从车企向人工智能公司演变，特斯拉正在构建“超级计算机”

例如，当亚马逊作为销售书籍的电子商务解决方案推出时，任何人都没有想到，它通过不断增长的客户群和供应链收集的知识将导致它扩展到AWS和其他产品，这对提高公司的业绩意义重大。

换句话说，亚马逊远不止是一家电子商务公司，凭借自己的优势，它变成了一家在各个领域竞争的科技公司。

在考虑其核心业务iPhone时，苹果也是如此。几年前，投资者和分析师对苹果公司的脆弱性表示担忧，因为它严重依赖其iPhone产品线来增加收入和收益。而现在，虽然iPhone仍然是其旗舰产品，但苹果已经扩展到各种产品和服务，这些产品和服务共同为收入和盈利提供了重要的补充，补充了iPhone，在销售放缓时提供了缓冲。

日本本田公司研制的阿西莫机器人在2000年成为世界上水平最高的机器人，2013年波士顿也研制出了可以单脚站立，随时行走的机器人，并且还能够实现前滚翻，倒立等高难度动作。

人型机器人需要强大的算力支撑，能够让人形机器人受到控制，实时处理相应的任务，还需要机器人进行分解，并学会相应的算法，实现更像人类的控制。因为前期投资成本过高，所以人形机器人并不便宜，这也是市场无法扩大的原因，而马斯克很聪明地解决了这一点问题。

特斯拉本身是一家软件公司，只是碰巧也制造与软件配套的硬件方案。作为“软件定义汽车”的核心力量，特斯拉率先向汽车当中引入了系统与连接性元素。这既降低了成本、增强了功能，也让系统更新变得更加易行。事实上，虽然特斯拉在各个方面都处于领先地位，但其压制各家竞争对手最强的手牌当数出色的软件开发能力。

在Tesla Bot机器人的开发过程中，特斯拉把汽车上的一些技术运用到了人形机器人“擎天柱”上，“擎天柱”采用了跟特斯拉电动车相同的感知与计算单元，其中包括自研的芯片，以及三个自动辅助驾驶摄像头。它还直接从自动驾驶系统中，嫁接了计算机视觉神经网络。

这套视觉神经网络，能够做车周环境的渲染与简单建模，也能识别汽车摄像头摄录的图像流中，那些高频以及关键特征点。这些模型和关键点，能够帮助汽车识别以及预测环境中其他物体的状态，更好地导航。

在视觉导航、路径记忆以及规划上，同样技术也能为人形机器人赋能。

「我们已经将机器人集成到自动驾驶模拟器里」，团队内的一个成员说。不过他们也提到，汽车与机器人面临的环境有很大的不同，迁移并不简单，他们需要采集新场景中的训练数据，训练局部运动等新的算法模型。

汽车目前最重要的新兴能力就是自主驾驶功能，基本上属于软件问题。特斯拉的FSD beta因为把车主当成测试对象而受到争议，但正如人类自己也没法在不上路的情况下学会开车一样，自动驾驶汽车同样需要经历现实情况以制定应对策略。开发自动驾驶系统的公司可以根据现实世界数据建立模拟与测试模型，借此加速整个训练进程。

这就是Dojo的舞台所在。特斯拉已经在使用由英伟达GPU驱动的大型超级计算机处理其FSD数据，借此构建起更强的自动驾驶模型。该系统的一项重要任务就是“自动标记”，即为原始数据添加标签，使其成为决策系统中的一部分。尽管自动驾驶汽车在运行过程中也会自主执行部分识别，但大多数传感器数据还是要跟预处理过的世界模型相匹配，再针对特定情况采取预定义的动作。就像人类也会凭借以往的经验判断道路状况、做出相应反应一样，自动驾驶汽车同样要利用AI模型中的驾驶经验决定如何行动。

特斯拉的目标，是在2023年第一季度部署第一台Dojo exapod，但其他六台何时落地还不明确。当这种级别的处理性能安装到位之后，特斯拉的FSD模型训练将大大加快，由此推动自动驾驶汽车的显著发展。目前全球已经有16万多特斯拉车主在参与FSD beta，为公司收集真实世界中的驾驶数据。而Dojo exapod将利用这些数据构建起新的模型，向这16万名用户不断推送系统更新，由此形成良性循环。正反馈形成之后，可以想象，在可以预见的未来中将有更多测试者被吸引，Dojo将拥有难以想象的数据积累。

很明显，特斯拉正在提高其超级计算机的功率，为未来做准备。特斯拉不仅仅是在谈论成为一家电动车公司，而是在采取明显的措施试图拥有世界上最强大的超级计算机来教导和训练其人工智能，当考虑到特斯拉如何利用手中的专业知识将其应用于各种产品和服务时，这将是一条巨大的护城河。