摘要 该对话片段主要讨论了特斯拉的完全自动驾驶（FSD）的发展思路和未来功能 展望。特斯拉计划到 2023 年累计投资 100 亿美元，其中 80 亿美元将用于自 动驾驶技术研发和计算存储等方面。特斯拉高管反对取消Model2 生产，并强 调特斯拉仍需克服技术问题并提高安全性和体验，以实现全面超越其他辅助驾 驶系统的目标。特斯拉创始人伊隆·马斯克的风险成因越来越大，他更注重产品 带来的风险和成就感，而不是创新。本文还讨论了FSD的更新计划、智能召唤 和反向智能召唤等功能的介绍，以及FSD的渗透率和行驶里程的展望。此外， 还强调了FSD的拟人化优势和提升用户心理安全感的重要性。对话中还涉及到 了手握方向盘的要求、数据采集同意协议的删除、L4的现状、robottaxi的法规 约束以及特斯拉在推动法规落地方面的角色。特斯拉在国内和国外自动驾驶发 展方面面临一些挑战，如算力差距和科研层面的大规模工程化问题。此外，特 斯拉在美国和国内的数据中心情况、数据处理方式以及在中国市场的发展速度 和挑战也被讨论到。特斯拉的FSD进展迅速，但渗透率和订阅率的提升过程需 要观察。 速览 FSDV12的决策逻辑与学习方式 该对话片段讨论了FSDV12的决策逻辑和学习方式。FSDV12 展示了通过实 际视频测试得出的行为表现，包括到达目的地后寻找停车位和在停车位不足时 继续前行等。这些行为表现无法通过规则编程实现，只能通过神经网络学习得 出。这一发现对于研发工程师来说令人惊讶。 特斯拉投资达100亿美金加码自动驾驶技术 特斯拉计划到 2023 年累计投资 100 亿美金，其中 80 亿美金将用于自动驾驶 技术的研发和计算存储等方面。特斯拉高管反对取消Model2 生产，因为该车 即将冻结，只需要进行方法测试和供应链准备工作。然而，要实现全面超越其 他辅助驾驶系统的目标，特斯拉仍需克服技术问题 并提高安全性和体验。特斯拉创始人伊隆·马斯克的风险成因越来越大，他更注 重产品带来的风险和成就感，而不是创新。这一思路与传统汽车制造商的可靠 和低成本指标有所不同。 特斯拉FSD进展和未来功能展望 本文讨论了特斯拉FSD（完全自动驾驶）的发展思路和未来功能展望。涉及到 FSD的更新计划、智能召唤和反向智能召唤等功能的介绍，以及对FSD的渗透 率和行驶里程的展望。同时，还分析了V12 版本的表现和特斯拉数据采集的范 围，以及FSD在不同地域和驾驶场景中的应用情况。最后，强调了FSD的拟人 化优势和提升用户心理安全感的重要性。 车联网安全性和法规考量 对话中讨论了手握方向盘的要求、数据采集同意协议的删除、L4的现状、 robottaxi的法规约束以及特斯拉在推动法规落地方面的角色。同时，提到了 robottax的发布和实施时间，以及特斯拉追求的安全性目标和监管机构的讨论。 robottax和商业模式的展开 对话中提到了robottax和商业模式的展开，包括剃须刀和刀片的模式以及特 斯拉的FSD落地后的商业模式。对于robottaxi的落地，可能会推出一个类似于 teslanetwork的打车平台，并提供一些优惠和服务。 国内和国外自动驾驶的差异及突破关键节点 本文讨论了国内和国外自动驾驶在关键方面的差异，以及国内需要重点突破的 节点。其中，华为在规则编程和体验方面遥遥领先，但如何从科研层面实现大 规模工程化是一个挑战。另外，算力是国内和国外差距较大的因素，国外对高 算力芯片的限制收紧，而特斯拉则通过采购大算力芯片和建立算力集群来拉大 差距。这些因素对国内自动驾驶发展造成了一定的不利影响。 特斯拉在中国的数据中心和自动驾驶进展 特斯拉在美国和国内的数据中心情况，国内数据中心的数据处理方式，以及特 斯拉在中国市场的发展速度和挑战。此外，还讨论了特斯拉的端到端能力和 V12 版本的架构。 特斯拉FSD进展及关键节点 该对话片段主要讨论了特斯拉的算力需求、端到端训练和世界模型的应用。 特斯拉在干燥造成的时候，算力需求为 2 到 3 个EF，现在已经超过 10 亿服务 的算力。特斯拉通过升级硬件来满足算力需求，但也存在一些问题，如系统不 稳定和不太可用。世界模型的使用能够提高仿真效果，但对于复杂的操作仍存 在争议。特斯拉的FSD进展迅速，但渗透率和订阅率的提升过程需要观察。 问答回顾 问：V12U型掉头的无师自通表现如何影响了特斯拉的研发？ 答：V12U 型掉头的无师自通现象是一个非常值得关注的范式逻辑案例，它 展示了特斯拉的自动驾驶系统在特定场景下表现出的端到端、CTPP模式决策能 力。相较于过去依赖规则编程的传统方式，神经网络学习可能更能捕捉到这种 人类驾驶行为模式。因此，许多实际驾驶场景中的案例判断，如停车策略和路 线选择等，成为研发工程师衡量FSDV12 表现的重要依据。 问：特斯拉在自动驾驶领域的投资计划是什么？ 答：特斯拉计划在今年年底投入累计100 亿美元用于自动驾驶技术的研发。 这个数字远高于此前预期，其中约 80 亿美金将用于FSD（完全自动驾驶）的 计算和存储等方面，显示出特斯拉对于自动驾驶技术研发的高度重视。根据数 据和训练量与模型性能的关系，特斯拉或许找到了数据驱动自动驾驶发展的缩 放定律，并以此为基础大幅增加投资。 问：特斯拉是否仍在推进ModelY车型的生产？ 答：特斯拉官方否认了停止生产ModelY的消息，并表示将继续全力以赴推进 这款车的研发。但在今年 2 月份，特斯拉内部曾有过是否取消ModelY生产的 讨论，甚至有人提出将其彻底取消而全力投入RobotaxiI（运营车）的研发。不 过，这一提议最终未能通过，可能是因为ModelY已经接近冻结阶段，需要进行 大量的方法测试和供应链准备工作。ModelY与RobotaxiI共享平台，但两者在 逻辑设计上有显著差异，ModelY更注重满足私家车的运营要求。 问：为什么在设计电气动力总成和线控转向等关键技术方面存在挑战？ 答：设计电气动力总成时需要攻克众多技术难题，例如线控转向在 cybertruck 上的初步应用，以及线控制动、全链路冗余等在ET9 上的进一步探索。在所有 车控制相关环节上实现 冗余设计，以满足监管合规要求，这是目前设计上的主要挑战。 问：高管反对自动驾驶系统普及的主要理由是什么？伊诺奇对于自动驾驶系 统安全性的观点是什么？ 答：高管反对的原因在于当前的自动驾驶系统，尤其是 V12，虽然在某些 方面超越了其他辅助驾驶系统，但在接近L4 级别的安全性与舒适性方面仍存在 显著差距。同时，大规模普及L4 级自动驾驶面临许多实际问题和安全风险，这 是高管与管理层的主要分歧所在。伊诺奇认为，如果自动驾驶系统的安全性和 舒适性可靠性明显超过人类驾驶员，甚至超过十倍，那么说服监管机构并非想 象中困难，这可以通过合理谈判和落地来实现。他强调，关键在于算法的优化 和系统性能的提升。 问：特斯拉在过去五年间产品策略的变化主要体现在哪些方面？ 答：在过去五年中，特斯拉的产品策略逐渐由追求创新和风险转变为追求满足 市场需求。例如，在推出modely时，虽然股价一度下跌，但该车最终成为历史 上销量最好的车型，这反映出特斯拉正在调整其产品开发逻辑，更加注重风险 承受能力和市场认可度。 问：特斯拉在自动驾驶技术更新方面的计划是什么？ 答：特斯拉计划在未来两个月内推出重要功能更新，解决 V12 在高速场景下决 策逻辑变差的问题，确保系统在所有场景下都能稳定运行。此外，智能召唤和 反向智能召唤功能也将逐步实现，以完善自动驾驶系统的应用场景。 问：FSD行驶里程突破11英里，对于渗透率提升的预期如何？ 答：现在大家预期最高的应该是渗透率的表现。特斯拉在北美已拥有约170 万辆车和170 万个用户，且订阅费用为一个月 199美元。虽然普通用户对渗透 率提升的具体幅度还未明确，但普遍都有乐观预期，认为渗透率会有一个比较 不错的跃升。 问：特斯拉在FSD系统下跑完11英里后，易老师曾提到什么目标和安全率 要求？ 答：易老师在大约 16 年前表示有信心跑过 60 亿英里的路程，届时他认为安 全率可以降到人为的十分之一左右，事故率会显著降低。然而，这个数据从未 公开过计算方法，且16 年过去了，还需要进一步观察。 问：FSD系统经过10亿英里测试后，性能将如何提升？ 答： 目前尚不确定经过 51 亿和 50 亿英里后的系统性能会提高到什么程度， 因为全世界尚未有可参照的数据。官方表示已超过 61 英里，但具体影响仍待 观察。 问：V12版本相较于之前有何改进，尤其在美国的使用情况如何？ 答：V12 版本几乎解决了去年在美国试用时存在的所有问题。它在处理美国特 有的施工场景时表现良好，尤其是在东海岸纽约等地，与国内驾驶风格有较大 差异，甚至华裔FSD车主也能在纽约地区进行测试，表明 V12 能学会类似人类 的驾驶行为。 问：V12版能否让车主太太察觉不到是车主在开车还是系统在开？ 答：V12 版本实现拟人化后，能够极大地提升心理安全感，让用户感觉系统非 常可靠，没有机械感，这对于提升FSD渗透率是一个关键指标。 问：为何在使用须知部分删除了双手握在方向盘上的要求？ 答：长远来看，手握方向盘的要求只适用于辅助驾驶时代。因为各大品牌如 特斯拉、魏筱丽、华为、小米等都在车内设置摄像头进行驾驶员注意力检测， 无需依赖手握方向盘来确保用户关注路况，这不仅提高了用户体验，也不会显 著降低安全性。 问：去年特斯拉在美国市场上的FSD表现如何，特别是在安全性方面？ 答：去年特斯拉在美国的FSD系统表现一般，不太人性化，经常在城市里开 时被人误解为技术不佳的新手司机，甚至遭受责骂。但整个系统的安全性非常 高，即使在用户不接受的情况下，车辆仍能保持自主行驶，尽管不常出现事故， 但在特殊情况下（如追尾）仍无法完全避免，这取决于其他因素。 问：当前监管机构对于robottaxi是否有类似交通法的法规约束？特斯拉在推动 robottaxi法规落地中扮演了什么角色？ 答： 目前无论是中国、美国还是欧盟，在监管机构层面都在讨论IOS（智能网 联汽车道路测试和示范应用管理规定），美国的 cruse和威猛也在制定相应的 方法逐步管理这些公司。 然而，在robottaxi这一领域， 尚未有一个类似交通法的法规来约束其运营。 对于伊朗强推robottaxi一事，存在两派不同的声音。在法规层面，特斯拉扮演 了推动法规落地的角色。如果特斯拉不积极推进，整个行业可能会继续等待， 等待规则的制定和完善。 问：Robotax的发布与落地时间是怎样的？ 答：Robotax在今年 8 月 8日发布后，最快的交付时间是明年二季度，这 意味着在这段时间内，特斯拉可能会通过实现 61 英里的安全性目标来说服监 管机构，并以此为前提规划其商业模式。 问：Robotax落地后的商业模式将如何展开？ 答：Robotax落地后的商业模式可能借鉴剃须刀和刀片的模式，即以低价甚 至免费提供车本身，然后通过高价销售FSD服务来获取利润。同时，特斯拉可 能会推出 TeslaNetwork，利用其 17 万辆保有量中的 10%作为网约车平台， 为车主提供超充免费等福利，从而实现更快的商业模式推广。 问：郑总，您能否分享一下国内与国外在自动驾驶方面存在哪些关键差异，以 及国内后续可能需要重点突破的节点？ 答：在关键自动驾驶技术方面，国内和国外存在一定的差异。例如，华为投 入了更多资源进行规则编程优化，其自动驾驶体验领先于国际水平。然而，国 内企业在端到端自动驾驶技术的应用和工程化方面还有待突破，特别是如何将 科研成果有效地转化为大规模工程实践，确保系统在真实世界中的收敛性。 问：您如何看待特斯拉在国内数据中心建设和应用的影响？特斯拉获得自己 的数据中心后，其自动驾驶表现会有多大的提升？ 答：特斯拉在国内建立了临港的数据中心作为工厂数据运营中心，其数据处 理由百度完成，训练则使用阿里云的数据中心。如果特斯拉能够在国内建立自 己的数据中心并投入使用，其自动驾驶表现可能比目前预期更快，但具体的提 升速度会受到基础模型能力和训练效率的影响。如果特斯拉能够获得自己的数 据中心并进行训练，其自动驾驶表现可能比之前预期更快，但由于其基础模型 能力已经很强，因此提升的速度可能会受到训练效率的影响。 问：关于特斯拉的数据处理和训练情况，国内的情况是怎样的？ 答：特斯拉在中国的数据处理由百度完成，数据经过清洗后交由阿里云训练。 特斯拉临港的数据中心并非用于FSD训练，而是作为工厂数据运营中心。 问：特斯拉的运营能力在开城数量上与国内其他厂商相比如何？特斯拉在开 城速度上是否比国内其他厂商更快？ 答：特斯拉的运营能力在开城数量上应该具备一定的优势，虽然他们可能不像 国内一些厂商那样能在短时间内在多个城市实现自动驾驶服务。不过，各家对 开城的标准不同，特斯拉可能追求最高标准，即在任何路况下都能实现自动驾 驶，而不仅仅是主干道。特斯拉在开城速度上可能比国内其他厂商更快，因为 他们对开城标准更高，追求在任何路况下都能实现自动驾驶，而不仅仅是主干 道。不过，这也会面临训练效率的挑战。 问：之前特斯拉V11版本是通过2D图片自我网格化并提取特征，但现在 V12.3的能力是否仍然需要这种网格化处理？V12相较于V11在自动驾驶能力 上有哪些显著变化？ 答：V12.3 并不完全依赖于端到端网格化处理，它展现出了更强大的图像特 征提取能力，能够直接提取特征而不需要再进行额外的网格化处理。V12 相较 于 V11，在高速与城市驾驶场景的表现上有所不同，可能采用了不同的技术网 络支持，其中幽灵检测等性能表现更为先进，使得其行为表现更加符合预期且 安全。 问：特斯拉在V12推出前后，在芯片算力上做了哪些重大调整？早期的特斯拉 车型能否搭载V12版本？ 答：从 V12 推出前后的芯片算力变化来看，特斯拉从 2 到 3 个亿 flops增 加到了5亿1000，而现在已经超过 10 亿 flops，这是一个快速且显著的算力提 升过程。2.0 平台的车型可以升级至 V12，但需要先升级至 3.0 硬件平台。而 3.0 平台则不支持升级至 4.0，最终将完成所有模型并行运行的替换，由 V12 实现所有场景能力的体现。 问：对于端到端模型训练所需的数据量和算力需求，有哪些标准和挑战？ 答：端到端模型训练需要大量数据和算力支持，尤其是在模型性能稳定性和可 用性方面，需要投入大量资源。同时，随着特斯拉投入更多的算力资源（例如 增加 videoclients），其 性能也在不断提升，但仍然存在数据量和算力需求大于过去高标准的情况。 问：世界模型在特斯拉自动驾驶中的应用和意义是什么？ 答：世界模型可以用于仿真实验，但其真实性和实用性有限，特斯拉在解决特 定场景问题时仍需采集实际数据进行训练。关于世界模型是否内置于 V12 模型 中， 目前存在两种声音：一种认为端到端模型足以实现复杂操作；另一种则认 为需要内置世界模型引擎，以提供对驾驶世界的深入理解和推理能力