馬斯克來華，特斯拉會成為電動車智能化的“鯰魚”嗎？

文：董指導

馬斯克一直被譽為高智商，但實際上情商也不低。上海工廠對于特斯拉的“雪中送炭”，他心知肚明，也深知中國市場的重要性。

于是，在特斯拉股價低迷了許久，馬斯克需要重振投資者對特斯拉的信心時，他便再次來到了“福地”中國。不僅受到領導人接待，馬斯克還收到了一份“大禮包”：

特斯拉符合國家汽車數據安全4項合規要求，FSD有望在中國落地。

這個消息出來后，特斯拉盤前就大漲了8%，市值增加420億美元。這往返的飛機票，投資回報太高了。所以說，沒有什么不懂人情禮數，只是因為誘惑還不夠豐富。

話說回來，FSD也一直是特斯拉引以為傲的技術，憑著這個技術馬斯克也時常稱特斯拉不是汽車公司，而是科技公司。尤其去年特斯拉發布的V12版本，更是被譽為智能駕駛界的“掀桌子時刻”，又要把對手拉爆的節奏。那么，令投資人期待的FSD，有什么神奇之處嗎？

V12 改變在哪里

V12最大的改變是自動駕駛從“規則前置”到“自學成才”。

自動駕駛系統可以分為感知、決策、執行。感知即靠攝像頭、毫米波雷達、激光雷達等。決策層，就是各家算法的比拼了。

傳統的做法是制定規則、模型識別、執行規則。但是，由于駕駛路況非常復雜，即使編寫各種各樣的規則，也無法窮盡。太吃人力、智力資源。而且如果沒有定義規則，也會存在無法執行的時候。

特斯拉之前也是這個思路。 但ChatGGPT火了之后，給了特斯拉新的思路。

V12借鑒了ChatGPT的做法，發揮“神經網絡”的作用，即：給AI投喂超大量真實的人類駕駛行為的視頻、數據；然后依托超大的算力；接著，等大力出奇跡（智能涌現）。

這也被稱為“端到端自動駕駛”。和之前“模塊化設計”相比，端到端采用了整體思路，成本小、也無需繁復的規則設計。

來源：清華大學智能產業研究院，西南證券整理

在代碼方面，V12的C++代碼控制從2萬多行減少到2千行，減少了90%。而且沒有一行代碼是來做道路、行人、障礙物等識別的。

畢竟，AI不需要理解什么是環島，什么是障礙物，只需要學習足夠多的人類駕駛習慣。模仿、大量模仿就行了。所以，從這個角度而言，數據，反而是核心資產。

為了支撐算法，特斯拉也用了一萬塊英偉達的高端顯卡來支撐訓練，而且還有自己的Dojo計算機在輔助。

從目前的行駛測試中，除了有一次想闖紅燈之外，V12系統整體表現得非常順利。更核心在于，如馬斯克所說，“這些建筑、道路標志，是從未見過的”，也就是說，并沒有代碼事先做了識別、設定了規則。而是靠AI的學習和判斷。

所以，V12與其說是技術跨越，不如說是解決思路的轉變。

V12 落地的障礙

雖然馬斯克說，希望神經網絡像人一樣開車，但實際上仍有不少障礙。

一個障礙在于數據的不足：量夠不夠多、質夠不夠好。

沒有數據訓練的完全應對，目前AI還做不到。就像V12目前還不能應對雨雪天氣，因為當前的訓練數據主要來自于加州的駕駛員，而加州雨天不多。

特斯拉目前能夠推動V12發展，一方面依托“影子模式”收集了大量駕駛數據。另一方面通過自己的保險業務，識別出了一批優秀駕駛員，從而可以采用這些高質量數據進行訓練。

但單靠特斯拉車主，數據量還是不夠的。畢竟，和ChatGPT所需要的圖文信息相比，視頻數據更私密、也更不易獲得。而且汽車行駛數據又涉及到數據安全。

因此，特斯拉符合中國國家汽車數據安全的合規要求，是多么重要的信息。不過，特斯拉要謹慎的是，中國不少司機們各個身懷絕技，投喂的數據，可能會讓AI染上壞習慣。

除了數據質和量之外，也有個隱憂。就是當AI面對數據中沒有覆蓋的場景時，能否做出準確判斷，也無法知曉。畢竟，大力出奇跡，就是開盲盒，可解釋性不高。

另一個障礙在于算力 。訓練需要大量算力、推理更需要算力，而特斯拉由于數據必須在中國落地，那么訓練中心也應該在中國落地。那就不得不提，英偉達也好、Dojo也罷，美國政府是否允許特斯拉在中國使用。

如果不允許，那么中國算力公司誰能拿到特斯拉訂單，自然是美滋滋了。同時，為特斯拉提供地圖數據、訓練數據的公司，也可以享受到這波紅利。

智能化的鯰魚？

這幾天，問界事故之后，智能駕駛又成為了輿論熱點。

???? 有人說智能化吹得太厲害，導致消費者誤以為技術很牛，從而開車時容易掉以輕心，甚至會主動做出危險行為。網上有個視頻，車主用幕布蓋住前窗玻璃、秀自動駕駛。智能化應該發展慢一些。

這一次事故車輛，也是 入門非智駕版，并沒有配置相應的高階智能駕駛。但車主是否會誤以為有，就不得而知了。

????

也有觀點認為，智能化就像當年汽車取代馬車一樣，創新必然也會帶來一定的風險，甚至出現比馬車時代更嚴重的事故，但如果堅持馬車、不發展汽車，那人類文明必然落后很多。應該及早發現問題、及時解決問題。

從現實發展來看，智能化的大潮確實不可阻擋。但是，要注意的是，技術 也不是一蹴而就、蜂擁而至就可以的。

比如不愿意背鍋的博世，成立于1886年，已經超過了馬老師期待的102歲。公司積累了大量可靠的工程經驗。

特 斯拉的自動駕駛也是不斷迭代的，先后引入“九頭蛇”網絡 HydraNet、Transformer算法、FSD自研芯片等等，才逐漸形成了現在的效果。

考慮到特斯拉已經許久沒有新車型推出，要提振消費者興趣，FSD確實是可以打的牌。從安全考慮和逐步推進的節奏來看，FSD的落地，倒不如先從“通勤場景”的城市NOA開始。畢竟場景相對固定，算法可以快速積累。

特斯拉上海工廠落地，在電動化階段，給國內電動車制造帶來了“鯰魚效應”；那么，這一次FSD落地，會在智能化方面，繼續發揮這個效果嗎？

如果FSD被消費者追捧，那么友商們，誰會被拉爆？誰又會被帶著往前走？

-全文完

和董指導聊聊天

點個在看和贊再走~