This is all nets baby. Nothing but nets.（它完全依靠神经网络，再无其他。）
去年 8 月，特斯拉 CEO 埃隆·马斯克在他的 Model S 上，亲自演示了当时尚未正式发布的 FSD Beta v12。
FSD Beta v12 的特别之处在于，它是世界范围内第一个完全基于神经网络的端到端自动驾驶系统，换句话说，这是真正意义上的「由 AI 来开车」。
以当下视频直播的标准来看，那场画质不如十年前的智能手机、画面频繁旋转抖动、主播专业素质堪忧的直播，显然算不上一场成功的直播。但「AI 开车带马斯克去扎克伯格家」这个话题实在太有看点，在线观看人数接近 1200 万人。
更重要的是，在这场长达 45 分钟的直播中，FSD Beta v12 只出现了一次人为接管，其他时候，它的驾驶风格基本无异于常人。
刚开始直播，马斯克就遇见了一个非常规的路面状况——因施工而临时改道。但 FSD 没有丝毫犹豫，以并不算低的速度轻松穿越，马斯克当时还称，这套系统「从未见过这样的路面」。
整场直播下来，FSD v12 似乎有着不错的表现，但还是有不少人发现了问题——加州硅谷帕罗阿尔托的路况实在是太过友好。
在帕洛阿尔托（Palo Alto），没有随处横穿马路的行人，也没有突然从盲区窜出的摩托车和自行车。就连见惯了宽阔路面的美国网友也表示，该给 FSD v12 上上强度了，这种路况，根本不够看。
但现在，随着 FSD Beta v12 正式向北美用户推送，我们已经可以从许多海外博主的视频里，窥探它的真实能力。
V12，劈开前后两个智驾时代
YouTube 用户 Whole Mars Catalog 是最先收到测试版本的博主之一，他从 2020 年起就在不断测试特斯拉 FSD 的能力。
从他的视频来看，FSD Beta v12 在雨夜等「老大难」的场景，有着极佳的表现。
▲雨夜窄路会车，视频未经加速处理
白天更是不在话下。拐进小路，到达目的后靠边把车停好，而不是像之前那样停在路中间。
与 FSD Beta v11 相比，v12 的绕行速度提升明显，面对停在路上的同一辆车，搭载 v12 的绕行动作完全可以媲美人类驾驶员，v11 则被「困」在马路中间，驾驶员不得不踩上一脚油门，帮助车辆通过。
▲升级了 FSD Beta V12 的 Model S
▲仍搭载 FSD Beta V11 的 Model Y
此外，Whole Mars Catalog 认为，FSD Beta v12 的无保护左转与之前的版本相比有了显著改善，识别交通信号灯的能力也更强了。
在 5 个月前的那场直播中，马斯克唯一一次对车辆进行接管，就是因为红绿灯的错误识别。在直播的中段，Model S 在一个十字路口错将左转绿灯看成了直行绿灯，随即起步行驶，被马斯克一脚拦下。
▲认错的红绿灯
马斯克尴尬笑笑，表示会给 FSD 看更多的「红绿灯视频」，来解决这个问题。没错，和以往的 FSD 不同，FSD Beta V12 的成长，靠的不是一行行代码，而是一条条视频。
特斯拉在 FSD Beta V12 的发布说明中指出，「FSD Beta V12 将城市街道的驾驶堆栈升级为单个端到端神经网络，经过数百万个视频剪辑的训练，取代了超过 30 万行显式 C++ 代码」。
所谓端到端（End-to-End）方案，指的是「感知-决策-控制」的整个流程都在一个统一的系统框架内，通过深度学习的方法完成训练，而不是按照传统的方式分解成感知、定位、路径规划、控制等多个模块，由上层模块输出结果，指导下层模块去运行。
模块化方案每个模块间串联的事高度抽象的结果，可能是错误的，下一个预测模块无法进行误差修复，或者需要大量后处理或判断来恢复误差，效果也不一定很好。同时，每个模块分别需要数据集，标注需求的金钱消耗非常大，分别部署对算力的要求也更高。
上海 AI Lab 浦驾 OpenDriveLab 团队研究员陈立此前在接受第一财经采访时表示，模块化方案在决策和控制部分目前仍以专家规则为主，通过专家系统进行人工调优，泛化能力弱。
这就像是一个认真听讲，但不太有发散思维的学生，老师教的全都会，一旦遇到老师没教过的，可就不好说了。可以说，这是两种不同的方法，一种是给到正确答案，照做就行，另一种则是给到解题思路，再举一反三。
FSD，必须是一位「好学生」
FSD Beta v12 之所以引发大量关注，马斯克之所以开直播宣传，归根到底，是因为改变了实现智驾的手段。
只要前面有红灯亮起，大家就都会在白线后停车。
于是 FSD 由此学习了「红灯停绿灯行」这一法则，这是 FSD 自我学习的成果，而非人类告诉它的标准答案，这便是神经网络，或者用一个更为通俗的词——AI。
通过学习大量真实驾驶员的驾驶行为，来习得自动驾驶，这是一个由新司机向老司机转变的过程，开得越多，见的世面当然也就越多，积累经验，成就大我。和人类不同的是，FSD 可以吞噬海量内容，再从中学习，这个效率和大多数只在上下班时才会开车的打工人相比，可要高得多了。
但神经网络也非十全十美。
回想一下，在你的成长过程中，是不是会碰到一些可能会将你「带偏了」的坏人——FSD 同样会看到一些不守规矩的人类驾驶员所「演示」的驾驶陋习。
在马斯克的直播过程中，坐在副驾的工程师提到，在美国，只有 0.5% 的驾驶员会在停止标识前完全停下车来进行观察，绝大多数人会选择慢速通过，然而，监管部门会要求智驾系统必须在标志前完全停住、为此，特斯拉需要专门「教导」FSD，提高正确操作「演示」的权重，让它「学」点好的。
在 FSD Beta v12 中，系统能够准确识别每个路口的停止标识，停车观察，在达到通行条件的情况下，响应也足够灵敏，此前的版本可能会因路边的行人或自行车而犹豫半天。
不过 Whole Mars Catalog 也表示，目前的 FSD 仍不完美，「还没准备好向所有人推出」。例如在一些分叉路口，方向盘会左右徘徊，拿不定主意；在一些比较空旷的路口，车辆偶尔还会停下许久，过于谨慎。
▲车辆在这个路口停了足足有 15 秒钟
马斯克此前曾表示，FSD v12 将摘掉测试版的帽子，不再带有「Beta」尾缀，可现如今推送给用户的版本中依旧带有「Beta」标识。只能说，FSD 要学的还有很多。
另一个值得考量的问题是成本。
马斯克提到，特斯拉每年在 FSD 上的投入高达 20 亿美元，这无疑是一个烧钱生意。对于其他仍挣扎于利润的车企来说，掏不掏得起这个钱，是摆在面前躲不掉的话题，光是模型的训练，就是一笔天文数字。
特斯拉 FSD Beta V12 的视频训练需要多达 1.5 万块英伟达 H100 GPU，这让特斯拉上到了英伟达 2023 年第三季度采购数量榜单的前 12 位。尽管特斯拉在 2021 年发布了自家的超算 Dojo，该超算也在 2023 年成功量产，但目前特斯拉仍旧需要英伟达，仅有很少一部分训练用到了 Dojo。
英伟达的「大客户榜单」上同样有着中国品牌的身影。为了应对特斯拉的挑战，国内自动驾驶产业链也已经在部署端到端方案，包括针对端到端模型训练中的仿真测试等。
在同一个榜单中，深耕智驾和 AI 许久的百度排名第 8，一共购入了 3 万块英伟达 H100。在百度之下的是阿里巴巴，共购入 2.5 万块 GPU。需要指出的是，小鹏曾在 2022 年 8 月宣布将于阿里巴巴共同打造一个算力为 600PFLOPs（每秒千万亿次浮点运算）的智算中心。
蔚来则更为关注车端算力。目前蔚来的智能驾驶系统采用 3 4 颗英伟达 Orin X 芯片，整体算力 1000TOPS，而 NIO Day 2023 中神玑 NX9031 可以实现超越 4 颗智驾芯片的性能。 也就是说，它的算力将会在 1000TOPS 以上。
随着大模型的不断发展，智驾对于算力的要求还将进一步提高，所谓的「算力无用论」，只能是一纸空谈。
