特斯拉FSD即將進入中國?國產智能駕駛準備好應戰了嗎?_風聞
星海情报局-星海情报局官方账号-关注“中国制造”的星辰大海57分钟前

23小時40分鐘夠幹什麼?
至少夠馬斯克在中國見到國務院總理,然後讓整個中國自動駕駛和智能汽車領域的企業們都打一番雞血了。
2024年4月29日13點17分,註冊在Space X公司名下的私人公務機N272BG,從北京首都機場起飛,預計8小時後回到美國阿拉斯加的安克雷奇。

一天前,這架飛機正是從安克雷奇起飛,因為事先並未有任何預告,在飛機飛往亞洲的途中,還有人猜測他是要往印度去。
但飛機最終在首都機場落地,馬斯克這次來華也被眾多媒體稱為“意外之旅”。然而關於這次來到中國的主要目的,業界卻達成了幾乎一致的看法:為了特斯拉的自動駕駛系統FSD能夠正式在中國落地。
所以我們今天就聊一聊FSD到底能不能在中國全面落地,國產智能駕駛在最先進的技術面前又有沒有一戰之力?

特斯拉FSD什麼水平?
簡而言之,特斯拉FSD在技術領域,依然代表了全球的最先進水平,但並不一定能有超越其他品牌的應用效果。
先説技術領先。
2024年3月,特斯拉連續推出FSD(Beta)12.3.2、12.3.2.1,以及最新的FSD(Supervised)12.3.3版本。並且對FSD V12.3進行了全面更新推送,宣佈具備 FSD 硬件條件的所有美國特斯拉汽車,都可以免費試用FSD一個月。
相比較於FSD 11,FSD v12最大的變化,刪除了30多萬行人工編寫的規則代碼,開始採用新的“端到端”神經網絡技術(端對端NN)。

端對端神經網絡架構,是目前業界普遍認為最適合實現自動駕駛的技術架構。北京車展上,華為的智駕新品牌“乾崑”與乾崑ADS3.0高階智能駕駛,小鵬發佈的AI天璣系統,商湯絕影面向量產的UniAD,都是端到端的架構。而目前FSD v12版本,應該是全球第一個大規模全量落地給普通用户的“端到端”自動駕駛系統。
那什麼是端到端架構?
用好理解一點的“人話”來説,就是以前的自動駕駛技術路線,是“遵守人類的規則”,而“端到端”,則更傾向於“模擬人類的反應”。
在FSD 12之前,全球的自動駕駛技術路線,基本都是先“AI感知+軟件規控”,也就是識別路況,再根據路況,在規則的約束下進行決策。步驟是:
編****寫規則(比如紅燈停,綠燈行,實線不能壓,看見動物要讓行)
攝像頭/雷達獲取信息,並進行識別和分類(比如識別過年時滿大街的紅燈籠,不是紅燈。比如白色的車道線,黃色的車道線。比如30cm高且會跑的是貓狗,1.8米高且會跑的是人類)
根據識別到內容,對應編寫好的規則,進行決策(比如看見了人,所以決定停車,識別到了虛線,可以變道)
但這種技術路線會帶來非常明顯的瓶頸:路上出現的情況可能是無限多的,工程師不可能真的把所有情況都想到,即便只是“想得周全一些”,工作量也是天文數字。而且有非常明顯的瓶頸,一旦遇到某些複雜情況,可能不夠靈活。
比如我去年在廣州跟着朋友試駕華為M7的智駕時,就遇到過一個非常典型的問題,當時我們在一條比較窄的單車道的小路上,路邊有一輛快遞的三輪車佔了道,但中間是實線。汽車礙於交通規則,不能壓實線行駛,於是只能在空蕩蕩的街道上停了下來,沒辦法再往前開了。
這種交通規則與實際路況之間的“衝突”和兩難,一直被認為是自動駕駛技術的一個瓶頸。FSD一直到v11的版本,都還受困於此。

特斯拉智能駕駛系統迭代歷程梳理;圖片來自:華泰證券研報
但到了v12版本,特斯拉刪除了30多萬行人工編寫的規則代碼,刪除後FSD V12的C++代碼只剩下了2000多行,取而代之的是控制轉向、加速和制動的神經網絡,或者更好理解一點,就是大模型。
而訓練的物料,就是上百萬個司機在路上進行決策的視頻。
簡而言之,在端到端的架構下,FSD才不管動起來是人還是狗。它只在乎,在感覺到有東西在動,有東西動,司機會選擇停下來。所以FSD也停下來。
這個過程裏,省去了識別和規則對應,進行的是邏輯行為的模擬。所以我上面才説,以前的自動駕駛技術路線傾向於“遵守人類的規則”;而“端到端”,則更傾向於“模擬人類的反應”。
事實上,FSD v12很多北美車主測試時,就遇到過單車道被佔道的情況,特斯拉基本都會選擇壓實線直接繞過佔道車輛往前開,這種行為來自於大量真人司機數據給它的訓練。
但技術路線選對了,就意味着FSD落地就能爆殺中國廠商嗎?
答案是不可能。
因為端到端的架構,最核心的問題在於“訓練素材”,也就是真實的司機數據。

數據決定FSD入華進程
端到端架構固然能夠帶來更加靈活的決策,但卻比原先的架構更依賴真實的人類司機的駕駛數據了。
以FSD在美國的表現來説,其在紐約的決策邏輯,是根據紐約地區的真實駕駛數據來訓練的。紐約街道極其擁擠,日常堵車,FSD就會跟車跟得非常近,堪稱見縫插針,非常老道。用我一個朋友的話説:“比我會開。”
但在田納西州,FSD的決策邏輯就偏向於禮讓,跟車也跟得優哉遊哉,絕對不會見縫插針,寸步不讓。
選擇哪一種模式,是根據你的所在地進行變化的,不會把鄉村模式放到紐約,讓你被無限插隊,氣出個好歹。
但問題就是:在美國本土,跨個州都還需要進行每個區域不同的匹配和訓練,那跨個國呢?

從美國到中國,更不可能直接用美國的模型在中國開車。
舉個最簡單的例子,應該大家都看過很多美國過路口的時候車被橫向撞飛的視頻。這跟美國的交規有關係。
在中國,你如果看到路邊有個車在蠢蠢欲動,想要匯入車流,大部分人都會減速。但美國是個路權優先級很高的國家,交規規定,在過路口、過匯車口時要全速通過,考駕照時如果發現你面對路邊有車而減速,甚至會扣分。
如果FSD用美國的邏輯,來中國落地,不做調試,我都不敢想要撞飛多少車。
同理,如果中國做自動駕駛非常優秀的廠商,比如華為和小鵬,去美國落地時都按照中國的邏輯,那我也不敢想要被撞飛多少次……
何況中國不同城市的交通情況也很不同,廣州能和重慶一樣嗎?北京能和香港一樣嗎?貴州能和南昌一樣嗎?
洛陽的紅綠燈甚至是牡丹花形狀的,你確定不訓練你能模仿得明白嗎?

所以FSD想要在中國落地,只能進行模型分叉,也就是把在美國訓練出來的通用的基礎模型,拿到中國來,中國數據,中國儲存,中國訓練。
但要實現這一點,特斯拉麪臨的問題有三個:
一是,不好搭建訓練環境。
中國道路複雜程度高於美國,用於訓練智駕算法模型的數據量級,會比美國更大。而且更復雜。而特斯拉建立於上海的數據中心無法連通美國的超級計算機,因此FSD 暫時難以獲得超級計算機的算力加持。
而特斯拉在美國做數據訓練,除了自家的超算,也再用英偉達的GPU,但眾所周知,美國現在又不讓英偉達最先進的GPU進中國。
所以結果就是,美國突出一個“我卡我自己”。
至於坊間流傳,被認為是FSD全面入華“有力信號”的那則《關於汽車數據處理4項安全要求檢測情況的通報(第一批)》,其實只是對其在國內儲存數據的安全性,做出了認證。
但FSD真的要入華,最需要解決的問題並不在此。談不上是FSD入華的“標誌性信號”或者什麼“強心劑”。

路透社為了避免談及GPU禁令的不合理之處,甚至聲稱從知情人士處獲悉,馬斯克這次來中國,可能會突破中國數據必須本地化儲存的法規,讓特斯拉把數據都弄到美國去。
但路透社已經連續好幾次被馬斯克説造謠了,我個人也認為中國不可能為了特斯拉打開數據安全的口子,否則滴滴的打可真的就是白捱了。
二是,特斯拉沒有測繪資質。
FSD雖然是純視覺的感知方案,但也會用到一些先驗信息,這中間就涉及到測繪資質。國產品牌中,華為和吉利都是甲級資質,而蔚小理都是乙級資質。特斯拉要拿測繪資質的難度是很大的。
沒資質就只能去找地圖合作,2020年開始,特斯拉在國內的地圖合作方就是百度,所以這次彭博社也傳出消息,説特斯拉將在百度提供的車道級導航和地圖的基礎上部署其自動駕駛服務。但目前也只能算是一種猜測。
三是,特斯拉沒有足夠的人才儲備。
特斯拉內部進行數據篩選和模型訓練的團隊,基本都在美國,國內是沒有團隊匹配的。而且馬斯克4月6日宣佈,特斯拉要在8月8日就在北美髮布無人駕駛出租車(Robotaxi)產品,自動駕駛的主要團隊,可能一時半會也不太會來到中國做技術支持。

過去我們講過特斯拉的“影子模式”,它在路上跑,即使你不開通功能,也會收集數據。所以特斯拉從來不參加各類路測排行榜,馬斯克直接説我們都是真實用户數據,沒有你們所説的專業路測數據。
但是進入“端到端”時代,最寶貴的是開啓功能後,真實司機進行接管的行為。
這就是為什麼,特斯拉會對全美特斯拉開放1個月的免費使用,即便不説宣傳作用,這麼多用户試用一個月帶來的數據量,給訓練帶來的好處,也絕對值得了。

結語
縱觀上述對FSD技術的解讀,以及FDS進入中國面臨的門檻,其實有幾個結論。
一是FSD確實代表了最先進的技術方向,但國內車企也都已經有了相應佈局,而且今明兩年就要陸續上量產車,雙方究竟在這個領域有什麼樣的實力,還需要像特斯拉一樣全面落地之後,才能得到驗證。
二是FSD雖然技術很強,但本地化訓練遠遠落後,和國內廠商所擁有的數據量有明顯差距。國內廠商絕對用不着“怕”,就像何小鵬説的一樣,特斯拉帶着優秀的技術進入中國,才可以讓整個市場和客户有更多好的體驗,讓市場良性發展和加速跑,應該歡迎。
三是FSD加速入華,和中國車企紛紛發佈端到端技術架構的智駕系統,有密切的關係,正是因為中國廠商帶來的壓力,才讓特斯拉逐漸放下自己的傲慢。
最近一段時間,特斯拉並不順遂,
特斯拉多年前來上海建廠,成為了中國汽車產業崛起的一個推動器,也是中國汽車市場的一個鯰魚。多年後,特斯拉希望把FSD帶入中國,在中國廠商智駕系統漸成氣候的時間點上,也未嘗不是一種事實上的“褒獎”,與新的動力。
開放是一種自信。