马斯克承认特斯拉自研AI芯片！号称“世界上最好AI定制硬件”

一直以来，特斯拉自研 AI 芯片的传闻就时有传出，尤其是在去年他们挖走了AMD的传奇架构师 Jim Keller 之后，这种传言就显得更加“真实”了。

而现在，特斯拉CEO马斯克终于证实了这一猜测。在今年的神经信息处理系统大会 ( Conference and Workshop on Neural Information Processing Systems，NIPS )上，马斯克与特斯拉新任人工智能部门主管 Andrej Karpathy、特斯拉自动驾驶硬件工程副总裁 Jim Keller 和 Bloomberg（彭博社）风投机构 Bloomberg Beta 合伙人 Shivon Zilis 举行了一个谈话，承认 Keller 正在领导特斯拉开发自己的AI芯片。

图丨Jim Keller

对于Jim Keller，马斯克可谓是评价颇高，坚信他可以打造出“世界上最好的 AI 定制硬件”。而事实上，Jim Keller 的确可以称得上是天才架构师，他在 AMD 期间，设计出了K7 和K8等知名架构，后又在苹果设计出了 A4、A5 处理器，这可是当年 iPhone 最核心的部件。而在回到 AMD 之后，Keller 依旧才华横溢，继续贡献出最新的芯片架构。

2016 年跳槽到特斯拉之后，Jim Keller 从 AMD 带走了一批架构师和高管，根据 CNBC 在 9 月份的一则报道，特斯拉已经有超过 50 人在从事 AI 芯片的开发了，从中也可以看出特斯拉的早早置下的自研 AI 芯片的野心。

不过，不得不承认，马斯克的这一举动可以称得上是一次冒险之举。特斯拉第一代的 Autopilot 使用的是基于 Mobileye 的芯片，但在 Mobileye 被英特尔收购之后，两家情况发展的并不乐观，去年更是因为 Autopilot 的故障而出现了一次严重的事故，于是特斯拉转投英伟达，也就有了新一版的 Autopilot 2。

但以马斯克的性格来看，他是万万不可能长期依赖于英伟达或者其它第三方供应商的，要尽可能地将组件制造都掌握在自己的手中，这种长期以来的企业经营理念已经从他执掌的特斯拉和 SpaceX 两家公司的发展中展现的淋漓尽致。

但从更深层次的角度来讲，独立自研芯片无疑对加速自动驾驶汽车的研制具有重要意义。而且，随着芯片运算速度的提升，理论上来讲，车辆的安全性也将会因此而得以大幅提高。

可以说，随着人工智能技术的火热，越来越多的公司都已经开始为自己的科技产品添加“AI”的元素了。例如苹果和华为都已经开始将人工智能处理器加入到了自家最新的手机产品中；谷歌也利用 AI 强化了自己的云服务；甚至连无人机和相机都已经逐渐被 AI 化了。

那对于汽车来讲，AI的元素也肯定是不能缺少的。在NIPS会议上，马斯克就反复谈起了他雄心勃勃的自动驾驶梦——要在两年内实现L5级别的完全自动驾驶。同时，马斯克还预测人工智能的智慧程度会指数级增长，5至10年之内将超过人类。

图丨AI研究人员Stephen Merity对马斯克的乐观预测表示怀疑

特斯拉AI芯片设计团队核心人物：

Jim Keller堪称传奇的CPU设计生涯

Jim Keller是处理器产业界的传奇人物，他在 AMD 主导开发了堪称为传奇的K7、K8架构，业界首款突破 GHz 的CPU架构便是出自其手，不仅借此大幅拉近AMD 与英特尔之间的市占差距，甚至还曾小幅领先，让当初的英特尔如坐针毡，不得不提早请出以色列团队，祭出 Core 架构来与之对抗。

Jim Keller 最早在 DEC 工作，DEC 过去是家非常著名的 RISC 指令集处理器设计公司，其地位非常崇高，许多目前常用的指令集和总线设计概念可说多数出自 DEC 。Jim Keller 在 DEC 参与设计了 Alpha 21164 和 21264 处理器，更是被应用在许多大型主机中，包括中国超级计算济南中芯的神威蓝光超级计算器，就是采用此架构。

图丨Jim Keller

但是 X86 凭借兼容性与开发简易的优势崛起，传统的 RISC 处理器逐渐式微，DEC 也在 1998 年落得出售的命运，而 Jim Keller 也在此年投奔AMD，而在AMD 的短短一年之间，便主导设计出 K7 以及 K8 架构。而 K8 架构中的多种指令集以及 HyperTransport 总线设计，便是直接引入了他在 DEC 的设计经验。

Jim Keller 虽设计出架构，但 AMD 借此获得成功已经是好几年之后的事情。Jim Keller 并没有留下来见证 AMD 的成功，反而是早早离开去寻求人生当中的更大挑战。

在 1999 年，也就是加入 AMD 之后的来年便离职前往 MIPS 芯片设计公司 SiByte，但来年 SiByte 便被博通收购。2004 年他离开博通，前往 PA Semi 从事低功耗芯片的设计工作。

后来的发展大家都知道：PA Semi 被苹果给收购了。

Jim Keller 因此转而为苹果效力，并协助苹果创造出带来 iPhone 神奇使用体验与市场奇迹的 A4 以及 A5 两款处理器芯片。

但他渴望挑战，渴望开创新局面，而不是就既有的产品做改善。于是在 2012 年，回到穷困潦倒的 AMD。由于他离开之后，就没有什么值得一提的开创性产品，此时的 AMD 基本上只能靠着 Jim Keller 在 1998 年留下的“遗产”，一再小改版，只图能在市场上苟延残喘。Jim Keller 回到 AMD 之后，便着手进行 AMD 真正意义的下一代芯片产品。

AMD 在 2017 年上市的咸鱼翻身之作 Ryzen，就是他在这段时期发展出来的芯片架构。但一如既往，Jim Keller 留下了架构，在最终产品出货之前一年再度告别 AMD。

这次他前往何处？

他选择了特斯拉作为落脚之处。但当初他加入特斯拉的时候其实业界都很疑惑，毕竟在马斯克带领下的特斯拉是家非常奇怪的公司，他经营太空火箭运输事业，宣称未来人人都能上太空，甚至前往火星观光或殖民；经营能源事业，但违反企业经营常识的开放了大部分电池专利，希望大家共襄盛举，而不是关起门来自己做；他制造世界最好的电动车，而且因此涉入了自动驾驶甚至其他 AI 应用领域。但这些都和 Jim Keller 的专业没有直接关系。

直到最近，马斯克终于亲口证实了，他在 Jim Keller 协助之下，建立团队要打造自己的AI芯片！

为何特斯拉要自行开发 AI 芯片？才刚开始合作的 NVIDIA 不够好？

特斯拉才刚抛弃 Mobileye 投向 NVIDIA 的方案没多久，为何又想移情别恋？这要从 GPU 架构的先天限制说起了。

图丨在今年的北京 GTC 大会的媒体访问环节，英伟达 CEO 黄仁勋称，即使特斯拉会“叛变”不再用自己的芯片，他同样会继续使用特斯拉的车

NVIDIA 凭借着 GPU，在 AI 领域可说是呼风唤雨，地位不可一世，其市值甚至超越了高通。但 GPU 在 AI 领域逐渐普及之后，其短板也逐渐显露出来，首先，GPU 的功耗极为庞大，而且早期 GPU 只能做训练的工作，训练完的推理效率极差，因此仍须借助CPU的计算能来处理推理工作，后来也因此发展出不少专精于推理的芯片架构。

GPU 在机器学习方面的训练效率极高，但其缺乏弹性，毕竟 GPU 本身的计算模式相对固定，无法像 CPU 或 FPGA 可根据负载实时动态调整算法，虽然NVIDIA 针对开发工具包做了不少的强化，希望让 GPU 可以满足更多的AI计算情境，后来也在 GPU 架构中加入名为 TensorCore 的向量计算加速单元，借以获得与 Google 的 TPU 相提并论的推理计算能力。

但 NVIDIA 这么做，也等于是承认了 GPU 架构本身有其应用弹性极限，才不得不额外增加计算电路来改善效能。

因此 FPGA 阵营跳出来宣称他们可以根据不同的应用情境适配不同的算法，不论是训练、推理都能在单一架构上高效完成，而未来不论发展出何种新算法， FPGA 保证都能够马上针对该算法最优化。

而像寒武纪、Graphcore 以及 Wave Computing 等 ASIC 公司则是强调能耗极为优秀，且架构设计本身就针对各种既有 AI 计算所需要的情境进行优化，虽然无法做到像 FPGA 这样的弹性，但能效更好，芯片面积也更小。

所以，基于 GPU 架构的自动驾驶方案也有同样的问题，那就是功耗大，推理能力较差。以自动驾驶最常用的 CNN 卷积神经网络来说， NVIDIA 的 Drive PX2 推理性能上其实并不算特别出色，而其 20 TFLOPS 的计算能力是在高达 250W 的功耗下才有办法达成，且这个平台还只能支持 L4 级别的自动驾驶。即将量产的的 Xavier 可做到 30 TFLOPS，性能仅微幅增加，不过功耗大大降低到 30W，算是相当程度减轻了汽车的供电负担，此世代可以做到等级四的自动驾驶能力。

然而和 Mobileye 即将推出的 EyeQ4 及 EyeQ5 比较，前者可以在 3W 的功耗下达到 2.5 TFLOPS 的效率，后者则是在 10W 的功耗下达到 24 TFLOPS。而EyeQ 系列都是采用 CPU 混搭向量加速单元来做自动驾驶所需要的卷积神经网络计算，严格上来说，就是个 CPU 结合 ASIC 处理单元的异构产品。

特斯拉之所以抛弃 Mobileye 的方案，是因为当初用来作自动驾驶的 EyeQ3 方案性能太弱，只有 256GFLOPS，只能做到等级二的自动驾驶功能，而其下一代 EyeQ4 方案要到 2018 年才会量产，急于推出更高等级自动驾驶功能的特斯拉无法继续等待，所以才转向 NVIDIA 方案。

但是 NVIDIA 的 Drive PX2 方案却让特斯拉吃了苦头，为了达到 L3，甚至 L4 以上的自动驾驶功能，需要一定的性能表现，但是 Drive PX2 最高端的完整自动驾驶版本功耗高达 250W，却只能达到 20 TFLOPS，因此特斯拉便要求 NVIDIA 为其定制了一个特殊版本，将最高端版本的规模减半，性能只剩下 10 TFLOPS，但是功耗也能大幅降低到 100W 左右，降低对电池寿命的影响，避免行驶里程过低，但也因此，其自动驾驶能力勉强只能达到 L3 的程度，而不是其宣称的 L5。

图丨黄仁勋发布 Xavier 自动驾驶平台

当然，NVIDIA 推出的下一代 Xavier 自动驾驶平台在增加性能同时又大幅降低了功耗，理论上只要直接升级就好，但根据 NVIDIA 自己的说法，L5 级别的自动驾驶需要两套 Xavier 共同合作才有办法达成。

这么一来特斯拉就不能忍了。不是性能或功耗问题，而是成本因素。完整版Drive PX2 要价上万美元，Xavier 只有更贵，若要达成 L5 自动驾驶而必须搭配两套 Xavier 以及周边传感器，那成本恐怕是天价。若假设 2017 特斯拉全年出货量可达 10 万辆，且都采用 Drive PX2，那么光是要支付给 NVIDIA 的成本可能就会高达 10 亿美元以上。

然后唯一具竞争力的 MobileyeEyeQ5 要到 2019 年甚至更晚才有机会面世，这也让特斯拉打定主意开发自己的 AI 芯片，作为自动驾驶，甚至火箭飞控等其它应用领域的核心。

布局自有核心不只为汽车

虽然成本的因素可能是让特斯拉公开其 AI 芯片规划的主要原因之一，但早在与 Mobileye 合作之时，特斯拉就已经开始 AI 芯片的研究计划。当初的研究动机部分是为了取代性能较弱的 EyeQ3 ，但部分也是为了探索 AI 芯片应用的更大可能性。

当然，后来与 Mobileye 决裂，特斯拉并没有马上把研究成果投入自动驾驶领域建构自有方案，反而是与 NVIDIA 合作，一方面是为了求切合市场时机，避免落后竞争对手，二来是 NVIDIA 在自动驾驶领域拥有非常完整的生态与软件开发环境，可以有效缩短新款自动驾驶汽车的开发时间。

但特斯拉和苹果有相同的理念，那就是在关键零组件上面不能受控于人， NVIDIA 方案强势，而 Mobileye 缓不济急，高通和其他公司的自动驾驶又还不知道在哪里，市场上可说没有第二家方案可以选择，那么唯一的办法，就是自己做了。

当然，马斯克的眼光不是只放在汽车上，在火箭计划、能源管理以及正在规划的地下超级高铁，乍看之下天马行空，但深究下去就可发现，这些都是马斯克眼中未来运输的重要角色。为了达成这些计划的设定目标，自动化、智能化管理，都需要非常坚实的基础计算架构来建立，而这恐怕才是马斯克开发自有AI芯片的真正目的。