特斯拉选择的是纯视觉的自动驾驶方案,这种方案对传感器的依赖较弱,但需要极强的数据处理和 AI 能力,这就使得自研适应性强的超级计算机显得很有必要。
随着自动驾驶的不断成熟,自动驾驶汽车公司对算力的需求正在呈指数级增长。在 2021 年计算机视觉和模式识别会议 (CVPR 2021) 上,特斯拉特斯拉人工智能与自动驾驶视觉总监(Director of AI and Autopilot Vision) Andrej Karpathy 公布了自家的第三个超级计算机集群,他声称这是还未发布的超级计算机 Dojo(Dojo 发音源自日语,意为 “道场”)的开发原型版本。
目前,这一开发原型版本的每秒浮点运算能力(FLOPS)已经达到世界第五的水平,而其正式版本,超级计算机 Dojo 将超越目前世界排名第一的日本超级计算机富岳(Fugaku,富士山的别名)。
特斯拉用超级计算机来做什么
其实早在 2019 年的特斯拉自动驾驶开放日 (Autonomy Day) 上,特斯拉 CEO 伊隆·马斯克就介绍过 Dojo 项目。彼时,马斯克提到,“那是一台超级强大的训练电脑,目标是能够接收大量数据并在视频级别进行培训,并使用 Dojo 程序或 Dojo 计算机对大量视频进行无监督的大规模训练 (unsupervised massive training)”。
Dojo 已经是特斯拉第三个自研的超级计算机项目了。那么,作为一家自动驾驶的车企,特斯拉为何要执着于打造超级计算机呢?
超级计算机(Super Computer),通常是体量巨大、造价高昂的设备,拥有数以万计的处理器,其能够执行一般个人电脑无法处理的高速运算,规格与性能比个人计算机强大许多。常用于需要大量运算的工作,譬如数值天气预报、运算化学、分子模型、天体物理模拟、汽车设计模拟、密码分析等。
对于自动驾驶车企而言,典型的自动驾驶解决方案有三种,分别是:1)基于视觉主导,采用 GPS 地图结合 AI 人工智能进行自动驾驶;2)基于激光雷达主导,视觉辅导,采用高精度地图和人工智能进行自动驾驶;3)基于车联网主导,多种传感器融合的人工智能自动驾驶。特斯拉选择的是第一种纯视觉的自动驾驶方案,这种方案对传感器的依赖较弱,但需要极强的数据处理和 AI 能力,这就使得自研适应性强的超级计算机显得很有必要。
在马斯克的介绍中,Dojo 将配合无监督学习算法(unsupervised learning)来减少特斯拉对于人工标注数据的工作量,进而帮助其实现指数级的数据训练效率提升。(注:无监督学习算法即无需人工对训练数据集进行标注,系统可以自行根据样本间的统计规律对样本集进行分析。如不给任何额外提示的情况下,仅依据一定数量“狗”的图片特征,将“狗”的图片区分出来)。
Dojo 的性能如何
在 2019 年特斯拉 AI Day 现场,马斯克说到“Dojo 使用我们自己的芯片和针对神经网络训练而优化的计算机架构,而不是 GPU 集群。如果我没弄错,这将是世界上最好的”。
如今,对于 Dojo 的雏形机,Karpathy 在 2021 年计算机视觉和模式识别会议 (CVPR 2021) 上表示,“我们展示的是使用 720 个 80GB 版本的 8x A100 节点构建的集群。这是一台巨大的超级计算机,就每秒浮点(FLOPS)运算次数而言,我认为它可能是全球第五的超级计算机。第五位目前由英伟达公司的 Selene 集群占据,该集群拥有非常相似的架构和类似的 GPU 数量(4480 对我们的 5760,所以少一点)”。
而对于 Dojo 最终发布的期望,特斯拉在 2020 年发布的推文中表示,Dojo 能够实现每秒千万亿次浮点运算(1000 PFLOPS),这将使得 Dojo 成为一款真正的尖端超级计算机。未来,Dojo 的算力将要达到每秒钟 exaFLOP(百亿亿次, 是千万亿次 PFLOPS 的 1000 倍) 的级别,并且运算速度要超过富岳(Fugaku),成为世界第一。
而富岳是目前世界上速度最快的超级计算机,其浮点计算的峰值速度可达到 442PFLOPS(每秒 442 x 1 千万亿次浮点运算),最高性能超过 1000 PFLOPS。
在 2020 年的世界超级计算机大会上(SC20),位列前五的超级计算机分别是,日本的富岳 Fugaku,美国的 Summit ,美国的 Sierra,中国的“神威·太湖之光” 和美国的 Selene。
评论