特斯拉悄悄搞出无人车AI芯片,已经投产测试,而且没带英伟达

简介:
本文来自AI新媒体量子位(QbitAI)

伊隆·马斯克的野心似乎没有边界。

这位硅谷钢铁侠一边大声疾呼警惕人工智能,一边带领特斯拉悄无声息的投入自动驾驶AI芯片开发,而且已经接近开发完成。

085b045ace1b4c74a1837a0fbebaea87a7f246a9

秘密研发AI芯片

据透露,特斯拉已经收到这款AI处理器的首批样品,并且正在进行相关测试。

为什么特斯拉要研发AI芯片?归根结底还是为了自动驾驶做准备。无人车有大量数据需要处理,AI芯片事关特斯拉自动驾驶的未来。而且重要的是,特斯拉不希望这么核心的无人车部件,还得仰人鼻息。

但这么秘密的事儿,是怎么曝光的?

都怪大嘴巴。

昨天,芯片制造商格罗方德(GlobalFoundries)的CEO在加州的一次技术会议上,不经意的提到特斯拉就是他们的一个合作案例。这一下就引发了外界的关注:原来特斯拉在谋划研发处理器!

随后这段开头提到的细节就被挖出来了。以及,随后格罗方德不得不发表声明,否认对客户或者潜在客户发表评论,同时否认与特斯拉有直接合作。

这个声明说的没错,与特斯拉有直接合作的是AMD。特斯拉这个AI芯片并非完全独立开发,而是构建在AMD的知识产权基础上。

而格罗方德是一家从AMD拆分出来的晶圆厂,后来把股份彻底卖给了中东土豪,不过根据双方的协议,格罗方德2020年前都要向AMD供应晶圆。由于这层关系,也由于英文缩写,格罗方德被戏称为AMD的女朋友(GF)。

至少女朋友还出来说了一两句,AMD和特斯拉直接拒绝回应。最好的反应来自股市,消息传出后,AMD股价今早收盘前出现干拔式上涨。

e193fdc8f4568ef836bb3f50a52cb4e26386b99a

 AMD股价变化

英伟达也被抛弃了

等等……

怎!么!会!是!AMD!?

最近一直跟特斯拉过从甚密的,不是英伟达么?

这已经不是特斯拉第一次“移情别恋”了。去年7月,Mobileye宣布与特斯拉终止合作关系,作为ADAS领域最牛的公司,Mobileye此前一直为特斯拉的自动驾驶系统提供核心技术支持。

然而,自从去年5月的特斯拉车祸之后,Mobileye和特斯拉之间的嫌隙变得无法弥合。马斯克此前一直激进的宣扬特斯拉无人驾驶技术,但Mobileye认为还不够好,并且很早就要求要求特斯拉保证Autopilot的安全性。

Mobileye选择与特斯拉分手后,英伟达来了。从去年10月开始,特斯拉的车上都开始装配英伟达的Drive PX2。当时据说选择英伟达还是AMD,也让特斯拉纠结过一下下,不过最终英伟达胜出没有什么意外。

fa7dcc33819e7cc5050f229e8b46c2ac25dcb592

英伟达技术领先,在AI的浪潮下公司业绩和股价节节创新高,产品也是供不应求。但,还记得上面我们提到特斯拉不想仰人鼻息么?没错,这“人”指的就是英伟达。特斯拉不想受制于人。

特斯拉的AI芯片研发团队规模已经超过50人,而且团队的核心成员正是来自AMD,包括首席硬件工程师、系统电路设计主管等。

对了,其实特斯拉在跟Mobileye合作的时候,内部就有一个团队在秘密研发可以代替Mobileye的计算机视觉产品。所以,特斯拉这次甩开英伟达自己造AI芯片,其实并不令人意外。

只是不知道老黄怎么想。

芯片战火持续

尽管英伟达是现在当红的AI芯片制造商。

然而,想自己另起炉灶生产AI处理器的大有人在。具体到这篇所讲的自动驾驶/无人车领域,巨头云集而且各自有各自的盘算。

比方特斯拉一直没有跟英特尔有合作。英特尔后来斥资150多亿美元收购了Mobileye,并且和宝马、菲亚特克莱斯勒等传统车厂不断结盟

一份来自来自博恩斯坦(Bernstein)的新报告指出,德国汽车公司的自动驾驶技术,比特斯拉的Autopilot更先进、更复杂。“特斯拉有很多优势,但在自动驾驶能力上过度宣传了”,伯恩斯坦分析师说。

而且报告指出,Waymo可能在自动驾驶技术上比所有人都领先。

Waymo是搜索巨头Google旗下的无人车业务,而Google在AI方面的研发实力有目共睹。与英伟达把GPU应用在多个领域不同的是,Google一直在致力于研发制造专用的AI芯片,例如TPU已经推出第二代。

此外,微软也在为HoloLens研发AI芯片;9月初华为发布的麒麟970芯片也增加了NPU,增强AI处理能力;刚刚发布的新一代iPhone手机里,全部配备苹果A11 Bionic处理器,里面同样配备了专门处理AI需求的神经引擎。

最后介绍一下特斯拉AI芯片的负责人:凯勒。

现年57岁的凯勒(Jim Keller),2016年初加入特斯拉,今年6月Chris Lattner离职之后,凯勒就成为特斯拉自动驾驶硬件和软件的负责人。此前,凯勒一直是芯片架构师,先后供职于上面提到过的AMD和苹果公司。

凯勒2008年加入苹果,曾经是A4和A5芯片的设计师。

看上去特斯来有备而来,且筹谋已久。

775e39b362d551219eac3a25842de87fa82a1dd7

本文作者:问耕
原文发布时间:2017-09-21
相关文章
|
18天前
|
机器学习/深度学习 人工智能 语音技术
Fugatto:英伟达推出的多功能AI音频生成模型
Fugatto是由英伟达推出的多功能AI音频生成模型,能够根据文本提示生成音频或视频,并修改现有音频文件。该模型基于增强型的Transformer模型,支持复杂的组合指令,具有强大的音频生成与转换能力,广泛应用于音乐创作、声音设计、语音合成等领域。
65 1
Fugatto:英伟达推出的多功能AI音频生成模型
|
16天前
|
人工智能 并行计算 程序员
【AI系统】SIMD & SIMT 与芯片架构
本文深入解析了SIMD(单指令多数据)与SIMT(单指令多线程)的计算本质及其在AI芯片中的应用,特别是NVIDIA CUDA如何实现这两种计算模式。SIMD通过单指令对多个数据进行操作,提高数据并行处理能力;而SIMT则在GPU上实现了多线程并行,每个线程独立执行相同指令,增强了灵活性和性能。文章详细探讨了两者的硬件结构、编程模型及硬件执行模型的区别与联系,为理解现代AI计算架构提供了理论基础。
54 12
|
18天前
|
人工智能 自然语言处理 知识图谱
英伟达nGPT重塑Transformer,AI训练速度暴增20倍!文本越长,加速越快
英伟达提出nGPT(Normalized Transformer),通过单位范数归一化和超球面上的表示学习,显著提升了Transformer模型的训练速度和性能。实验显示,nGPT在处理4k长度序列时,训练速度比传统Transformer快10倍,且在多个下游任务中表现出色。论文地址:https://arxiv.org/pdf/2410.01131
35 12
|
13天前
|
人工智能 数据安全/隐私保护 数据中心
“芯片围城”下国产AI要放缓?答案或截然相反
12月2日,美国对华实施新一轮出口限制,将140余家中国企业列入贸易限制清单。对此,中国多个行业协会呼吁国内企业谨慎选择美国芯片。尽管受限企业表示影响有限,但此事件引发了关于AI领域芯片供应的担忧。华为云推出的昇腾AI云服务,提供全栈自主的算力解决方案,包括大规模算力集群、AI框架等,旨在应对AI算力需求,确保算力供给的稳定性和安全性,助力中国AI产业持续发展。
|
20天前
|
机器学习/深度学习 人工智能 自然语言处理
智能化软件测试:AI驱动的自动化测试策略与实践####
本文深入探讨了人工智能(AI)在软件测试领域的创新应用,通过分析AI技术如何优化测试流程、提升测试效率及质量,阐述了智能化软件测试的核心价值。文章首先概述了传统软件测试面临的挑战,随后详细介绍了AI驱动的自动化测试工具与框架,包括自然语言处理(NLP)、机器学习(ML)算法在缺陷预测、测试用例生成及自动化回归测试中的应用实例。最后,文章展望了智能化软件测试的未来发展趋势,强调了持续学习与适应能力对于保持测试策略有效性的重要性。 ####
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
自动化测试的新篇章:利用AI提升软件质量
【10月更文挑战第35天】在软件开发的海洋中,自动化测试犹如一艘救生艇,它帮助团队确保产品质量,同时减少人为错误。本文将探索如何通过集成人工智能(AI)技术,使自动化测试更加智能化,从而提升软件测试的效率和准确性。我们将从AI在测试用例生成、测试执行和结果分析中的应用出发,深入讨论AI如何重塑软件测试领域,并配以实际代码示例来说明这些概念。
56 3
|
18天前
|
机器学习/深度学习 人工智能 并行计算
【AI系统】芯片的编程体系
本文探讨了SIMD与SIMT的区别及联系,分析了SIMT与CUDA编程的关系,深入讨论了GPU在SIMT编程的本质及其与DSA架构的关系。文章还概述了AI芯片的并行分类与并行处理硬件架构,强调了理解AI芯片编程体系的重要性,旨在帮助开发者更高效地利用AI芯片算力,促进生态繁荣。
42 0
|
19天前
|
机器学习/深度学习 存储 人工智能
【AI系统】谷歌 TPU v2 训练芯片
2017年,谷歌推出TPU v2,专为神经网络训练设计,标志着从推理转向训练的重大转变。TPU v2引入多项创新,包括Vector Memory、Vector Unit、MXU及HBM内存,以应对训练中数据并行、计算复杂度高等挑战。其高效互联技术构建了TPU v2超级计算机,显著提升大规模模型训练的效率和性能。
36 0
|
28天前
|
机器学习/深度学习 数据采集 人工智能
自动化测试的未来:AI与机器学习的融合之路
【10月更文挑战第41天】随着技术的快速发展,软件测试领域正经历一场由人工智能和机器学习驱动的革命。本文将探讨这一趋势如何改变测试流程、提高测试效率以及未来可能带来的挑战和机遇。我们将通过具体案例分析,揭示AI和ML在自动化测试中的应用现状及其潜力。
36 0
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
自动化测试的未来:AI与持续集成的完美结合
【10月更文挑战第39天】本文将探索自动化测试领域的最新趋势,特别是人工智能(AI)如何与持续集成(CI)流程相结合,以实现更快、更智能的测试实践。我们将通过实际代码示例和案例分析,展示这种结合如何提高软件质量和开发效率,同时减少人为错误。
71 0