32100
138本期是关于自动驾驶的观点对决！之前我们在采访侯晓迪时，他提出的观点是：特斯拉始终在做辅助驾驶而非无人驾驶，马斯克是行业的搅局者。随后，在评论区我们也收获了不同的观点：特斯拉最近推出了V12版本的FSD，在驾驶体验上有很大提升，甚至被称作自动驾驶的“GPT时刻”。所以我们也在思考这个神秘的v12版本会不会就此改变自动驾驶行业？这一期我们来听听另一边的声音。
当然，我们也会深入探讨FSD入华的技术难题，以及8月8日推出的Robotaxi的靠谱性分析。如果你是自动驾驶或者AI的从业者，那这期节目可不要错过。如果你也有不同观点，欢迎留言探讨！
主播
泓君Jane，硅谷101创始人，播客主理人
嘉宾
于振华，前特斯拉AI工程师（Twitter：@TSLA99T）
王辰晟，前特斯拉采购总监
大卫，《大小马聊科技》主播
刘冰雁，Kargo软件负责人
你将听到
【关于v12的技术讨论】
05:66 FSD的v12自动驾驶全面碾压v11前的版本
09:10 v12的用户体验：真挺不错！高速表现好
17:18 端到端不是新的概念，但是特斯拉验证了
21:26 自然界有很多生物的大脑端到端模型：蜻蜓、章鱼
22:54 如果激光雷达足够便宜，是否必要做纯视觉？
25:18 对特斯拉纯视觉方案的质疑：模型的不可解释性、对传感器更敏感、视觉不可达盲区
29:21 90%公司可能不适合做端到端
36:02 特斯拉的门槛优势：算法领先、架构保密、自制芯片硬件
40:30 端到端发生在特斯拉是必然？自下而上的尝试、马斯克的决策权、数据的积累
【关于特斯拉和马斯克】
43:56 Autopilot团队前领导Andrej Karpathy：不断探索ai边界
46:44 马斯克的思考逻辑：深度参与技术管理、相信在做的事
54:49 回应侯晓迪对特斯拉自动驾驶的质疑
59:47 特斯拉v12的行业定位：依然是L3，L4不如Waymo
60:37 和中国本土L4竞争：技术路径和商业模式都不一样
【关于FSD入华】
01:08:34 中国的路况复杂度是美国的十倍？不一定是坏事
01:12:51 FSD在中国能一炮走红吗？地图是关键
01:16:08 特斯拉入华：车友期待、数据难采集、抓住政策窗口
01:20:00 Autopilot和FSD的区别
【关于8月8日的robotaxi】
01:21:48 Robotaxi车型的猜想：有没有方向盘？后视镜？
01:28:03 对特斯拉robotaxi的质疑：在城市中的无人驾驶能力、robotaxi是重运营的活儿
01:29:40 robotaxi的商业化：马斯克畅想的airbnb运营模式和成本问题、打造无人出租车网络
硅谷101线下见面会
硅谷101即将于6月28日在硅谷举办一场关于GPU Cloud与AI的线下活动，进行从GPU到GPU云的最新趋势分享，也聊聊如何低成本加速AI训练以及AI创业公司现在面临的机遇与挑战。
我们邀请到了Leonis Capital合伙人、前OpenAI研究员Jenny Xiao；Fusion Fund创始合伙人张璐；FP Solutions VC联合创始人、前SpaceX核心成员Lewis Hong，来分享他们看到的AI创业领域的最新趋势，也邀请到了North Beta Labs的创始人Jonathan Zhu探讨创业公司如何打破算力瓶颈，快速向前。
此活动是超小规模邀请制，只对AI从业者和创业者开放，参与者还将有机会获取GPU Cloud Credits以及免费算力支持。我们期待和你在硅谷线下见。报名页面：lu.ma
相关单集
E150｜与侯晓迪聊聊自动驾驶和搅局的马斯克
S2E44｜无人车特辑｜特斯拉自动驾驶到底怎么样？
名词解释
智猪博弈：博弈论中的一个经典模型，描述了一只大猪和一只小猪在共享食物槽时的行为。槽的一端有按钮，按下按钮后食物会流到槽的另一端。大猪按按钮的成本较小，小猪按按钮的成本较大。小猪的最佳策略是等待大猪按按钮，从而节省成本。常用于解释企业在市场中的模仿和学习行为。
Cruise Origin：Cruise和通用汽车合作开发的全电动自动驾驶汽车，专为共享出行服务设计。
后期
AMei
BGM
Uncovered-Joseph William Morgan
Sunshine Rain - Brendon Moeller
Home To You-The Neighborly
在这里找到我们
公众号：硅谷101
收听渠道：苹果｜小宇宙｜喜马拉雅｜蜻蜓FM｜网易云音乐｜QQ音乐｜荔枝播客
海外用户：Apple Podcast｜Spotify｜TuneIn｜Youtube｜Amazon Music
联系我们：podcast@sv101.net
本期节目仅代表嘉宾个人观点
Special Guests: 于振华, 刘冰雁, 大卫, and 王辰晟.
1. 关于端到端的价值：端到端最重要的价值是通过去掉人工定义的接口，让自动驾驶更加 scalable 。华为自动驾驶有六千个工程师，主要用来写各种规则，因为 rule-based 环境太复杂，总有新的 task 出现。真正的端到端的系统中，不需要人为定义这些 task。这也是为什么现在 FSD v12 可以做到每周更新。 （一个比较有意思的问题是，如果真的是端到端，那么车机上显式的视觉效果图是哪里来的？它的显示和真正模型的感知、决策是否 align？）
这种可泛化的 Scaling Law 大幅度降低了 Tesla 的成本。对比之下，Waymo 以及国内的竞品的成本要高得多，每开一个新城都要用自己的车队去铺，100 辆车*100 万人民币，再加上 operation cost，就是一个城市一个亿人民币，从商业模式来看不划算。
2. 关于算法的先进性：Tesla 的端到端在算法层面还是有独家秘籍的。相对于 OpenAI 的基本上透明化的架构，Tesla FSD 的算法和架构可能 70%-80% 都没有公开（之前每年的 AI Day 说得太多，现在索性停办了），算法上有较大的领先性。端到端和之前 rule - base 差异很大，上了端到端之后，团队变动也很大，Tesla 之前负责 planning control 的负责人就离职了。之前 Tesla 一直不愿意向中国团队开放代码阅读权限，上了端到端之后，已经不需要国内工程师了，国内只需要标注即可。
3. 关于软硬结合。Tesla 的另一个牛逼之处在于软硬结合，用 100TPS 低算力的自研芯片和硬件配套就可以完成其他公司用 1000TPS 的芯片也完成不了的任务。Tesla FSD v12 现在能够在 2018 年的HW3.0 硬件上丝滑地跑起来。硬件的低成本也给Tesla 带来了很大的渗透率和数据优势，相对于其他车企的智能配件都是选装的，Tesla 的智能配件是全部预装好的，也就是说每一辆车都可以用来收集数据。
4. 马斯克的价值。在 Tesla ，端到端的思想并不是 Musk 提出来的，而是自下而上提出来的。但马斯克的价值在于，他直接管理智能驾驶团队，深入了解一线技术，因此敢拍板做决策，并且亲自承担责任。到目前为止，他没有在技术 vision 层面上犯过大的错误，但在具体时间线的估计上常常比较激进，一方面是性格上过于乐观，另一方面也是团队管理的需要，同时给内部人才画饼和压力。
5. 纯视觉是唯一的路径吗？Tesla 如果当年保留了激光雷达，那么可能会造成工程师过于依赖激光雷达。只有极端地砍掉激光雷达，才能逼着团队在纯视觉的路线上做技术攻关。如果当年不这么做，那么 Tesla 的地位一定不如现在。之后会不会加激光雷达？没有给出明确答案。
6. 如何从 L2 到 L4？最重要的是大模型本身的演进，这也是 Tesla 专注的方向。一方面是积累更多数据来解决 corner case。过去几个月是FSD 第一次的大范围部署，包括北美全境， 也包括夏威夷和阿拉斯加，180 多万辆的车具备这样的功能，100 万辆下载了，尝试了。除此之外，一些其他路径也会有帮助，比如更加细致的导航地图，比如针对具体区域路径的微调，比如运营。后面这几个 Tesla 还没有开始做。
7. 关于 FSD 入华：中国的路况复杂度是美国的 10 倍，但好处是统一市场准入，并且在中国这种hard级别的路况搞定之后，全球其他地方都能搞定。之前没做中国，最重要的是因为搞不定数据合规问题，现在通过数据脱敏搞定了。今年政策上有很大利好，国内从总理级别开始明确支持 FSD 入华，接下来只需要把欠账补一下，把 intra 数据采集、标注、finetune 这一套从零到一走一遍，以 Tom Zhu 的执行力应该没啥问题。
8. 关于 RoboTaxi 揭幕，大概率是硬件的 unveil，把车子展示一下，从亮相到量产可能还需要十几到几十个月。由于法规限制和供应链复用等考虑，车型的设计不会太极端。
总之，从各位嘉宾的反馈来看，端到端路线能走多远、能否商业化落地，都还没有形成共识。我个人的感觉是，方向是清晰的，但道路是曲折的。