文：董指導(dǎo)

馬斯克一直被譽(yù)為高智商，但實(shí)際上情商也不低。上海工廠對于特斯拉的“雪中送炭”，他心知肚明，也深知中國市場的重要性。

于是，在特斯拉股價低迷了許久，馬斯克需要重振投資者對特斯拉的信心時，他便再次來到了“福地”中國。不僅受到領(lǐng)導(dǎo)人接待，馬斯克還收到了一份“大禮包”：

特斯拉符合國家汽車數(shù)據(jù)安全4項(xiàng)合規(guī)要求，F(xiàn)SD有望在中國落地。

這個消息出來后，特斯拉盤前就大漲了8%，市值增加420億美元。這往返的飛機(jī)票，投資回報太高了。所以說，沒有什么不懂人情禮數(shù)，只是因?yàn)檎T惑還不夠豐富。

話說回來，F(xiàn)SD也一直是特斯拉引以為傲的技術(shù)，憑著這個技術(shù)馬斯克也時常稱特斯拉不是汽車公司，而是科技公司。尤其去年特斯拉發(fā)布的V12版本，更是被譽(yù)為智能駕駛界的“掀桌子時刻”，又要把對手拉爆的節(jié)奏。那么，令投資人期待的FSD，有什么神奇之處嗎？

V12 改變在哪里

V12最大的改變是自動駕駛從“規(guī)則前置”到“自學(xué)成才”。

自動駕駛系統(tǒng)可以分為感知、決策、執(zhí)行。感知即靠攝像頭、毫米波雷達(dá)、激光雷達(dá)等。決策層，就是各家算法的比拼了。

傳統(tǒng)的做法是制定規(guī)則、模型識別、執(zhí)行規(guī)則。但是，由于駕駛路況非常復(fù)雜，即使編寫各種各樣的規(guī)則，也無法窮盡。太吃人力、智力資源。而且如果沒有定義規(guī)則，也會存在無法執(zhí)行的時候。

特斯拉之前也是這個思路。 但ChatGGPT火了之后，給了特斯拉新的思路。

V12借鑒了ChatGPT的做法，發(fā)揮“神經(jīng)網(wǎng)絡(luò)”的作用，即：給AI投喂超大量真實(shí)的人類駕駛行為的視頻、數(shù)據(jù)；然后依托超大的算力；接著，等大力出奇跡（智能涌現(xiàn)）。

這也被稱為“端到端自動駕駛”。和之前“模塊化設(shè)計(jì)”相比，端到端采用了整體思路，成本小、也無需繁復(fù)的規(guī)則設(shè)計(jì)。

在代碼方面，V12的C++代碼控制從2萬多行減少到2千行，減少了90%。而且沒有一行代碼是來做道路、行人、障礙物等識別的。

畢竟，AI不需要理解什么是環(huán)島，什么是障礙物，只需要學(xué)習(xí)足夠多的人類駕駛習(xí)慣。模仿、大量模仿就行了。所以，從這個角度而言，數(shù)據(jù)，反而是核心資產(chǎn)。

為了支撐算法，特斯拉也用了一萬塊英偉達(dá)的高端顯卡來支撐訓(xùn)練，而且還有自己的Dojo計(jì)算機(jī)在輔助。

從目前的行駛測試中，除了有一次想闖紅燈之外，V12系統(tǒng)整體表現(xiàn)得非常順利。更核心在于，如馬斯克所說，“這些建筑、道路標(biāo)志，是從未見過的”，也就是說，并沒有代碼事先做了識別、設(shè)定了規(guī)則。而是靠AI的學(xué)習(xí)和判斷。

所以，V12與其說是技術(shù)跨越，不如說是解決思路的轉(zhuǎn)變。

V12 落地的障礙

雖然馬斯克說，希望神經(jīng)網(wǎng)絡(luò)像人一樣開車，但實(shí)際上仍有不少障礙。

一個障礙在于數(shù)據(jù)的不足：量夠不夠多、質(zhì)夠不夠好。

沒有數(shù)據(jù)訓(xùn)練的完全應(yīng)對，目前AI還做不到。就像V12目前還不能應(yīng)對雨雪天氣，因?yàn)楫?dāng)前的訓(xùn)練數(shù)據(jù)主要來自于加州的駕駛員，而加州雨天不多。

特斯拉目前能夠推動V12發(fā)展，一方面依托“影子模式”收集了大量駕駛數(shù)據(jù)。另一方面通過自己的保險業(yè)務(wù)，識別出了一批優(yōu)秀駕駛員，從而可以采用這些高質(zhì)量數(shù)據(jù)進(jìn)行訓(xùn)練。

但單靠特斯拉車主，數(shù)據(jù)量還是不夠的。畢竟，和ChatGPT所需要的圖文信息相比，視頻數(shù)據(jù)更私密、也更不易獲得。而且汽車行駛數(shù)據(jù)又涉及到數(shù)據(jù)安全。

因此，特斯拉符合中國國家汽車數(shù)據(jù)安全的合規(guī)要求，是多么重要的信息。不過，特斯拉要謹(jǐn)慎的是，中國不少司機(jī)們各個身懷絕技，投喂的數(shù)據(jù)，可能會讓AI染上壞習(xí)慣。

除了數(shù)據(jù)質(zhì)和量之外，也有個隱憂。就是當(dāng)AI面對數(shù)據(jù)中沒有覆蓋的場景時，能否做出準(zhǔn)確判斷，也無法知曉。畢竟，大力出奇跡，就是開盲盒，可解釋性不高。

另一個障礙在于算力 。訓(xùn)練需要大量算力、推理更需要算力，而特斯拉由于數(shù)據(jù)必須在中國落地，那么訓(xùn)練中心也應(yīng)該在中國落地。那就不得不提，英偉達(dá)也好、Dojo也罷，美國政府是否允許特斯拉在中國使用。

如果不允許，那么中國算力公司誰能拿到特斯拉訂單，自然是美滋滋了。同時，為特斯拉提供地圖數(shù)據(jù)、訓(xùn)練數(shù)據(jù)的公司，也可以享受到這波紅利。

智能化的鯰魚？

這幾天，問界事故之后，智能駕駛又成為了輿論熱點(diǎn)。

???? 有人說智能化吹得太厲害，導(dǎo)致消費(fèi)者誤以為技術(shù)很牛，從而開車時容易掉以輕心，甚至?xí)鲃幼龀鑫ｋU行為。網(wǎng)上有個視頻，車主用幕布蓋住前窗玻璃、秀自動駕駛。智能化應(yīng)該發(fā)展慢一些。

這一次事故車輛，也是 入門非智駕版，并沒有配置相應(yīng)的高階智能駕駛。但車主是否會誤以為有，就不得而知了。

????

也有觀點(diǎn)認(rèn)為，智能化就像當(dāng)年汽車取代馬車一樣，創(chuàng)新必然也會帶來一定的風(fēng)險，甚至出現(xiàn)比馬車時代更嚴(yán)重的事故，但如果堅(jiān)持馬車、不發(fā)展汽車，那人類文明必然落后很多。應(yīng)該及早發(fā)現(xiàn)問題、及時解決問題。

從現(xiàn)實(shí)發(fā)展來看，智能化的大潮確實(shí)不可阻擋。但是，要注意的是，技術(shù) 也不是一蹴而就、蜂擁而至就可以的。

比如不愿意背鍋的博世，成立于1886年，已經(jīng)超過了馬老師期待的102歲。公司積累了大量可靠的工程經(jīng)驗(yàn)。

特 斯拉的自動駕駛也是不斷迭代的，先后引入“九頭蛇”網(wǎng)絡(luò) HydraNet、Transformer算法、FSD自研芯片等等，才逐漸形成了現(xiàn)在的效果。

考慮到特斯拉已經(jīng)許久沒有新車型推出，要提振消費(fèi)者興趣，F(xiàn)SD確實(shí)是可以打的牌。從安全考慮和逐步推進(jìn)的節(jié)奏來看，F(xiàn)SD的落地，倒不如先從“通勤場景”的城市NOA開始。畢竟場景相對固定，算法可以快速積累。

特斯拉上海工廠落地，在電動化階段，給國內(nèi)電動車制造帶來了“鯰魚效應(yīng)”；那么，這一次FSD落地，會在智能化方面，繼續(xù)發(fā)揮這個效果嗎？

如果FSD被消費(fèi)者追捧，那么友商們，誰會被拉爆？誰又會被帶著往前走？

-全文完

和董指導(dǎo)聊聊天

點(diǎn)個在看和贊再走~