前沿 | 看完特斯拉FSD V13，我覺(jué)得這才叫端到端

第一電動(dòng)大牛作者電動(dòng)星球News蟹老板 2024-12-06 09:33

本周，全球智能駕駛領(lǐng)域有兩個(gè)大新聞：特斯拉發(fā)布 FSD V13、Waymo 正式進(jìn)入洛杉磯市區(qū)。

兩件事我們都會(huì)寫(xiě)，大家可以持續(xù)關(guān)注「前沿」欄目，這是「硬核時(shí)間」欄目的新名字，今天先來(lái)看特斯拉。

2024 年，端到端是中國(guó)新造車(chē)智駕領(lǐng)域繞不過(guò)去的名詞，不開(kāi)一場(chǎng)跟端到端有關(guān)的發(fā)布會(huì)，似乎無(wú)法進(jìn)入智駕第一梯隊(duì)的競(jìng)爭(zhēng)語(yǔ)境中。

脫胎自 ICT 通信領(lǐng)域的科技術(shù)語(yǔ)，之所以會(huì)成為中國(guó)新造車(chē)智駕傳播的風(fēng)暴眼，原因很大一部分，要追溯到 2023 年 5 月 8 日馬斯克的推特：

「FSD is end-to-end AI, from images in to steering, brakes & acceleration out.（FSD 是端到端 AI，輸入圖像，輸出轉(zhuǎn)向/制動(dòng)/加速信號(hào)）?！?/p>

18 個(gè)月后，F(xiàn)SD 從 V11 迭代到 V13，這也是第一個(gè)專(zhuān)為特斯拉 HW4 硬件做優(yōu)化和重構(gòu)的 FSD 版本。

很有意思的，是特斯拉直到 V13，才完全稱(chēng)其為「Start from park（從車(chē)位啟動(dòng)）」，和國(guó)內(nèi)宣傳的「車(chē)位到車(chē)位」相比，似乎已經(jīng)被追上了？

但是，根據(jù)最近幾天早鳥(niǎo)用戶(hù)對(duì) FSD V13 的實(shí)測(cè)，我們發(fā)現(xiàn)，相比國(guó)內(nèi)新造車(chē)，也許特斯拉才算得上是徹底的「端到端」量產(chǎn)者。

今天直接從車(chē)位開(kāi)始聊。

真·端到端

我們已經(jīng)測(cè)試過(guò)幾家新造車(chē)的「車(chē)位到車(chē)位」，目前來(lái)看體驗(yàn)都相對(duì)順暢，場(chǎng)景之間流轉(zhuǎn)相對(duì)絲滑，拼接感也沒(méi)有那么重了。

等等，什么是「拼接感」？

想要聊清楚這個(gè)話(huà)題，我們要先回憶一下，一次普通出行如何開(kāi)始？如何結(jié)束？

如果在車(chē)庫(kù)里，那么掛 D 檔就能走；如果要回正常車(chē)庫(kù)，那么到固定位置倒車(chē)入庫(kù)，或者找到可用車(chē)位倒車(chē)入庫(kù)就行。如果是從側(cè)方車(chē)位出發(fā)，那么就得根據(jù)實(shí)際情況，可能要先掛 R 擋找到空間，再切 D 檔位，反之同理。

而目前國(guó)內(nèi)新造車(chē)的「車(chē)位到車(chē)位」，在泊入泊出環(huán)節(jié)依然依賴(lài)「記憶泊車(chē)」功能，也就是需要駕駛員建圖，出入也會(huì)參考駕駛員的已有路徑。

當(dāng)然，像是華為乾崑 ADS 和理想雙系統(tǒng)智駕，它們的記憶泊車(chē)類(lèi)功能已經(jīng)優(yōu)化得相對(duì)到位，我們實(shí)際測(cè)試過(guò)程中，并沒(méi)有很明顯的切換痕跡，如果你的停車(chē)位固定，那么體驗(yàn)不會(huì)有明顯斷層。

而這也是 FSD V13 驚艷的，或者說(shuō)「第一性原理」再次發(fā)力的地方：它可以從任意停車(chē)位自主啟動(dòng)，可以自主掛倒擋。

這意味著 V13 并不需要專(zhuān)門(mén)的「建圖」環(huán)節(jié)，或者說(shuō)它的功能邏輯完全就是人類(lèi)開(kāi)車(chē)出行的邏輯：看情況出發(fā)，看情況停車(chē)，核心在于「看情況」。

比如 YouTube 博主 Whole Mars Catalog，他兩天前發(fā)布的第一批 V13 體驗(yàn)視頻中可以很清晰看到，F(xiàn)SD 啟動(dòng)后可以從無(wú)標(biāo)線(xiàn)側(cè)方臨停車(chē)位中，自動(dòng)倒擋找空間出發(fā)。

動(dòng)圖封面

再比如 YouTube 博主 Dirty Tesla 測(cè)試的，車(chē)頭對(duì)內(nèi)泊入的露天停車(chē)場(chǎng)，F(xiàn)SD 同樣是自主倒擋出來(lái)，絲滑上路：

動(dòng)圖封面

又比如下面，他還測(cè)試了中國(guó)觀眾更熟悉的場(chǎng)景——多層停車(chē)場(chǎng)。

動(dòng)圖封面

泊入之前 FSD 其實(shí)走了指示牌的反方向，默認(rèn)制造了困難。

動(dòng)圖封面

但最終 FSD 在泊出到離開(kāi)停車(chē)場(chǎng)的過(guò)程中，依然根據(jù)車(chē)庫(kù)中高懸的「EXIT」和箭頭標(biāo)識(shí)，選擇了正確的路線(xiàn)，全程零建圖痕跡。

這也是我們強(qiáng)調(diào) FSD V13 更應(yīng)該是「真·端到端」的原因：無(wú)拼接、無(wú)切換、直接而類(lèi)人的功能體驗(yàn)。

需要強(qiáng)調(diào)的是，「真端到端」和「優(yōu)秀體驗(yàn)」之間，目前并不劃等號(hào)，比如下圖，F(xiàn)SD 怒闖一個(gè)左轉(zhuǎn)紅燈：

動(dòng)圖封面

?但在端到端的語(yǔ)境中，F(xiàn)SD V13 目前表現(xiàn)出來(lái)的能力，和國(guó)內(nèi)新造車(chē)相比，明顯更符合全程「圖像輸入，方向盤(pán)輸出」的前提。

特斯拉的「AI 4.0」時(shí)代

去年這個(gè)時(shí)候，中國(guó)新造車(chē)的傳播熱詞是「全國(guó)都能開(kāi)」。這個(gè)詞后來(lái)衍生出很多變種，「全國(guó)都好開(kāi)」、「全國(guó)自己開(kāi)」，等等。

也是去年底，F(xiàn)SD V12 逐漸浮出水面。

V12.1，是特斯拉向 Early Acess 用戶(hù)推送的第一個(gè) V12 細(xì)分版本。更新日志寫(xiě)得很簡(jiǎn)潔，但代表著一場(chǎng)全新的競(jìng)賽拉開(kāi)序幕：

「FSD Beta V12 將城區(qū)駕駛堆棧升級(jí)為基于數(shù)百萬(wàn)個(gè)視頻片段訓(xùn)練的單個(gè)端到端神經(jīng)網(wǎng)絡(luò)，從而取代了超過(guò) 30 萬(wàn)行顯性 C++ 代碼?！?/p>

特斯拉很少提起端到端，但每一次放在更新日志里面，都代表著重大升級(jí)。比如 FSD V12.5 里面，特斯拉正式統(tǒng)一了高速和城區(qū)兩個(gè)技術(shù)棧的端到端模型。

這意味著比起「場(chǎng)景拼接」，「場(chǎng)景延伸」更符合特斯拉的智駕邏輯——體驗(yàn)不能算很好，但每一個(gè)觸達(dá)的場(chǎng)景，都是真正的端到端。

我們可以回過(guò)頭看 FSD V12.1 的體驗(yàn)視頻，當(dāng)時(shí) FSD 還做不到從任意一個(gè)車(chē)位倒擋啟動(dòng)找空間，但已經(jīng)可以實(shí)現(xiàn) Autohold 狀態(tài)下啟動(dòng)，自主掛 D 檔出發(fā)，然后在終點(diǎn)附近靠邊臨停。

動(dòng)圖封面

從 12 到 13，雖然只是倒車(chē)的一小步，卻是特斯拉 AI 架構(gòu)的一大步。

來(lái)回顧下 FSD V13 的官方更新日志，可以說(shuō)就差把「硬件 4.0（AI4）專(zhuān)屬」寫(xiě)在第一句了：「全分辨率 36HZ 的 AI4 視頻輸入、原生的 AI4 輸入和神經(jīng)網(wǎng)絡(luò)架構(gòu)」。

其實(shí)更新日志里還有一句「支持音頻輸入（大模型）」也很有意思，但那足以另起一篇文章，我會(huì)填坑的。

特斯拉 AI4 由 8 個(gè) 500 萬(wàn)像素?cái)z像頭組成感知硬件系統(tǒng)，內(nèi)部算力大概是 720TOPS（業(yè)內(nèi)估算），為 HW3 的 5 倍，視覺(jué)感知能力（像素?cái)?shù)）則達(dá)到了 HW3 的 4 倍左右。

V12 時(shí)期，特斯拉實(shí)際上是用 AI4 跑針對(duì) HW3 訓(xùn)練的模型，這意味著AI4 的潛力遠(yuǎn)未發(fā)掘到極致。

而伴隨 V13 的推出，特斯拉才正式進(jìn)入 AI4 時(shí)代。

自從 2021 年 AI Day 之后，特斯拉甚少公布底層技術(shù)邏輯的演進(jìn)，但我們可以從一些蛛絲馬跡中，大概窺探馬斯克如何實(shí)現(xiàn)自動(dòng)駕駛。

舉個(gè)例子，V12 更新日志里面強(qiáng)調(diào)了兩個(gè)方向：增加用以訓(xùn)練的視頻片段，也就是 clips；減少規(guī)則向的冗雜代碼。

無(wú)獨(dú)有偶，V13 正式推送之后，特斯拉AI部門(mén)高級(jí)工程師 Yun Ta Tsai 表示，「V13 看上去很像猛禽 V3 火箭發(fā)動(dòng)機(jī)，非常干凈」。

再往前看一點(diǎn)，Issac 的《馬斯克傳》中提到，2023 年初，特斯拉已經(jīng)訓(xùn)練了 1000 萬(wàn)個(gè)用戶(hù)上傳的 clips，距離 V13 已經(jīng)過(guò)去接近兩年，這中間特斯拉賣(mài)出接近 360 萬(wàn)臺(tái)車(chē)。

如果在國(guó)內(nèi)尋找類(lèi)似的表達(dá)，理想汽車(chē)目前推送的 OTA 6.5 顯示「基于 500 萬(wàn)訓(xùn)練 clips」，官方表示年底會(huì)達(dá)到 1000 萬(wàn) clips；而小鵬汽車(chē)目前的進(jìn)度是「模型訓(xùn)練數(shù)據(jù)量已達(dá)到 2000 萬(wàn) clips」。

有意思的是，和訓(xùn)練數(shù)據(jù)、訓(xùn)練算力的先發(fā)先行相比，特斯拉的車(chē)端硬件能力，向來(lái)不追求「參數(shù)領(lǐng)先」，即使面對(duì)著近在咫尺而刺刀見(jiàn)紅的自動(dòng)駕駛黎明時(shí)刻。

「永遠(yuǎn)不要用導(dǎo)彈打蒼蠅，用蒼蠅拍打」，馬斯克本人的話(huà)也許能解釋這種現(xiàn)象。