据多家媒体报道，特斯拉已开始在其老款车型上推广新型人工智能芯片。而为了搭载这种为实现完全自动驾驶而设计的系统，这些车型需要进行改装，以取代之前的机载处理器。
然而，对于此芯片——一种特殊类型的人工智能计算机处理器，广泛支持人工神经网络（ANN），通常被称为机器学习（ML）或深度学习（DL）的报道，不少带有误导性。
特斯拉及其软、硬件团队在努力实现AI领域的突破，这点毋庸置疑，但这并不是说他们就真能奇迹般地解决现实世界中如何让汽车自行上路的问题。
至少在短期内，没有可能。
AI芯片的背景
首先，让我们来弄清楚什么是人工智能芯片。
传统的计算机包含一个核心处理器（CPU）或芯片，当你输入文字、使用电子表格，或加载和运行某种应用程序时，该处理器或芯片就可以让系统工作起来。
此外，大多数现代计算机配有图形处理单元（GPU），这是一组辅助核心处理器的附加处理器或芯片，承担在设备屏幕上显示可视图形和动画的任务。
为了使用计算机进行机器学习或深度学习，人们认识到GPU实际上更适合此类任务，而不一定要使用计算机上普通的CPU。
原因很简单，在如今的计算机中，ANN的实现基本上是一个庞大的数值和线性代数问题，GPU正是为这种数字混合功能而设计的。
不仅如此，一旦GPU推出更强大的版本，也就意味着对AI的发展能起到更大作用。反过来看，芯片开发人员意识到这会是该产品的一个巨大的潜在市场，因此值得调整GPU设计，以更紧密地适应ML/DL任务。
回到特斯拉上面。它最初选择使用了英伟达生产的现成专用GPU芯片，这样做是为了让特斯拉汽车实现处理高级驾驶员辅助系统（ADAS）的能力。
到了今年4月，埃隆•马斯克（Elon Musk）和他的团队公布了一套由特斯拉秘密研发的专用AI芯片。（关于此项目的谣言已流传很久）当时的想法是，用新的芯片取代英伟达的处理器。
8月下旬，在电气与电子工程师协会（IEEE）主办的年度芯片会议上，特斯拉的工程师做了一个演示，描述了他们定制的AI芯片的更多细节。
媒体对特斯拉人工智能芯片的整体兴趣因这场发布会被重新燃起。
但请注意，我们所谓的“AI芯片”充其量只是在模拟可能被称为神经网络的相对浅显的数学启发方面的功能。它根本不像人类的大脑，没有任何类似人类的推理或常识能力。
它只是经过计算增强的数值计算设备而已。
芯片带来的骚动
特斯拉将英伟达的芯片换掉，用上了自己设计、三星制造的芯片。对于这件事，我们也许要对以下几个问题进行思考。
其一，对于特斯拉来说，自己生产专用芯片有意义吗？还是继续使用别人现成的专用芯片会更好？
其二，相比之下，特斯拉的定制芯片与那些功能大致相同的现成专用芯片有何差别？
其三，就自动驾驶汽车领域而言，AI芯片能实现什么目标？
至关重要的一点是，对AI芯片的讨论其实只是更大图景中的一小部分，毕竟，芯片在一定程度上只是基于硬件的一个元素。
想要造出真正的自动驾驶汽车？那你还需要软件，非常、非常好的软件。
打个比方，假设有人推出了一款与市场上成千上万的应用程序不兼容的智能平板设备。即使这款Pad的运行速度快的难以想象，可要是没有任何能用的APP，拿在手里又有何用？
同样，对特斯拉AI芯片兴奋异常的媒体却没有询问实现自动驾驶的软件什么时候出来。
至少从目前的情况来看，没有任何公开披露的迹象表明，特斯拉已经开发出实现完全自动驾驶的软件。特斯拉已经对其AI团队进行了重组，大概为的就是让自动驾驶汽车的目标更有吸引力。
另一个重点是想要得到何种芯片。
如果你打算设计一个新的AI芯片，那么在实际动手之前，也许应该思考下你想让芯片能做什么。
对于特斯拉来说，硬件工程师实际上面临着这样一种环境，公司对他们能够设计的东西施加了很多严格的限制。
他们必须将电力消耗控制在特斯拉汽车早已设定好的范围内，否则，这将意味着老款特斯拉将不得不进行重大改造才能使用新芯片。这将非常昂贵，在经济上并不可行。
因此，新的AI芯片将会被它所消耗的能量所限制。
新的处理器将必须适应现有特斯拉汽车已经留出的物理空间，这意味着车载系统板和主机箱的尺寸和形状必须遵守严格的“外形因素”。
对兼容性方面的考虑，这在把新产品推广到市场时，往往使企业处于不利局面。
而那些在别人的产品推出后才出来的，他们不会被之前的产品所困住，有时还能因为有一个开放的工作平台而表现得更好。
Uber和Lyft等网约车企业就是一个好例子。他们从一开始就能无视传统出租车面临的现有限制，因此超越了该领域的“先行者”。
在某件事情上走在前面并不一定总有利，有时候那些后起之秀可以用一种更敏捷的方式行动。至少在自动驾驶汽车上，尺寸、重量、功耗、散热、成本以及其他因素都会限制处理器系统的合理配置。
不当的比较
将特斯拉的AI芯片与其他功能的芯片进行误导性和不当的比较，这也许是一些人不该做但却做了的事情。
将新产品与旧产品进行比较也起不到太大帮助。相反，我们应该将其与市场上现有的同类产品进行比较。
大多数人一直说，特斯拉的AI芯片比特斯拉以前使用的英伟达芯片快很多倍，但它应该被用来和英伟达其他较新的芯片相比较才对。
另一个让人讨厌的地方是，为了给不熟悉的人留下深刻印象，不少媒体会不断抛出一些大数字，比如吹嘘特斯拉的AI芯片每秒运算数万亿次、由60亿个晶体管组成等内容。拜托，现在已经有200亿个晶体管组成的GPU了。
当然，我们并不是想诋毁60亿个晶体管的芯片。真正想要表达的是，单纯地列出数字毫无意义，在没有提供任何可行的上下文时，传递出来的有可能并非真实的情况。
第一代有风险
任何了解芯片设计的人都知道，设计新的第一代芯片往往是一条坎坷的道路。
产品可能存在大量潜在的错误或BUG。而就像任何新产品的第一个版本一样，可能需要一段时间才能找出问题所在。
以芯片为例，由于它被封装在硅中，并且不容易更改，所以有时会使用软件补丁来处理硬件问题，然后在芯片的后续版本中，才会进行所需的硬件改进。
一般来说，一个现成的商用芯片不仅由原始的制造商负责，那些购买并将处理器整合到他们的系统中的企业也能起到监督作用。
这就引出了新问题。特斯拉选择制造自己的AI芯片，这让它陷入了一个尴尬的境地，即拥有第一代智能芯片的同时，出现任何匪夷所思的状况也只能自己去弄清楚。
使用自行设计的芯片还有很多其他值得注意的地方。
在特斯拉，设计AI芯片将会花费大量的成本和精力。但实际能带来多少回报并不好说，是否可以把这当成是错失了机会成本？
此外，特斯拉不仅要承担最初的设计成本，还必须忍受持续不断的升级和改进芯片的成本。AI芯片的性能正以闪电般地速度提升，当一家企业有了芯片后，不推进它是不可能的，也是不明智的。
劳动力储备方面同样值得考虑。
拥有专用芯片通常意味着公司必须培养内部专家，以便能够为其开发专门的软件。这种人才很难在招聘市场上找到，因为他们不知道某家公司有什么样的专利产品；而当你使用一个商用的现成芯片时，却很容易找到专业人士，因为现成的处理器意味着一个生态系统已经建立起来。
至于特斯拉走的专利路线本身，只有时间才能证明它是否值得一赌。只能说，通过拥有自己的芯片，特斯拉可以潜在地控制自己的命运，而不是依赖于别人制造的现成芯片，也不会被迫走上现成芯片制造商的道路。
在硬币的另一面，特斯拉现在发现自己除了造电动车，还要忙于芯片设计和升级业务。
从成本的角度来看，这是不是一种明智的做法取决于是否将全部成本考虑进来。而那些一直试图暗示专利芯片是一种成本较低的策略的人，很可能参考的并非是全部成本。
冗余的断言
媒体对特斯拉AI芯片据称具有强大的冗余能力感到兴奋。对于一个涉及到乘客性命的自动驾驶实时系统来说，这一点无疑至关重要。
从表面上看，对于那些以前没有开发容错实时系统的人来说，这似乎是一个不错的选择。
从好的方面来看，如果同时运作的两个芯片中的一个发生了严重错误，导致芯片间决策产生分歧，但由于两个芯片不一致，系统可能会避免采取不恰当的操作。
但是，这就好像是把球从场地的一端踢到了另一端，没有本质上的变化，因而也有其缺点。
比如，要是两种芯片持续地产生分歧，从而不断推迟系统做出驾驶决策怎么办？更可怕的情况下，当车辆在路上即将发生事故，系统却根本不给出反馈怎么办？
于是，出现了另一种设计考虑，断言两个芯片必须一致。那么，这就意味着两个芯片（很有可能）会同时给出错误信息。
这就是为什么有时开发人员选择故意创建一个额外的冗余系统，但它是独立的，并故意与本来的系统不完全相同。
接下来的一个问题是，如果两种芯片给出的决策不一致，那它们为什么不一致？
同样，或者可能更重要的是，制造商最好能找到一种方法，从可能发生的系统分歧中习得一些有价值的技巧，以此提高它们的协同作用，从而减少出现不同反馈的几率。
结论
一些人表示，特斯拉为其自动驾驶汽车功能采用了自己设计的定制AI芯片路线，这是一个大胆的举动。
总的来说，这是一种以公司为筹码的赌博，而它实现真正的自动驾驶汽车的实力正取决于这个决定。
