马斯克还真开着特斯拉“去小扎家”了，全程直播无剪辑！
不过说“开车”已经不准确，因为这回是新版FSD全程给马斯克“代驾”，45分钟里他本人只上手干预了一次。
也就是钢铁侠亲自上阵，搞了一场自动驾驶路测。
坐标加州Palo Alto，从特斯拉新工程总部出发，中途曾用谷歌地图搜索扎克伯格家地址并导航。
马斯克搭乘一辆老款Model S，硬件还是基于HW3的版本，但软件已经是未正式发布的新版FSD V12。
尽管画质不到480p，但这场平台上的直播，已吸引超1000万人在线围观。
之所以备受瞩目，倒不全是大家伙吃瓜“马扎笼斗”的热情太高，主要在于FSD V12被称为特斯拉自动驾驶最重要的一次升级：
实现了完全端到端（End-to-end）方案，输入一端是图像，输出一端是对汽车的控制指令，中间完全由神经网络处理。
马斯克自己的说法要更咋呼一点：
光子进，行为出，和人类一样。
试驾过程中，马斯克多次表示现在的系统没有一行规则和条件判断代码，不需要高清互联网地图。
比如，在经过路边一位骑行者时，马斯克就强调“没有任何代码声明要给骑自行车的人让行，没有等待x秒之类的东西，只有(神经)网络。”
This is all net, baby, nothing but net.
知名科技博主Robert Scoble表示：世界从今晚开始改变。
十年后，人们将把这一时刻定义为机器人的首次公开演示，机器人仅通过看视频就学会在现实世界中移动。
这是软件构建方式的范式转换。
马斯克也回复他：准确的。
同样令人惊讶的是，所需的推理计算功率只需要100W。
45分钟路程仅一次干预
为了凸显真实性，马斯克从地图上随机选择了目的地。
行驶没一会儿，汽车来到了一条两边全部立满红色柱子的施工区域，对于这一“反常”路况，车辆顺畅通过：
在本次路程的*个红灯之处，Model S*停住。
等待左转灯绿起之后，它便通过无保护左转（UPL）非常流畅地驶入左边的另一条马路。
这是自动驾驶领域中一个比较难的场景，要考虑到地面引导标、左侧行人、前方车辆等情况，马斯克表示：
看直播可能看不太清楚，但车辆行驶得很平稳。
大约5分钟时，车辆又碰上一片减速带，Model S顺利完成自动减速。与此同时，一辆自行车在右侧飞速前进，但丝毫不会对它造成影响。
也禁住了环岛的考验。只见在这样的环形交叉路口，Model S先等前方的两辆白色汽车通过之后，便立刻转弯进入：
大约10分钟之后，车辆载着马斯克到达了今天的*个目的地，接着再前往下一个随机地点。
期间汽车路过斯坦福大学，人群变得多起来，Model S毫无压力，并礼让了行人：
由于直播逐渐进入晚高峰时段，马斯克也吐槽车开的有一点慢。
但一切都按照预期发生，直到19分左右，马斯克进行了*次干预，也是全程的*一次。
当时，想要直行的车辆在路口已经等了很久红灯，而在对面信号灯刚刚转为左转状态时，Model S竟突然跟着启动。
不过马斯克和旁坐的工程师反应迅速，连忙干预制止。
险情结束，老马也直言：
这就是FSD v12还未真正公开发布的原因。
后面剩余的25分钟路程都顺利结束，直播还展示了FSD的靠边停车功能等等。
而在整个直播过程中，马斯克反复强调得最多的一点就是：
无论是最开始遇到的红色立柱、减速带，还是后面遇到的骑行路人、环岛路口，FSD系统都不是靠任何一行控制代码来完成决策的。
相反，FSD只是看了非常多的视频，然后完成了训练，得到了一个神经网络。
（特斯拉Autopilot的决策从2020年开始由编程逻辑转为视频训练的神经网络，在FSD v12之前，v11版本控制堆栈中有超过30万行C++代码。）
像19分钟的那次闯红灯行为，马斯克就告诉观众，解决方案本质就是再多喂更多交通信号灯的视频，尤其是左转灯的，然后就会起作用。
当然，胡乱投入大量视频是不够的，来自优秀人类驾驶员的高质量数据才是训练特斯拉Autopilot实现FSD的关键。
大量平庸的数据并不能改善驾驶，数据管理实际上相当困难。我们有相当多的软件去控制系统究竟选择什么数据、训练什么数据。
除了不靠任何代码完成决策，马斯克还强调：
FSD V12不用时刻联网就能完成一切。
当然，如果有干预行为发生，系统会将它记录下来并发回特斯拉进行分析。
由于决策全部在本地进行，特斯拉FSD用8个摄像头以每秒36帧的速度进行拍摄，但系统的计算速度其实可以更快，达到每秒50帧，只可惜相机的速度已经到头了。
不联网进行决策也意味着地图也不用随时更新，用马斯克的话来说：系统只需要坐标，就会自行找到位置。
另外值得注意的是，本次测试FSD V12的Model S安装的还是HW3。
在HW3上解决L5级自动驾驶之前，特斯拉可能不会在HW4车辆之上启用FSD。这意味着HW4的FSD访问权限可能推迟到2025年。
一万张英伟达H100周一上线
作为知名的时间管理大师，马斯克试驾途中还抽空语音连线了一个网络讨论会。
在这里他回答的问题和透露的重点内容有：
为什么改用端到端方案，优势在哪？
马斯克认为“人类就是这样运作的”，人类用眼睛和生物神经网络开车，自动驾驶用摄像机和数字神经网络开车是正确的通用解决方案。
虽然神经网络缺乏可解释性，相应的司机也经常说不清楚如何做的决策，只是凭经验。
乘客在做人类司机的出租车时，也无法准确知道司机在想什么。而特斯拉屏幕上显示的画面，就是自动驾驶系统在 “想什么”的一个近似。
高端GPU将继续短缺，世界进入强算力依赖阶段。
马斯克透露AI训练主要还是用的英伟达硬件，特斯拉Dojo超算作为辅助，今年花了约20亿美元在训练上面（大部分是硬件资产）。
我认为未来全人类80%-90%的算力都会用在神经网络上。
AI训练需要把算力集中在一个地方，避免数据传输带宽的瓶颈，也会带来很大的电力负担。
马斯克在这里还开了一个玩笑：Transformer架构的神经网络需要越来越多的硬件Transformer。
比GPU更缺的是高速连接设备。
面对“拥有5000张H100是什么感觉？”的提问，马斯克表示：说少了。
包含1万张英伟达H100的新算力集群，正在24/7加急准备中，周一（也就是今天）上线。
而且不像很多公司声称“拥有”算力其实是租的云计算服务，特斯拉就是真的买了1万张GPU自己搭系统。
在这样的大规模集群中，设备之间的网络连接非常关键，英伟达InfiniBand交换机可能会比GPU本身更缺。
……
直播结束后，特斯拉AI基础设施主管Tim Zaman进一步透露，即将上线的算力集群拥有200PB的热缓存，比训练大模型的系统多几个数量级。
也是一个让很多从业者觉得不可思议的地方，比如GitHub前CEO。
Tim Zaman表示尝试了很多云计算供应商，但没有一个足够好，聘请了存储系统架构师来开发AI专用的分布式文件系统。
最后，回到此次直播测试。
不少网友不吝惜自己的赞美之词，并希望能够早日试驾一把。
还有网友调侃：
看起来FSD已经准备好迎接挑战了，那么，不来试一把亚洲的*boss之战吗？
be like this （手动狗头）：
值得一提的是，这把直播除了秀特斯拉新版FSD，也是直播功能的一场压力测试。
至于最终也没打上的“马扎大战”，似乎已经不那么重要了。
马斯克给自己打的圆场是“小扎在这片地区有8000多房产，要是真找到他了我就去挑战”。
参考链接：[1]https://twitter.com/elonmusk/status/1695247110030119054
[2]https://twitter.com/treb5475/status/1695289700620341311
[3]https://twitter.com/tim_zaman/status/1695488119729238147?s=20
[4]https://www.teslaoracle.com/2023/07/01/teslas-full-self-driving-version-12-will-not-be-beta-says-elon-musk/
