特斯拉FSD自動駕駛解決方案要點解讀

2024-05-15 2252

伊隆馬斯克北京之行：與 FSD China 破冰

馬斯克訪問北京後不久，中國汽車工業協會和國家電腦網路緊急協調中心發布了測試汽車資料處理四項安全要求的通知。特斯拉作為外資企業，成為首批通過全部四項要求的車商之一。在 FSD V12 中，特斯拉對其導航和路線規劃演算法進行了重大改進。新版導航系統可綜合考量交通狀況、道路變化、駕駛偏好等多種因素，智慧規劃駕駛路線。此外，新版FSD擁有更強的即時路況分析能力，可依實際狀況調整路線，確保駕駛體驗更加順暢。中國車企雖然在自動駕駛底層技術上落後，但在生態和供應鏈上具有優勢。隨著智慧交通基礎設施的發展，他們有望整合更多有競爭力的產品。

借助FSD V12實現的端到端自動駕駛技術，特斯拉只需利用豐富的本地駕駛資料來訓練智慧駕駛模型，即可提供卓越的駕駛體驗。而且，透過大幅減少基於規則的程式碼的使用，特斯拉不需要在中國建立數千名智慧駕駛演算法工程師的團隊。特斯拉只需要20人左右的本地營運團隊和數百人的數據標註團隊，就能保證FSD在中國市場的順利落地與營運。

16年2023月XNUMX日，在特斯拉年度股東大會上發言後，馬斯克接受了美國知名財經媒體CNBC的訪問。

在討論特斯拉的AI能力時，馬斯克表示，特斯拉在現實世界的AI方面遙遙領先，可以說是無與倫比的。隨後他回答了主持人關於ChatGPT和生成式AI的問題：

「我認為特斯拉也會有一個'ChatGPT時刻'，如果不是今年，那麼我認為不會晚於明年。這意味著有一天，突然之間，3萬輛特斯拉汽車可以自動駕駛.. ....然後是5萬，然後是10萬…

如果我們交換立場，特斯拉建立一個語言模型，其結果不比 ChatGPT 差，而微軟和 OpenAI 致力於自動駕駛，如果我們交換任務，毫無疑問我們會贏。

FSD是全鏈路自動駕駛軟體硬體架構

FSD架構：跨資料、演算法、算力等各個層面建構全面的端到端自動駕駛軟硬體框架，涵蓋感知、規劃、執行。

規劃：本質上解決多物體路徑規劃問題，管理自身和所有物體的軌跡，引導車輛完成對應的執行動作。

神經網路：分析視訊流等輸入，以輸出控制車輛的完整運動狀態（位置/速度/加速度/粗糙度）。

訓練資料：利用最先進的4D自動標註技術、升級的模擬和雲端運算資源，形成閉迴路資料系統。

訓練基礎設施：包括 CPU、GPU、神經網路加速器單元和 AI 編譯器。 AI編譯器支援神經網路所需的新操作，將它們映射到最佳的底層硬體資源。

AI 編譯與推理：解決在電腦上執行神經網路的問題。目前的推理引擎可以將單一神經網路的執行分配給兩個獨立的晶片系統，類似於在同一台自動駕駛電腦中連接兩台獨立的電腦。

在端到端的解決方案中，神經網路是關鍵，有望實現全局最優解。

與專家模型、混合模型等模組化解決方案相比，端到端自動駕駛解決方案集感知、規劃、控制於一體，去除了每個模組中基於規則的程式碼。多個感測器收集到的信息直接輸入到複雜的大規模神經網路中，經過計算後可以直接輸出駕駛控制命令，形成端到端的系統。最顯著的優點是減少對高精準度地圖的依賴，降低中間階段的成本；此模型具有較高的上限，可以得到近似的全局最優解。缺點包括初始模型學習速度較慢，需要大量訓練資料才能使模型出現並實現快速進展，與模組化架構相比，對簡單場景的解釋較少，由於模型層較低而導致進入門檻較高；中間的「黑盒子」可解釋性差，可能會導致比專家模型更多無法解釋的決策行為。

特斯拉的「影子模式」也為FSD的進步提供了至關重要的支援。

透過收集用戶駕駛過程中的各種駕駛數據，特斯拉可以獲得高價值的極端狀況數據，並持續優化FSD性能。這些數據儲存在特斯拉的數據中心，經過數據引擎的分析處理後，可作為系統的訓練材料，進一步提高FSD的準確性和可靠性。

HW4.0算力更強，大型模型進步顯著。

本次FSD公測版的技術進步主要來自以下幾個面向：首先，FSD Beta V12針對HW4.0平台進行了更新，為系統提供了更強的硬體支援。 HW4.0硬體升級將相機的幀率提高了4幀/秒，從而能夠更快地處理影像資料並提高道路細節識別能力。此外，HW4.0的運算能力相比HW3.0提升了一倍，讓FSD能夠進行更有效率的處理與運算，加快決策速度。

馬斯克稱FSD V12幹預率僅為V11的百分之一

特斯拉執行長馬斯克週二在X平台上表示，特斯拉「完全自動駕駛」（FSD）軟體V12版本的干預率僅為V11版本的百分之一。有用戶發文稱，“與V11相比，V12的干預頻率將降低100倍以上，這不是逐步升級，而是飛躍。”

特斯拉將投資約10億美元用於人工智慧訓練和推理

馬斯克還補充說，任何公司如果不能每年花費至少 10 億美元或有效部署，就無法在市場上競爭。

近期，特斯拉端到端FSD V12已逐漸開始向北美用戶大規模鋪開。簡而言之，FSD V12透過大量視訊訓練資料實現了自動駕駛的目標，讓特斯拉消除了數十萬行程式碼。然而，訓練這樣的AI自動駕駛需要大量的運算能力。馬斯克在去年 10,000 月的直播中表示，特斯拉即將推出由 100 個 Nvidia HXNUMX 組成的 GPU 集群，用於訓練新的 FSD 系統。

AutoX創辦人、董事長兼CEO肖健雄告訴第一財經記者，特斯拉的FSD採用了端到端的深度學習演算法，相比之前效能有了顯著提升。過去，它依賴手動編寫的基於程式碼的規則演算法，現在它使用用資料訓練的大型模型網路。

前一則

先進封裝的基本術語

下一則

半導體企業10強