会议要点

1. 自动驾驶进展

V12版本自动驾驶系统在决策逻辑和绕行逻辑上表现出色，显示出端到端(CPDD)模式的特点，这种模式难以通过传统规则编程实现。

V12版本在接近目的地时能够自动寻找停车位并停泊，显示出类似人类驾驶的行为。

公司计划在自动驾驶领域投资100亿美金，显示出对自动驾驶技术的重视和信心。

公司的自动驾驶技术正在向端到端模式转变，这一转变被行业内广泛认可，预计将大幅提升系统性能。

公司的自动驾驶系统在北美已经覆盖了170万辆车，预计渗透率将有显著提升。

2. 投资与成本

公司计划在自动驾驶技术上投入巨额资金，预计2023年资本支出将达到100亿美金，主要用于FSD的计算和存储。

3. 产品规划与市场策略

公司正在考虑推出model 2，但管理层对此存在分歧。model2的推出可能会对公司的战略方向产生重大影响。

公司的商业模式可能会随着完全自动驾驶技术的落地而发生变化，可能会采用类似于"剃须刀和刀片"的模式，即低价销售车辆并通过软件服务获得利润。

4. 法规与政策

公司可能需要推动自动驾驶相关法规的制定和落地，以便其自动驾驶技术能够在更多地区合法运营。

5. 技术挑战与发展方向

公司的自动驾驶系统在城市和高速上的表现仍有差异，未来需要解决这一问题以实现全场景覆盖。

公司的自动驾驶系统需要进一步提升算力，以支持更复杂的数据处理和模型训练。

6. 国际与国内市场

公司的自动驾驶技术在国际上已经取得了显著进展，但在国内市场仍面临一些挑战，特别是在数据中心建设和数据处理方面。

国内自动驾驶技术的发展速度快，但与特斯拉等国际领先企业相比，仍存在一定差距，特别是在端到端技术和算力方面。

Q&A

Q：公司自动驾驶FSD的渗透率和订阅率预期如何？

A：目前特斯拉在北美拥有约170万辆车，即170万个用户可以直接使用FSD的试用版。随着FSD试用的推出，尤其是当用户了解到订阅费用为每月199美元时，普遍预期FSD的渗透率将有显著提升。然而，具体的渗透率提升程度尚不明确，需要进一步观察。

Q：公司FSD在行驶里程上的表现和未来预期？

A：公司FSD已经成功在自动驾驶模式下行驶超过11英里。根据特斯拉的说法，他们从2016年起就在收集数据，目标是在行驶60亿英里时能够将事故率降至人类的1/10。尽管目前尚未达到这一目标，但特斯拉已经开始从新西兰、加拿大、澳大利亚等国家收集数据，以增强系统的性能和泛化能力。

Q：公司自动驾驶V12版本的性能如何？

A：V12版本在解决之前V10版本中存在的问题方面取得了显著进展，尤其是在处理美国施工场景和不同地域驾驶风格方面。V12已经学会如何在不激怒其他司机的情况下高效驾驶，显示出与人类驾驶员相似的行为模式。

Q：公司FSD对用户操作的要求有哪些调整？

A：公司已经对使用须知进行了调整，不再要求用户双手握在方向盘上。这是因为随着自动驾驶技术的进步，通过车内摄像头监测驾驶员的注意力已经足够，不再需要通过手部动作来判断。这种调整旨在提升用户体验，同时保持安全性。特斯拉在美国的FSD测试表明，即使在系统不够人性化时，其安全性仍然非常高。

Q：公司自动驾驶L4级别的现状和法规准备情况如何？

A：公司目前正为L4级别的自动驾驶做准备，但关于L4级别的法规在各国都还在讨论中，尚无统一的法规约束。例如在美国，虽然有针对自动驾驶的暂行管理方法，但还没有类似交通法的法规来约束robottaxi。特斯拉的自动驾驶技术目前主要依赖摄像头，缺乏超声波和毫米波雷达等传感器，这在技术上存在一定的风险。监管机构正在等待企业的输入来共同讨论制定相关法规。特斯拉有潜力成为推动法规落地的关键角色，但这也取决于公司在法规制定过程中的积极参与和贡献。

Q：公司robotaxi的商业模式和未来计划是怎样的？

A：公司的商业模式可能会采用类似剃须刀和刀片的策略，即通过低价或免费提供基础产品（如车辆），然后通过后续的服务或消耗品（如维护、升级等）来获取利润。关于robotaxi的具体商业模式，马斯克曾提到可能会在2024年8月8号的活动中进行详细说明。目前，特斯拉计划在未来的某个时间点推出robotaxi服务，但具体的商业模式和运营细节尚未完全明确，可能会在即将到来的活动上有所披露。

Q：公司FSD落地后的商业模式是什么？

A：公司FSD落地后，其商业模式可能会采用低价倾销或甚至免费提供车辆，以此来打价格战，同时将FSD卖得很贵。此外，特斯拉可能会推出类似TeslaNetwork的自营打车平台，通过该平台，特斯拉车主可以参与网约车服务，特斯拉会从中抽取一定比例的费用，同时为参与的车主提供免费的超级充电服务。

Q：国内外自动驾驶技术的差异及国内需要突破的关键节点是什么？

A：国内外在自动驾驶技术上的主要差异在于，国内企业如华为投入更多资源优化各种驾驶场景，体验感强，但在端到端自动驾驶技术的研究和大规模工程化上还需进一步提升。关键节点包括技术思路的明确、系统在现实世界的表现、算力的提升，以及数据处理的合规性。特别是算力方面，美国对高算力芯片出口的限制对国内发展构成挑战，需要国内企业寻找解决方案。

Q：公司在中国的数据中心建设情况如何？如果特斯拉能够在中国建立自己的数据中心，对自动驾驶的发展有何影响？

A：公司在中国可能不被允许建立完全自己的数据中心，目前的方案是使用阿里云进行数据处理和训练。如果特斯拉能够在中国建立自己的数据中心，或者FSDV12版本进入中国市场，理论上可以加速特斯拉在中国的自动驾驶发展，因为它的基础模型能力大幅提升，但实际效果还需视训练和适应情况而定。

Q：公司在中国的自动驾驶城市开放速度如何？与国内其他品牌相比有何不同？

A：公司在中国的自动驾驶城市开放速度可能会比国内其他品牌如小鹏汽车更快，但这也取决于特斯拉的运营能力和训练效率。需要注意的是，不同品牌对于“开城”的标准不一，有的品牌可能只是开放了主干道，而特斯拉的目标是在任何路上都能运行，这需要对更多场景进行训练。

Q：公司V12版本是否实现了完全的端到端能力，以及端到端技术与传统架构相比的优势是什么？

A：公司V12版本在技术上有所提升，但目前尚未完全实现端到端能力。V12版本在高速和城市驾驶中使用了不同的技术栈，且在后台运行中，V11版本支持的行人检测功能在V12中得到了提升。特斯拉的端到端技术随着版本的迭代，算力需求逐渐增加，从最初的2到3亿flops到目前的超过10亿flops。端到端技术的优势在于其能够通过模型训练，实现更高效的性能表现，减少对传统多套模型并行运行的依赖。

Q：公司自动驾驶技术的算力需求和未来平台兼容性如何？

A：公司在端到端技术方面的算力需求随着技术的发展而增加，目前已经超过了10亿flops，并且公司计划通过投资80亿美金来进一步提升算力。对于平台兼容性，2.0平台的车辆可以通过升级硬件来支持V12版本，但3.0平台的车辆不支持升级到4.0平台。随着技术的进步，端到端技术将减少对高算力的需求，因为它使用单一网络，更加基础和精简，从而提高了效率。

Q：公司自动驾驶的世界模型技术及其应用有哪些进展？

A：公司的世界模型技术主要有两种用途：一是用于仿真，其确定性非常高，已经在仿真中得到应用；二是通过各种工程化优化方法将模型应用到汽车上。目前存在两种观点，一种认为端到端模型足够复杂，可以像人类一样执行复杂操作；另一种观点认为仍需要世界模型，因为通过观察大量驾驶视频，模型能够理解驾驶世界中的所有规律，这与仅理解物理规律的模型有本质区别。特斯拉为了解决无保护左转等场景，曾派车队采集数据以训练模型，显示了实际数据的重要性。