當?shù)貢r間8月26日，馬斯克親自上線開啟了一場FSD Beta V12試駕直播，引百萬人現(xiàn)場圍觀。

據(jù)稱，F(xiàn)SD Beta V12是有史以來第一個端到端AI自動駕駛系統(tǒng)（Full AI End-to-End），是特斯拉最重要的一次升級。

直播45分鐘，F(xiàn)SD Beta V12系統(tǒng)在行駛全程進展非常順利，能夠輕松繞過障礙物，識別道路各種標志。

馬斯克激動地表示：

V12系統(tǒng)從頭到尾都是通過AI實現(xiàn)。我們沒有編程，沒有程序員寫一行代碼來識別道路、行人等，全部交給了神經(jīng)網(wǎng)絡。

具體來說，V12的C++代碼控制減少了10倍，從2萬多行減少到2千行。

獨特的地方在于，特斯拉99%的決策都交給神經(jīng)網(wǎng)絡給出，視覺輸入，控制輸出，就像人類大腦一樣。

另外，它所擁有的超強能力，是經(jīng)過巨量的「視頻數(shù)據(jù)」、1萬個H100加持下完成的。

不過，直播中，V12出現(xiàn)僅有一次的小失誤，試圖闖過紅燈，讓人類去主動干預。馬斯克現(xiàn)場來了個緊急剎車。

馬斯克表示，F(xiàn)SD Beta V12仍在調(diào)試中，因此還沒有確定正式發(fā)布的時間。

馬斯克：我們沒有編程

馬斯克這場實時直播，出發(fā)點是特斯拉總部。

馬斯克單手開啟特斯拉Model S后，全程45分鐘，自己舉著手機錄下V12的行駛全程。

馬斯克在地圖上隨機選擇了一個目的地——斯坦福?？纯碫12是如何帶他去往第一個目的地。

行駛中，馬斯克稱，特斯拉遇到的這些建筑、道路標志，是從未見過的。雖然離總部很近，但是對其來說還是新事物。

走到交叉路口時，特斯拉主動停了下來，并耐心等待信號燈變化。

馬斯克笑著調(diào)侃道，它做到了！

綠燈后，特斯拉平穩(wěn)地進行了左轉。

馬斯克表示，這完全是通過人工智能和攝像頭實現(xiàn)的，就如同我們大腦運作方式一樣，對應之為神經(jīng)網(wǎng)絡和眼睛。

遇到減速帶時，V12讓汽車緩慢行駛。

馬斯克激動地稱，沒有一行代碼讓特斯拉，在停車標志處停車，或等待另一輛車，沒有「等待x秒」之類代碼。這都是神經(jīng)網(wǎng)絡，除了神經(jīng)網(wǎng)絡什么也沒有。

說著說著，第一個目的地斯坦福到了。馬斯克還是惦記著和小扎來場籠斗，因此第二個目的——小扎的家。

然后，他輸入了小扎家的地址，讓V12加持的特斯拉帶路。

路上，特斯拉繞著一個環(huán)形交叉路口行駛時，V12再次展示了頂級水平。

在等待前兩輛車開走后，然后決定轉彎行駛。

這里，馬斯克再次重申道，團隊從未對環(huán)形交叉路口的概念進行編程。我們剛剛向它展示了一堆關于環(huán)形交叉路口的視頻。

簡之，V12是通過大量的視頻訓練數(shù)據(jù)來實現(xiàn)這一目標。

FSD AI現(xiàn)在只輸入大量視頻，以便識別在不同情況下需要做什么，而不是對每個道路元素或情況進行單獨編碼。

這使得特斯拉能夠省去FSD V12中的數(shù)十萬行代碼，使其更加輕便、更靈活，同時它仍然可以在不熟悉的地形上無需數(shù)據(jù)連接的情況下工作。

馬斯克介紹，所有這些都是在Tesla HW3上完成的，推理計算功率約為100瓦。所有推理無需網(wǎng)絡連接，在本地進行。顯然這是必要的，如果沒有互聯(lián)網(wǎng)連接，你就無法安全駕駛。

停車后，馬斯克還談到了特斯拉的幀率。

我們正在以全幀率運行。8個攝像頭以每秒36幀的速度進行拍攝。純AI版本比「普通軟件和人工智能混合」的版本運行得更好更快。

事實上，它的拍攝速度將超過每秒36幀，只是攝像頭只能達到36 fps。據(jù)我們推算，它可能以每秒50幀的速度拍攝，實際路況基本上只需要每秒24幀，F(xiàn)SD V12就可以正常工作。

小扎的家到了，馬斯克沒有下車，反而轉身決定去下一個目的地Palo Alto。

直播中，馬斯克還展示了V12到達目的地后，自動將車停到合適的位置。

「視頻數(shù)據(jù)」直接訓AI

馬斯克曾表示，F(xiàn)SD V12將成為4級自動駕駛系統(tǒng)。

在今年6月底，馬斯克就宣稱，Tesla的自動駕駛FSD V12版本將不會再是測試版。

直播演示中，馬斯克也提到了對于通過AI訓練視頻數(shù)據(jù)來實現(xiàn)自動駕駛這個方向可能面對的挑戰(zhàn)。

「僅僅因為沒有代碼行并不意味著它不可控?，F(xiàn)在只需擁有數(shù)據(jù)，你仍然可以實現(xiàn)控制?！?/span>

首先是，訓練視頻的質量非常重要，所以只能用優(yōu)秀司機的駕駛視頻來訓練，而不能用技術不好的司機的數(shù)據(jù)。

當前，已經(jīng)有相當多的軟件可以實現(xiàn)選擇什么數(shù)據(jù)、訓練什么數(shù)據(jù)。

所以數(shù)據(jù)量不重要，數(shù)據(jù)的質量才是提供安全自動駕駛技術的關鍵。

對于汽車來說，能夠運行的軟件很小，但后端訓練的軟件要大得多，更加復雜。

因此，V12系統(tǒng)使用了Python的普通軟件來決定從隊列中選擇哪些數(shù)據(jù)，然后確定什么是高質量數(shù)據(jù)，什么是相當好的數(shù)據(jù)。

一旦有了AI模型，還可以將這些模型以「影子模式」（shadow mode）傳送到系統(tǒng)上，然后每次它與用戶所做的事情不一致時，特斯拉都會得到數(shù)據(jù)，這比僅僅收集隨機數(shù)據(jù)更有價值。

用V12的FSD可以識別人像，只要傳一張照片，然后告訴汽車你在星巴克門口。車到了之后會找到你，接你上車。因為它可以自動找到星巴克，然后根據(jù)照片找到乘客。

馬斯克表示，我們實際上對系統(tǒng)擁有一個非常快速的良性循環(huán)反饋感到興奮。

當人類對汽車進行干預時，干預行為就會自動上傳，訓練與訓練相結合，然后實際上只是更新權重。

在V12的編程中，特斯拉團隊并沒有加入交通信號燈概念，而存在于V11的普通堆棧中。

汽車能夠流暢行駛，主要是基于視頻訓練。

「我們已經(jīng)從V11的顯式控制堆棧中的超過300,000行C++進行了轉換，而在V12中基本上沒有這些內(nèi)容」。

還有一個有趣的困難是，對于停車問題，因為人類在遇到停車標識時不會真的停下來，只會降到很低的速度，大概只有不到1%的駕駛員會完全讓車停下來。

但是監(jiān)管機構要求必須完全停下來，這樣就必須專門訓練FSD在這些情況下完全停車。

直播中唯一一次干預，是由于搭載了V12系統(tǒng)的Modle S在遇到紅燈時并沒有停下來。

對此，馬斯克現(xiàn)場表示，我們只需要再多喂一些包含大量交通信號燈的視頻，問題就能解決了。

未來兩周，特斯拉將會發(fā)布在后臺運行的Shadow Moon，能夠對行駛狀況進行檢查。

另外，馬斯克提到這套系統(tǒng)有一個問題是如何應對低能見度的駕駛條件。

因為特斯拉所在總部加州從不下雨，所以需要世界各地各種天氣條件的駕駛視頻進行訓練。

目前，F(xiàn)SD V12在全球有12名試駕人員，遍布新西蘭、泰國、挪威和日本等地。

1萬個H100訓練，Infiniband比GPU還缺

他還在試駕直播之前串進了WholeMars的Space，和里面的開會的網(wǎng)友聊了10多分鐘，為自己的直播預熱。

網(wǎng)友看到他進來了，就不自覺地開始采訪他，他也順勢打開了話匣子，和網(wǎng)友聊了聊自己馬上要進行的直播和相關的問題。

首先他說特斯拉已經(jīng)馬上要上線由10000塊H100組成的GPU集群，來訓練新版本的FSD系統(tǒng)。

現(xiàn)在訓練過程基本上都要全完依賴英偉達的GPU，只有很少一部分會使用自己的超算Dojo。

而目前他們遇到的最大技術困難是需要像Infiniband那樣的高速網(wǎng)絡連接來并行更大的算力。

GPU雖然短缺，但是至少有改善的希望，但是現(xiàn)在支持Infiniband設備短缺比GPU的短缺還嚴重。

大規(guī)模密集型的計算集群之間的數(shù)據(jù)交換會很困難。

而對于英偉達的依賴會持續(xù)很長的時間。

聊著聊著，馬斯克又不自覺地進入了地球球長的角色，說到：

而長遠來看，未來人類會成為強計算依賴的文明，有80%-90%的能源消耗在計算之上。

所以改善現(xiàn)有計算基礎設施的能效比是很重要的事情。

Transformer的能效比不太好，效率也不高，用戶使用的延遲過長，需要進一步的優(yōu)化。

GPU的能耗比也不太好，而且現(xiàn)在像H100這樣的GPU已經(jīng)不會輸出圖像了，所以叫GPU已經(jīng)不太合適了。

馬斯克還在推上表示，使用自回歸Transfomer的LLM能效極差，不僅在訓練中如此，在推理中也是如此。我認為它偏離了幾個數(shù)量級。

接下來，馬斯克就開始為他即將進行的直播造勢，聊起了自己將演示FSD V 12的上路直播。

他反復強調(diào)Tesla在新版FSD的加持之下，將會帶來非常順滑的乘坐體驗。

能夠模擬優(yōu)秀的司機來駕駛汽車，不會像之前的系統(tǒng)一樣偶爾顯得像一個新手開車一樣。

聊到這里，他拂袖而去，最后只留下一句話，讓大家趕緊去看他馬上開始的自動駕駛的直播。

不得不說，公關流量這一塊，馬老板玩得是明明白白的！

網(wǎng)友熱議

看完這次的直播之后網(wǎng)友紛紛表示，一切看起來都很nice！

不用聯(lián)網(wǎng)實在是太棒了。

還有人稱，簡直就是DriveGPT。

目前看來沒有任何自動駕駛技術能接近這個表現(xiàn)。

但也有網(wǎng)友表示，V12的新任務是接受亞洲交通的考驗，并上了一段中國某路口的視頻......

這位網(wǎng)友貼心地總結出了他認為視頻中的亮點：

特斯拉的推理只需要100w的功率支持，不用聯(lián)網(wǎng)

能自動處理環(huán)島，自行車，行人。

所有的訓練都是基于英偉達的GPU和Dojo，而且AI駕駛連地圖都不需要，只需要GPS數(shù)據(jù)就行。