引用This is all nets baby. Nothing but nets.（它完全依靠神經網絡，再無其他。）
去年 8 月，特斯拉 CEO 埃隆·馬斯克在他的 Model S 上，親自演示了當時尚未正式發佈的 FSD Beta v12。
FSD Beta v12 的特別之處在於，它是世界範圍內第一個完全基於神經網絡的端到端自動駕駛系統，換句話説，這是真正意義上的「由 AI 來開車」。
以當下視頻直播的標準來看，那場畫質不如十年前的智能手機、畫面頻繁旋轉抖動、主播專業素質堪憂的直播，顯然算不上一場成功的直播。但「AI 開車帶馬斯克去扎克伯格家」這個話題實在太有看點，在線觀看人數接近 1200 萬人。
更重要的是，在這場長達 45 分鐘的直播中，FSD Beta v12 只出現了一次人為接管，其他時候，它的駕駛風格基本無異於常人。
剛開始直播，馬斯克就遇見了一個非常規的路面狀況——因施工而臨時改道。但 FSD 沒有絲毫猶豫，以並不算低的速度輕鬆穿越，馬斯克當時還稱，這套系統「從未見過這樣的路面」。
整場直播下來，FSD v12 似乎有着不錯的表現，但還是有不少人發現了問題——加州硅谷帕羅阿爾託的路況實在是太過友好。
在帕洛阿爾託（Palo Alto），沒有隨處橫穿馬路的行人，也沒有突然從盲區竄出的摩托車和自行車。就連見慣了寬闊路面的美國網友也表示，該給 FSD v12 上上強度了，這種路況，根本不夠看。
但現在，隨着 FSD Beta v12 正式向北美用户推送，我們已經可以從許多海外博主的視頻裏，窺探它的真實能力。
V12，劈開前後兩個智駕時代
YouTube 用户 Whole Mars Catalog 是最先收到測試版本的博主之一，他從 2020 年起就在不斷測試特斯拉 FSD 的能力。
從他的視頻來看，FSD Beta v12 在雨夜等「老大難」的場景，有着極佳的表現。
▲雨夜窄路會車，視頻未經加速處理
白天更是不在話下。拐進小路，到達目的後靠邊把車停好，而不是像之前那樣停在路中間。
與 FSD Beta v11 相比，v12 的繞行速度提升明顯，面對停在路上的同一輛車，搭載 v12 的繞行動作完全可以媲美人類駕駛員，v11 則被「困」在馬路中間，駕駛員不得不踩上一腳油門，幫助車輛通過。
▲升級了 FSD Beta V12 的 Model S
▲仍搭載 FSD Beta V11 的 Model Y
此外，Whole Mars Catalog 認為，FSD Beta v12 的無保護左轉與之前的版本相比有了顯著改善，識別交通信號燈的能力也更強了。
在 5 個月前的那場直播中，馬斯克唯一一次對車輛進行接管，就是因為紅綠燈的錯誤識別。在直播的中段，Model S 在一個十字路口錯將左轉綠燈看成了直行綠燈，隨即起步行駛，被馬斯克一腳攔下。
▲認錯的紅綠燈
馬斯克尷尬笑笑，表示會給 FSD 看更多的「紅綠燈視頻」，來解決這個問題。沒錯，和以往的 FSD 不同，FSD Beta V12 的成長，靠的不是一行行代碼，而是一條條視頻。
特斯拉在 FSD Beta V12 的發佈説明中指出，「FSD Beta V12 將城市街道的駕駛堆棧升級為單個端到端神經網絡，經過數百萬個視頻剪輯的訓練，取代了超過 30 萬行顯式 C++ 代碼」。
所謂端到端（End-to-End）方案，指的是「感知-決策-控制」的整個流程都在一個統一的系統框架內，通過深度學習的方法完成訓練，而不是按照傳統的方式分解成感知、定位、路徑規劃、控制等多個模塊，由上層模塊輸出結果，指導下層模塊去運行。
引用模塊化方案每個模塊間串聯的事高度抽象的結果，可能是錯誤的，下一個預測模塊無法進行誤差修復，或者需要大量後處理或判斷來恢復誤差，效果也不一定很好。同時，每個模塊分別需要數據集，標註需求的金錢消耗非常大，分別部署對算力的要求也更高。
上海 AI Lab 浦駕 OpenDriveLab 團隊研究員陳立此前在接受第一財經採訪時表示，模塊化方案在決策和控制部分目前仍以專家規則為主，通過專家系統進行人工調優，泛化能力弱。
這就像是一個認真聽講，但不太有發散思維的學生，老師教的全都會，一旦遇到老師沒教過的，可就不好説了。可以説，這是兩種不同的方法，一種是給到正確答案，照做就行，另一種則是給到解題思路，再舉一反三。
FSD，必須是一位「好學生」
FSD Beta v12 之所以引發大量關注，馬斯克之所以開直播宣傳，歸根到底，是因為改變了實現智駕的手段。
引用只要前面有紅燈亮起，大家就都會在白線後停車。
於是 FSD 由此學習了「紅燈停綠燈行」這一法則，這是 FSD 自我學習的成果，而非人類告訴它的標準答案，這便是神經網絡，或者用一個更為通俗的詞——AI。
通過學習大量真實駕駛員的駕駛行為，來習得自動駕駛，這是一個由新司機向老司機轉變的過程，開得越多，見的世面當然也就越多，積累經驗，成就大我。和人類不同的是，FSD 可以吞噬海量內容，再從中學習，這個效率和大多數只在上下班時才會開車的打工人相比，可要高得多了。
但神經網絡也非十全十美。
回想一下，在你的成長過程中，是不是會碰到一些可能會將你「帶偏了」的壞人——FSD 同樣會看到一些不守規矩的人類駕駛員所「演示」的駕駛陋習。
在馬斯克的直播過程中，坐在副駕的工程師提到，在美國，只有 0.5% 的駕駛員會在停止標識前完全停下車來進行觀察，絕大多數人會選擇慢速通過，然而，監管部門會要求智駕系統必須在標誌前完全停住、為此，特斯拉需要專門「教導」FSD，提高正確操作「演示」的權重，讓它「學」點好的。
在 FSD Beta v12 中，系統能夠準確識別每個路口的停止標識，停車觀察，在達到通行條件的情況下，響應也足夠靈敏，此前的版本可能會因路邊的行人或自行車而猶豫半天。
不過 Whole Mars Catalog 也表示，目前的 FSD 仍不完美，「還沒準備好向所有人推出」。例如在一些分叉路口，方向盤會左右徘徊，拿不定主意；在一些比較空曠的路口，車輛偶爾還會停下許久，過於謹慎。
▲車輛在這個路口停了足足有 15 秒鐘
馬斯克此前曾表示，FSD v12 將摘掉測試版的帽子，不再帶有「Beta」尾綴，可現如今推送給用户的版本中依舊帶有「Beta」標識。只能説，FSD 要學的還有很多。
另一個值得考量的問題是成本。
馬斯克提到，特斯拉每年在 FSD 上的投入高達 20 億美元，這無疑是一個燒錢生意。對於其他仍掙扎於利潤的車企來説，掏不掏得起這個錢，是擺在面前躲不掉的話題，光是模型的訓練，就是一筆天文數字。
特斯拉 FSD Beta V12 的視頻訓練需要多達 1.5 萬塊英偉達 H100 GPU，這讓特斯拉上到了英偉達 2023 年第三季度採購數量榜單的前 12 位。儘管特斯拉在 2021 年發佈了自家的超算 Dojo，該超算也在 2023 年成功量產，但目前特斯拉仍舊需要英偉達，僅有很少一部分訓練用到了 Dojo。
英偉達的「大客户榜單」上同樣有着中國品牌的身影。為了應對特斯拉的挑戰，國內自動駕駛產業鏈也已經在部署端到端方案，包括針對端到端模型訓練中的仿真測試等。
在同一個榜單中，深耕智駕和 AI 許久的百度排名第 8，一共購入了 3 萬塊英偉達 H100。在百度之下的是阿里巴巴，共購入 2.5 萬塊 GPU。需要指出的是，小鵬曾在 2022 年 8 月宣佈將於阿里巴巴共同打造一個算力為 600PFLOPs（每秒千萬億次浮點運算）的智算中心。
蔚來則更為關注車端算力。目前蔚來的智能駕駛系統採用 3 4 顆英偉達 Orin X 芯片，整體算力 1000TOPS，而 NIO Day 2023 中神璣 NX9031 可以實現超越 4 顆智駕芯片的性能。 也就是説，它的算力將會在 1000TOPS 以上。
隨着大模型的不斷髮展，智駕對於算力的要求還將進一步提高，所謂的「算力無用論」，只能是一紙空談。
資料來源：愛範兒（ifanr）
請按此登錄後留言。未成為會員? 立即註冊