窃取超级计算机Dojo机密技术、拿「假」电脑糊弄检查，特斯拉将前工程师告上法庭

任职仅四个月，特斯拉就开除了这位工程师。

今日，据彭博社报道，特斯拉起诉了一名前工程师 Alexander Yatskov，声称他非法将公司内部超级计算机技术的机密信息转移到个人电脑上，并在接受检查时交出一台「假」笔记本以掩盖盗窃行为。

特斯拉还指控 Yatskov 在简历中谎报专业知识和工作经验。此案件「Tesla Inc. v. Yatskov，5:22-cv-02725」收录在加州圣何塞地方法院。

查询地址：https://dockets.justia.com/docket/california/candce/5:2022cv02725/395269

根据特斯拉的诉状，Alexander Yatskov 涉嫌盗窃其内部超算「Project Dojo」的相关机密信息。特斯拉正在开发的这一超级计算机被用于处理包括特斯拉汽车视频在内的大量数据，并用于创建自动驾驶软件。Dojo 超算在运行时会产生大量热量，Yatskov 于今年 1 月份受聘为热设计工程师，协助设计该超算的冷却系统。

2021 年 8 月，特斯拉 AI 日上揭开的 Dojo 计算机芯片的神秘面纱。

特斯拉表示，「这些热设计和数据都是公司机密，受到严格的保护」。因此，所有工程师都会签署一份协议，防止他们披露或存储有关 Dojo 超算的机密信息。

但是，Yatskov 却违反了相关协议，他不仅从工作设备和账号中删除特斯拉机密信息，在个人设备下载和访问它们，而且在个人电脑上创建了包含 Project Dojo 机密细节的特斯拉文档。

更离谱的是，特斯拉还发现，Yatskov 从他的个人邮箱地址向工作邮箱发送过包含特斯拉机密信息的电子邮件。

特斯拉表示，Yatskov 承认其在与公司对质时将机密信息存储在了个人设备上。之后，特斯拉令 Yatskov 从 2022 年 4 月 6 日开始行政休假，并要求他带上自己的设备，以便恢复任何被盗信息。

但是，Yatskov 向特斯拉提供了一台「假的」笔记本电脑，试图隐瞒任何对自己不利的证据。这台笔记本设备不包含任何有问题的信息，并且「只是访问了无冒犯、不侵权的特斯拉信息，比如录用通知等」。

Yatskov 已于 5 月 2 日离职，并拒绝归还机密信息。当彭博社电话联系 Yatskov 时，他声称自己不清楚被指控，并拒绝立即置评。

在诉状中，特斯拉认为 Yatskov 违反了禁止披露商业机密的保密协议。目前，特斯拉正寻求补偿性和惩戒性损害赔偿，以及一项阻止 Yatskov 传播商业机密并归还所有专有数据的命令。

而关于 Alexander Yatskov 本人，机器之心暂时没有搜到确切的信息。

Dojo 项目简介

2020 年 8 月，马斯克表示，该公司正在研发一款名为「Dojo」的神经网络训练超级计算机，将主要处理从特斯拉汽车在路上获得的海量视频数据。马斯克发推称：「Dojo V1.0 还未完成，估计还需要一年的时间。不仅仅是芯片本身的研发难度，能效和冷却问题也非常的难。」

几个月后，马斯克又补充道：「Dojo 采用我们自研的芯片和为神经网络训练优化的计算架构，而非 GPU 集群。尽管可能是不准确的，但是我认为 Dojo 将会是世界上最棒的超算。」

2021 年特斯拉 AI 日上，特斯拉重磅展示了 Dojo 计算机芯片，成为了当天活动中的最大看点。它采用了创新的架构，将算力分布在复杂的网络构造中，实现了极高的算力、高带宽、低延迟的网络吞吐量。

Dojo 的设计是从芯片开始从头做起的。Dojo 的训练 CPU 属于 ASIC 芯片，专注于人工智能训练，采用 7 纳米制程，可以实现 1024GFLOPS 的 BF16 算力，在芯片周围的四向都有 4TB/s 的传输带宽。

特斯拉宣称它的效率超过了现有的 GPU 和 TPU，其主要的优势是在带宽上。

Dojo 用所有力量做一件事：使自动驾驶汽车成为可能。它是一个纯粹的机器学习机器，以现有芯片和服务器的思路看，它的规格堪称疯狂：首先把 50 万个训练节点集合在一起，每个区块都有 9 petaflops 的算力，每秒 36 TB 的区块外带宽。

特斯拉 Dojo 项目负责人 Ganesh Venkataramanan 表示，Dojo 有望成为地球上最强大的超级计算机之一。这些芯片可以帮助 AI 模型利用特斯拉汽车上的摄像头收集到的视频，进而识别各种内容。

特斯拉还计划让下一代 Dojo 性能再提升 10 倍。

参考链接：

https://www.bloomberg.com/news/articles/2022-05-06/tesla-sues-engineer-over-dojo-supercomputer-technology-theft

https://www.theverge.com/2022/5/7/23061523/tesla-sues-former-engineer-allegedly-stealing-supercomputer-technology-project-dojo

产业特斯拉

相关数据

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

神经网络技术

（人工）神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型，那时候研究者构想了「感知器（perceptron）」的想法。这一领域的研究者通常被称为「联结主义者（Connectionist）」，因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型，它们都是前馈神经网络：卷积神经网络（CNN）和循环神经网络（RNN），其中 RNN 又包含长短期记忆（LSTM）、门控循环单元（GRU）等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习，但也有一些为无监督学习设计的变体，比如自动编码器和生成对抗网络（GAN）。

来源：机器之心