技術(shù) 一電報道

特斯拉FSD V12版本：正式步入3.0時代，國內(nèi)廠商很難再追趕

司馬小菜 2023-08-31 17:52

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(zhì)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(huán)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(xiàn)的”。

縱使中途車輛差點闖紅燈，經(jīng)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(xiàn)之前，車輛自動駕駛是如何實現(xiàn)的？通常來說，車輛通過傳感器獲取環(huán)境及周邊障礙物信息后，執(zhí)行工程師編寫的行駛規(guī)則，從而實現(xiàn)自動駕駛。這個模式的局限性就在于，道路狀況非常復(fù)雜，工程師不可能寫全行駛規(guī)則，當(dāng)車輛面臨規(guī)則中不存在的場景時，便失去控制。

再者，當(dāng)車輛需要同時執(zhí)行四五條規(guī)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(fā)生車禍側(cè)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(guī)則限制的智能駕駛系統(tǒng)可能無法辨別，先避讓車輛還是快速繞行？實現(xiàn)車道能否直接壓線等等。

規(guī)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(guī)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(jīng)網(wǎng)絡(luò)代替了規(guī)則編寫。特斯拉給一個AI模型輸入了海量真實場景及優(yōu)秀的駕駛行為數(shù)據(jù)，車輛行駛過程中，車輛通過傳感器獲取環(huán)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(zhuǎn)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(yuǎn)比死板的規(guī)則來得可靠。在馬斯克本次直播中，車輛行駛到一個左轉(zhuǎn)綠燈直行紅燈的路口時，錯誤地辨認(rèn)了交通燈標(biāo)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(yīng)對此類狀況的行駛案例，它就可以學(xué)會了?！?/p>

其次，AI模型比規(guī)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，F(xiàn)SD 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(wǎng)絡(luò)，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(tǒng)的穩(wěn)定性，讓車輛智能駕駛更加安全。

這次，國內(nèi)廠商想追趕特斯拉，追趕難度有多大？

過去，國內(nèi)廠商在技術(shù)路線上一直在追趕特斯拉的腳步。從CNN到BEV+Transformer再到占用網(wǎng)絡(luò)算法（Occupancy Networks），在特斯拉實現(xiàn)技術(shù)路徑突破時，國內(nèi)廠商都紛紛迎頭趕上。但FSD V12這次，國內(nèi)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(shù)據(jù)量。

特斯拉在今年Q2的業(yè)績溝通會上表示，截止2023年6月，F(xiàn)SD 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(nèi)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(dá)到3160萬公里。

AI模型的效果取決于輸入數(shù)據(jù)的數(shù)量及質(zhì)量，輸入的優(yōu)秀行駛數(shù)據(jù)越多，AI模型便能做出更適合、更優(yōu)異的行駛決策。隨著FSD推送地區(qū)及推送用戶的增多，特斯拉擁有的行駛數(shù)據(jù)會呈指數(shù)級上漲。由于車輛保有量及智能駕駛推送進度的不同，在數(shù)據(jù)量上，國內(nèi)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(shù)據(jù)訓(xùn)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(jù)消息人士透露，2023年8月，特斯拉啟動了10000顆H100 GPU的新訓(xùn)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(yuǎn)高于硬件成本。

國內(nèi)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(dá)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(jīng)達(dá)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(xùn)練運算算力的預(yù)算就超過20億美元，并表示2024年會采取同樣的行動。而國內(nèi)方面，2023年上半年蔚來的研發(fā)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(nèi)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(chǎn)車型上目前深度學(xué)習(xí)理論性能最強的方案。而目前，HW已經(jīng)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(fā)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(chuàng)新的算法與其他技術(shù)方案。目前國內(nèi)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(nèi)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(nèi)廠商想要擁有完全自主研發(fā)的芯片及硬件解決方案，目前來說光有努力可能還不足夠。