本周，馬斯克開啟了一場特斯拉FSD V12版本的路測直播，這場畫質不到480p的直播吸引了1000萬人觀看。在45分鐘的直播里，馬斯克乘坐老款Model S，全程使用FSD，途徑環島、施工路段等。直播中，馬斯克多次非常激動地表示：“我們沒有寫任何一行代碼告訴它該如何處理這種狀況”，“全程都是靠AI實現的”。

縱使中途車輛差點闖紅燈，經歷了一次駕駛員接管，但FSD V12版本依然具有劃時代的意義：它是世界上首個端到端的AI自動駕駛。它的影響力究竟有多大？

為什么端到端的AI自動駕駛是跨時代的進步？

首先，在端到端出現之前，車輛自動駕駛是如何實現的？通常來說，車輛通過傳感器獲取環境及周邊障礙物信息后，執行工程師編寫的行駛規則，從而實現自動駕駛。這個模式的局限性就在于，道路狀況非常復雜，工程師不可能寫全行駛規則，當車輛面臨規則中不存在的場景時，便失去控制。

再者，當車輛需要同時執行四五條規則時，先后順序該如何處理呢？在對向行駛的兩車道上，正前方車輛發生車禍側翻擋住道路、車道為實線車道、對向車道正駛來兩輛三輪小貨車，人類司機可以靈活處理這種情況，但受規則限制的智能駕駛系統可能無法辨別，先避讓車輛還是快速繞行？實現車道能否直接壓線等等。

規則可以處理的情況非常有限，隨著智能駕駛可用范圍的擴大，規則模式的限制也會越來越大，而端到端的AI自動駕駛便很好地解決了這個問題。

端到端的AI自動駕駛，即特斯拉FSD V12版本讓神經網絡代替了規則編寫。特斯拉給一個AI模型輸入了海量真實場景及優秀的駕駛行為數據，車輛行駛過程中，車輛通過傳感器獲取環境信息后，通過AI模型自動處理，直接向車輛輸出指令，如行駛速度為多少，方向盤轉向角度為多少等，控制車輛行駛。

首先是，AI模型的可成長性遠比死板的規則來得可靠。在馬斯克本次直播中，車輛行駛到一個左轉綠燈直行紅燈的路口時，錯誤地辨認了交通燈標識，做出了闖紅燈直行的動作。接管后，馬斯克表示，“這就是V12為什么還沒推送的原因了”，“改掉這個錯誤，我們的做法是向AI模型輸入更多的，正確應對此類狀況的行駛案例，它就可以學會了。”

其次，AI模型比規則更省運算空間，提升了運算效率，同時提高了安全性。馬斯克在直播中表示，FSD V11版本有超過30萬行的C++代碼，而V12版本只有2000+行。這讓FSD的運算靈活了不少，同時也可以脫離網絡，在離線情況下進行運算。馬斯克還表示，按推理，V12版本的運算功率只有100W。更少的代碼也增加了系統的穩定性，讓車輛智能駕駛更加安全。

這次，國內廠商想追趕特斯拉，追趕難度有多大？

過去，國內廠商在技術路線上一直在追趕特斯拉的腳步。從CNN到BEV+Transformer再到占用網絡算法（Occupancy Networks），在特斯拉實現技術路徑突破時，國內廠商都紛紛迎頭趕上。但FSD V12這次，國內廠商恐怕很難再追趕。特斯拉FSD V12能獲得良好的使用體驗，最重要的原因有三點：

第一，數據量。

特斯拉在今年Q2的業績溝通會上表示，截止2023年6月，FSD Beta的累積行駛里程已超過3億英里（約等于4.83億公里），尤其是Q2單季度就提升了1億英里。而國內廠商方面，截至今年7月初，小鵬汽車高速NGP累計行駛里程達到3160萬公里。

AI模型的效果取決于輸入數據的數量及質量，輸入的優秀行駛數據越多，AI模型便能做出更適合、更優異的行駛決策。隨著FSD推送地區及推送用戶的增多，特斯拉擁有的行駛數據會呈指數級上漲。由于車輛保有量及智能駕駛推送進度的不同，在數據量上，國內廠商的追趕難度不算太小。

第二，龐大的算力中心。

AI模型接受數據訓練，是建立在算力平臺上的。

2022年特斯拉AI DAY上，馬斯克表示目前特斯拉擁有超過14000顆GPU的超級算力中心。根據消息人士透露，2023年8月，特斯拉啟動了10000顆H100 GPU的新訓練集群。H100 GPU的運算效能是前一代A100的五倍快，同時價格也非常昂貴，單顆將近40000美元。而算力平臺的后期維護成本還要遠高于硬件成本。

國內廠商方面，小鵬基于阿里云打造的“扶搖”智能計算平臺，算力可達600PFLOPS（每秒浮點運算60億億次），而在2022年，特斯拉算力中心的算力已經達到了 2 EFLOPS（每秒浮點運算200億億次）。未來，自研算力平臺Dojo投入使用后，特斯拉擁有的算力還將上升一個臺階。

馬斯克曾公開表示，2023年，特斯拉花在擴大訓練運算算力的預算就超過20億美元，并表示2024年會采取同樣的行動。而國內方面，2023年上半年蔚來的研發投入為64.2億元，小鵬則為26.63億元。相比特斯拉一年20億美元的算力投入，國內廠商在財力上也很難望其項背。

第三，適配度高的自研硬件解決方案。

特斯拉自研的HW3.0是第一款完全出自車企的自動駕駛硬件解決方案，同時也是量產車型上目前深度學習理論性能最強的方案。而目前，HW已經進化到了3.5及4.0時代。

從外購芯片到自研硬件，特斯拉找到了最合腳的那雙鞋子。首先是性價比極高，自研硬件的一大好處就是利用率高，這大大降低了FSD的硬件成本；其次是開發自由度高，買來的芯片哪有自研的好用？自研芯片能夠更大完成度地支持特斯拉很多創新的算法與其他技術方案。目前國內廠商均是采用外購芯片方案，在適配度及利用率上，都與特斯拉自研硬件解決方案有著不小的差距。

那為啥國內廠商還不用自研的硬件解決方案呢？從2016年2月組建芯片團隊，到2019年4月成功推出FSD芯片，特斯拉一共用了三年多的時間，自研芯片的難度更是不言而喻。國內廠商想要擁有完全自主研發的芯片及硬件解決方案，目前來說光有努力可能還不足夠。

特斯拉FSD V12將智能駕駛正式帶入端到端的3.0時代，依靠龐大算力和數據鋪下的路，對目前國內汽車制造商來說，難度不小，投入太大。但智能駕駛的進度又不能落下，后半程追趕特斯拉，國內廠商需要走出自己的路了。

返回第一電動網首頁 >