文：董指导
马斯克一直被誉为高智商，但实际上情商也不低。上海工厂对于特斯拉的“雪中送炭”，他心知肚明，也深知中国市场的重要性。
于是，在特斯拉股价低迷了许久，马斯克需要重振投资者对特斯拉的信心时，他便再次来到了“福地”中国。不仅受到领导人接待，马斯克还收到了一份“大礼包”：
特斯拉符合国家汽车数据安全4项合规要求，FSD有望在中国落地。
这个消息出来后，特斯拉盘前就大涨了8%，市值增加420亿美元。这往返的飞机票，投资回报太高了。所以说，没有什么不懂人情礼数，只是因为诱惑还不够丰富。
话说回来，FSD也一直是特斯拉引以为傲的技术，凭着这个技术马斯克也时常称特斯拉不是汽车公司，而是科技公司。尤其去年特斯拉发布的V12版本，更是被誉为智能驾驶界的“掀桌子时刻”，又要把对手拉爆的节奏。那么，令投资人期待的FSD，有什么神奇之处吗？
V12 改变在哪里
V12最大的改变是自动驾驶从“规则前置”到“自学成才”。
自动驾驶系统可以分为感知、决策、执行。感知即靠摄像头、毫米波雷达、激光雷达等。决策层，就是各家算法的比拼了。
传统的做法是制定规则、模型识别、执行规则。但是，由于驾驶路况非常复杂，即使编写各种各样的规则，也无法穷尽。太吃人力、智力资源。而且如果没有定义规则，也会存在无法执行的时候。
特斯拉之前也是这个思路。 但ChatGGPT火了之后，给了特斯拉新的思路。
V12借鉴了ChatGPT的做法，发挥“神经网络”的作用，即：给AI投喂超大量真实的人类驾驶行为的视频、数据；然后依托超大的算力；接着，等大力出奇迹（智能涌现）。
这也被称为“端到端自动驾驶”。和之前“模块化设计”相比，端到端采用了整体思路，成本小、也无需繁复的规则设计。
在代码方面，V12的C++代码控制从2万多行减少到2千行，减少了90%。而且没有一行代码是来做道路、行人、障碍物等识别的。
毕竟，AI不需要理解什么是环岛，什么是障碍物，只需要学习足够多的人类驾驶习惯。模仿、大量模仿就行了。所以，从这个角度而言，数据，反而是核心资产。
为了支撑算法，特斯拉也用了一万块英伟达的高端显卡来支撑训练，而且还有自己的Dojo计算机在辅助。
从目前的行驶测试中，除了有一次想闯红灯之外，V12系统整体表现得非常顺利。更核心在于，如马斯克所说，“这些建筑、道路标志，是从未见过的”，也就是说，并没有代码事先做了识别、设定了规则。而是靠AI的学习和判断。
所以，V12与其说是技术跨越，不如说是解决思路的转变。
V12 落地的障碍
虽然马斯克说，希望神经网络像人一样开车，但实际上仍有不少障碍。
一个障碍在于数据的不足：量够不够多、质够不够好。
没有数据训练的完全应对，目前AI还做不到。就像V12目前还不能应对雨雪天气，因为当前的训练数据主要来自于加州的驾驶员，而加州雨天不多。
特斯拉目前能够推动V12发展，一方面依托“影子模式”收集了大量驾驶数据。另一方面通过自己的保险业务，识别出了一批优秀驾驶员，从而可以采用这些高质量数据进行训练。
但单靠特斯拉车主，数据量还是不够的。毕竟，和ChatGPT所需要的图文信息相比，视频数据更私密、也更不易获得。而且汽车行驶数据又涉及到数据安全。
因此，特斯拉符合中国国家汽车数据安全的合规要求，是多么重要的信息。不过，特斯拉要谨慎的是，中国不少司机们各个身怀绝技，投喂的数据，可能会让AI染上坏习惯。
除了数据质和量之外，也有个隐忧。就是当AI面对数据中没有覆盖的场景时，能否做出准确判断，也无法知晓。毕竟，大力出奇迹，就是开盲盒，可解释性不高。
另一个障碍在于算力 。训练需要大量算力、推理更需要算力，而特斯拉由于数据必须在中国落地，那么训练中心也应该在中国落地。那就不得不提，英伟达也好、Dojo也罢，美国政府是否允许特斯拉在中国使用。
如果不允许，那么中国算力公司谁能拿到特斯拉订单，自然是美滋滋了。同时，为特斯拉提供地图数据、训练数据的公司，也可以享受到这波红利。
智能化的鲶鱼？
这几天，问界事故之后，智能驾驶又成为了舆论热点。
有人说智能化吹得太厉害，导致消费者误以为技术很牛，从而开车时容易掉以轻心，甚至会主动做出危险行为。网上有个视频，车主用幕布盖住前窗玻璃、秀自动驾驶。智能化应该发展慢一些。
这一次事故车辆，也是 入门非智驾版，并没有配置相应的高阶智能驾驶。但车主是否会误以为有，就不得而知了。
也有观点认为，智能化就像当年汽车取代马车一样，创新必然也会带来一定的风险，甚至出现比马车时代更严重的事故，但如果坚持马车、不发展汽车，那人类文明必然落后很多。应该及早发现问题、及时解决问题。
从现实发展来看，智能化的大潮确实不可阻挡。但是，要注意的是，技术 也不是一蹴而就、蜂拥而至就可以的。
比如不愿意背锅的博世，成立于1886年，已经超过了马老师期待的102岁。公司积累了大量可靠的工程经验。
特 斯拉的自动驾驶也是不断迭代的，先后引入“九头蛇”网络 HydraNet、Transformer算法、FSD自研芯片等等，才逐渐形成了现在的效果。
考虑到特斯拉已经许久没有新车型推出，要提振消费者兴趣，FSD确实是可以打的牌。从安全考虑和逐步推进的节奏来看，FSD的落地，倒不如先从“通勤场景”的城市NOA开始。毕竟场景相对固定，算法可以快速积累。
特斯拉上海工厂落地，在电动化阶段，给国内电动车制造带来了“鲶鱼效应”；那么，这一次FSD落地，会在智能化方面，继续发挥这个效果吗？
如果FSD被消费者追捧，那么友商们，谁会被拉爆？谁又会被带着往前走？
-全文完
和董指导聊聊天
点个在看和赞再走~