特斯拉将AI和大数据相结合，在硬件、软件以及模型层面进行创新，通过深度学习技术让汽车实现智能化驾驶。“GPT时刻”是AI驱动汽车的核心技术之一，它是指在特定的自动驾驶场景中，计算机系统能够理解并执行复杂的指令，从而实现自动驾驶。这一技术有助于提升车辆的安全性和可靠性，为未来出行提供更多可能性。
摘要
特斯联FSD V12通过大数据、大模型、大计算能力，成为了不折不扣的端到端学习。
5月15日，针对特斯拉FSD(全自动驾驶)付费期权率仅为2%的消息，特斯拉CEO马斯克在X平台上回复称，实际情况远超这一数字。
这一回应针对的是知名特斯拉投资人Gary & middot布莱克对未来FSD的录取率提出质疑。根据信用卡数据提供商YipitData提供的数据，在试用FSD一个月的美国特斯拉车主中，只有2%的人选择继续订阅该服务，远低于预期的6%。
布莱克认为，这可能是因为FSD服务的附加值不高，或者订阅价格(每月99美元)太高。他呼吁特斯拉仔细评估这些因素，以更好地满足车主的需求。
与此同时，马斯克4月底访华引发了关于特斯拉FSD登陆中国的讨论。不过，据《中国日报》报道，虽然特斯拉提出在中国推出“无人驾驶出租车”，但中国政府尚未完全批准FSD在中国全面落地，可能会先支持其在中国进行测试和演示。
那么，特斯拉FSD在最前沿的实际体验如何？会不会再次引发鲶鱼效应？
智能驾驶的时刻
随着新能源汽车进入智能化下半场，智能驾驶一直是行业追求的技术制高点之一。人们不仅关注驾驶场景的通过率和通勤效率，更关注智能驾驶是否更加人性化。
此前，特斯拉FSD的V11版本和很多智能驾驶系统一样，速度控制生硬，处理紧急情况时会突然刹车或加速，机械感明显。尤其是在狭窄路段或恶劣天气等特殊情况下，这种生硬的速度控制会让用户感到不安。
但是现在，特斯拉FSD V12的出现改变了这种格局。在知乎体验过特斯拉FSD V12的博主EatElephant说，它最大的优点之一就是拟人能力。V12版本最大的提升在于速度和转向控制的流畅度。即使坐在后排，乘客在红绿灯处启停、路口转弯时也几乎感受不到任何挫败感。
第二，V12在处理一些非结构化的场景(比如缺少车道线和交通规则)方面有了很大的提升，比如转弯的时机和幅度，减速的具体程度。比如V11版本，当车辆在直行时遇到前方很远左转的车辆，智能驾驶系统的反应就是明显减速。虽然这样可以避免碰撞的风险，但是减速度通常过大，导致明显的挫败感，增加了被后车追尾的风险。
在V12版本中，面对类似情况，系统似乎可以更准确地判断前方车辆的行驶路线和速度。所以它能以非常合适的速度减速，让车内乘客几乎感觉不到，同时又留有足够的安全距离，避免不必要的不适和追尾风险。
第三，V12应对各种场景的能力显著提升，大大减少了需要人工干预的次数。例如，特斯拉FSD V12不仅可以识别和绕过路面的铁皮等障碍物，还可以像人类司机一样，在道路施工时根据导向标志在临时道路上行驶。即使需要行驶到对向车道，也可以不受逆行标志和中央黄线的限制。夜间行驶时，它能像人类一样，右转行驶在两辆停放的汽车之间，巧妙地避开对面的汽车，在对面的汽车离开后再向左打方向盘继续前行，显示出高超的驾驶技术。
试驾时的场景，蓝色为导航路线，绿色为V12自主变化的路线|图片来源:知乎博主“EatElephant”
同时，知乎博主“EatElephant”也提到了FSD V12表现出了一些类似于新兴智慧的能力。车辆在测试中遇到了这样的问题:路口前方有车道，V12无法使用倒档完成掉头。在乘客等待的时候，V12找到了一个小停车场，果断改变了路线，试图替换标准的掉头。虽然系统在最后一个出口提示接管，但这种行为是自动驾驶技术的重大突破，因为通常系统会严格按照导航路线行驶，自己偏离导航几乎是不可接受的。
这些进步也反映在人工干预的数量上。与之前的版本相比，V12.3版本在城市环境中的行驶里程大幅增加，从约100英里(约160公里)增加到386.7英里(约622公里)。
相比之下，同济大学教授、汽车学院副院长卢雄曾表示，京沪穗的自动驾驶企业平均每百公里需要接管3.5到10次，基本上每十几、几十公里就需要手动接管。
目前，特斯拉FSD可能正在迎来自己的“ChatGPT时刻”，尽管还存在一些不足。比如系统有时候会让人觉得开车离路边太近，让人担心；对来车的识别和避让不够及时，比如遇到消防车时不够敏感；一些特殊的路标或车道的识别可能存在错误，坑洞的识别和避让也存在一些问题。
然而，这并不妨碍特斯拉大幅增加在智能驾驶方面的投入。据了解，到今年年底，特斯拉计划在自动驾驶技术上总共投资100亿美元。考虑到2016年至2023年的总支出约为20亿美元，这意味着特斯拉今年将在智能驾驶上花费约80亿美元。这是一笔巨大的投资，足见特斯拉进一步提升FSD技术的决心。
FSD V12是怎么炼成的？
特斯拉FSD V12体验显著提升的背后，是其技术路径逐渐趋同的结果。
自2020年推出FSD功能以来，特斯拉一直引领着智能驾驶技术的发展方向。与依赖激光雷达和高精度地图的传统方法不同，特斯拉坚持采用纯视觉技术，使车辆能够更好地了解周围环境。
2022年特斯拉AI日占领电网技术框架|图片来源:特斯拉
随后两年，特斯拉通过AI日等一系列活动，公布了大量关于FSD技术的方案。这些方案涉及数据闭环、共享骨干网、BEV感知和占用网络的概念。虽然这些技术在业界处于领先地位，但之前的版本一直受到用户的诟病，认为其用户体验提升不够明显。
然而，随着FSD发展到V12阶段，情况发生了变化。与FSD 11相比，fsd12最大的变化在于采用了端到端神经网络(E2eNN)。该技术使系统能够更好地理解和处理复杂的驾驶环境，减少驾驶员的干预，提高自动驾驶的准确性和自动化程度。
过去，FSD的基本流程通常包括感知、决策和执行三个阶段。在早期版本中，感知阶段需要通过视觉或雷达获取周围物体的信息，并对其进行识别和分类，而决策阶段则依赖于预先编写的控制规则。
特斯拉FSD车辆变道|图片来源:特斯拉
但在FSD V12中，采用了端到端的神经网络技术，这些步骤发生了革命性的变化:感知阶段不需要人工对物体进行识别和分类，决策阶段不需要预先编写控制规则。系统只需要大量的视频输入让神经网络学习，就能在不同的情况下做出正确的决策。这使得特斯拉在FSD V12中减少了大量代码，使系统更加便携灵活，同时即使没有网络连接也能在陌生的环境中正常运行。
马斯克在去年年底表示，特斯拉的FSD Beta V12从头到尾都没有编程，没有程序员编写一行代码来识别道路和行人等概念。所有这些都留给神经网络自己去思考。C++代码只有2000行，而V11有300000行。
事实上，端到端模型并不是一个新概念，以前就有人提出过。然而，许多人对神经网络的可解释性和可靠性有疑虑。虽然端到端的系统提高了模型的上限，但也放大了神经网络作为“黑箱”无法解释的问题，这将给R&D迭代和问题求解带来巨大挑战。所以很多公司不敢轻易尝试。
特斯拉FSD向你展示了端到端模式的潜力。当然，这个过程不是一蹴而就的。特斯拉一直在强调自动驾驶技术的端到端“纯度”。从V10.9版本开始，他们删除了车道线感知的后处理代码，而是直接从模型中输出车道线。在AI日，特斯拉还展示了如何将学习轨迹生成和神经网络决策模型引入规划控制模块。
然而，特斯拉的技术更新主要集中在技术栈的中上游，如感知和预测，而控制驾驶功能的决策规划模块很少改变。这导致用户体验的提升不够显著。
V12的巨大突破在于打通了技术栈的最后一个环节(决策规划)，使系统能够做到端到端的数据驱动，最终实现更自然、更智能的驾驶行为。
V12采用端到端的技术架构，直接优化规划控制输出，因此用户体验的提升会更加迅速。5月初，马斯克宣布特斯拉的FSD系统即将迎来三大更新版本，分别是V12.4、V12.5和V12.6。
其中，V12.4版本预计在5月中旬上线，将全面更新模型训练，提高系统的准确性和可靠性。其次，为了解决用户反馈的加速、制动过度等问题，V12.4及后续版本将重点优化驾驶舒适性，从而提升乘客的驾驶体验。
回到本文开头，马斯克访华似乎是在让FSD登陆中国变得更加可信。甚至，外网盛传比亚迪和特斯拉将合作FSD的消息，这将进一步释放FSD入华的潜力& mdash& mdash全球最大的两家新能源汽车公司合作会有什么结果？
如果传言成真，特斯拉FSD会改变智能驾驶领域的现状吗？中国车企的智能驾驶“故事”将如何继续发展？
这大概是每个人都会幻想，却又不敢问的问题。
