特斯拉曾透露正在内部评估整合数千片AI5晶片，以供下一代人工智能模型训练。该评估似乎取得了不错的结果。 当地时间9月7日，特斯拉CEO埃隆•马斯克在社交媒体发帖称， 今天刚和特斯拉AI5芯片设计团队完成一场非常出色的设计评审，称这款芯片将 成为"史诗级"产品，且紧随其后的AI6芯片有望成为迄今为止最出色的AI芯片。 马斯克补充称，他认为AI5可能是对于参数数量低于2500亿的模 型来说最好的推理芯片，"它的硅片成本最低，性能功耗比也最高，AI6会更进一步。" 9月2日，特斯拉正式发布其"宏图计划"第四篇章(Master PlanPart4，简称"宏图计划4")。特斯拉自研芯片是其"宏图计划"的关键一步，这 不仅有望为特斯拉未来核心产品带来性能的显著提升和成本的优化，也使其在软硬件一体化整合上具备了更大优势，少对外部供应商的依 赖，为其自动驾驶技术、机器人产品的快速迭代提供算力基础。 下载财联社APP获取更多资讯 准确 快速 权威 专业 | ( 2.4千 | 1 2.67 | C2 22F | 2 800 | | | --- | --- | --- | --- | --- | | 阿里·谢里夫 � @Zenul ...

英伟达不能既当裁判员、又当运动员，Arm自然也一样。毕竟如果Arm亲自下场做芯片，高通、联发 科、小米、苹果等客户又该如何自处？技术授权商成为自己的竞争对手简直是"画美不看"，大家也都怕 Arm将新技术藏着掖着，因为一旦他们对最新的IP搞"捂盘惜售"，这些芯片厂商就得傻眼了。 Arm终于还是下决心亲自造芯了。日前Arm首席执行官雷内・哈斯在路透社的采访中表示，Arm公司已 完成的芯片名为Compute Sub Systems（CSS）的"物理载体"产品，正投资开发自有芯片，未来会打造从 Chiplet（芯粒）、实体芯片、主板到系统的 "全套产品"。 消息一出外界纷纷惊呼，"Arm莫不是疯了，居然要自己下场造芯片"。大家之所以会认为Arm想不开， 盖因Arm(Advanced RISC Machine)堪称是移动互联网时代最成功的处理器架构，作为低功耗、高性能处 理器的代表，Arm架构广泛应用于移动设备、嵌入式系统和物联网等领域的数十亿台设备中。 Arm的成功不仅仅是其卓越的能效比特质适合移动设备，更关键的原因是Arm公司采取了高度灵活的IP 授权模式。他们并不针对某个特定领域和场景设计及开发芯片，而是提出基础 ...

特斯拉的 Dojo 是目前全球最大的两款处理器之一。这些巨大的晶圆级芯片使用整块 300 毫米晶圆， 这意味着一次性构建更大的计算能力根本不可能。每个 Dojo 晶圆级处理器最多可容纳 8,850 个核 心，但其中一些核心在部署后可能会引发静默数据损坏 (SDC)，从而破坏大规模训练运行的结果。 大型处理器 鉴于 Dojo Training Tile（大型晶圆尺寸芯片）的极端复杂性，即使在制造过程中也不容易检测到有 缺陷的芯片，但是当涉及到静默数据损坏（SDC）时，事情会变得更加复杂。 请记住，所有类型的硬件都不可避免地会出现 SDC，但 Dojo 处理器的电流消耗高达 18,000 安培， 功耗高达 15,000 瓦，这会产生影响。不过，所有核心都应该按预期运行，否则特斯拉的 AI 训练将 变得更加复杂，因为数据损坏导致的一个错误就可能使数周的 AI 训练付诸东流。 公众号记得加星标⭐️，第一时间看推送不会错过。 来源：内容 编译自 tesla 。 在大型处理器上检测故障核心并将其禁用是一项挑战，但特斯拉开发了 Stress 工具，该工具不仅可 以在 Dojo 处理器上检测容易出现静默数据损坏的核心，还可以 ...

Investment Rating - The report maintains a positive outlook on the humanoid robot industry, emphasizing the importance of software development for commercialization [3][4]. Core Insights - The report identifies that the hardware maturity of humanoid robots is currently higher than that of software, with software being the key to commercialization. It highlights the need for advancements in algorithms, data, and control systems to drive the industry forward [3][5][6]. Summary by Sections 1. Algorithms: The Core of Embodied Intelligence - The algorithm framework is divided into two levels: the upper "brain" focuses on task-level planning and decision-making, while the lower "cerebellum" handles real-time motion planning and joint control [3][11][18]. - The report discusses the evolution of control algorithms, noting a shift from traditional methods to modern approaches like reinforcement learning (RL) and imitation learning (IL) [3][19][29]. - The VLA (Vision-Language-Action) model is highlighted as a significant advancement in upper-level control, enabling robots to understand and execute tasks through natural language processing [3][36][40]. 2. Data: The Foundation of Algorithm Learning - Data quality and diversity are crucial for algorithm performance, with sources categorized into real data, synthetic data, and web data. Real data is the most accurate but least abundant [3][74][76]. - The report emphasizes the importance of remote operation and motion capture technologies for collecting high-quality real data [3][79]. 3. Control Systems: The Foundation of Embodied Intelligence - The control system is described as the "brain" of humanoid robots, consisting of hardware (SoC chips, CPUs, GPUs, NPUs) and software components [3][3][3]. - The report notes that the industry lacks a unified consensus on the structure of the "brain" and "cerebellum" in humanoid robots, which are essential for executing complex algorithms and tasks [3][3][3]. 4. Investment Opportunities - The report identifies several key companies in the humanoid robot industry worth monitoring, including: - Controller segment: Tianzhun Technology, Zhiwei Intelligent, Desay SV [4][4]. - Motion control technology: Huichuan Technology, Xinjie Electric, Leisai Intelligent, Gokong Technology, Tosida [4][4]. - Chip manufacturers: Rockchip, Horizon Robotics [4][4]. - Data collection equipment: Lingyun Optical, Aofei Entertainment [4][4].