特斯拉剛剛大面積推送的FSD V12，可能就是純視覺感知方案的大招。堅持純視覺快2年左右的特斯拉，在激光雷達價格大縮水的前提下依舊堅持著做純視覺感知的高階智能駕駛，在FSD V12正式推推送之前，已經(jīng)有很多人開始期待著這次更新。

最為重要的原因是，特斯拉反復強調(diào)FSD V12將實現(xiàn)全新的“端到端自動駕駛”，第一次開始使用神經(jīng)網(wǎng)絡進行車輛控制，包括控制轉(zhuǎn)向、加速和制動。不像之前的FSD功能，已經(jīng)不需要超過30萬行的代碼，而是進一步提高對神經(jīng)網(wǎng)絡的依賴度，減少了對編程代碼的依賴。也正像馬斯克之前所說，這次的更新，自動駕駛系統(tǒng)將會實現(xiàn)從頭到尾都是AI來實現(xiàn)的。

視線拉回到國內(nèi)，從去年就已經(jīng)傳出來FSD在國內(nèi)市場落地的可能性，而且已經(jīng)開始了一定區(qū)域內(nèi)的實車測試。這也意味，更新的FSD V12版本，我們也很有可能體驗到。

FSD V12，有何不一樣？

從FSD V11.4.9更新到FSD V12，這套智能駕駛系統(tǒng)其實發(fā)生了很大的變化，可以說是底層邏輯上進行了非常大的調(diào)整與升級。雖然馬斯克之前就預告過FSD V12改變了技術路線，但，特斯拉其實去年初才開始訓練這個基于神經(jīng)網(wǎng)絡的智能駕駛算法。然后，一年左右的時間，全新的FSD V12已經(jīng)在美國市場開啟了大面積推送。整體來說，特斯拉FSD V12這次更新的核心只有一個，沒有規(guī)則代碼，只有神經(jīng)網(wǎng)絡。

這是什么意思？

市面上最常見的自動駕駛系統(tǒng)，大部分仍然采用分模塊的設計，把感知層、決策層以及控制層，分為三個模塊，各個模塊內(nèi)采用各自的算法模型來完成設計需求。在這其中，AI算法主要是應用在感知模塊中，決策層和控制層面還是常規(guī)的代碼邏輯，也就是算法工程師編寫的代碼，會給自動駕駛系統(tǒng)建立一套規(guī)則，例如紅燈停車、綠燈通行、保持在車道線中間行駛這些規(guī)則來維持整個智能駕駛的行車邊界。

這么看，這套系統(tǒng)以及代碼編制的規(guī)則，中規(guī)中矩，挑不出問題。但，實則是有一定缺陷，規(guī)則的設定是由工程師設定，駕駛風格很容易和駕駛員習慣不想匹配，所以也就有了我們在使用高階輔助駕駛時候的不適感，很多人覺得大部分工況下不如自己開著順手。

而特斯拉FSD V12只有神經(jīng)網(wǎng)絡的加入，邏輯是對以往的感知層、決策層以及控制層這三大模塊統(tǒng)統(tǒng)打開之間的權(quán)限。只要確定神經(jīng)網(wǎng)絡架構(gòu)，然后輸入采集到的數(shù)據(jù)訓練就行。

簡單理解，是FSD V12把攝像頭收集到的圖像數(shù)據(jù)，輸入到神經(jīng)網(wǎng)絡中，神經(jīng)網(wǎng)絡能夠直接輸出車輛控制的指令，比如轉(zhuǎn)向、加速、剎車等，更像是一個人類的大腦，90%以上的決策都是由神經(jīng)網(wǎng)絡發(fā)送的。

邏輯就是依靠車身的攝像頭視覺輸入，就能分析思考，輸出控制策略；這么來看，確實不再需要高精地圖、激光雷達這些軟/硬件的加入。從分模塊設計，到端到端，這背后其實是一條技術路線的改變，從規(guī)則驅(qū)動，到數(shù)據(jù)驅(qū)動。

用起來及格，但優(yōu)化容易了

在大面積推送之前，在海外市場先發(fā)了一波Beta版本的FSD V12，并且有部分車主已經(jīng)使用過很長一段時間。

在FSD V12的實際應用過程中，視頻信息顯示能順滑的完成避開車道內(nèi)停止的車輛、能左轉(zhuǎn)/右轉(zhuǎn)后變道、能按停止標識剎停、在斑馬線前禮讓行人，如果車輛行駛目的地在單行道左側(cè)，車輛可以直接靠左停車；路測停著的車突然并線，可以完成躲避并超越突然出現(xiàn)的車輛，在夜間也能完成如此操作；還有，在紅綠燈路口能夠順暢的無保護左轉(zhuǎn)；繞行路上施工標識。

即便能夠完成諸多操作，并且能夠順利完成，但體驗過FSD V12的駕駛者對此給出的結(jié)論，是相比于FSD V11.4.9更新后的V12.1.2需要更頻繁的駕駛員接管。如交叉路口，如雨雪天氣下等條件這套算法的能力還需要進一步的加強。之前馬斯克實機演示直播的時候，19分鐘的紅綠燈接管，就用的FSD V12版（Beat）。

但其實優(yōu)化起來只要用模型堆量就好，值得注意的是由于端到端技術在架構(gòu)上的簡潔，使得FSD系統(tǒng)變得空前的干練，比之前傳統(tǒng)智駕系統(tǒng)模減少了30萬行的C++代碼量，可維護性更強，而且優(yōu)化起來更加方便。

對于特斯拉智能駕駛的邏輯切換，V12版本在實際應用階段仍然存在不足，但我們看到的是在純視覺感知方案下，能做到不錯的城市NOA實際工況已經(jīng)是一個不小的突破了。

如何看待，適合其他品牌嗎？

其實早在特斯拉宣布FSD V12變?yōu)槎说蕉思夹g路線之前，類似的概念，已經(jīng)被提及過了。原因是端到端的方案，相比其之前的各個層面模塊化的組合，不需要海量的代碼來設計行駛規(guī)則。只要不斷輸入人類的駕駛車輛數(shù)據(jù)，系統(tǒng)自己學習就可以。

但是，看似簡單的入門條件，其實對數(shù)據(jù)要求非常高。

雖然不用海量代碼，但需要輸入質(zhì)量相當高的駕駛數(shù)據(jù)，才能更好的幫助系統(tǒng)學習。在去年年初，特斯拉已經(jīng)向這套神經(jīng)中樞系統(tǒng)里輸入了1000萬個人類駕駛視頻，而這些視頻數(shù)據(jù)都是經(jīng)過篩選的，而且都采集于那些駕駛技術不錯的駕駛員。

對于海量的數(shù)據(jù)、數(shù)據(jù)標注、算力來說，都是非常大的挑戰(zhàn)，這條路能走通的話也不適用于小型企業(yè)，需要投入非常龐大的人力。另外一個核心問題，端到端的技術沒大規(guī)模普及開來，是自動駕駛系統(tǒng)的不可解釋性。

例如在模型訓練當中，出現(xiàn)不好的駕駛習慣或者測試時出現(xiàn)系統(tǒng)處理不好的路況下，沒人能解釋清楚問題的根本原因?，F(xiàn)在特斯拉的解決方案，只能是針對性的多喂同類的數(shù)據(jù)，例如之前測試中路口停止標識之前是車輛停止的距離路口過遠，就多投喂這類數(shù)據(jù)來進行學習。

從而誕生了一個新的問題，系統(tǒng)的學習是好的、壞的駕駛習慣都會學習，可能會學到不符合規(guī)則的駕駛行為。這目前還是一個有待干預或者規(guī)范的問題，應該是從學習數(shù)據(jù)上著手干預；但培養(yǎng)一個模型的學習能力，應該是按月或按年來算，這點應該很好避免。

總之，特斯拉FSD V12的面世對于自動駕駛來說確實意義重大，尤其是純視覺感知方案。但是特斯拉的作業(yè)其實并不好抄，門檻低但技術壁壘極高，尤其是隱性成本。我們看到的顯性成本是傳感器、芯片便宜，但拿掉激光雷達之后，算法、路測、大量數(shù)據(jù)收集與標注、云計算、仿真訓練等，這些都是成本投入的入口，算下來可能并不比激光雷達省錢。

現(xiàn)階段FSD V12版本做到的效果，并不是一兩年內(nèi)達成的，而是長達十多年左右的研發(fā)與訓練才“喂養(yǎng)”出來的產(chǎn)物。特斯拉堅決走純視覺路線，企業(yè)規(guī)模能承擔以上所有成本，規(guī)?；慨a(chǎn)省成本拿掉激光雷達做高階智能駕駛沒有任何問題，但其他車企是否都要走特斯拉的純視覺方案，最終要量力而為。

至少從現(xiàn)階段看，激光雷達是城市NOA落地的加速器，對于其他車企更合適。而且特斯拉FSD這種視覺+神經(jīng)網(wǎng)絡的智駕模式，到了國內(nèi)，可能還得需要從零開始學習，路況復雜性、標志物等信息，都是與美國市場完全不一樣的。