特斯拉的FSDV12到底强在哪？ 特斯拉发布了V12版本FSD在智能驾驶领域完全可以说是掀桌子的存在了，那这个V12版本的FSD到底牛在哪？ 很多人也没说清楚，它跟其他的自动驾驶，尤其是国内厂商这些自动驾驶相比有什么区别？为什么说这个V12版本的端到端的自动驾驶具有划时代的意义。什么是端到端的自动驾驶，今天给你们全讲明白。 马斯克说这个版本的FSD运行功耗只有100多瓦，我觉得一点都不夸张。FSD V12之前的其他版本和其他的自动驾驶，为什么对硬件的要求，对算力的要求那么高，功耗还那么高？ 传统的自动驾驶我可以称之为条件反射式自动驾驶，只要学过初中生物的，都知道什么是条件反射对吧？神经系统最基础的、最低级的工作方式，用小锤在你膝盖敲一下，这是条件，你的小腿不受你控制的踢一下，这就是反射。 传统的自动驾驶，原理一模一样，红灯亮了是条件，减速到停车就是反射，前车的车尾近了是条件，自动踩下刹车就是反射，对吧？根据不同的条件需要做出什么样的应对，是打方向，还是踩刹车，这就是事先设定好的规则。 这种条件反射式的自动驾驶程序里面，预置了非常多的条件，每一个条件都对应一个规则来告诉车辆该怎么做。 代码量非常庞大，几十万行都是少的，为了适应更多的情况，让自动驾驶更完善，那就需要预设更多的条件和规则，代码量大爆炸，所以非常吃硬件，对芯片和算力的要求越来越高。 但特斯拉最新版的FSDV12自动驾驶，跟这种条件反射式的自动驾驶从底层实现逻辑上就完全不一样，它的内核只有一个AI程序，AI又叫人工智能，它既然是智能，那就要高于底层的条件反射。 这个AI程序，它的工作也非常简单，就是把车辆当前摄像头拍下来的画面，跟特斯拉积累的近万亿公里级别的历史行车数据进行比对，筛选出一些与当前的情况很接近的场景。 当时的特斯拉司机是怎么操作的，特斯拉的FSD就怎么操作，没有任何的预设条件，也没有任何的规则，是特斯拉在海量的数据中，寻找与当前类似的情况，这个情况下人类的司机是怎么开的，FSD现在就怎么开。 所以，这个AI的工作非常非常简单，是一个数据的匹配功能，根本不需要数十万行的代码，所以对芯片的算力等等这些硬件的要求一点都不高，但开车的效果却是最好的，跟人类的司机没任何区别。 这就是从历史行驶数据端直接到当前驾驶的路况端，端道端自动驾驶。那很多人就会问了，有一些鲁莽驾驶的行驶数据会不会对FSD造成影响？ 这个根本不用担心，特斯拉在海外运营特斯拉车险业务时候，就已经引入了驾驶员打分系统，开车越稳的司机，打分就越高，保费就越低。开车越鲁莽的司机，打分就越低，保费就越高对吧？ 用于FSD训练的行驶数据都是那些高分司机的数据，鲁莽驾驶的数据早就被过滤掉了。最后，我们怎么实现这种更先进的，可以说是下一代的自动驾驶程序呢？说白了就是怎么抄作业对吧？需要三个条件： 第一个条件，必须要拥有海量的实际行驶数据，这个行驶数据覆盖的地域越广，里面包含的复杂情况越多，自自动驾驶就会越成熟。 第二个条件，必须拥有把这些海量行驶数据喂养给AI，训练AI的这种超算平台。 特斯拉自建的算力平台，是全球排名前五的DOJO超算中心，什么概念？就是你要从英伟达购买上百万颗最先进的GPU芯片，这个建设成本，别说公司了，就算小点的国家都承担不起，更何况现在这些芯片，可能你有钱也买不到。 最后一个条件，就是每年20亿美刀左右的AI训练费用，超算中心的运营和维护，成本都非常高的，这个可能是最容易实现的一个。这三个条件，我们能满足几个？哪个厂家具备？评论区讨论！