全程直播!马斯克试驾「王炸」FSD V12:45 分钟,仅一次人工干预,还去了趟小扎家!...

01a0d79462bf4de86a41d94ec29285f3.gif

整理 | 郑丽媛

出品 | 优快云(ID:优快云news)

这些年来马斯克画过的“饼”,大大小小的不在少数,如今终于实现了一个。

网友:“Elon,先别管跟小扎格斗的事了,你啥时候在能在 X 上直播测试 FSD Beta V12 啊?”

马斯克:“下周。”

于是乎,上周末马斯克如期在 X(原推特),首次直播演示了备受期待的全自动驾驶系统 FSD V12:没有任何剪辑,直播时长为 45 分钟,共吸引了 1000+ 万人观看。

fb32ed1f4fbb9054e0057ec85d8fe59e.png

c7a59cf664f34cd60c85730684a770d4.png

45 分钟直播,只有一次人工干预

在这次直播中,马斯克驾驶的是基于 HW3 硬件的 Model S 车型,之所以没有使用 HW4 硬件,是因为目前 HW4 尚不支持 FSD V12。

马斯克解释称,由于 FSD V12 采用端到端的架构,即输入视觉等传感器信号,输出转向、刹车、加减速等车辆控制信号,跟现有版本有巨大差距,与 HW4 的数据不完全兼容,因此仍需针对 HW 4 硬件进行重新优化。

这趟长达 45 分钟的试驾由 FSD V12 全程接手,起点是位于帕洛阿尔托的特斯拉总部——整个过程中,除了手动输入目的地之外,马斯克只进行了一次人工干预。

首先,马斯克随机选择了斯坦福大学作为目的地:“让我们看看它是如何做到的,出发吧!”

开始还没多久,这辆特斯拉就顺利经过了一个施工路段。

在路口要变道转弯时,特斯拉也准确移动到了正确的车道。

甚至,它还懂得在减速带前提前减速,尽可能保证乘客体验良好。马斯克表示:“从直播中可能很难看出,但实际上汽车行驶得非常平稳。”

到达第一个目的地后,或许想到了与小扎之间还没实现的格斗之约,马斯克选择的第二个地点,是小扎的家。

再次启程的 Model S,没多久就遇到了非常复杂的环形交叉路口:它静静等着前面的车辆先走,然后再慢慢地转弯。

到达新目的地后,马斯克并没有真的冲去小扎家里,而是又随机选择了一个地点。而这辆 Model S 在到达地方后,自行选择了一个合适的地方停在路边。

整个 45 分钟直播过程中,在 FSD V12 系统驾驶下的特斯拉行驶得十分顺利,马斯克几乎只充当了一个“输入目的地”的工具人。

不过还是有一处失误,让马斯克旁边跟着试驾的同事亲自上手干预:在直播约 20 分时,Model S 本该等着直行的绿灯,但当对面信号灯转为左转状态时,Model S 突然也跟着启动了。

对此,马斯克笑着调侃道:“好的,现在你知道为什么它(FSD V12 )还没有向公众发布了。”

8542faced919cf806e208b83f8c7b7e1.png

FSD V12 完全“基于视频培训”

在这场直播中,马斯克反复强调了一点:特斯拉工程师们,没有在 FSD V12 系统中写过任何一行有关车辆行路规则的代码。

不论是“遇到减速带要减速”,还是“要给骑自行车的人让路”,亦或是“环形交叉路口要等其他车辆驶过”等等,马斯克一直表示:我们没有对此进行编程,没写过任何一行有关的代码,FSD V12 的所有表现完全“基于视频培训”。

  • “看这减速带,汽车需要放慢速度……它做到了。我们没有编程,没有一行代码说减速带要减速,它(FSD V12)完全是基于视频培训来做到这一点的。”

  • “刚刚还遇到了一个骑自行车的人,也没有任何一行代码规定要给骑自行车的人让路。”

  • “同样,也没有任何一条代码规定要在停车标志前停车或等待其他车辆,也没有要等待 X 秒之类的规定。”

  • “我们从未针对环形交叉路口的概念进行编程,只是向它展示了一堆关于环形交叉路口的视频。”

也就正如马斯克之前所说的:“新的 FSD V12 版本,是端到端的输出!”

最新的 FSD V12 系统,不再依赖传统的高精地图和导航数据,抛弃了传统的 “if else” 规则驱动的触发方式,而是通过车载摄像头和神经网络,使用 AI 算法来识别道路和交通情况。

马斯克介绍道,FSD V12 主要通过 AI 对 8 个 HW3 摄像头的视频进行实时判断,从而对车辆进行控制,以此实现端到端的自动驾驶。这 8 个摄像头以每秒输入 36 帧的最大速度运行(实际运行速度应该高达每秒 50 帧,只不过摄像机只能达到每秒 36 帧),通过纯 AI 计算更快地处理这些图像。

8932454b6b3cbbfdec98450ea5c49dcf.png

减少了 30 万行代码,功率仅需 100W

令人惊叹的是,据马斯克透露,这样一套 FSD V12 系统的功耗只有 100W:“在特斯拉设计的 AI 计算机上,以 36FPS 的速度运行 8 个摄像头所需的推理计算功率,仅约为 100W——这微不足道的功率,足以实现超人驾驶!”

除此之外,FSD V12 通过将 AI 与机器视觉相结合,就不再需要传统的预训练了,也无需再对每个道路元素或情况进行单独编码,只要给大模型喂饱了相关视频数据,它就会自己慢慢理解并做出决策。

所以,FSD V12 的代码量也减少了超过 30 万行:“在第 11 版的显式控制栈中有 30 多万行 C++ 代码,第 12 版中基本上没有。”但没有代码并不意味着不可控,在马斯克看来,只要有数据就能控制想要的东西。

在直播中,马斯克提到为了帮助 FSD V12 做出正确的决策,特斯拉内部非常重视喂给大模型的数据质量:“大量平庸的数据并不能改善驾驶水平。我们要确保所有输入的数据都是优质正面的驾驶数据,而这就是为什么数据管理非常困难的原因。”

同时,由于对 FSD V12 输入大量视频数据后,它会自主分辨最佳行驶操作,因此 FSD V12 的推理都在本地进行,即它不需要连接互联网连接也能正常工作,在不熟悉的地形上也能应对自如。

尽管 FSD V12 的直播表现可圈可点,但当前 V12 仍处于测试版,马斯克也表示特斯拉目前在全球各地都有 FSD V12 测试人员,包括新西兰、挪威、泰国或日本等。

等到未来 FSD V12 足够安全流畅后,不知马斯克是否会兑现他之前画过的另一张“饼”,将其免费试用:

“一旦 FSD 体验足够丝滑(不仅是安全)后,我们计划在北美给所有车主开放一个月免费试用。在确保全球其他地区功能正常并且法规允许后,我们也会推动 FSD 的用户免费试用。”

那么,你对于 FSD V12 的看法如何,对其又是否看好呢?

参考链接:

https://twitter.com/elonmusk/status/1695247110030119054

https://twitter.com/treb5475/status/1695289700620341311

推荐阅读:

c000e089d8bd5667a07982fe91b88516.png

滴滴放弃自己造车,小鹏以总对价 58.35 亿港元收购其智能汽车开发业务!

▶科大讯飞董事长刘庆峰:华为GPU已可对标英伟达A100;Windows 11 文件资源管理器支持 RAR 等格式|极客头条

▶成本和效率能否兼得?凌云光对GPU管理方案的探索和选型

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论 11
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

优快云资讯

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值