今年年初，特斯拉正式向公眾發布了最新版本的完全自動駕駛系統FSD Beta V12。然而，盡管馬斯克曾自信地宣稱V12將不再處于Beta版的開發階段，但從首批收到FSD V12更新的用戶截圖中可以看出，該版本的FSD V12仍然帶有“測試版”標簽。

與之前的版本相比，特斯拉FSD V12新增了一項功能，即自動速度偏移調整。這項功能使得特斯拉FSD能夠借助AI視覺技術，根據不同的環境和場景，自主調整車輛的行駛速度。這只是特斯拉“端到端”自動駕駛功能中的一部分。在特斯拉CEO馬斯克的設想中，端到端的自動駕駛方案更接近人類的駕駛模式，它將感知與駕駛決策都交給了AI，而不是傳統的基于規則的驅動方式。他表示：“人類就是這樣做的，通過圖像輸入，進行控制輸出。”

特斯拉在其新版本的發布說明中指出：“FSD Beta V12是有史以來第一個端到端的AI自動駕駛系統。”馬斯克在去年的試駕直播中進一步強調：“FSD Beta V12將城市街道的駕駛堆棧升級為單個端到端的神經網絡，經過數百萬個視頻剪輯的訓練，取代了超過30萬行顯式的C++代碼。”

完美躲避靜止車輛 起步博弈更自然

根據海外用戶分享的視頻片段，特斯拉的FSD V12在無高精地圖、無判斷代碼、僅依賴數據訓練的情況下表現優異。在雨天、無紅綠燈路口、無保護左轉、以及應對應急車輛等場景中，系統都展現出了卓越的性能。許多國外車主對新版本的FSD給予了高度評價，視頻下的評論普遍積極。

具體來說，搭載FSD Beta V12的車輛能夠準確識別路口的停車標志以及路面上的實線。在視頻中，車輛在路口的停止線前穩穩地停住，等待左右兩側沒有車輛時才自動起步，順利通過十字路口。在紅綠燈路口，車輛準確地識別了頭頂的紅綠燈信號，平穩地停在了摩托車后面等待。當綠燈亮起時，車輛迅速啟動，并稍微避讓了旁邊靠近的車輛。

此外，FSD還在演示視頻中展示了在紅綠燈前大約200米處完成向右變道，減速后順利完成右轉操作，并且避開了路邊臨時停靠的車輛。在無保護左轉（直行和左轉綠燈同時亮起）的場景中，車輛跟隨前車平穩起步，在對向無車的情況下快速完成了左轉操作，平穩地從最左側車道駛向最左側車道，行駛軌跡接近圓周運動。從這兩個場景可以看出，車輛成功識別了不同位置和高度的紅綠燈信號，基本上沒有延遲，操作也十分流暢。

面對開啟應急燈或形狀各異的異形緊急車輛時，FSD同樣表現出色。從車輛儀表屏幕可以看到，車輛正確識別了閃爍的消防車，并正確地向右避讓以避開消防車。同時，車輛也識別到了在消防車一側緩慢行走的施工人員。在一段雙車道路段上，車輛在對向車道車流不斷的情況下，連續完成了越線超車和避讓起步車輛兩個動作，操作連接順暢且無停頓。

不懼夜晚雨天 復雜場景不慌張

對比馬斯克上次測試的版本，本次FSD V12更新后車主放出的視頻補充或者說證明了幾個點：1、FSD能夠正確識別紅綠燈和道路指示，并按照通行邏輯行駛；2、在雨天、黑夜等能見度低場景仍然可用；3、在人、車、異形物同時存在的復雜場景也不失效。

首先，我們來看看邏輯問題。馬斯克上次直播演示的場景確實相對簡單，而這次眾多海外網友的測試顯示，特斯拉FSD在處理交通邏輯方面表現得相當出色。它不僅能夠遵守基本的交通規則，如路口停車、禮讓行人、按照紅綠燈信號行駛，還展現出了與人類駕駛者相似的邏輯思維能力。例如，遇到慢車時它會選擇超車，面對無保護左轉時會進行博弈，遇到應急車輛時會減速并觀察情況，起步和剎車都相當平順。這種表現已經達到了相當高的水平，幾乎可以與經驗豐富的老司機相媲美。

其次，我們來看看使用場景。馬斯克在直播時主要展示了FSD在晴朗白天的表現，而實際測試視頻中，我們看到車輛不僅在黑夜中行駛，而且面臨著極大的雨刮器工作負荷。即便在這樣的情況下，FSD仍然能夠正常運行，這證明了它在黑夜和雨天等復雜環境下的可用性。未來，我們期待更多車主能在更極端的環境條件下測試FSD的表現，例如大霧或沙塵暴等。

最后，值得一提的是FSD作為純視覺、端到端方案的“集大成”特性。它能成功識別并應對爆閃燈光和各種形狀的應急車輛，顯示出強大的環境感知和應對能力。與馬斯克上次直播中回避路障的表現相比，這次FSD在行駛安全方面的表現更加出色，讓人更加安心。這表明公測版本的FSD可能已經達到了“可用”的水平。隨著更多車主在實際場景中使用公測版的FSD，我們期待它能進一步提升用戶體驗，從而真正達到“好用”的水平。

HW4.0算力更強 大模型進步速度驚人

本次公測版FSD的技術進步可能的增長點主要來源于以下幾個方面：

首先，FSD Beta V12針對HW4.0平臺進行了更新，這為系統提供了更強大的硬件支持。HW4.0硬件升級帶來了攝像頭每秒多4幀的幀率，使得系統能夠更快速地處理圖像數據，提高了對路面細節的識別能力。此外，HW4.0的算力相比HW3.0翻倍，這使得FSD能夠進行更高效的處理和計算，加快了決策速度。

其次，FSD Beta V12采用了更為海量的數據進行訓練。通過在數百萬個視頻剪輯上訓練單個端到端神經網絡，FSD能夠更好地適應各種駕駛場景和應對各種復雜情況。這種基于深度神經網絡的方法使得FSD能夠從大量數據中學習到駕駛行為的規律和知識，進一步提高其識別和預測能力。

此外，FSD V12采用了端到端大模型技術，將感知和規范集成到了一個大模型之中。這種方案能夠提高數據處理的速度和效率，使得系統能夠迅速作出判斷并控制車輛的行為。通過深度學習和強化學習的方法，FSD能夠不斷優化自身的駕駛策略，從而逐漸提高其駕駛能力和智能化水平。

最后，特斯拉的“影子模式”也為FSD的進步提供了重要支持。通過在用戶駕駛過程中采集各類駕駛數據，特斯拉能夠獲取高價值的corner case數據，從而不斷優化FSD的性能。這些數據被存儲在特斯拉的數據中心中，經過數據引擎的分析和處理后，可作為系統的訓練資料，進一步提升FSD的準確率和可靠性。

總之，本次公測版FSD的技術進步可能主要來源于針對HW4.0平臺的更新、更海量的訓練數據、端到端大模型技術的應用以及特斯拉“影子模式”的支持。這些因素共同推動了FSD的性能提升和進步，使其在自動駕駛領域取得了更大的突破。

FSD入華 V12是關鍵

在2021年8月，特斯拉在首次AI DAY上推出了基于Transformer技術的BEV。此后，華為、小鵬、蔚來、理想和百度等眾多廠商紛紛跟進，并推出各自的基于BEV+Transformer的智能駕駛方案。盡管特斯拉在這方面具有一定的先發優勢，但與中國本土車企的智能駕駛方案相比，并沒有形成明顯的代際差距。雙方都在感知層面上通過BEV+Transformer架構實現了神經網絡的基本運算，但在下游的規劃和控制方面，仍主要依賴于傳統的規則算法。即使是特斯拉的FSD V11，也包含了大約30萬行C++控制代碼。

然而，隨著FSD V12的推出，這一局面得到了扭轉。通過實現端到端的自動駕駛技術，特斯拉成功地拉開了與中國車企的代際差距。FSD的每次大版本迭代，本質上都是將更多的子任務交給神經網絡來完成，從而減少了人工規則的參與程度。FSD V12更是將幾乎所有的子任務都交由神經網絡處理，將人工編程的C++控制代碼從V11的30萬行大幅減少到僅3000行，實現了真正意義上的“完全端到端”自動駕駛。這意味著在神經網絡模型中輸入圖像后，可以直接輸出轉向、加速、制動等控制指令，無需任何額外的規則代碼。這種端到端自動駕駛的核心優勢在于能夠大幅提升模型的性能上限和訓練效率。

在傳統的自動駕駛中，模型的性能上限主要取決于規則代碼的質量。各車企智能駕駛能力的差異，本質上源于規則代碼的差異。然而，有限的代碼無法覆蓋無限的場景，工程師們只能在遇到邊緣場景時對模型進行修補。所謂的智能駕駛，實際上并沒有真正的智能可言，因為它們無法理解規則，只是按照人類設定的規則進行駕駛。

相比之下，FSD V12的端到端自動駕駛技術打破了這一限制。模型性能的上限不再由規則代碼決定，而是由數據和算力所決定。端到端的智能駕駛模型可以模擬人類的思考方式，通過大量訓練“學會”如何駕駛。訓練數據越多、算力越強，模型的性能就越好。這甚至可能引發類似于大語言模型中的“涌現”現象，即模型在某些情況下能夠展現出類似于人類的“開竅”或“厚積薄發”的能力。

借助FSD V12實現的端到端自動駕駛技術，特斯拉只需要使用豐富的本土行駛數據來訓練智能駕駛模型，便能提供更出色的智能駕駛體驗。同時，由于大幅減少了規則代碼的使用，特斯拉無需在中國建立數千人的智能駕駛算法團隊。僅需一個由20人左右的本地運營團隊和數百人的數據標注團隊組成的運營團隊，便能確保FSD在中國市場的順利落地和運營。

寫在最后：

特斯拉本次FSD Beta v12更新將最可能無限接近人類真實駕駛的端到端大模型智駕技術推向了公眾，可以說是自動駕駛行業的一個里程碑式事件。從模仿人類的駕駛行為出發，發展到今天，或許此刻的FSD可以說自己已經完成了部分超越人類駕駛行為。未來，隨著FSD Beta v12被更廣泛地使用，實踐將證明這一系統的優劣。而大模型帶來的無限學習進步的優勢又將使得FSD有更長遠的進步，FSD涌現正在到來，自動駕駛行業劃時代一刻正在來臨。

審核編輯：黃飛

?