Table of Contents[Veşartin][Rêdan]
Cîhana ku em dizanin ev dibe ku di encama îstîxbarata sûnî (AI) de biguhere. Di derbarê pêşveçûnên pergalên nîv-xweser de, Tesla bi giranî wan bikar tîne.
Wekî din, Elon Musk destnîşan dike ku ew ê di dawiyê de di warên din de were sepandin. Ji bo teknolojiya xweya ajotinê ya tevahî û pergala Otopîlotê,
Tesla dîtina komputerê bikar tîne, fêrbûna makîneyê, û îstîxbarata sûnî (FSD).
Di vê beşê de, em ê nîqaş bikin ka Tesla çi dike fîrmayek teknolojiyê û çawa ew AI, dîtina komputerê, daneyên mezin, û teknolojiyên din bikar tîne da ku otomobîlên xwe-ajotinê pêş bixe. Were em destpêkin.
Em ê pêşî lêkolîn bikin ka Tesla çawa pargîdaniyek teknolojiyê ye.
Çima Tesla wekî pargîdaniyek teknolojiyê hate hesibandin?
Tesla hejmareke girîng a nermalavê hilberîne. Pergala agahdarî ya taybet a Tesla, user interface, û fonksiyonên ajotina xweser hemî li ser nermalavê têne çêkirin.
Dema ku otobusên din tenê nuha dest bi ceribandina nûvekirinên hewayê dikin, Tesla bi salan wiya dike. Karmendên Tesla pergalên xebitandinê yên ji bo otomobîlên Tesla afirandin û bi domdarî baştir dikin.
Tesla di heman demê de cûrbecûr hilberên teknolojîk ên din jî hildiberîne, di nav de panelên tavê, pêlên tavê yên li ser banî, çend celeb batar, stasyonên barkirinê, komputer û hêmanên sereke yên komputerê (ji bo otomobîlên Tesla).
Her çend hem Nokia û hem jî Blackberry xwedan nermalavê bûn, iPhone xwedan hevsengiyek her duyan bû, ji ber vê yekê ew karsaziya têlefonên desta bi dest xist û guhezand ka em çawa niha têlefonên xwe bikar tînin.
Ya ku Tesla ji bo karsaziya otomobîlê dike ev e. Teslas wesayît in, erê (û SUV û di demek nêzîk de kamyonên hilgirtinê, nîv-kamyon û ATV). Lê van wesayîtan nermalava ji bo karanîna rojane ya ku ji hêla Tesla ve di hundurê xwe de hatî afirandin an jî di pergala Tesla de hatî çêkirin vedihewîne.
Dema ku hûn parkkirî ne, Tesla vebijarkên şahiyê di nav de TRAX, Caraoke, û gelek lîstikan destnîşan kiriye (û dibe ku rojek di dema derbasbûnê de). Pergala Ewlekariyê Sentry Mode, ku hardware û nermalava Tesla bi hev re dike, di çareserkirina sûcên mîna vandalîzmê de alîkariya dadrêsî kiriye. Smartphone we wekî mifteya Tesla-ya we kar dike.
Bi karanîna têlefona xwe, hûn dikarin gazî Tesla-ya xwe bikin ku were ba we. Wekî din, ger bûyerek girîng hebe, bi saya teknolojiya yekta Sentry Mode ya Tesla, gerîdeya we dê têlefona we agahdar bike.
Ji ber ku Tesla dê daneyên ku li ser adetên ajotinê yên rastîn ên ajokarên Tesla berhev kiriye bikar bîne (komkirina daneyan hêmanek bingehîn a teknolojiyê ye, nemaze dema ku ew rasterast bi vî rengî be û bi anketên lêkolîna bazarê ve neyê kirin), bîmeya Tesla jî dê dirêjkirinek be. ji aliyê teknolojiyê ve.
Tesla çi teknolojiyê ji bo Autopilot bikar tîne?
Ew di makîneyên mîna robot û otomobîlan de di asteke mezin de xweseriyê diafirînin û bikar tînin. Ew îdia dikin ku yekane rêbaza ku dikare bersivek berfireh ji bo bi tevahî peyda bike ajotinê xweser û ji wêdetir yek e ku ji bo plansazkirin û dîtinê xwe dispêre AI-ya pêşkeftî, ku ji bo encamgirtinê ji hêla hardware bi bandor ve hatî temam kirin.
Tesla FSD Chip
Pergalên Tesla ji bo performansa pêşkeftî û ewlehiya rê bi du pêvajoyên AI-yê têne. Pergala Tesla ber bi operasyona bê xeletî ve armanc dike. Ji ber hêza paşvekişandinê û çavkaniyên têketina daneyê, ger yek yekîneyek xelet bixebite jî gerîdeya gerîdeyê dikare berdewam bike.
Tesla van tedbîrên din digire da ku pê ewle bibe ku wesayît baş amade ne ku di bûyera têkçûnek nediyar de pêşî li qezayê bigirin.
Yekane amûra ku dikare di çirkeyê de ji mîkroprosesora nû ya Tesla zêdetir operasyonan pêk bîne, mejiyê mirov e (1 quadrilyon operasyon di saniyê de). Ew ji mîkroçîpên Tesla Nvidia yên berê hatine bikar anîn 21 qat bi hêztir e.
Pêvajoyên encamdana AI-ê ava bikin da ku nermalava xweya Xwe-Afirandinê ya Tevahî hêzdar bikin, her û her pêşkeftina mîmarî û mîkro-mîmarî li ber çavan bigirin dema ku performansa silicon-per-watt zêde bikin.
Her çend Tesla bê guman pêşengiya bazarê ji bo lokomotîfên bi tevahî xweser dike, ew hîn jî rêyek dûr e ji pêşxistina wesayitek otopîlotê ya pêşkeftî.
Tesla Dojo Chip
Tesla Tesla D1, pêvajoyek nû ya bi 362 TFLOP hêza di BF16/CFP8 de ku bi taybetî ji bo hatî çêkirin, vekir. çêkirî. Ev di dema dawî de hate eşkere kirin Tesla AI Pêşkêşiya rojê.
Çîpek mezin bi girêdana torgilokek yekîneyên fonksiyonel ku jê re tê gotin tora yekîneyên fonksiyonel tê afirandin, ku Tesla D1 bi tevahî 354 girêkên perwerdehiyê lê zêde dike. Her yekîneyek fonksiyonel xwedan CPU-ya ISA ya çar-core, 64-bit e ku ji bo veguheztina girêdanê, weşan û veguheztinê sêwiranek taybetî, pispor e. Pêkanîna superscalar ji hêla vê CPU ve tê bikar anîn (boriyên vektorê yên 4-berfireh û 2-berfireh).
Ev silicona Tesla ya nû ji GPU-ya GA100-a ku di lezkera NVIDIA A100-ê de tê dîtin piçûktir e, ku mezinahiya wê 826 mm çargoşe ye. Ew bi pêvajoyek 7 nm tê hilberandin, bi tevahî 50,000 mîlyon transîstor hene, û qadek çargoşe 645 mm digire.
Tesla îdia dike ku çîpa wê ya Dojo dê daneyên dîtina komputerê çar carî zûtir ji pergalên heyî pêvajoyê bike, ku dihêle pargîdanî pergala xwe-ajotina xwe bi tevahî otomatîk bike.
Lêbelê, du serketiyên teknolojîk ên herî dijwar, ango pêwendiya tile-to-tile û nermalava, hîn ji hêla Tesla ve nehatine pêk anîn.
Veguheztinên torê yên pola herî jor nikanin bi firehiya bandê ya derveyî ya ti pêlekê re pêşbaziyê bikin. Ji bo ku vê yekê bike, Tesla girêdanên bêhempa afirand.
Dojo System
Pergala Dojo-yê, ji API-yên nermalava-asta bilind biafirînin ku wê heya navgînên firmware-ya silicon kontrol bikin. Ji bo çareserkirina rewşên dijwar teknolojiyên radestkirina hêza bilind û sarbûnê ya pêşkeftî bikar bînin, û lûleyên kontrolê yên berbelav û nermalava çavdêriyê biafirînin.
Tevahiya pisporiya tîmên xwe yên endezyariya mekanîkî, termal û elektrîkê bikar bînin da ku nifşa paşîn a hesabkirina fêrbûna makîneyê ji bo karanîna di navendên daneyê yên Tesla de pêşve bibin. Tenê sînorkirin xeyala we ye.
Bi her pêkhateyê re bixebitin sêwirana pergalê. API-ya rûbirû ya gelemperî pêşve bixin ku dê Dojo ji her kesî re bigihîje, û bi fêrbûna fîloya Tesla re hevkariyê bike da ku barkêşên xebata perwerdehiyê bi karanîna danehevên wan ên mezin re peyda bike.
Algorîtmayên Xweseriyê
Di wê deverê de modelek cîhanek pêbaweriya bilind biafirînin û rêgezek xêz bikin da ku algorîtmayên sereke yên ku otomobîlê dixebitînin pêşve bibin.
Bi berhevkirina daneyên ji senzorên gerîdeyê li cîh û wextê, algorîtmayek dikare daneyên rastîn ên erdê yên rast û berfireh peyda bike ku dikare ji bo perwerdekirinê were bikar anîn. torên neural ji bo pêşbînîkirina van nûneran.
Ew pergala plansazkirin û biryargirtinê ya bihêz bi karanîna metodolojiyên pêşkeftî ava dikin ku dikarin di senaryoyên cîhana rastîn ên dijwar ên bi nezelaliyê de tevbigerin.
Analîzkirina algorîtmayan di asta tevahiya fîloya Tesla de sûdmend e.
Tora Neural
Tora neuralî ya kûr dikare li ser mijarên ji têgihiştinê bigire heya kontrolê bi karanîna lêkolîna pêşkeftî ve were perwerde kirin. Ji bo pêkanîna dabeşkirina semantîkî, nasîna objektê, û texmîna kûrahiya monokuler, torên wan ên per-kamerayê wêneyên xav lêkolîn dikin.
Tora wan a çavê çûkan dîmenên ji hemî kamerayan bikar tînin da ku perspektîfa jor-jêr a xêzkirina rê, binesaziya statîk, û tiştên 3D çêbikin.
Tora wan bi domdarî daneya ji fîloya wan a bi qasî 1M otomobîlan, ku şert û mercên herî tevlihev û cihêreng ên cîhanê vedihewîne, têne peyda kirin.
48 torên ku tevahiya avakirina torên neuralî yên Autopilot pêk tînin ji bo perwerdekirinê 70,000 demjimêrên GPU hewce ne. Di her gavê de, ew 1,000 tensorên cûda (pêşbîniyên) bi hev re çêdikin.
Nirxandina Binesaziyê
Di heman demê de wan binesaziyê û amûrên nirxandina zencîreya vekirî- û girtî-li-li-loop-ê jî di pîvanê de çêkirine da ku leza nûbûnê bilez bikin, pêşkeftinên performansê bişopînin, û paşveçûn rawestînin.
Ew klîpên taybetmendiya anonîmkirî yên fîloya xwe bikar tînin û wan di gelek senaryoyên ceribandinê de vedihewînin. Kodê binivîsin ku hawîrdora wan a rastîn simule dike, dîmenên pir zindî û daneyên din ên senzorê ji bo bernameya xweya Autopilot-ê ji bo ceribandina otomatîkî an xeletkirina zindî bikar tîne biafirîne.
Tesla Daneyên Mezin, Zehmetiya Hunerî û Fêrbûna Makîneyê çawa bi kar tîne?
Daneyên mezin
Daneyên mezin ne tenê ji hêla Tesla ve ji bo çareserkirina pirsgirêkan têne bikar anîn; ew jî ji bo bilindkirina dilxweşiya xerîdar tê bikar anîn. Ew agahdarî ji civakên serhêl ên xerîdarên xwe digirin, û ew wê bikar tînin da ku hilberîna xwe ya paşîn zêde bikin. Ev celeb pêwendiya xerîdar di karsaziyê de nedîtî ye.
Daneyên mezin piştgirî didin hewildanên Tesla yên ji bo teserûfkirina lêçûn, dîtina bazarên nû, ji xerîdaran xweş bikin, hilberên nû biafirînin, û wesayîtên xwe zêde bikin.
Agahdarî ji bo afirandina nexşeyên pir bi daneya zexm têne bikar anîn ku ji cîhê xetereyên ku ajokaran neçar dikin ku tevbigerin heya bilindbûna navînî ya leza trafîkê li ser hindek rê nîşan dide.
Hesabkirina qirax destnîşan dike ku divê her gerîdeya ferdî niha çi karî bike, dema ku fêrbûna makîneyê di ewr de tevahiya fîloya perwerdehiyê dike.
Wekî din, astek sêyemîn a biryargirtinê heye, ku bi vî rengî otomobîl dikarin bi wesayîtên Tesla yên cîran re têkildar bin da ku toran ava bikin û zanyariyan li ser deverê parve bikin.
Dibe ku ev tora bi wesayîtên ku ji hêla hilberînerên din ve hatine çêkirin û her weha pergalên din ên mîna kamerayên trafîkê, senzorên erd-based, an têlefonên li cîhanek nêzîk-pêşerojek ku otomobîlên xweser gelemperî ne re jî têkilî daynin.
Îstîxbaratê ya sûnî
Ji bo ku karibin bi tena serê xwe ajotin, gerîdeyên xweser bi domdarî daneyên ji sensorên xwe û kamerayên dîtina makîneyê dinirxînin. Paşê li ser van agahiyan biryaran didin.
Ew AI-ê bikar tînin da ku tevgerên bisiklêtan, peyayan û otomobîlan fam bikin û pêşbîn bikin. Ew dikarin dadbarên duyemîn-duyemîn bikin û bi karanîna vê zanînê bi lez çalakiyên xwe plansaz bikin.
Ma gelo divê otomobîl di rêça ku niha tê de ye bimîne, an divê ew biguhere? Ma divê ew wekî xwe bidome an berê xwe bide gerîdeya li pêş wan? Divê kengê otomobîl hêdî bike an bilez bike?
Ji bo ku otomobîlan bi tevahî xweser bike, Tesla divê daneyên pêwîst berhev bike da ku algorîtmayan perwerde bike û AI-yên xwe bide xwarin. Zêdetir daneyên perwerdehiyê dê her gav bibe sedema performansa çêtir, û Tesla di vî warî de pêş dikeve.
Tesla xwedan pêşbaziyek pêşbaziyek e ji ber ku ew hemî daneyên xwe ji sed hezaran wesayîtên Tesla yên ku naha li ser rê ne berhev dike. Sensorên hundurîn û derveyî li ser ka Teslas di bin şert û mercên cûda de çawa tevdigerin tabloyan digirin.
Wekî din, ew dinihêrin ka ajokar çawa tevdigerin, tevî reaksiyonên wan ên li ser rewşên cihêreng û çend caran ew dest bi rêve an dashboardê dikin. Pergalek wan a şopandinê ya pir sofîstîke heye.
Mînakî, Tesla di wextê de gavekê tomar dike, wê li berhevoka daneyê zêde dike, û dûv re formên rengîn bikar tîne da ku wêneyek razber a hawîrdorê ku tora neuralî dikare jê fêr bibe çêbike.
Ev diqewime dema ku wesayitek Tesla texmînek nerast dike ka dê otomobîlek an bisîkletek çawa tevbigere.
Fêrbûna Machine
Bi karanîna senzorên hundurîn û derveyî yên ku tewra dikarin agahdariya li ser cîhê destê ajokerek li ser kontrolan û çawaniya xebitandina wan hildin, fêrbûna makîneya Tesla bi serfirazî hin daneyên xwe yên sereke ji hemî wesayitên xwe û hem jî wan digire. ajokarên.
Agahdarî di heman demê de ji bo afirandina nexşeyên pir danehevî têne bikar anîn ku her tiştî ji zêdebûna navînî ya leza trafîkê li ser dirêjahiya rêyek taybetî heya hebûna xetereyan nîşan dide û tewra ajokar jî ji ajokeran re dihêlin ku tevbigerin.
Dema ku beşek ji komputer li ser her gerîdeya ferdî diyar dike ka çi karî ku gerîdeya niha bike, fêrbûna makîneya ewr-based Tesla berpirsiyarê perwerdekirina tevahiya fîloyê ye.
Ji bo danûstendina hin têgihîştin û agahdariya herêmî, otomobîl dikarin bi hin wesayîtên din ên Tesla yên nêzîk re tevbigerin.
Xelasî
Tesla her gav karsaziyek e ku berhevkirin û analîzkirina daneyan hildiberîne ku ji bo her tiştê ku dike amûra herî hêzdar e. Dema ku CPU-yên xwe sêwirandin wan ti îstîsna nekir.
Pêşveçûna wesayîtên xweser û analîzkirina daneyên îstatîstîkî ji hêla pargîdaniyê ve bi saya îstîxbarata sûnî, analîza daneyan, daneyên mezin, fêrbûna makîneyê, dîtina komputerê, torên neuralî, çîpê FSD, û gelek algorîtmayên din, bi tevahî awayê ajotina me biguhezîne.
Leave a Reply