华雄看世界：到 2033 年，特斯拉的新微芯片将比人类“更智能

据dailymail报道，到 2033 年，特斯拉的新微芯片将比人类“更智能”——其处理能力目前占人脑的 36%。

根据汽车和货车租赁公司 Vanarama 进行的一项研究，D1 微芯片每秒可以处理 362 万亿次操作，而人的大脑每秒可以处理 1 万亿次操作。

该公司通过分析过去和现在的特斯拉微芯片做出预测，发现它们的能力正以每年 486% 的惊人速度增长。

根据Vanarama的说法， Elon Musk的公司将在今年发布新的 D1 芯片，这是其 Dojo 超级计算机平台的一部分——随着该公司的继续发展，它将成为该公司 Autopilot 自动驾驶系统的关键部分。



特斯拉的新微芯片到 2033 年将比人类更智能——其处理能力目前占人脑的 36%


该公司通过分析过去和现在的特斯拉微芯片做出预测，发现它们的能力正以每年 486% 的惊人速度增长

在您阅读上图的时间内，D1 芯片将完成 7.6 万亿次运算。

人类的大脑在婴儿出生的第一年会扩大两倍，到 25 岁时达到完全成熟，包含大约 1000 亿个神经元。

长期以来，研究人员一直表示，人工智能将超过人类的智力能力，尽管对于何时会发生存在广泛的意见。

“相信科技会在我们有生之年变得比人类聪明得多，这并不疯狂，”Vanarama 说。“微芯片目前能够像大脑突触一样工作，研究人员开发的芯片受到大脑运作方式的启发。”

之前的芯片称为Hardware  3，在 2019 年每秒执行 144 万亿次操作。在此之前，Hardware  2 可以处理 72 万亿次操作。D1 微芯片比六年前使用的 Nvidia 设备强大 30 倍。

看看这个增长率，Vanarama 解释说，特斯拉从开发开始只需要 17 年就可以达到成熟人脑的水平。

这项研究是在马斯克继续吹捧电动汽车的好处之际推出的——他周一在推特上说：“不久之后，我们就会像今天看待蒸汽机一样看待汽油车。今天购买的汽油车的残值将比人们想象的要低得多。

“这些芯片在特斯拉现有的自动驾驶功能中发挥了重要作用，但未来十年还有更多潜力，”Vanarama 说。

这是否意味着我们还需要 11 年才能在道路上看到自动驾驶汽车，还是会更早发生？只有时间和创新会证明一切。

深度解读特斯拉自研芯片架构

对于一家自动驾驶电动汽车制造商来说，花费数亿美元从头开始创建自己的人工智能超级计算机，超大规模人工智能训练的成本和难度有多大？公司创始人必须多么自负和肯定才能组建一支能够做到这一点的团队？

像许多问题一样，当您准确地提出这些问题时，他们往往会自己回答。很明显，SpaceX 和特斯拉的创始人兼 OpenAI 联盟的联合创始人埃隆马斯克没有时间或金钱浪费在科学项目上。

就像世界上的超级大国低估了完全模拟核导弹及其爆炸所需的计算能力一样，也许自动驾驶汽车的制造商开始意识到，在复杂的世界中教汽车自动驾驶这种情况总是在变化，这将需要更多的超级计算。一旦你接受了这一点，你就可以从头开始，建造合适的机器来完成这项特定的工作。



简而言之，这就是特斯拉的 Project Dojo 芯片、互连和超级计算机工作的全部内容。

在Hot Chips 34大会上，曾在Dojo超级计算机上工作的芯片、系统和软件工程师首次公开了该机器的许多架构特性，并承诺将在特斯拉AI日上谈论Dojo系统的性能。

Emil Talpes 在 AMD 工作了近 17 年，研究各种 Opteron 处理器以及命运多舛的“K12”Arm 服务器芯片，他介绍了他的团队创建的 Dojo 处理器。Debjit Das Sarma 则同期在 AMD 担任 CPU 架构师，他在演讲中受到赞誉，目前是特斯拉的自动驾驶硬件架构师，Douglas Williams 也是如此，我们对他一无所知。这家汽车制造商的首席系统工程师 Bill Chang 在 IBM Microelectronics 工作了 15 年，设计 IP 模块并致力于制造工艺，然后帮助 Apple 将 X86 处理器转移到自己的 Arm 芯片上，而Rajiv Kurian一开始在特斯拉工作，然后在Waymo工作。据我们所知，在去年 8 月的 Tesla AI Day 1 上发言特斯拉自动驾驶硬件高级总监Ganesh Venkataramanan负责Dojo项目。过去十五年里，Venkataramanan 还是 AMD CPU 设计团队的领导者。

所以以一种奇怪的方式，Dojo 代表了一个可替代的人工智能未来，如果特斯拉来帮助从头开始设计定制的人工智能超级计算机，从全新核心内核中的向量和整数单元一直到一个完整的 exascale 系统，专为 AI 训练用例的规模化和易于编程而设计。

与来自 AI 初创公司的许多其他相对较新的平台一样，Dojo 设计优雅而彻底。最引人注目的是特斯拉工程师在关注规模时抛出的东西。

“我们应用定义的目标是可扩展性，”Talpes 在演讲结束时解释道。“我们不再强调典型 CPU 中的几种机制，例如一致性、虚拟内存和全局查找目录，因为当我们扩展到非常大的系统时，这些机制不能很好地扩展。相反，我们依赖于整个网格中非常快速且非常分布式的 SRAM 存储。与典型分布式系统相比，互连速度高出一个数量级