特斯拉开启AI自动驾驶新纪元，自主厂商难以望其项背。

最近，马斯克在网上直播了特斯拉FSD V12版本的路测情况，这场清晰度不高的直播却吸引了1000万人的目光。在直播中，马斯克驾驶着一辆老款Model S，全程开启FSD模式，通过了环岛、施工路段等复杂路况。他多次兴奋地说道：“我们没有用任何代码告诉它如何应对这些情况”，“这一切都是AI自己完成的”。

虽然直播过程中有一次差点闯红灯，还有一次需要驾驶员介入，但这并不影响FSD V12版本的重大意义：它是全球第一个端到端的AI自动驾驶系统。它将对汽车行业产生怎样的冲击？

── 1 ──

端到端的AI自动驾驶为何具有划时代的意义？

• 要了解端到端的AI自动驾驶的重要性，首先要知道传统的车辆自动驾驶是怎样工作的。

一般来说，传统的车辆自动驾驶是通过传感器获取周围环境和障碍物的信息，然后根据工程师预设的行驶规则来控制车辆。这种模式的缺点在于，行驶规则无法覆盖所有可能出现的道路状况，一旦遇到规则之外的情况，车辆就会失去控制。

• 另外，当车辆需要同时遵守多条规则时，如何确定执行的优先级呢？

比如，在双向两车道的路上，前方有一辆车发生事故横在路中间、本车道是实线不能变道、对面车道有两辆三轮车正向自己开来，这种情况下，人类司机可以灵活地做出判断，但是受规则约束的智能驾驶系统可能无法决定，是先避开前方的车还是快速变道？是否可以压线变道等等。

由此可见，规则模式在智能驾驶中存在很大的局限性，随着智能驾驶应用范围的扩大，规则模式的弊端也会越来越明显，而端到端的AI自动驾驶就有效地解决了这个问题。

端到端的AI自动驾驶，就是特斯拉FSD V12版本用神经网络取代了规则编程。特斯拉利用大量的真实场景和优秀的驾驶行为数据来训练一个AI模型，车辆在行驶过程中，通过传感器获取周围环境的信息，然后交由AI模型处理，直接输出控制车辆的指令，比如速度、转向角度等。

端到端的AI自动驾驶有两大优势

1，AI模型比固定的规则更具有可学习性和可靠性。

在马斯克的直播中，有一次车辆在一个左转绿灯直行红灯的路口，错误地识别了交通信号灯，准备闯红灯。马斯克接管后说道，“这就是为什么V12还没正式发布的原因”，“我们要做的就是给AI模型输入更多正确处理这种情况的驾驶案例，让它学。”

2，AI模型比规则更节省运算资源，提高了运算速度和安全性。

马斯克在直播中透露，FSD V11版本有超过30万行的C++代码，而V12版本只有2000多行。这使得FSD的运算更加灵活，也可以在没有网络的情况下进行运算。马斯克还说，按照推测，V12版本的运算功率只有100W。更少的代码也提升了系统的稳定性，让车辆智能驾驶更加安全。

── 2 ──

特斯拉FSD V12版本，国内厂商要想赶上，难度有多大？

国内厂商一直在跟随特斯拉的技术路线。从CNN到BEV+Transformer再到占用网络算法（Occupancy Networks），每当特斯拉实现技术突破，国内厂商都会紧随其后。但是，FSD V12版本让特斯拉在端到端的AI自动驾驶上取得了领先优势，国内厂商想要追上，恐怕不是那么容易。

特斯拉FSD V12能够提供良好的用户体验，主要有三个原因：

1，数据量。

特斯拉在今年Q2的财报会议上透露，截至2023年6月，FSD Beta的累计行驶里程已经超过3亿英里（约合4.83亿公里），其中Q2单季度就增加了1亿英里。而国内厂商方面，截至今年7月初，小鹏汽车高速NGP累计行驶里程只有3160万公里。

数据量和质量是影响AI模型效果的关键因素，只有输入足够多的优秀驾驶数据，AI模型才能做出更合适、更优秀的驾驶决策。随着FSD推广的地区和用户的增加，特斯拉拥有的驾驶数据会呈现指数级增长。而国内厂商由于车辆保有量和智能驾驶推进速度的差距，在数据量上很难与特斯拉相比。

2，强大的算力平台。

AI模型要想接受数据训练，必须依赖于算力平台的支持。 2022年特斯拉AI DAY上，马斯克透露特斯拉拥有超过14000颗GPU的超级算力中心。据内部人士透露，2023年8月，特斯拉又启用了10000颗H100 GPU的新训练集群。H100 GPU的运算能力是上一代A100的五倍，而且价格非常高昂，单颗就要40000美元。而且算力平台的运维成本还远远高于硬件成本。

国内厂商方面，小鹏依托阿里云打造了“扶摇”智能计算平台，算力达到600PFLOPS（每秒浮点运算60亿亿次），但是在2022年，特斯拉的算力中心就已经达到了 2 EFLOPS（每秒浮点运算200亿亿次）。未来，特斯拉自研的算力平台Dojo投入使用后，特斯拉的算力还会更上一层楼。

马斯克公开表示，2023年，特斯拉在扩大训练运算算力上的预算就超过20亿美元，并且2024年也会继续投入。而国内方面，2023年上半年蔚来的研发投入为64.2亿元，小鹏为26.63亿元。相比特斯拉一年20亿美元的算力投入，国内厂商在经济实力上也难以与之抗衡。

3，高度适配的自研硬件解决方案。

特斯拉自研的HW3.0是第一个完全由车企打造的自动驾驶硬件解决方案，也是目前量产车上深度学习理论性能最强的方案。而现在，HW已经升级到了3.5和4.0时代。

特斯拉选择自研硬件，一方面是自研硬件的成本效益很高，因为利用率高，所以FSD的硬件成本大大降低；

另一方面，自研硬件的开发灵活度很高，比起买来的芯片，自研芯片能够更好地支持特斯拉很多创新的算法和技术方案。而国内厂商都是采用外购芯片方案，在适配度和利用率上，都与特斯拉自研硬件解决方案有着明显的差距。

那么国内厂商为什么不用自研的硬件解决方案呢？因为自研芯片的难度非常大。特斯拉从2016年2月组建芯片团队，到2019年4月推出FSD芯片，一共花了三年多的时间。国内厂商想要拥有完全自主研发的芯片和硬件解决方案，目前来说可能还需要更多的时间和努力。

── 3 ──

结语

特斯拉FSD V12开启了端到端的AI自动驾驶新纪元，它依赖于强大的算力和数据来实现智能驾驶的突破，这对于国内的汽车制造商来说，是一个不小的挑战，也是一个巨大的投入。

但是智能驾驶的发展不能停滞，国内厂商要想在后半程追上特斯拉，就需要找到自己的路。

── 往期分享 ──

写作前提：本文章所提内容及商品均为互联网整理收集，作者对文章的内容、陈述、观点说明保持中立，不对所述内容的准确性、可靠性提供任何保证，仅供读者参考。禁止用于任何商业用途，如侵犯了你的合法权益，请联系删除，本作者概不承担任何责任！创作不易，希望大家多些支持与鼓励。也请大家理性评论，谢谢。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～