原标题：最前线 | 特斯拉CEO马斯克：有信心今年实现L5自动驾驶，正建立中国自动驾驶团队 来源：36氪
7月9日，第三届世界人工智能大会（WAIC）开幕。特斯拉CEO马斯克通过视频接入，以自问自答的形式发表了主题演讲。
围绕特斯拉的中国工厂，特斯拉本土制造、研发团队都在体系化。马斯克在演讲开始，也先为中国的自动驾驶团队打了一则招聘广告，其表示，“我们正在中国建立相关工程团队，如果你想在特斯拉做工程师可以加入我们。”
马斯克同时特别说明，中国的自动驾驶团队不仅仅是简单把美国的东西搬到中国，“我们会原创性在中国做工程开发，做原创设计和工程工作。”
自动驾驶是人工智能应用落地的重要场景，而特斯拉显然是这个领域的先导。自2015年特斯拉开始在车辆上搭载AutoPilot硬件以来，已经在启用状态下行驶里程破30亿英里。在海量真实的道路数据基础上，特斯拉的智能驾驶系统也在向自动驾驶快速演进。
马斯克在演讲中说，对于未来实现Level 5自动驾驶非常有信心，“我认为很快就会实现，在特斯拉我们已经非常接近L5自动驾驶了，有信心在今年完成L5级别的基本功能。”
以下是马斯克演讲实录：
很高兴能够再次来到这里，我希望今后可以亲自来！
1、Autopilot 自动辅助驾驶是特斯拉纯电动车非常受欢迎的一项功能。它在中国市场的应用情况如何？
特斯拉自动驾驶在中国做得非常好，我们正在中国建立相关工程团队，如果你想在特斯拉做工程师可以加入我们。
我想强调我们会做很多原创性的中国工程开发，不仅仅是简单把美国东西搬到中国，我们会做原创设计和工程工作，所以可以考虑在特斯拉中国工作。
2、对于我们最终实现L5级别自动驾驶有多大信心？您觉得这一天什么时候会到来？
我对于未来实现L5自动驾驶是非常有信心的，我认为很快就会实现，在特斯拉我们已经非常接近L5自动驾驶了，我有信心我们将在今年完成L5级别的基本功能。
我认为实现L5自动驾驶目前不存在底层根本性挑战，但是有很多细节问题。我们面临挑战是要解决所有这些小问题，然后整合系统持续解决长尾问题，可以树立大多数场景的情况，但是又会不时出现一些奇怪的情况，必须有一个系统来解决训练，解决这些奇怪的场景。所以也是需要有现实场景，没有什么比现实更复杂，任何模拟都是现实世界复杂性的子集。
我们目前非常专注于应对L5自动驾驶的细节，我们非常相信这是可以做到的，我们可以利用特斯拉现在的硬件，我们只需要改进软件，我们可以实现L5级别自动驾驶。
3、您觉得人工智能和机器人技术的三大支柱：感知、认知和行为，目前在各自领域的进展如何？
我不确定人工智能是否可以这样分类。如果我们用这个分类标准的话，在感知层面目前技术取得巨大进展，事实上可以说在专业的图像识别领域，几乎比任何人类都做得好，即使比专家也做得好。问题是有多少计算机，多少实践来训练计算机，还有图像系统效率如何。
讲到图像识别或者是相应识别，任何的信号，任何给定的字节流，人工智能系统是否能够准确的来识别？
认知是最薄弱的领域，人工智能是不是能够理解概念，是不是能够有效推理，是不是能够进行创造，现在有很多有创意的AI，但是他们没有办法很好来控制他们的创造活动，我们会觉得好像做得不太好，不过未来会表现好一点。
我们可以想像成游戏，显然在任何有着明确规则游戏当中AI会比人好很多。主要是有规则明确的游戏，如果这个游戏自由度不是很高的话，很难想像在任何游戏当中人工智能它不会玩的比人类要好，甚至都不考虑人工智能更快反应时间。
4、Autopilot自动辅助驾驶在哪些方面推动了AI算法和芯片的发展？它又如何改变了我们对AI技术的理解？
为自动驾驶开发人工智能芯片时，我们发现市场上没有成本合理，而且低功耗的系统。
如果我们使用传统的TPU、CPU或者是其他相似产品，耗费数百瓦的功率，后备箱会被巨大冷却系统占据，如此以来成本高昂、体积大、能耗高。
要知道能耗对于汽车里程非常重要，为此我们开发特斯拉智能人工芯片，该芯片有八位加速器，用于电机计算，有很多的电机运算，如果你知道什么是电机运算，就知道电机运算量巨大，事实上还未完全发挥出特斯拉自动驾驶的能力。
实际上几个月前我们启动了芯片第二套系统，所以充分利用到特斯拉完全自动驾驶系统，可能还需要至少一年时间。
我们还看到特斯拉训练系统，以改善对人工智能系统的训练。人工智能系统就像FP16训练系统，主要受芯片发热量和通讯速率限制，所以我们也正在开发新的线和散热冷却系统，用于开发更高效计算机，从而更有效处理视频数据。
5、如何看待人工智能算法的发展？
我们如何看待人工智能算法的发展，我不确定这是不是最好的理解方式。
神经网络主要是从现实中获取大量信息，很多来自无光源方面，并创建矢量空间，将大量光子压缩为矢量空间。
人类是否能够进入大脑的矢量空间，我们通常以类比方式将现实视为理所当然，我认为你可以进入自己大脑中的矢量空间，理解你的大脑是如何处理外部信息，他获取大量信息只保留相关部分，人们是如何在大脑中创建一个矢量空间，他的信息仅占原始数据很小一部分，却可以根据矢量空间表达做决策，这就类似于大规模压缩和解压缩的过程。
有一点像物理学，因为物理学公式本质上是对现实压缩算法，这就是物理学的作用，很明显物理公式是现实压缩算法。
简而言之我们人类就是物理学作用的证据，如果对宇宙做一个真正物理学意义上的模拟，大量的计算如果有充足时间，最终产生绝知，人类将是最佳证明，如果你相信物理学和宇宙演化史，很长一段时间是氢元素，出现氦与锂元素，其中一些重元素学会表达，我们人类本质上是氢元素进化而来，如果将氢元素放一段时间它就会慢慢变成我们，我觉得大家可能不太赞成这一点，所以有人会问我我们知觉作用从哪里来，整个宇宙是特殊的绝知或者是是否存在特殊性，又或者氢元素转变人类过程中何时产生知觉。
特斯拉工厂进展很顺利，我对特斯拉团队感到无比自豪，我也期待尽快访问上海超级工厂。我不知道如何表达，真的非常感谢特斯拉中国团队，未来我们的工厂中会运用更多人工智能和人工智能化软件，我认为在工厂真正有效使用人工智能还需要花一些时间，我们可以将工厂看作一个复杂的结合体，实际上所有公司都是如此。
谢谢线上采访我，我希望明年有机会亲自参加，我很喜欢到中国，中国总是给我惊喜，中国有很多既聪明又勤奋的人，中国充满了正能量，我对未来满怀期待，我会让未来成为现实，我期待着回来。
原標題：最前線 | 特斯拉CEO馬斯克：有信心今年實現L5自動駕駛，正建立中國自動駕駛團隊 來源：36氪
7月9日，第三屆世界人工智能大會（WAIC）開幕。特斯拉CEO馬斯克通過視頻接入，以自問自答的形式發表了主題演講。
圍繞特斯拉的中國工廠，特斯拉本土製造、研發團隊都在體系化。馬斯克在演講開始，也先為中國的自動駕駛團隊打了一則招聘廣告，其表示，“我們正在中國建立相關工程團隊，如果你想在特斯拉做工程師可以加入我們。”
馬斯克同時特別説明，中國的自動駕駛團隊不僅僅是簡單把美國的東西搬到中國，“我們會原創性在中國做工程開發，做原創設計和工程工作。”
自動駕駛是人工智能應用落地的重要場景，而特斯拉顯然是這個領域的先導。自2015年特斯拉開始在車輛上搭載AutoPilot硬件以來，已經在啟用狀態下行駛里程破30億英里。在海量真實的道路數據基礎上，特斯拉的智能駕駛系統也在向自動駕駛快速演進。
馬斯克在演講中説，對於未來實現Level 5自動駕駛非常有信心，“我認為很快就會實現，在特斯拉我們已經非常接近L5自動駕駛了，有信心在今年完成L5級別的基本功能。”
以下是馬斯克演講實錄：
很高興能夠再次來到這裏，我希望今後可以親自來！
1、Autopilot 自動輔助駕駛是特斯拉純電動車非常受歡迎的一項功能。它在中國市場的應用情況如何？
特斯拉自動駕駛在中國做得非常好，我們正在中國建立相關工程團隊，如果你想在特斯拉做工程師可以加入我們。
我想強調我們會做很多原創性的中國工程開發，不僅僅是簡單把美國東西搬到中國，我們會做原創設計和工程工作，所以可以考慮在特斯拉中國工作。
2、對於我們最終實現L5級別自動駕駛有多大信心？您覺得這一天什麼時候會到來？
我對於未來實現L5自動駕駛是非常有信心的，我認為很快就會實現，在特斯拉我們已經非常接近L5自動駕駛了，我有信心我們將在今年完成L5級別的基本功能。
我認為實現L5自動駕駛目前不存在底層根本性挑戰，但是有很多細節問題。我們面臨挑戰是要解決所有這些小問題，然後整合系統持續解決長尾問題，可以樹立大多數場景的情況，但是又會不時出現一些奇怪的情況，必須有一個系統來解決訓練，解決這些奇怪的場景。所以也是需要有現實場景，沒有什麼比現實更復雜，任何模擬都是現實世界複雜性的子集。
我們目前非常專注於應對L5自動駕駛的細節，我們非常相信這是可以做到的，我們可以利用特斯拉現在的硬件，我們只需要改進軟件，我們可以實現L5級別自動駕駛。
3、您覺得人工智能和機器人技術的三大支柱：感知、認知和行為，目前在各自領域的進展如何？
我不確定人工智能是否可以這樣分類。如果我們用這個分類標準的話，在感知層面目前技術取得巨大進展，事實上可以説在專業的圖像識別領域，幾乎比任何人類都做得好，即使比專家也做得好。問題是有多少計算機，多少實踐來訓練計算機，還有圖像系統效率如何。
講到圖像識別或者是相應識別，任何的信號，任何給定的字節流，人工智能系統是否能夠準確的來識別？
認知是最薄弱的領域，人工智能是不是能夠理解概念，是不是能夠有效推理，是不是能夠進行創造，現在有很多有創意的AI，但是他們沒有辦法很好來控制他們的創造活動，我們會覺得好像做得不太好，不過未來會表現好一點。
我們可以想像成遊戲，顯然在任何有着明確規則遊戲當中AI會比人好很多。主要是有規則明確的遊戲，如果這個遊戲自由度不是很高的話，很難想像在任何遊戲當中人工智能它不會玩的比人類要好，甚至都不考慮人工智能更快反應時間。
4、Autopilot自動輔助駕駛在哪些方面推動了AI算法和芯片的發展？它又如何改變了我們對AI技術的理解？
為自動駕駛開發人工智能芯片時，我們發現市場上沒有成本合理，而且低功耗的系統。
如果我們使用傳統的TPU、CPU或者是其他相似產品，耗費數百瓦的功率，後備箱會被巨大冷卻系統佔據，如此以來成本高昂、體積大、能耗高。
要知道能耗對於汽車裏程非常重要，為此我們開發特斯拉智能人工芯片，該芯片有八位加速器，用於電機計算，有很多的電機運算，如果你知道什麼是電機運算，就知道電機運算量巨大，事實上還未完全發揮出特斯拉自動駕駛的能力。
實際上幾個月前我們啟動了芯片第二套系統，所以充分利用到特斯拉完全自動駕駛系統，可能還需要至少一年時間。
我們還看到特斯拉訓練系統，以改善對人工智能系統的訓練。人工智能系統就像FP16訓練系統，主要受芯片發熱量和通訊速率限制，所以我們也正在開發新的線和散熱冷卻系統，用於開發更高效計算機，從而更有效處理視頻數據。
5、如何看待人工智能算法的發展？
我們如何看待人工智能算法的發展，我不確定這是不是最好的理解方式。
神經網絡主要是從現實中獲取大量信息，很多來自無光源方面，並創建矢量空間，將大量光子壓縮為矢量空間。
人類是否能夠進入大腦的矢量空間，我們通常以類比方式將現實視為理所當然，我認為你可以進入自己大腦中的矢量空間，理解你的大腦是如何處理外部信息，他獲取大量信息只保留相關部分，人們是如何在大腦中創建一個矢量空間，他的信息僅佔原始數據很小一部分，卻可以根據矢量空間表達做決策，這就類似於大規模壓縮和解壓縮的過程。
有一點像物理學，因為物理學公式本質上是對現實壓縮算法，這就是物理學的作用，很明顯物理公式是現實壓縮算法。
簡而言之我們人類就是物理學作用的證據，如果對宇宙做一個真正物理學意義上的模擬，大量的計算如果有充足時間，最終產生絕知，人類將是最佳證明，如果你相信物理學和宇宙演化史，很長一段時間是氫元素，出現氦與鋰元素，其中一些重元素學會表達，我們人類本質上是氫元素進化而來，如果將氫元素放一段時間它就會慢慢變成我們，我覺得大家可能不太贊成這一點，所以有人會問我我們知覺作用從哪裏來，整個宇宙是特殊的絕知或者是是否存在特殊性，又或者氫元素轉變人類過程中何時產生知覺。
特斯拉工廠進展很順利，我對特斯拉團隊感到無比自豪，我也期待儘快訪問上海超級工廠。我不知道如何表達，真的非常感謝特斯拉中國團隊，未來我們的工廠中會運用更多人工智能和人工智能化軟件，我認為在工廠真正有效使用人工智能還需要花一些時間，我們可以將工廠看作一個複雜的結合體，實際上所有公司都是如此。
謝謝線上採訪我，我希望明年有機會親自參加，我很喜歡到中國，中國總是給我驚喜，中國有很多既聰明又勤奮的人，中國充滿了正能量，我對未來滿懷期待，我會讓未來成為現實，我期待着回來。
