當地時間6月3日,特斯拉CEO埃隆·馬斯克在推特上預告,将在9月30日的特斯拉人工智能日上發布原型機。它叫“擎天柱”(Optimus),又被稱為“特斯拉人形機器人”(Tesla Bot),是特斯拉今年最重要的産品。
人形機器人的出現可以賦能千行百業,是人工智能場景的下一波浪潮,随着技術的不斷成熟和商業化落地,有望帶來萬億級别的空前藍海。
本期的智能内參,我們推薦華西證券的報告《Tesla Bot: AI的星辰大海》,解析人形機器人的市場前景。
來源 華西證券
原标題:
《Tesla Bot: AI的星辰大海》
作者:劉澤晶
一、AI新篇章,人形機器人特斯拉或将于 2022年9 月 30日推出首款人形機器人原型機,并将其命名為 ” OPTIMUS”。早在2021年8月19日,馬斯克在特斯拉人工智能日時提出推出人形機器人,旨意是解決從事重複性高、單調枯燥的危險差事。
馬斯克宣布進軍AI機器人領域,意味着特斯拉絕不隻是一家電動車公司,而是一家 AI公司。此外馬斯克聲稱特斯拉機器人有朝一日随着時間推移将比汽車公司更加重要。
特斯拉機器人可以簡單拆分2個域,即AI域及技術域。
AI域: 采用FSD computer作為算力核心,配備8個Autopliot Cameras作為傳感器,支持深度學習、大數據分析,Dojo訓練,自動标記等算法。
技術域:機器人頭部包含信息屏幕,用來展示信息,此外機器人由輕質材料組成,并且四肢包含40個左右的機電執行器,并通過力反饋感應系統來實現平穩和敏捷雙腳行走。
據馬斯克介紹,該機器人大約1.73米,體重約56.7千克,可抱起約20.4千克的貨物最快行走速度可約達8KM/時。
AI域是人形機器人的核心,因為機器人隻有通過不斷的機器學習的訓練,才能完成指定的任務。此外特斯拉人形機器人是特斯拉自動駕駛的集大成者,因為人形機器人的核心與智能駕駛共用 FSD系統,我們預計智能駕駛很多神經網絡系統将會應用在人形機器人中。
數據是實現智能駕駛和智能機器人的根基,而算力為機器學習、神經網絡提供基礎動力,随着特斯拉所處理的數據指數級的增長,公司由于耗電問題放棄Nvidia A100 GPU作為超級電腦的陣列去做訓練,而是憑借自身強大的垂直整合能力,研發出專注于深度學習訓練的Dojo D1芯片,于是特斯拉Dojo超級電腦應運而生。
D1芯片作為 Dojo超級計算機的關鍵單元,實現了超強算力和超高帶寬,實現了空間和時間的平衡。該芯片采用分布式結構和7納米工藝,搭載500億個晶體管、354個訓練節點,僅内部的電路就長達17.7公裡。
Dojo超級計算機實為 ”性能猛獸 ”,算力高達s 9PFLOPs 。Dojo超級計算機的訓練模塊由1500個D1芯片組成,共53萬餘訓練節點,相鄰芯片之間延遲較低,配合特斯拉自創高寬帶、低延遲的連接器,算力高達9PFLOPs,是世界上首屈一指的超級計算機。與業内相比,同成本性能可提升4倍,同能耗性能可提高1.3倍,占比空間節省五倍。
特斯拉DOJO1芯片示意圖
特斯拉 Dojo D1芯片主要可以拆解成4個部分,即CPU、 Switch、 Matmult、 SIMD。
CPU即中央處理器,是計算機系列的運行和控制核心,是信息處理、程序運行的最終指令單元。
Switch即交換器,是計算機芯片與芯片之間的橋梁,具有數據傳輸功能。
SIMD即單指令流多數據流,可以理解成平行計算,是采用一個控制器來控制多個處理器,介入實現空間并行性的技術,簡單來說是一個指令可以處理多個數據。
Mat mult 即計算單元,可以專注于神經網絡的計算,進而加速神經網絡的計算速度,是特斯拉計算機實現算力猛獸的根本原因之一。可以将該計算單元可以理解成人工智能芯片,即AI處理器,是一款芯片專門用于機器學習的算法及神經網絡的運算,可用于訓練和推理。相較于同期的CPU和GPU相比,可以實現15-30倍的性能提升,以及30-80倍效率(性能)提升。
Dojo D1芯片架構
機器視覺是 AI深度學習的一種應用與技術方向,無論是人形機器人還是智能駕駛都是機器視覺的落地方向之一。
神經網絡是實現 AI深度學習的一種重要算法,覆蓋人形機器人從識别到生成指令的全流程。是通過對人腦的基本單元神經元的建模和鍊接,探索模拟人腦系統功能的模型,并研發出的一種具有學習、聯想、記憶和模式識别等具有智慧信息處理功能的人工系統。神經網絡在智能機器人的應用廣泛,主要應用在物體識别、規劃、假設、訓練/ /測試等各個環節。
神經網絡最重要的特征是能從環境中學習,并把學習的結果分布存儲在網絡的突觸連接中。神經網絡是學習的一個過程。在環境的刺激下,相繼給網絡輸入一些樣本模式(input layer),按照一定的學習算法調整網絡各層的權值矩陣(hidden layer),待網絡各層權值收斂到一定值,學習過程會結束(output layer)。
特斯拉在智能駕駛和人形機器人在機器視覺的路徑上具有異曲同工之妙。一套完整的訓練、測試( (工作) )運動包含傳感器、感知、評估、規劃、制動器五個部分。
特斯拉機器視覺全流程示意圖
特斯拉最著名的 AI算法是其機器視覺中的純視覺解決方案,該算法在人形機器人的制造中将其延續。
基于圖像的目标檢測: 目的是确定圖象中是否存在給定類别的目标實例,可以是動态或靜态目标,如果存在,就返回每個目标實例的空間位置和覆蓋範圍。目标檢測是解決分割、場景理解、目标追蹤、圖像描述、事件檢測和活動識别等更複雜更高層次(時間記憶等)的視覺任務的基礎。
2D物體識别到 3D物體識别的轉換 : 特斯拉通過在8個不同位置的攝像頭,得到不同角度的同一物體,在通過神經網絡(類似NeRF算法)渲染出該物體的3D圖像,并記錄該物體的大小及位置;随後生成一個3D向量空間,通過鳥看圖的方式,通過另一種神經網絡(類似LSTM算法)和物體識别計算出物體下一時間點出現的位置,至此人形機器人完成全部的感知步驟,其中包含三維信息及時間維度信息,并将該信息存儲在訓練集中,并不斷強化學習。
特斯拉2D物體識别到3D物體識别的過程示意圖
從智慧城市到智能駕駛 AI浪潮的變化,預計人形機器人為人工智能的下一落地應用場景。
大數據時代 : 2016年AI戰勝柯潔,同時随着基礎算力的提升,我國開啟新一輪人工智能熱潮即大數據時代。政策、資本先行,應用場景逐漸豐富。無人機、AI翻譯機等相繼落地。
智能駕駛 : 随着海量數據的陸續爆發,基礎算力及芯片的陸續演進,特斯拉Autopilot憑借完善的功能定義、依靠數據不斷學習的算法,以及通過OTA實現的軟件升級,全球正式進入智能駕駛時代,同時,谷歌、百度、騰訊、華為等互聯網巨頭相繼入局,推動智能駕駛加速發展。疊加政策持續推動自動駕駛商業化運營落地。如今,我國國内廠商在智能座艙、駕駛等發面都取得實際性的突破,未來國産化的生态将大有可為。
人形機器人 : 未來随着人形機器人的落地,枯燥乏味、重複性高例如買菜、家務等工作極易被人形機器人取代,我們認為這是人工智能的下一波浪潮,國内公司極大可能複制在智能駕駛領域取得的成果。
人工智能浪潮的變化
根據麥肯錫數據稱,随着AI的不斷進步,預計2030年全球約有3.75億人口由于AI的技術突破将重新就業,從數量上看,我國将有1200萬至1.02億人口需要重新就業。全球平均被取代的勞動力比率為15%,我國作為人口大國基本與世界保持持平為16%。
此外,據馬斯克透露人形機器人的實際成本不會很高,可能比汽車還低。安德魯預測是25000美元,約人民币16萬元。按照特斯拉MODEL3 最低售價約為28萬元,保守估計Optimus售價為20萬元。長期來看,保守估計,到 2030年全球人形機器人市場規模可達萬億規模,是繼智能駕駛電車後又一 AI的空前藍海。
人形機器人的出現可以賦能千行百業,有望取代重複性高、單調枯燥的繁瑣工作任務,同時,搜索拯救等一系列危險問題工作有望得到解決,快遞、家政、服務業、工業等一系列場景有望率先得到落地。此外,人形機器人是 AI場景的下一波浪潮,随着技術的不斷成熟和商業化的落地,有望帶來萬億級的空前藍海,在我國智能駕駛的生态逐漸突破和成熟的背景下,人形機器人勢在必行,國内公司極大可能複制在智能駕駛領域取得的成果。
具備自研 AI處理器的廠商可以為人形機器人的神經網絡提供算力支撐。人工智能的本質及數據的海量運算,相較于AI算法,數據才是重中之重。算力作為數據加速處理的動力源泉,其重要性不言而喻。
根據機器學習的算法步驟,可分為訓練和推斷兩個環節,訓練環節需要極為龐大的數據輸入才能支持一個複雜的神經網絡模型,訓練過程中由于複雜的神經網絡結構和海量訓練數據,運算量巨大,因此對于處理器的算力、效率(能耗)要求極大。
AI處理器芯片可以支持深度神經網絡的學習和加速計算,相比于 GPU和 CPU擁有成倍的性能提升,和極低的耗電水平。此外,推斷環節相較于訓練環節的計算量相對較小,但依然會涉及大量的矩陣運算,因此,人工智能芯片将發揮大量作用。
人形機器人的落地需要下遊場景的數據融合,具備 AI算法落地的廠商具有比較優勢。特斯拉在智能駕領域已經實現了純視覺的解決方案,相關FSD系統可以直接用于人形機器人的機器視覺領域。
然而距離人形機器人的商業落地,其數據需要和下遊細分場景緊密結合,通過優質細分場景下的數據和算法進行不斷地疊代訓練,最後提供具有價值的商業服務。人形機器人在細分場景海量數據并不可以直接獲得,而具備AI算法商業化落地的公司本身具備卡位優勢,即與下遊細分場景連接密切,雙方可以通過合作共同賦能客戶,進而加速人形機器人的商業化落地。
智東西認為,特斯拉人形機器人的目标是在重複、枯燥、危險的環境和工況下應用,最終将走向我們的家庭,以徹底解決人工不斷短缺的趨勢。雖然特斯拉在AI、機器人技術方面有着雄厚的技術基礎,但是馬斯克的海口是否能成真,這可能得到9月才能見分曉。
,更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!