「信迪诊断」完成近6亿元B轮融资
06-18
5月15日，针对特斯拉FSD（Full-Self Driving，完全自动驾驶）付费选项率仅为2%的消息，特斯拉CEO马斯克在X平台回应称，实际情况远远超过这个数字。
这一回应是为了回应特斯拉著名投资者加里·布莱克对未来 FSD 接受率的怀疑。
根据信用卡数据提供商YipitData提供的数据，在美国尝试FSD一个月的特斯拉车主用户中只有2%选择继续订阅该服务，远低于预期的6%。
布莱克认为，这可能是因为FSD服务的附加值不高，或者订阅价格（每月99美元）太高。
他呼吁特斯拉仔细评估这些因素，以更好地满足车主的需求。
与此同时，马斯克四月底访华引发了有关特斯拉FSD在华实施的讨论。
不过，据《中国日报》报道，虽然特斯拉提出要在中国推出“无人驾驶出租车”，但中国政府尚未完全批准FSD在中国全面实施，可能会首先支持其在国内进行测试和示范。
那么，特斯拉的FSD在风口浪尖上的实际经历是怎样的呢？鲶鱼效应会再次发生吗？ ChatGPT智能驾驶精彩瞬间 随着新能源汽车进入智能化下半场，智能驾驶一直是行业追逐的技术制高点之一。
人们不仅关注驾驶场景的通过率、通勤效率，更关注智能驾驶是否更加人性化。
之前V11版本的特斯拉FSD和很多智能驾驶系统一样，速度控制比较生硬，在处理突发情况时会突然刹车或加速，给人一种明显的机械感。
尤其是在道路狭窄或者天气恶劣等特殊情况下，这种生硬的速度控制会让用户感到不安。
但现在，特斯拉FSD V12的出现改变了这一状况。
体验过特斯拉FSD V12的知乎博主“EatElephant”表示，它最大的优点之一就是能够拟人化。
相比V12版本最大的改进就是速度和转向控制的流畅性。
即使乘客坐在后排，在红绿灯起停、路口转弯时也几乎不会感到任何顿挫感。
其次，V12在处理一些非结构化场景（例如缺少车道线和交通规则约束）方面有了很大的改进，比如转弯的时机和幅度、具体的减速程度等。
例如在V11版本中，当车辆直行行驶，遇到前方远处左转车辆时，智能驾驶系统会做出大幅减速的反应。
虽然这样可以避免碰撞风险，但减速度通常过大，导致明显的挫败感，增加被后面车辆追尾的风险。
在V12版本中，面对类似的情况，系统似乎能够更准确地判断前方车辆的行驶路线和速度。
因此，它可以以非常合适的速度减速，让车内的乘客几乎感觉不到，同时留下足够的安全距离，避免不必要的不??适以及与后面车辆发生追尾的风险。
第三，V12应对各种场景的能力显着提升，大大减少了需要人工干预的次数。
例如，特斯拉的FSD V12不仅可以识别并绕过道路上的铁皮等障碍物，还可以在道路施工期间根据引导标志在临时开放的道路上行驶，像人类驾驶员一样灵活应对。
即使需要驶入对向车道，也不能受到倒车交通标志和中心黄线的限制。
夜间行驶时，它可以像人类一样，先右转，行驶在两辆停放的汽车之间，巧妙地避开迎面驶来的汽车。
待对面车辆开走后，再向左转动方向盘，继续前行，展现出出色的驾驶性能。
技能。
试驾时的场景，蓝色是导航路线，绿色是V12自动改变路线 |图片来源：知乎博主“EatElephant” 同时，知乎博主“EatElephant”也提到，FSD V12 显示了一些类似智慧 Emergent 的能力。
在测试过程中，车辆遇到了问题：路口前有车道，V12无法使用倒档完成掉头。
当乘客等待时，V12 发现了一个小停车场，并果断改变路线绕过它，试图替代标准的掉头。
虽然系统在最后出口处提示接管，但这种行为是自动驾驶技术的重大突破，因为通常系统严格遵循导航路线，自行偏离导航几乎是不可接受的。
这些改进也反映在人为干预的数量上。
与之前的版本相比，V12.3版本在城市环境中的非关键接管续驶里程显着增加，从约10英里（约公里）增加到0.7英里（约公里）。
相比之下，同济大学教授、汽车学院副院长熊璐曾表示，北京、上海、广州等地的自动驾驶企业平均每百公里需要接管3.5至10次，基本上每十个或更长时间的驾驶小时。
每行驶数十公里需要进行一次人工接管。
目前，特斯拉的FSD可能正在迎来自己的“ChatGPT时刻”，尽管仍然存在一些缺陷。
比如，系统在行驶时有时会让人感觉离路边太近，让人有些担心；对迎面而来的车辆识别和避让不够及时，如遇到消防车时的反应；它不够灵敏，无法识别一些特殊的路标或车道。
可能会出现错误，识别和避免坑洼也存在一些问题。
不过，这并不妨碍特斯拉大幅加大对智能驾驶的投入。
据了解，到今年年底，特斯拉计划在自动驾驶技术上总共投资1亿美元。
考虑到2010年至2017年的总支出约为20亿美元，这意味着特斯拉今年在智能驾驶方面的支出将达到80亿美元左右。
这是一笔巨大的投资，体现了特斯拉进一步改进FSD技术的决心。
FSD V12 是如何制造的？ 特斯拉FSD V12体验大幅提升的背后是其技术路径逐渐趋同的结果。
自2016年推出FSD功能以来，特斯拉一直引领着智能驾驶技术的发展方向。
与依赖激光雷达和高精度地图的传统方法不同，特斯拉坚持使用纯粹的视觉技术，让车辆更好地了解周围的环境。
2017年特斯拉AI日上的职业网格技术框架 |图片来源：特斯拉 在接下来的两年里，特斯拉通过AI Day等一系列活动宣布了大量针对FSD技术的计划。
这些解决方案涉及数据闭环、共享骨干网、BEV感知、占用网络等概念。
尽管这些技术处于业界领先，但之前的版本一直受到用户的批评，认为其用户体验的提升不够明显。
然而，随着 FSD 进入 V12 阶段，情况发生了变化。
与FSD 11相比，FSD V12最大的变化是采用了端到端神经网络技术（End-to-End Neural Network，E2E NN）。
该技术使系统能够更好地理解和处理复杂的驾驶环境，减少驾驶员干预，提高自动驾驶的准确性和自动化程度。
过去，FSD的基本流程通常包括三个阶段：感知、决策和执行。
在早期版本中，感知阶段需要通过视觉或雷达获取周围物体的信息，并对它们进行识别和分类，而决策阶段则依赖于预先编写的控制规则。
特斯拉FSD车辆变道|图片来源：特斯拉 然而，在 FSD V12 中，利用端到端的神经网络技术，这些步骤发生了革命性的变化：感知阶段不再需要人工对物体进行识别和分类，决策阶段也不再需要预先识别和分类。
然后需要书面控制规则。
该系统只需要大量的视频输入让神经网络进行学习，就可以在不同的情况下做出正确的决策。
这使得特斯拉在FSD V12中减少了大量代码，使系统更加轻量和灵活，同时即使没有网络连接也能够在陌生的环境中正常运行。
马斯克去年年底曾表示，特斯拉的FSD Beta V12从头到尾都没有编程。
没有程序员编写一行代码来识别道路和行人等概念。
一切都留给神经网络自己思考。
只有C++代码行，而V11有30万行OK。
事实上，端到端模型并不是一个新概念，之前就已经被提出过。
然而，许多人对神经网络的可解释性和可靠性心存疑虑。
端到端的系统虽然提高了模型能力的上限，但也放大了神经网络作为“黑匣子”的不可解释性问题，这将为研发迭代和问题解决带来巨大挑战。
因此，很多企业都不敢轻易尝试。
特斯拉 FSD让大家看到了端到端模型的潜力。
当然，这个过程不是一朝一夕就能完成的。
特斯拉一直强调自动驾驶技术端到端的“纯粹性”。
从V10.9版本开始，他们去掉了车道线感知的后处理代码，而是让模型直接输出车道线。
在AI Day上，特斯拉还演示了如何将学习轨迹生成和神经网络决策模型引入规划控制模块。
不过，特斯拉的技术更新主要集中在技术栈的中上游，比如感知、预测等，而控制驾驶功能的决策和规划模块则鲜有变化。
这导致用户体验的改善不太显着。
V12的重大突破在于打通了整个技术栈的最后一个环节（决策规划），使系统能够端到端的数据驱动，最终实现更加自然、智能的驾驶行为。
由于V12采用端到端的技术架构，直接优化规划控制输出，用户体验将提升得更快。
5月初，马斯克宣布特斯拉的FSD系统即将迎来三个重大更新版本，分别是V12.4、V12.5和V12.6。
其中，V12.4版本预计将于5月中旬推出，将全面更新模型训练，提高系统的准确性和可靠性。
其次，针对用户反馈的过度加速、过度制动等问题，V12.4及后续版本将重点优化驾驶舒适性，从而改善乘客的驾驶体验。
回到本文开头，马斯克访华似乎让FSD的“登陆中国”变得更加可信。
网上甚至有传言称，比亚迪与特斯拉将在FSD方面进行合作，这将进一步释放FSD在中国的潜力。
全球最大的两家新能源汽车企业的合作将会带来怎样的成果？ 如果传闻成真，特斯拉的FSD会改变智能驾驶领域的现状吗？中国车企的智能驾驶“故事”将如何继续发展？ 这大概是每个人都梦想却不敢问的问题。
#阿里云#创新创业#创业支持#创业资讯我们关注国内外最热门的创新创业动态，提供一站式资讯服务，实时传递行业热点新闻、深度评论和前瞻观点帮助企业家掌握新兴技术。
趋势和行业变化，以及对未来技术趋势的洞察。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
06-08
06-18
06-18
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态