2020年7月9日，世界人工智能大會雲端峯會以“智聯世界 共同家園”爲主題，以“高端化、國際化、專業化、市場化、智能化”爲特色，集聚全球智能領域最具影響力的科學家和企業家，以及相關政府的領導人，圍繞智能領域的技術前沿、產業趨勢和熱點問題發表演講和進行高端對話。會上，特斯拉 CEO 馬斯克就特斯拉的自動駕駛技術發展情況進行了分享，以下爲InfoQ根據嘉賓演講進行的內容整理。
內容未經本人確認，由 InfoQ 依據現場視頻進行整理，以下爲馬斯克的演講全文整理。
特斯拉自動駕駛在中國工作得非常好，我們正在中國建立相關工程團隊。我想強調，我們會在中國做很多原創性工程開發，而不僅僅是簡單地把美國的東西搬到中國。我們會做很多原創設計和工程的工作，所以，如果你想做工程師話可以考慮加入我們，在特斯拉中國工作。
Q：您對於L5級別自動駕駛的實現有多大信心？您認爲這一天什麼時候會到來？
我對於未來L5級別的自動駕駛非常有信心，我認爲很快就會實現。在特斯拉，我們已經非常接近L5級別自動駕駛了，我有信心在今年完成L5級別自動駕駛的基本功能。我認爲實現自動駕駛5級目前不存在底層根本的挑戰，但是有很多細節的問題。我們面臨的挑戰就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。你會發現可以處理大多數場景的情況，但是又會不時出現一些奇怪的情況，你必須有一個系統來訓練解決這些奇怪的場景。所以，你需要有現實的場景，沒有什麼比現實更復雜，任何模擬的都是現實世界複雜性的子集。目前我們專注於應對5級自動駕駛的細節問題，我們非常有信心這是可以實現的。我們可以利用特斯拉現在的硬件，只需要改進軟件，就可以實現L5級別的自動駕駛。
Q：您覺得人工智能和機器人技術的三大支柱：感知、認知和行爲，目前在各自領域的進展如何？
我不確定人工智能技術是否可以這樣分類，如果我們用這個分類標準的話，在感知層面以識別物體爲例，目前技術實現了巨大進展。事實上可以說在專業圖像識別領域，人工智能會比任何人類都做得好，甚至比專家做得好。問題實質在於需要多強的計算力、多少實踐來訓練計算機，還有圖像訓練系統效率如何。
我們如何看待人工智能算法的發展呢？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，本質上是將大量光子壓縮爲矢量空間。人類是否能夠進入大腦中的矢量空間呢？我們通常以類比的方式將此視爲理所當然，我認爲你可以進入大腦的矢量空間，理解大腦如何處理所有外部信息。事實上，它在做的是基於儘可能少的信息，獲取並過濾大量信息，只保留相關部分。人們如何在大腦中創建一個矢量空間呢？它的信息僅佔原始數據很小的一部分，卻可以根據這個矢量空間的表達做決策，這就類似一個大規模壓縮和解壓縮的過程，有點像物理學。因爲物理學公式本質是對現實的壓縮算法，這就是物理學的作用。
說到圖像識別或者聲音識別，任何信號對於任何給定的字節流，人工智能系統是否能夠準確識別呢？認知，這可能是人工智能最薄弱的領域。人工智能是不是能理解概念？是不是能夠有效的推理？是不是能夠進行創造？現在有很多非常先進的、有創意的AI，但是沒有辦法很好地控制他們創造活動，會覺得好像做得不太好。不過未來它會表現得好一點，我們可以把它想象成遊戲，在任何有着明確規則的遊戲當中，AI會比人好很多。只要有明確的遊戲規則，在任何遊戲當中，人工智能肯定都會玩得比人類要好。
Q：Autopoliot自動輔助和駕駛在哪方面推動了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？
在爲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GPU、CPU或者其他相似的產品，將耗費數百瓦的功率，後備箱會被計算機GPU巨大的冷卻系統佔據，而且高耗能。要知道能耗對於電動汽車的里程非常重要，我們開發了特斯拉的專用芯片，該芯片搭載雙系統完全自動駕駛電腦，該芯片具有8位元和加速器用於點計算，人工智能包含很多點運算。事實上，幾個月前我們才審慎啓動了第二代系統，充分利用特斯拉完全自動駕駛系統可能還需要至少一年的時間。
我們還開發了特斯拉Dojo訓練系統，旨在能夠快速處理大量視頻數據，以改善對人工智能系統的訓練。Dojo訓練系統就像一個FP16訓練系統，主要受芯片的發熱量和通訊速率的限制，所以我們也正在開發新的總線和散熱冷卻系統用於開發高效的計算機，從而能更有效處理視頻數據。
Q：特斯拉上海工廠的進展以及會用到哪些人工智能技術？
特斯拉上海工廠進展非常順利，我爲特斯拉團隊感到無比自豪和驕傲，期待能儘快訪問特斯拉上海超級工廠，我不知道如何感謝特斯拉中國團隊所付出的努力，預計未來工廠中會運用更多人工智能和更多智能化的軟件，但我認爲工廠真正有效地使用人工智能還需要花費一段時間，實際上所有公司都是如此。