近日多家媒體爆料稱，特斯拉那顆可支撐全自動駕駛的 AI 芯片 FSD 終于投入使用了。最重要的是，特斯拉的老車型也能通過改裝換上全新的 AI 芯片。

特斯拉的這顆芯片，是一種特殊類型的 AI 處理器，可以支持人工神經網絡（ANN），也就是我們常聽到的機器學習（ML）或深度學習（DL）。

需要指出的是，特斯拉定制開發的這顆 AI 芯片并不意味著特斯拉在 AI 領域取得了反轉一切的能力。至于全自動駕駛在現實世界的解決方案，特斯拉也只是剛剛入門。

不過，還有部分人士并不這么看，他們覺得 Musk 已經拿到「尚方寶劍」：特斯拉憑借這顆芯片就能鳳凰涅磐，最終引領我們進入全自動駕駛時代。

事實果真如此嗎？接下來，我們就來破除迷霧，見識一下特斯拉這顆 AI 芯片的真正實力。

1、有關 AI 芯片的背景知識

AI 芯片到底包含哪些部分？

據汽車了解，傳統的計算機需要 CPU（中央處理器）來執行系統工作，比如加載應用程序。

除此之外，大部分現代計算機還要有 GPU（圖形芯片）來支撐，它的工作是協助核心處理器完成圖形和動畫的渲染，讓用戶能在屏幕上獲取有效信息。

在機器學習或深度學習上，除了 CPU，GPU 的角色也突然重要了起來。

總得來說，GPU 從配角變主角，主要還是因為 ANN（人工神經網絡） 是個龐大的數值和線性代數問題，而它就是為這樣的數字混合而生的。

對開發者來說，GPU 簡直是上天的恩賜，誰也沒想到它能在 ML/DL 領域發揮如此巨大的功效。

GPU 的隱藏屬性「暴露」后，芯片開發者們開始為潛在的市場擴軍備戰，就連 GPU 的設計都開始為 ML/DL 任務傾斜。

在 FSD 芯片誕生前，特斯拉一直是拿來主義者，它最早與 Mobileye 合作，后又轉向英偉達。

現在，特斯拉則希望將命運攥在自己手中，用自研的這顆芯片為 Autopilot 撐起一片天地。

Autopilot 硬件迭代：2.0 - 2.5 - 3.0

在今年 4 月份的 Autonomy Day 大會上，特斯拉祭出了大殺器——FSD 芯片。這背后傳達的信息很清晰：就是要用自行研發的技術替代現有的英偉達芯片。

四個多月后，特斯拉工程師們又在 Hot Chips 大會（IEEE 主辦，專注于高性能處理器）上對芯片的一些關鍵組件提供了更多的解析。

這次深度解析也讓外界對特斯拉的 FSD 芯片重燃興趣。

需要注意的是，在大多數人眼里，這種處理器可統稱為「AI 芯片」。

這樣叫也不為過，但也別對它有太高的期待——AI 芯片目前還無法在預期領域實現全知全能的人工智能。

簡單來理解的話，這些芯片根本沒有任何類人的推理或常識能力，它只是能力暴增的數值計算設備罷了。

2、圍繞特斯拉新芯片的喧囂與躁動

毫無疑問，Musk 是下定決心要擺脫對英偉達芯片的依賴，在特斯拉的車輛上部署自行設計的 FSD 芯片（由三星代工制造）。

在這件事上，我們需要考慮幾個至關重要的問題：

• 對特斯拉來說，自研芯片真的有意義嗎？繼續堅持拿來主義是不是更明智？

• 如果硬要對比，特斯拉的自研芯片與現成的專用芯片有什么差別？

• 在全自動駕駛上，AI 芯片到底能實現什么？

1）純硬件方面的重點

有一點需要明確，那就是對 AI 芯片的討論只不過是全局的一小部分。只是芯片是純硬件領域的重點罷了。

想發揮硬件實力，還得要有相當好的軟件。

顯然，那些把特斯拉 FSD 芯片捧上天的人就忘了這一點，沒有一套好的軟件，再強大的硬件也實現不了全自動駕駛。

這不是否定硬件的重大意義，但硬件只是整場戰役的一部分，軍功章的另一半顯然屬于軟件。

從現有消息來看，Musk 手里還沒有能實現全自動駕駛的軟件。

2）設計上的配合與協同

如果要設計一款 AI 芯片，其中一種方案就是得知道芯片需要實現的一系列技術與性能指標。

當然，這樣還是屬于紙上談兵，只有不斷努力才能擴展 AI 的邊界。

對特斯拉來說，硬件工程師面臨的一系列情況其實還是限制了他們的發揮。

舉例來說，他們必須將功耗控制在一定程度內，否則會對用車成本及續航產生重大影響。

除此之外，新的處理器必須能嵌入老款芯片留下的位置，這就意味著其尺寸和形狀必須嚴格遵循原有設計。

在此期間，還要考慮前代產品的兼容性問題。

另外，自動駕駛芯片的設計還有一些約定俗成的規矩，比如體積、重量、功耗、散熱和成本等。

這些硬指標要是滿足不了，那么特斯拉邁出的第一步就會摔倒。

2、不恰當的比較

拿特斯拉 AI 芯片與其他廠商同類產品進行比較，合適嗎？拿新產品去「打」老產品顯然不合適。

也就是說，那些開口就提特斯拉 FSD 比現在的英偉達芯片快多少倍，其實都不懷好意。他們是在暗示特斯拉在此類技術上取得了巨大突破。

其實 FSD 的計算性能在當下市場上并非一騎絕塵的存在，只能說與對手互有勝負。

另一個為了讓外行們「高潮」而被大肆宣傳的巨額數字，比如特斯拉 AI 芯片上有 60 億個晶體管。

對普通人來說，60 億這個數字確實挺唬人，但事實上市場上早就有搭載 200 億個晶體管的 GPU 產品了。

同時，熟悉硬件的人都知道，僅晶體管數量是無法比較出芯片性能好壞的，而且還要考慮它們的設計用途。

1）初代產品純屬試水

對芯片設計稍有了解的人都知道，初代產品想落地就得經過一段崎嶇坎坷。

首先，有些潛在的 bug 必不可少。任何第一代產品都逃不過這個過程。即使 Musk 也不能免俗，時間的沉淀才是最好的解藥。

這對芯片來說也是如此。

由于其硅基結構的更改并不容易，因此大多數時候，硬件的問題需要用軟件來修補。工程師也會對硬件進行相應的更改和升級，不過這都是迭代多次后的事了。

顯然，放棄了拿來主義的特斯拉，也必須面對初代產品帶來的各種問題。

相比之下，市場上的現成產品就穩妥得多，畢竟除了原廠工程師，買方也會參與芯片的整合。

此外，在測試和驗證上，特斯拉目前是形單影只，因此發現起問題來肯定要慢得多。

2）定制芯片的機會成本

想要用好自主設計的芯片，還有一大堆問題值得注意。

放在特斯拉身上，AI 芯片的成本是第一個需要考慮的問題，如此勞心費力真的值得嗎？

在投入資源研發 FSD 時，Musk 到底付出了多少機會成本？

要知道，特斯拉不但要承擔昂貴的研發成本，后續的升級與改進成本也得自己承擔。在這個時代，芯片的升級進化也得日新月異，這并不是什么一錘子買賣。

除此之外，特斯拉還得養著自己的研發團隊。當下的自動駕駛市場，伯樂常有而千里馬不常有。即使有人才愿意投靠，也得經過一段時間的培養。

特斯拉走出這一步到底是對是錯只有時間能給出答案。Musk 終于能通過 FSD 扼住命運的咽喉，特斯拉無需再仰人鼻息了。

不過，定制芯片帶來的一系列蝴蝶效應最終還是要他去化解。

對 Musk 來說，這恐怕是一場精心策劃的賭博，同時也意味著一定程度的妥協。

3）冗余要求

從曝光的細節來看，特斯拉設計的兩顆芯片并行，以保證安全冗余。

如果兩個「大腦」意見不一，那么現有的駕駛狀況和動作規劃就會作廢，隨后是下一幀的捕獲與分析。

從表面上來看，這樣的設計比此前的實時冗余系統高，但我們還是有許多嚴肅的問題需要考慮。

從好的方面來說，這樣的設計確實能防止車輛「做蠢事」，但從本質上來說也只是將錯誤剔除而已。也就是說，特斯拉的冗余設計也有自己的弱點。

舉例來說，如果問題不是只出現一次，而是循環播放，一刻都不停歇，兩個「大腦」會持續否定對方，從而一直拖延系統做決定嗎？

想象一下，如果你開車時一直不敢做決定會出現什么情況，這并不是什么最優的駕駛策略。

另一個值得考慮的是，兩個「大腦」必須高度統一的設定。

這就是業內普遍選擇建立一套額外冗余系統的原因，不停重復的缺陷確實非常要命。

除此之外，我們還需要一種自我意識能力，當兩個「大腦」無法達成共識時，我們要知道其背后的原因。

當然，從分歧中找尋那些有價值信息的能力更為重要，這樣才能提升自動駕駛系統的決策能力。

3、值得贊賞的勇氣

許多人贊賞 Musk 的勇氣，認為特斯拉敢走出這樣一條路確實值得尊敬。

不過，從商業角度來看，這樣的選擇明智嗎？這顆芯片到底會為特斯拉打下百年基業還是成為埋葬它的墳墓？

這是 Musk 押上特斯拉的一場豪賭，特斯拉能否實現真正的自動駕駛就在此一舉了。

參考資料：

1. 特斯拉自動駕駛 FSD 芯片 NPU 詳解

https://zhuanlan.zhihu.com/p/83810731

2.特斯拉在 Hot Chips 上關于 FSD 的 PPT 整理

https://t.zsxq.com/uvna6q3