Bab lan Paragraf[Singidaken][Tampilake]
Donya sing kita ngerti iki bisa diganti amarga intelijen buatan (AI). Kanthi gati kanggo dandan ing sistem semi-otonom, Tesla akeh banget nggunakake.
Kajaba iku, Elon Musk negesake manawa bakal ditrapake ing lapangan liyane. Kanggo teknologi Full Self-Driving lan sistem Autopilot,
Tesla nggunakake visi komputer, learning machine, lan kecerdasan buatan (FSD).
Ing bagean iki, kita bakal ngrembug babagan apa sing ndadekake Tesla dadi perusahaan teknologi lan cara nggunakake AI, visi komputer, data gedhe, lan teknologi liyane kanggo ngembangake mobil nyopir dhewe. Ayo diwiwiti.
Pisanan kita bakal nliti kepiye Tesla minangka perusahaan teknologi.
Napa Tesla dianggep minangka perusahaan teknologi?
Tesla mrodhuksi jumlah pinunjul saka piranti lunak. Sistem infotainment khas Tesla, antarmuka panganggo, lan fungsi nyopir otonom kabeh adhedhasar piranti lunak.
Nalika produsen mobil liyane saiki wiwit nyoba upgrade over-the-air, Tesla wis nindakake pirang-pirang taun. Karyawan Tesla nggawe lan terus nambah sistem operasi kanggo mobil Tesla.
Tesla uga ngasilake macem-macem produk teknologi liyane, kalebu panel surya, ubin solar rooftop, sawetara jinis baterei, stasiun pangisi daya, komputer, lan komponen komputer utama (kanggo mobil Tesla).
Sanajan Nokia lan Blackberry duwe piranti lunak, iPhone nduweni kombinasi sing seimbang saka loro-lorone, mula iku bisa ngalahake bisnis ponsel lan ngowahi cara kita nggunakake telpon saiki.
Iki sing ditindakake Tesla kanggo bisnis mobil. Teslas minangka kendaraan, ya (lan SUV lan truk pickup, semi-truk, lan ATV). Nanging kendaraan kasebut nggabungake piranti lunak kanggo panggunaan saben dina sing digawe dening Tesla sacara internal utawa digabung menyang sistem Tesla.
Nalika sampeyan lagi diparkir, Tesla wis ngenalake pilihan hiburan kalebu TRAX, Caraoke, lan akeh game (lan bisa uga ana ing transit). Sistem keamanan Sentry Mode, sing nggabungake hardware lan piranti lunak Tesla, wis mbantu penegak hukum kanggo ngrampungake kejahatan kaya vandalisme. Smartphone sampeyan dadi kunci Tesla sampeyan.
Nggunakake telpon, sampeyan bisa nelpon Tesla kanggo teka menyang sampeyan. Kajaba iku, mobil bakal menehi kabar marang telpon yen ana acara penting amarga teknologi Mode Sentry unik Tesla.
Wiwit Tesla bakal nggunakake data sing wis diklumpukake babagan kabiasaan nyopir driver Tesla (ngumpulake data minangka unsur utama teknologi, utamane nalika langsung kaya iki lan ora ditindakake liwat survey riset pasar), asuransi Tesla uga bakal dadi tambahan. saka sisih tech.
Teknologi apa sing digunakake Tesla kanggo Autopilot?
Dheweke nggawe lan nggunakake otonomi kanthi skala gedhe ing mesin kaya robot lan mobil. Dheweke ujar manawa siji-sijine cara sing bisa menehi jawaban lengkap kanthi lengkap nyopir otonom lan ngluwihi iku siji sing gumantung ing nglereni-pinggiran AI kanggo planning lan sesanti, dilengkapi hardware efektif kanggo inferensi.
Tesla FSD Chip
Sistem Tesla dilengkapi karo rong prosesor AI kanggo kinerja sing luwih apik lan safety dalan. Sistem Tesla ngarahake operasi tanpa kesalahan. Amarga daya serep lan sumber input data, mobil bisa terus mlaku sanajan siji unit malfunctions.
Tesla njupuk pancegahan tambahan iki kanggo mesthekake yen kendharaan wis siyap kanggo nyegah kacilakan yen ana kegagalan sing ora dikarepake.
Siji-sijine piranti sing bisa nindakake operasi luwih akeh per detik tinimbang mikroprosesor Tesla anyar yaiku otak manungsa (1 quadrillion operasi per detik). Kira-kira 21 kaping luwih kuat tinimbang microchips Tesla Nvidia sing sadurunge digunakake.
Gawe prosesor inferensi AI kanggo nguwasani piranti lunak Full Self-Driving, kanthi nggatekake saben paningkatan arsitektur lan mikro-arsitektur cilik nalika ngoptimalake kinerja silikon-per-watt.
Sanajan Tesla mesthi mimpin pasar lokomotif kanthi otonom, nanging isih adoh banget kanggo ngembangake kendharaan autopilot sing canggih.
Tesla Dojo Chip
Tesla ngumumake Tesla D1, prosesor anyar kanthi daya 362 TFLOP ing BF16/CFP8 sing digawe khusus kanggo Kacerdhasan gawéyan. Iki dibeberke sak anyar Tesla AI Presentasi dina.
Chip ageng digawe kanthi nyambungake jaringan unit fungsional sing disebut jaringan unit fungsional, sing Tesla D1 nambahake total 354 simpul latihan. Saben unit fungsional duwe quad-core, 64-bit ISA CPU kanthi desain khusus kanggo traversal link, siaran, lan transposisi. Implementasi superscalar digunakake dening CPU iki (4-sudhut skalar lan 2-sudhut vektor pipelines).
Silikon Tesla anyar iki luwih cilik tinimbang GPU GA100 sing ditemokake ing akselerator NVIDIA A100, sing ukurane 826 mm persegi. Iki diprodhuksi nggunakake proses 7nm, duwe 50,000 yuta transistor sakabèhé, lan ngenggoni area 645 mm persegi.
Tesla ngaku chip Dojo bakal ngolah data visi komputer kaping papat luwih cepet tinimbang sistem saiki, supaya perusahaan bisa ngotomatisasi sistem nyopir dhewe.
Nanging, rong prestasi teknologi sing paling tantangan, yaiku interkoneksi lan piranti lunak tile-to-tile, durung rampung dening Tesla.
Switch jaringan kelas paling dhuwur ora bisa saingan karo bandwidth eksternal saka kothak apa wae. Kanggo nindakake iki, Tesla nggawe interkoneksi unik.
Sistem Dojo
Gawe sistem Dojo, saka API piranti lunak tingkat dhuwur kanggo ngontrol menyang antarmuka perangkat kukuh silikon. Gunakake pangiriman daya dhuwur lan teknologi pendinginan kanggo ngatasi kahanan sing tantangan, lan nggawe puteran kontrol sing bisa diukur lan piranti lunak ngawasi.
Gunakake kabeh keahlian saka tim teknik mekanik, termal, lan listrik kanggo ngembangake komputasi pembelajaran mesin generasi sabanjure kanggo digunakake ing pusat data Tesla. Watesan mung imajinasi sampeyan.
Bisa karo saben komponèn saka desain sistem. Gawe API sing madhep umum sing bakal nggawe Dojo bisa diakses sapa wae, lan kolaborasi karo sinau armada Tesla kanggo ngirim beban kerja latihan nggunakake set data sing gedhe banget.
Algoritma Otonomi
Gawe model donya kanthi kasetyan dhuwur lan plot lintasan ing papan kasebut kanggo ngembangake algoritma kunci sing ngoperasikake mobil.
Kanthi nglumpukake data saka sensor mobil ing papan lan wektu, algoritma bisa nyedhiyakake data bebener lemah sing akurat lan ekstensif sing bisa digunakake kanggo latihan. jaringan saraf kanggo ngantisipasi perwakilan kasebut.
Dheweke nggawe sistem perencanaan lan pengambilan keputusan sing kuat nggunakake metodologi canggih sing bisa digunakake ing skenario nyata sing tantangan kanthi kahanan sing durung mesthi.
Nganalisa algoritma ing tingkat kabeh armada Tesla migunani.
Jaringan saraf
Jaringan saraf jero bisa dilatih babagan masalah wiwit saka persepsi nganti kontrol kanthi nggunakake riset mutakhir. Kanggo ngrampungake segmentasi semantik, identifikasi obyek, lan estimasi kedalaman monokular, jaringan saben kamera mriksa gambar mentah.
Jaringan mripat-manuk dheweke nggunakake cuplikan saka kabeh kamera kanggo ngasilake perspektif ndhuwur-mudhun saka tata letak dalan, infrastruktur statis, lan obyek 3D.
Jaringan kasebut terus-terusan diwenehi data saka armada sekitar mobil 1M, sing kalebu kahanan sing paling rumit lan macem-macem ing saindenging jagad.
Jaringan 48 sing nggawe kabeh jaringan saraf Autopilot mbutuhake 70,000 jam GPU kanggo latihan. Ing saben langkah wektu, padha ngasilake 1,000 tensor (prediksi) sing beda-beda kanthi bebarengan.
Evaluasi Infrastruktur
Dheweke uga nggawe prasarana lan piranti penilaian hardware-in-the-loop mbukak lan tertutup kanthi skala kanggo nyepetake kacepetan inovasi, ngawasi peningkatan kinerja, lan mungkasi regresi.
Dheweke nggunakake klip karakteristik anonim armada lan nggabungake menyang pirang-pirang skenario tes. Tulis kode sing simulates lingkungan nyata, ngasilaken visuals luar biasa lifelike lan data sensor liyane kanggo program Autopilot sing digunakake kanggo testing otomatis utawa urip debugging.
Kepiye Tesla nggunakake Data Gedhe, Kecerdasan Buatan & Pembelajaran Mesin?
Big Data
Data gedhe ora mung digunakake dening Tesla kanggo ngatasi masalah; iku uga digunakake kanggo mundhakaken rasa seneng konsumen. Dheweke entuk informasi saka komunitas online klien, lan digunakake kanggo nambah manufaktur sabanjure. Jinis interaksi klien iki ora keprungu ing bisnis.
Data gedhe ndhukung upaya Tesla kanggo ngirit biaya, golek pasar anyar, nyenengake konsumen, nggawe produk anyar, lan ningkatake kendharaan.
Informasi kasebut digunakake kanggo nggawe peta sing padhet banget data sing nuduhake apa wae saka lokasi risiko sing meksa para pembalap tumindak kanthi rata-rata kacepetan lalu lintas liwat dalan tartamtu.
Komputasi ujung nemtokake tumindak apa sing kudu ditindakake saben mobil saiki, nalika sinau mesin ing awan ngurusi latihan kabeh armada.
Kajaba iku, ana tingkat katelu nggawe keputusan, ing ngendi mobil bisa nyambung karo kendaraan Tesla tetanggan kanggo mbangun jaringan lan nuduhake kawruh babagan wilayah kasebut.
Jaringan kasebut bisa uga bakal komunikasi karo kendharaan sing digawe dening pabrikan liyane uga sistem liyane kayata kamera lalu lintas, sensor adhedhasar lemah, utawa telpon ing jagad sing cedhak karo mobil otonom.
Kacerdhasan gawéyan
Supaya bisa nyopir dhewe, mobil otonom terus ngevaluasi data saka sensor lan kamera visi mesin. Dheweke banjur nggawe keputusan adhedhasar informasi kasebut.
Dheweke nggunakake AI kanggo ngerti lan ngantisipasi obahe sepedha, pejalan kaki, lan mobil. Dheweke bisa nggawe keputusan pamisah detik lan kanthi cepet ngrancang kegiatane nggunakake kawruh kasebut.
Apa mobil kudu tetep ing jalur sing saiki, utawa kudu diganti? Apa kudu terus mlaku utawa nyusul mobil ing ngarepe? Nalika mobil kudu alon utawa akselerasi?
Kanggo nggawe mobil kanthi otonom, Tesla kudu ngumpulake data sing dibutuhake kanggo nglatih algoritma lan feed AI. Data latihan sing luwih akeh bakal nyebabake kinerja sing luwih apik, lan Tesla unggul ing babagan iki.
Tesla nduweni keunggulan kompetitif amarga ngumpulake kabeh data saka atusan ewu kendaraan Tesla sing saiki ana ing dalan. Sensor internal lan eksternal ngawasi cara Teslas beroperasi ing macem-macem kahanan.
Kajaba iku, padha mirsani carane pembalap nindakake, kalebu reaksi kanggo macem-macem kahanan lan sepira kerepe dheweke nutul setir utawa dashboard. Dheweke duwe sistem pelacakan sing canggih banget.
Contone, Tesla nyathet kanthi cepet, nambahake menyang koleksi data, banjur nggunakake formulir warna kanggo ngasilake gambar abstrak lingkungan sing bisa dipelajari dening jaringan saraf.
Iki kedadeyan nalika kendaraan Tesla nggawe asumsi sing ora akurat babagan tumindak mobil utawa sepedha.
machine Learning
Kanthi nggunakake sensor internal lan njaba sing malah bisa njupuk informasi babagan lokasi tangan sopir ing kontrol lan cara terus dioperasikake, sinau mesin Tesla kasil nglumpukake sawetara data kunci saka kabeh kendharaan lan uga kendharaan. sopir.
Informasi kasebut uga digunakake kanggo nggawe peta sing padhet banget data sing nampilake kabeh saka rata-rata rata-rata kacepetan lalu lintas sajrone dalan tartamtu nganti ana bebaya lan malah ngajak para pembalap tumindak.
Nalika bagean saka komputerisasi pinggiran ing saben mobil individu nemtokake tindakan apa sing kudu ditindakake mobil saiki, pembelajaran mesin berbasis awan Tesla tanggung jawab kanggo nglatih kabeh armada.
Kanggo ngganti sawetara wawasan lan informasi lokal, mobil bisa nggawe jaringan karo kendaraan Tesla liyane sing cedhak.
kesimpulan
Tesla tansah dadi bisnis sing ngasilake pengumpulan lan analisis data sing minangka alat sing paling kuat kanggo apa wae sing ditindakake. Dheweke ora nggawe pangecualian nalika ngrancang CPU.
Pangembangan saka otonomi kendaraan lan analisis data statistik dening korporasi wis bisa ngowahi kanthi lengkap cara kita nyopir amarga intelijen buatan, analisis data, data gedhe, pembelajaran mesin, visi komputer, Jaringan saraf, chip FSD, lan akeh algoritma liyane.
Ninggalake a Reply