贾浩楠 发自 副驾寺智能车参考 | 公众号 AI4Auto

太阳真从西边出来了。

马斯克，挖坑很少填、服务看心情、还老说用户“使用不当”，但这次没背刺老车主，反而主动关怀：

5年前的特斯拉，刚刚推送了最新的FSD！

用户爽之外，可以预见又会成为行业追随模仿的技术案例——

端到端上车，8个摄像头、100多TOPS算力足矣。

建议大家一起疯狂@极氪。

极氪硬着头皮一年强推三款001，其实不为别的，就是被智驾升级给逼的。

这边极氪老车主骂声还不绝于耳呢，人家特斯拉马上就给5年前的老车型推送最新FSD，版本是12.5。

能力上，北美已经有了大量用户实测视频，能够自主应对几乎路上的一切驾驶挑战，比如自动过闸机、环路：

穿梭唐人街闹市区：

尤其是在特斯拉数据密集的西海岸加州地区，FSD12.5版本现在已经到了“自己跟自己较劲”的迭代阶段：死磕舒适性，有的用户已经开始做“30分钟水不洒”的挑战：

完全能够做到有导航就能开，而且和国内绝大部分“城市NOA”不同的地方在于，FSD V12版本采用端到端技术体系。

简单地说，从场景数据输入端到驾驶指令输出端，全部由AI模型搞定，抛弃了以往模块化、手写规则的模式。

最大的好处是让AI直接学习成熟人类司机的驾驶方法，理论上限极高，能突破以前难以解决的各种复杂场景。

挑战是训练数据，要足够多、足够优质，并且底层算力足够大——端到端入门门槛，通常认为是10亿资金、万卡集群，但对特斯拉来说，都不是问题。

所以当下的FSD V12版本可能某些场景上表现不稳定，甚至小版本间还会出现“负优化”现象，但在整体体验、平均能力和发展性上，无疑是最领先的。

就是这样的智驾系统，特斯拉刚刚把它推送到搭载HW3.0硬件的老款特斯拉车型上。

很厉害吗？

业内普遍认为，端到端模型至少需要200TOPS+的算力才能work，国内大多数产品都采用2块Orin的配置。

而特斯拉2019年发布的HW 3.0硬件，算力只有144 TOPS。

也就是说，5年前买特斯拉的用户，一觉醒来发现自己的爱车自动驾驶能力有了翻天覆地的进化。

和现在购买搭载HW 4.0硬件（约500TOPS）的最新特斯拉用户，体验完全一样。

当然在研发端难度肯定不小，特斯拉的软件负责人Ashok Elluswamy解释了实现方法。

首先要明确的是，本来500TOPS跑的FSD V12，下放到144 TOPS的平台，并不是算法和功能的“阉割”。

Ashok Elluswamy的原话是“在编译器中使用全新的内核，来模拟HW 4.0硬件对算法的原生支持”。

至于端到端模型本身，官方透露的信息是“使用适当的压缩技术，在两代硬件上跑完全相同的模型”。

只说了这么多。也能理解，毕竟前几年特斯拉AI Day的PPT，成了大量国内友商汲取“灵感”的源泉。

但从特斯拉的软件负责人的只言片语中，大概能推测采用的方法可能是“知识蒸馏”，我们之前详细科普过。

对预训练好的FSD 端到端模型进行处理，得到参数量相对较小，但保留核心能力的模型。如果某些场景能力有退步，还可以用合适的数据集再次训练，然后分别部署在HW 3.0和HW 4.0上。

因为Ashok明确地说：

参数量只是影响性能的众多因素之一。数据分布、数据质量、模型架构、训练计算等也会对最终性能产生巨大影响。

这样一来，FSD 的V12版本能够在算力有限的旧平台上顺利跑起来。而对于最新的HW 4.0平台，模型规模变小，意味着更快的计算时间，更短的响应延迟。

一举两得。

特斯拉给HW 3.0推送V12版本FSD，证明了用软件算法能力是能够填平智驾硬件差距的。

很长一段时间内，采用模型压缩技术实现低成本小算力端到端上车，会成为全行行业追逐模仿的新范式。

而且特斯拉还划出了这条技术赛道的“及格线”：144TOPS。

从另一个角度看，端到端上车的门槛、下限既然能这么低的话，那么那些以“智驾升级”为旗号的更新换代、以“军备竞赛”为名狂堆算力和传感器的玩家，恰恰是技术实力不行的体现。

而事实上也的确如此。市场上1000TOPS 算力的车型，智驾体验和200 TOPS并没有质的差距。

这其实是自动驾驶的AI本质：前端竞争核心是软件和算法，需要“大力出奇迹”的则是后端超算设施。

所以今年下半年开始，国内最前沿的探索者们也开始了对本质的回归。比如长城前两日刚刚量产交付的端到端车型蓝山智驾版，就只用了一颗英伟达Orin芯片。

所以对于用户来说，特斯拉的新进展证明了我们是能够低成本享受高阶智驾的。

而且“越开越好开”的承诺保鲜期，被拉长到了5年。

不过也别太苛责极氪，独立上市拿回研发自主权后，极氪的进步速度在国产阵营中是佼佼者。

之前被Mobileye误了这么多年，真的是身不由己。