“這是世界上第一個端到端AI自動駕駛系統。”
日前馬斯克在做FSD Beta V12的試駕直播時，他這樣自豪地作出介紹。
在45分鐘的試駕路程裡，馬斯克僅接管了一次。
馬斯克這根魔法棒，是要打中國車企“遙遙領先”的嘴臉嗎？
從2020年10月開始推送FSD Beta給到早鳥使用者，FSD一直以小步快走的研發進度來完成疊代，其中幾天前馬斯克展示的已是第12個大版本。
熟悉馬斯克作風的朋友應該記得，幾乎每年他都要說一遍“今年将落地FSD”。
面對V12版，馬斯克在今年6月底時同樣說到，“FSD V12将取消Beta測試版，向所有使用者推送。”
能為該表态提供支援理據的，是這次FSD采用了端到端的技術路線。
今年5月，馬斯克對外透露V12版本将采用端到端的新方案。
接着7月初，馬斯克在2023年世界人工智能大會發表演講，他聲稱L4/L5級自動駕駛将在今年晚些時候實作，從中不難看出馬斯克對于V12版表現的信心之足。
7月底他再次透露，已測試了FSD Beta的V12 Alpha版。
到了8月2日，馬斯克表示特斯拉正在開發FSD最後一塊拼圖的“車輛控制”，同時他透露在用上端到端方案後，使得原本30萬行以上的C++控制代碼，直接減少了約2個數量級。
當時他還“凡爾賽”說到，“特斯拉正在訓練這些神經網絡，目前讓我們進展受限的是訓練計算規模，而不是受限于工程師。”
8月26日，這套基于端到端方案的FSD Beta V12終于面世。
在Beta V12的首秀裡，馬斯克選擇的是搭載Hardware 3.0硬體的老款Model S。
在其算力隻有144TOPS的背景下，特斯拉試圖給“唯算力論”的中國車企好好上一課。
此外馬斯克指出，這次試駕所遇到的建築、道路标志都是從未見過的。
選擇一條未曾跑過的線路來完成Beta V12版本的全球亮相，你相信嗎？
在馬斯克試駕的45分鐘内，Beta V12版本的表現都比較順利，例如在通過相對複雜的環島時，Model S都能平順完成入彎。
隻是在前車駛離以後，Model S在進彎過程中并未作出加速，而是一直保持較低速度來入彎，效率方面是有點低。
馬斯克表示，“團隊從未對環形路口的概念進行程式設計，我們剛剛向它展示了一堆關于環形交叉路口的視訊。”
另外在一段由兩旁路障圍蔽起來的施工區域裡，Model S在這樣隻能容下單一車輛的通道裡也能平穩通過，這多少也能看出Beta V12在應對不規則道路時，識别障礙物及處理路徑規劃之精準。
照此來看，Beta V12達到“能用”的水準問題不大。
至于馬斯克唯一作出接管的地方，是在十字路口等紅綠燈來繼續直行的時候，Model S卻在識别到對面左轉信号燈變綠了以後，突然啟動起來，這時馬斯克連忙刹停了車輛。
對此，是Model S對本次紅綠燈的意圖判斷失準了。
馬斯克當即表示，“我們再多喂一些交通信号燈的視訊，問題就能解決了。”
他還補充說到，FSD V12仍在進行測試，這也是為什麼V12遲遲沒有釋出的原因。
總結這場Beta V12的首秀，特斯拉在北美向來路況簡單的背景下，輕松展示了自身的高階實力。
盡管是路況簡單，但在低算力、且沒有用到高精地圖和雷射雷達的基礎上，Beta V12能有如此高的行駛連續性及穩定度，這般表現想要吊打多數新勢力品牌亦不難。
更重要的是，别忘了這是“世界上首個采用端到端”的智駕系統首秀。
馬斯克強調，“V12系統從頭到尾都是通過AI實作，我們沒有程式設計。”
“沒有讓程式員寫一行代碼來識别道路、行人等，讓特斯拉在停車标志處停車或等待另一輛車，我們全部交給了神經網絡。”
FSD V12通過大量高品質駕駛視訊訓練，借此省去了數十萬行代碼。
馬斯克還表示，所有推理決策都是在HW3硬體上完成，推理計算功率約為100瓦，所有推理完全在本地進行，無需網絡連接配接。
至于該系統可能的存在問題，馬斯克提到因為特斯拉總部所在的加州幾乎不下雨，是以需要借助世界各地不同天氣條件的駕駛視訊進行訓練。
FSD的強，無人否認。
但這次号稱“世界首個端到端”的案例展示，還是引起了不少人的懷疑。
特斯拉真的是第一次跑這條線路嗎？
它真的是完全端到端嗎？
這都無法驗證，唯一辦法隻能是查程式代碼了。
大家不相信特斯拉的端到端，是有原因的。
簡單來說，端到端是隻需輸入原始資料，即可輸出最終結果，這意味着把自動駕駛裡關于感覺、預測和規劃的三大部分統一為一個整體。
更進一步來看，一般自動駕駛系統還有着更細分的系統架構，這包括探測、跟蹤、靜态環境建圖、高精地圖定位、目标物軌迹預測、本車軌迹規劃和運動控制等不同部分。
正因為中間子子產品的繁多，業界一直對于打通中間環節的端到端有着較強熱衷。
此前上海人工智能實驗室青年科學家李弘揚團隊發表的一篇論文，首次提出了“UniAD感覺決策一體方案”的自動駕駛通用模型。
該論文獲得了“CVPR 2023最佳論文”，這是CVPR（國際計算機視覺與模式識别會議）40年來，首次授予自動駕駛領域最佳論文的獎項。
過去，自動駕駛系統是用人工規則和顯式連接配接來打通子子產品。
如今UniAD則是使用了一個巨大的Transformer網絡，将跟蹤、建圖、軌迹預測、占據栅格預測統一起來，并且使用不依賴高精地圖的Planning作為一個最終目标輸出。
如果FSD V12真的是采用了端到端方案，那麼這也将是UniAD的首次落地。
但為什麼大家覺得這不太靠譜？
因為盡管端到端省去了中間環節，變得更加高效，但此舉也意味着AI模型将成為一個黑盒子。
一旦出錯了，人工将很難找到對應子產品來完成調整優化。
反之過去各個子子產品串聯的形式，雖然運作起來相對低效，但能夠確定中間過程可追蹤，進而提供各個子產品單獨優化的可能性。
歸根到底，省去中間過程來提升效率不是終極目的，最重要的應該是，實作智駕系統100%安全率。
此前吳新宙就說過，他認為“運動控制”是個數學優化問題，很長時間還是會基于人工規則來解決。
“你把原來的東西全扔掉，這是非常傻的一件事。”
當時吳新宙斬釘截鐵說到，“在控制層面，我們肯定不會上到端到端模型。”
至于規劃部分，吳新宙認為，用大模型來提升智駕能力天花闆的這條路可以走通，小鵬已經在做了。
相比于吳新宙的謹慎，馬斯克無疑是更加大膽的。
他說到，“沒有代碼行，并不意味着它不可控，現在隻需擁有資料，你仍然可以實作控制。”
FSD V12是否真是如此可靠，隻能走着瞧了。
通過這次直播，特斯拉再次演繹了FSD實力的遙遙領先。
能夠在算力隻有144TOPS的晶片上，實作如此高完成度的智駕表現，此舉已然充分表明了特斯拉算法能力之突出。
與之同時，馬斯克再次表達了對視覺路線的看法，他認為雷射雷達并非最佳選擇，數字神經網絡+攝像頭組合使用的效果才是更好。
憑這兩點，多少打臉了現時自稱“遙遙領先”的中國車企。
在工程能力層面，特斯拉的強是毋庸置疑的，但要說未來FSD真有機會入華以後，其表現能否這麼突出，這可能還是會存在一定差距。
畢竟中國路況跟北美的差異太大了，FSD在國内遇到的城市泛化挑戰并不小。
此前吳新宙也說過，FSD要想在中國落地，需要組建幾百人的研發團隊，然後和中國車企一樣去做大量本地化測試，一個一個城市去改進體驗。
他認為，“我們走的路，特斯拉一步都少不了。”
值得一提的是，8月中旬特斯拉中國表示已在國内建立了資料中心，所有在中國大陸市場銷售車輛所産生的資料，都将存儲在中國境内。
此外業内還傳出，特斯拉計劃在中國成立一支資料标注團隊，規模約上百人，為訓練FSD算法作準備。
FSD落地中國的步伐，應該是越來越近了。
在加快落地中國的同時，特斯拉FSD還朝着更深入的能力方向推進。
就在上月，Dojo超級計算機已正式投産，根據官方規劃，明年2月特斯拉算力規模将進入全球TOP 5，明年10月算力總規模達到100 Exa-Flops。
在算力規模得到大幅提升，Dojo能幫助特斯拉處理海量視訊資料，加速FSD系統的疊代速度。
需要注意的是，該算力戰還是一場“燒錢”戰役。
特斯拉表示，将在今明兩年分别投資超20億美元，以增強其計算能力來滿足發展自動駕駛技術需要。
有多少中國車企能跟進這般耗資戰？
有多少新勢力還能繼續忍受更大的虧損？
正因如此，你大概就不難了解為什麼小鵬願意“賣身”給大衆和滴滴，另外華為也選擇跟茅台簽署深化戰略合作協定的原因了。
來到當下，智駕戰已推進到了深水區域。
一方面，是由中國車企主戰的城區NOA部分，“開城多少”成為了2023年餘下幾個月的主要看點。
另一方面，是由特斯拉引領的算法深度優化，以及擴充超級計算機算力規模的高次元玩法。
盡管雙方重點不完全相符，但當中的難度和燒錢程度亦不容小觑。
至于誰的選擇更有成效，這可能要等到FSD真的入華以後才能比個高低了。