里，可能会吐槽：7系列 SOC 可是 2015 年的老古董，理论性能甚至比不上特斯拉硬件 2.0，特斯拉拿这种芯片做硬件3.0，这不是开玩笑嘛？
实际上，根据 Very Green大佬的爆料，特斯拉自研芯片的核心部分，是与三星 SOC 通过PCIE 总线连接的四个不知名芯片——代号叫 TRIP。而这四个TRIP 芯片最重要的，就在于第一个字母 T——Tensor（张量）。
这个张量又是什么呢？当然，它不是某个人，而是现代机器学习的基础。它的核心是一个数据容器，多数情况下，张量代表着数据的集合，根据维度的复杂程度，有1D、2D、3D张量，一直到无限D张量之分。
专门用来处理张量数据的芯片，我们把它叫做TPU——Tensor Processing Unit。TPU 也是目前最适合用于于深度学习的芯片，甚至比GPU更加好使。
为什么呢？我们来举个例子——你是怎么分辨男女的？
一般情况下，穿着裙子的人是女性的可能性会更高，而穿着裤子的人则更有可能是男性。但在现实生活中，我们往往还需要结合很多个维度去判断——有没有喉结，有没有其他第二性征，声音的粗细程度，头发长与短，甚至脸型和四肢粗细等。
不仅判断的维度很多，不同维度在大脑决策中所占的权重都是各不相同的——比如现在穿不穿裙子或者裤子，在男女性别判断这个问题上所占的维度已经不如以前高了，这些判断问题需要参考的不同维度（包括不同维度所占的权重，也算一个额外的维度），就是N个D的张量。
张量的问题解释清楚了，但为什么TPU在应对深度学习的时候比 GPU 更好用呢？
再举一个更简单的例子：10 件上衣和 10 条裤子两两搭配，一共会出现多少种方案？答案是10x10＝100种，如果在加上 10 双鞋子，那就是10x10x10＝1000 种。结合上面有关张量的解释来说就是：深度学习的过程，某种程度上就是在算乘法。
可同样是算乘法，GPU 和 CPU 在进行深度学习的时候，都存在瓶颈，这个瓶颈是有专业名词解释的——冯诺依曼瓶颈。
冯诺依曼瓶颈来源于冯诺依曼架构，这也是现代电子计算机的基本框架，由于冯诺依曼架构将处理核心的指令集和需要处理的数据统一放在一个缓存里面，所以在处理器性能飞速发展的今天，缓存的读写速度出现了跟不上处理器运行速度的瓶颈。
TPU 的性质正好不会出现冯诺依曼瓶颈——TPU 设计之初的目的就是要借助深度学习，而不是像 GPU 一样进行大量通用运算，所以TPU的核心不需要为各种各样的指令作适配，术业有专攻，讲的就是 TPU。
如果特斯拉真的研发出了自己的 TPU，那就意味着马斯克再一次站在了世界的对立面——这个星球上有在推进自动驾驶研发的汽车制造商，没有一家在使用TPU进行自动驾驶深度学习，更别说自己造芯片了。
从 AP1.0 到 AP3.0 经历了3年的时间，如果整体改观并不大，继续挤“牙膏”，估计不少老用户都会彻底心寒。
按特斯拉以往的逻辑来看，不受限于供应商的技术，先让最先进的处理器上车，迭代软件的同时迭代硬件，真正的革命性核心组件自行研发，比如芯片。实在算力不够了，就给用户换主板。这种老套路用多了，就不灵了。
其实特斯拉 Autopilot 步步渐进的设定很好，但全自动驾驶的过度宣传和承诺，会不会成为继 Model 3 产能地狱之后的下一个大坑，还不好说。
本文内容整理自新浪、电动星球News等，转载请注明出处！
扫码加小编好友进群！
更多行业专家、业届大咖等你来撩！
广告投放 | 政府招商 | 产业报告
投融资 | 专家咨询 | 人才服务 | 论坛策划
↙合作需求，请点击“阅读原文”联系我们