Enhavtabelo[Kaŝi][Montri]
La mondo, kiel ni scias, povus ŝanĝiĝi kiel rezulto de artefarita inteligenteco (AI). Koncerne plibonigojn en duon-aŭtonomaj sistemoj, Tesla forte uzas ilin.
Krome, Elon Musk asertas, ke ĝi poste estos aplikata en aliaj kampoj. Por ĝia Plena Memvetura teknologio kaj Aŭtomatpilota sistemo,
Tesla uzas komputilan vizion, maŝinlernado, kaj artefarita inteligenteco (FSD).
En ĉi tiu peco, ni diskutos, kio faras Tesla teknologian firmaon kaj kiel ĝi uzas AI, komputilan vizion, grandajn datumojn kaj aliajn teknologiojn por evoluigi memveturajn aŭtojn. Ni komencu.
Ni unue ekzamenos kiel Tesla estas teknika firmao.
Kial Tesla estis konsiderata kiel teknologia kompanio?
Teslo produktas gravan kvanton da programaro. La karakteriza infodivertsistemo de Tesla, interfaco de uzanto, kaj aŭtonomiaj veturfunkcioj estas ĉiuj bazitaj sur programaro.
Dum aliaj aŭtoproduktantoj nur nun komencas eksperimenti kun trans-aeraj ĝisdatigoj, Tesla faras tion dum jaroj. Tesla-dungitoj kreis kaj kontinue plibonigas la operaciumojn por Tesla-aŭtoj.
Tesla ankaŭ produktas diversajn aliajn teknologiajn produktojn, inkluzive de sunpaneloj, tegmentaj sunaj kaheloj, pluraj specoj de baterioj, ŝargstacioj, komputiloj, kaj ŝlosilaj komputilkomponentoj (por Tesla aŭtoj).
Kvankam kaj Nokia kaj Blackberry havis programaron, la iPhone havis ekvilibran kombinaĵon de ambaŭ, tial ĝi konkeris la poŝtelefonan komercon kaj ŝanĝis kiel ni nuntempe uzas niajn telefonojn.
Jen kion Tesla faras por la aŭto-komerco. Teslaoj estas veturiloj, jes (kaj ĵipoj kaj baldaŭ ŝarĝaŭtoj, duonkamionoj kaj ATVoj). Sed ĉi tiuj veturiloj inkluzivas programaron por ĉiutaga uzado, kiu estis kreita de Tesla interne aŭ korpigita en la sistemon de Tesla.
Dum vi estas parkumita, Tesla enkondukis distrajn elektojn inkluzive de TRAX, Caraoke kaj multajn ludojn (kaj eble iam dum transiro). Sekureca sistemo Sentry Mode, kiu kombinas Tesla aparataron kaj programaron, helpis la policojn en solvado de krimoj kiel vandalismo. Via saĝtelefono funkcias kiel la ŝlosilo de via Tesla.
Uzante vian telefonon, vi povas voki vian Tesla por veni al vi. Aldone, la aŭto sciigos vian telefonon se estas grava evento danke al la unika teknologio Sentry Mode de Tesla.
Ĉar Tesla uzos la datumojn, kiujn ĝi kolektis pri la realaj veturkutimoj de Tesla-ŝoforoj (datumkolektado estas ŝlosila elemento de teknologio, precipe kiam ĝi estas rekta tiel kaj ne farita per merkatesploraj enketoj), la asekuro de Tesla ankaŭ estos etendaĵo. de la teknika flanko.
Kian teknologion Tesla uzas por Aŭtomata piloto?
Ili kreas kaj uzas aŭtonomion grandskale en maŝinoj kiel robotoj kaj aŭtoj. Ili asertas ke la sola metodo kiu povas provizi ampleksan respondon por plene aŭtonoma veturado kaj pretere estas unu kiu dependas de avangarda AI por planado kaj vizio, kompletigita per efika aparataro por inferenco.
Tesla FSD-blato
Tesla-sistemoj venas kun du AI-procesoroj por plibonigita efikeco kaj vojsekureco. La Tesla-sistemo celas al senerara funkciado. Pro la rezerva potenco kaj datenenigfontoj, la aŭto povas daŭri funkcii eĉ se unu unuo misfunkcias.
Tesla prenas ĉi tiujn kromajn antaŭzorgojn por certigi, ke la veturiloj estas bone pretaj por malhelpi kraŝojn en kazo de neantaŭvidita fiasko.
La nura aparato, kiu povas fari pli da operacioj je sekundo ol la nova Tesla mikroprocesoro, estas la homa cerbo (1 kvadriliono da operacioj sekundo). Tio estas ĉirkaŭ 21 fojojn pli potenca ol la antaŭe uzitaj Tesla Nvidia mikroĉipoj.
Konstruu AI-inferprocesorojn por funkciigi sian Plenan Memveturan programaron, konsiderante ĉiun malgrandan arkitekturan kaj mikro-arkitekturan plibonigon dum maksimumigo de silicia rendimento-po-vato.
Kvankam Tesla nediskuteble kondukas la merkaton por tute aŭtonomaj lokomotivoj, ĝi ankoraŭ estas tre malproksima de evoluigado de avangarda aŭtopilota veturilo.
Tesla Doĵo-blato
Tesla rivelis la Tesla D1, novan procesoron kun 362 TFLOP-oj da potenco en BF16/CFP8 kiu estis kreita precipe por artefarita inteligento. Ĉi tio estis malkaŝita dum lastatempa Tesla AI Taga prezentado.
Grandega blato estas kreita per konekto de reto de funkciaj unuoj nomata reto de funkciaj unuoj, al kiu la Tesla D1 aldonas entute 354 trejnajn nodojn. Ĉiu funkcia unuo havas kvar-kernan, 64-bitan ISA CPU kun laŭmenda, specialeca dezajno por ligotrapasado, elsendoj kaj transponoj. La superskala efektivigo estas uzata de ĉi tiu CPU (4-larĝaj skalaraj kaj 2-larĝaj vektoraj duktoj).
Ĉi tiu nova Tesla silicio estas pli malgranda ol la GA100 GPU trovita en la NVIDIA A100-akcelilo, kiu estas 826 mm kvadrata grandeco. Ĝi estas produktita per 7nm-procezo, havas 50,000 milionojn da transistoroj entute, kaj okupas 645 mm kvadratan areon.
Tesla asertas, ke ĝia Dojo-peceto prilaboros komputilajn viziajn datumojn kvar fojojn pli rapide ol nunaj sistemoj, ebligante la firmaon plene aŭtomatigi sian memveturan sistemon.
Tamen, la du plej malfacilaj teknologiaj heroaĵoj, nome la kahela-al-kahela interkonekto kaj programaro, ankoraŭ ne estis plenumitaj de Tesla.
La altnivelaj interkonektaj ŝaltiloj ne povas konkuri kun la ekstera bendolarĝo de iu kahelo. Por fari tion, Tesla kreis unikajn interkonektojn.
Doĵo-Sistemo
Kreu la Dojo-sistemon, de la altnivelaj programaraj API-oj por kontroli ĝin ĝis la siliciaj firmware-interfacoj. Uzu avangardajn alt-potencajn liverajn kaj malvarmigajn teknologiojn por solvi malfacilajn situaciojn, kaj krei skaleblajn kontrolbuklojn kaj monitoran programaron.
Uzu la tutan kompetentecon de iliaj mekanikaj, termikaj kaj elektraj inĝenieraj teamoj por evoluigi la venontan generacion de maŝinlernado de komputado por uzo en Tesla datencentroj. La sola limigo estas via imago.
Laboru kun ĉiu komponanto de sistema dezajno. Disvolvu publikan API, kiu igos Doĵon alirebla por iu ajn, kaj kunlaboros kun Tesla-floto lernanta liveri trejnajn laborkvantojn uzante siajn enormajn datumajn arojn.
Aŭtonomaj Algoritmoj
Kreu altfidelecan mondmodelon kaj intrigu trajektorion en tiu spaco por evoluigi la ŝlosilajn algoritmojn, kiuj funkciigas la aŭton.
Agregante datumojn de la sensiloj de la aŭto trans loko kaj tempo, algoritmo povas disponigi precizajn kaj ampleksajn grundajn verajn datumojn kiuj povas esti uzitaj por trejni Neŭraj retoj antaŭvidi ĉi tiujn reprezentojn.
Ili konstruas fortan planadon kaj decidsistemon uzante avangardajn metodarojn, kiuj povas funkcii en defiado de realmondaj scenaroj kun necerteco.
Analizi la algoritmojn je la nivelo de la tuta Tesla floto estas utila.
Neŭralaj Retoj
Profundaj neŭralaj retoj povas esti trejnitaj pri temoj intervalantaj de percepto ĝis kontrolo uzante avangardan esploradon. Por plenumi semantikan segmentadon, objektoidentigon, kaj unuokulan profundtakson, iliaj po-fotilaj retoj ekzamenas krudajn bildojn.
Iliaj birdvidaj retoj uzas bildojn de ĉiuj fotiloj por generi la desupran perspektivon de la vojaranĝo, senmova infrastrukturo kaj 3D objektoj.
Iliaj retoj estas konstante nutrataj datumoj de sia floto de ĉirkaŭ 1M aŭtoj, kiu inkluzivas la plej kompleksajn kaj diversajn cirkonstancojn en la mondo.
La 48 retoj kiuj konsistigas la tutan konstruaĵon de la Aŭtomatpilotaj neŭralaj retoj bezonas 70,000 GPU-horojn por trejni. Ĉe ĉiu tempopaŝo, ili produktas 1,000 malsamajn tensorojn (antaŭdiroj) kolektive.
Infrastruktura Taksado
Ili ankaŭ kreis infrastrukturon kaj malfermajn kaj fermitajn buklajn aparataron-en-la-buklajn taksajn ilojn laŭskale por akceli la rapidecon de novigado, monitori agado-plibonigojn kaj ĉesigi regresojn.
Ili utiligas la anonimigitajn karakterizajn klipoj de sia floto kaj korpigas ilin en multaj testscenaroj. Skribu kodon, kiu simulas ilian realan medion, generante nekredeble realajn bildojn kaj aliajn sensilajn datumojn por ilia Aŭtomatpilota programo por uzi por aŭtomatigita testado aŭ viva senararigado.
Kiel Tesla utiligas Grandajn Datumojn, Artefaritan Inteligentecon kaj Maŝinan Lernadon?
granda Datumo
Grandaj datumoj ne nur estas uzataj de Tesla por trakti problemojn; ĝi ankaŭ estas uzata por levi konsuman feliĉon. Ili akiras informojn de interretaj komunumoj de siaj klientoj, kaj ili uzas ĝin por plibonigi sian postan fabrikadon. Ĉi tiu tipo de klientinterago estas neaŭdita en komerco.
Grandaj datumoj subtenas la klopodojn de Tesla ŝpari kostojn, trovi novajn merkatojn, plaĉi al konsumantoj, krei novajn produktojn kaj plibonigi ĝiajn veturilojn.
La informoj estas uzataj por krei ege datum-densajn mapojn, kiuj montras ion ajn de la loko de riskoj, kiuj devigas ŝoforojn agi al la averaĝa pliiĝo de trafikrapideco super certa vojo.
Randa komputado determinas kian agon ĉiu individua aŭto devas fari nun, dum maŝinlernado en la nubo pritraktas trejnadon de la tuta floto.
Plie, ekzistas tria nivelo de decidiĝo, per kio aŭtoj povas konektiĝi kun najbaraj Tesla veturiloj por konstrui retojn kaj dividi scion pri la areo.
Ĉi tiuj retoj verŝajne ankaŭ komunikiĝos kun veturiloj faritaj de aliaj produktantoj kaj ankaŭ kun aliaj sistemoj kiel trafikfotiloj, surteraj sensiloj aŭ telefonoj en proksima estonta mondo kie aŭtonomaj aŭtoj estas ordinaraj.
Artefarita inteligento
Por povi veturi memstare, aŭtonomaj aŭtoj kontinue taksas datumojn de siaj sensiloj kaj maŝinviziaj fotiloj. Ili tiam faras decidojn surbaze de ĉi tiu informo.
Ili uzas AI por kompreni kaj antaŭvidi la movojn de bicikloj, piedirantoj kaj aŭtoj. Ili povas fari duonsekundajn juĝojn kaj rapide plani siajn agadojn uzante ĉi tiun scion.
Ĉu la aŭto devas resti sur la vojo en kiu ĝi estas nun, aŭ ĉu ĝi ŝanĝiĝu? Ĉu ĝi devus daŭrigi kiel ĝi estas aŭ preterpasas la aŭton antaŭ ili? Kiam la aŭto devas malrapidiĝi aŭ akceli?
Por fari aŭtojn plene aŭtonomaj, Tesla devas kolekti la necesajn datumojn por trejni la algoritmojn kaj nutri siajn AI. Pli da trejnaj datumoj ĉiam kondukos al pli bona rendimento, kaj Tesla elstaras ĉi-rilate.
Tesla havas konkurencivan avantaĝon ĉar ĝi kolektas ĉiujn siajn datumojn de la centoj da miloj da Tesla veturiloj kiuj nun estas survoje. Internaj kaj eksteraj sensiloj kontrolas kiel Teslas funkcias sub diversaj kondiĉoj.
Aldone, ili observas kiel ŝoforoj kondutas, inkluzive de siaj reagoj al diversaj situacioj kaj kiom ofte ili tuŝas la stirilon aŭ instrumentpanelon. Ili havas tre altnivelan spursistemon.
Ekzemple, Tesla registras momenton en tempo, aldonas ĝin al la datumkolekto, kaj tiam uzas kolorajn formojn por generi abstraktan bildon de la medio, de kiu la neŭrala reto povas lerni.
Ĉi tio okazas kiam Tesla veturilo faras malprecizan supozon pri kiel kondutus aŭto aŭ biciklo.
maŝino Lernado
Kun la uzo de internaj kaj eksteraj sensiloj, kiuj eĉ povas kapti informojn pri la loko de la mano de ŝoforo sur la kontroloj kaj kiel ili daŭre funkcias, Tesla maŝinlernado sukcese amasigas kelkajn el ĝiaj ŝlosilaj datumoj de ĉiuj ĝiaj veturiloj same kiel iliaj. ŝoforoj.
La informoj ankaŭ estas uzataj por krei tre datum-densajn mapojn, kiuj montras ĉion, de la averaĝa pliiĝo de trafikrapideco laŭlonge de aparta vojo ĝis la ĉeesto de danĝeroj kaj eĉ instigas ŝoforojn agi.
Dum parto de la randa komputado sur ĉiu individua aŭto determinas kian agon la aŭto devas fari ĝuste nun, la nubo-bazita maŝinlernado de Tesla estas zorge pri trejnado de la tuta floto.
Por interŝanĝi iujn el la lokaj komprenoj kaj informoj, aŭtoj povas interkonektaj kun iuj aliaj Tesla veturiloj proksime.
konkludo
Tesla ĉiam estis komerco, kiu produktas datumajn kolektadon kaj analizon, kiu estas la plej potenca ilo por kio ajn ĝi faras. Ili faris neniujn esceptojn dum dezajnado de siaj CPUoj.
La disvolviĝo de aŭtonomaj veturiloj kaj la analizo de statistikaj datumoj de la korporacio ebligis komplete ŝanĝi la manieron kiel ni veturas danke al artefarita inteligenteco, datuma analizo, grandaj datumoj, maŝina lernado, komputila vizio, neŭralaj retoj, FSD-blato kaj multaj aliaj algoritmoj.
Lasi Respondon