Konfrontacja „FSD Inteligentnego Wsparcia Kierowcy” Tesli z chińskimi rozwiązaniami wypada druzgocąco dla tych ostatnich. „Najbardziej zaawansowane systemy świata” mają podstawowe problemy z prowadzeniem samochodów, tymczasem FSD Tesli daje sobie radę nawet w trudnych sytuacjach. Jak to możliwe? Kluczem do rozwiązania ma być moc obliczeniowa układów, z których korzysta Tesla oraz poziom zaawansowania algorytmów.
FSD 1,5 roku przed Chinami w oprogramowaniu, z większymi mocami obliczeniowymi
Rok temu, w marcu 2024 roku Tesla rozpoczęła dystrybucję FSD/Autopilota end-to-end, wersji 12 (v12). End-to-end (E2E) oznacza, że sztuczna inteligencja stosowana jest na każdym z możliwych etapów treningu, poczynając od zbierania danych ze świata (kamery w samochodach -> komputer FSD), przez ich etykietowanie (centrum obliczeniowe Tesli), szkolenie software’u (również centrum obliczeniowe), aż po decyzje podejmowane na drodze (z powrotem: samochód). Człowiek pilnuje, żeby proces się nie wykoleił, ale cała nauka przebiega z gigantyczną szybkością, bo w obrębie specjalizowanych procesorów – widać je na zdjęciach w dalszej części tekstu.
Chiński think-tank ocenił, że już samo to daje Tesli przewagę, bo w Państwie Środka planowano użycie rozwiązań end-to-end najwcześniej w 2025 roku (źródło).
Exapod, ściana z komputerami służąca do szkolenia sztucznej inteligencji w Tesli (c) Tesla
Organizacja oszacowała, że w pierwszym kwartale 2023 roku Tesla dysponowała mocą obliczeniową wynoszącą 35 EFLOPS-ów, 35 x 1018 operacji zmiennoprzecinkowych na sekundę. Do końca 2024 roku planowała rozbudować się do 100 EFLOPS-ów. Dla porównania: Huawei miało do dyspozycji 3,3 EFLOPS-ów, Baidu 2,2 EFLOPS-ów, Geely 0,81 EFLOPS-ów a Xpeng 0,6 EFLOPS-ów. Sztuczna inteligencja w centrum obliczeniowym Tesli mogła funkcjonować (=analizować + uczyć się) o rząd wielkości szybciej niż chińska konkurencja.
W dodatku Tesla nie jest objęta ograniczeniami eksportowymi dotyczącymi najnowszych układów GPU, może więc swobodnie rozbudowywać swoje superkomputery. Chińczycy muszą polegać na tych rozwiązaniach, do których mają dostęp (do 30 miliardów tranzystorów), lub pracować nad własnymi.
Wnętrze procesora stosowanego w Dojo, superkomputerze do trenowania sztucznej inteligencji (c) Tesla
Procesor Dojo wraz z mostkami dostarczającymi energię elektryczną i układem chłodzenia (c) Tesla
To nie koniec: w kwietniu 2024 roku Tesla sprzedała 6 milionów samochodów i wszystkie one zbierały dane oraz uczyły się jazdy od swych ludzkich właścicieli. Samo FSD przejechało wtedy 2 miliardy kilometrów, podczas gdy Xpeng chwalił się 700 milionami kilometrów a Huawei 220 milionami kilometrów. Większy wsad plus większa moc obliczeniowa na zapleczu daje lepsze umiejętności na wyjściu. Sposób organizacji FSD na poziomie algorytmów sprawia, że Tesla wyprzedza chińskie rozwiązania o półtora roku.
Wadą rozwiązania stworzonego przez firmę Muska ma być fakt, że wyszkoliło się na rynku amerykańskim. Jego przystosowanie się do innych dróg (ludzie na ulicach, oznakowania) ma trwać 1-1,5 roku. Po tym czasie FSD ma się stać produktem nadającym się do komercjalizacji, konkluduje think-tank.
Nota od redakcji Elektrowozu: zdjęcie otwierające pochodzi z filmu, na którym FSD zjeżdża na bok, żeby przepuścić ciężarówkę.
FSD encountered a large truck on a narrow road and, as if it had its own brain, made the exact same decision as a human driver would. pic.twitter.com/QhgQYvZiqA
— 𝐶ℎ𝑎𝑟𝑙𝑒𝑠 (@CharlesWBoy) March 9, 2025
Zbych
