在这之前，我们讨论了很多端到端以及世界模型的话题，直播后，有些疑惑已经得到解答，自动驾驶未来的形态，比如如何拓展到robotaxi和机器人，也已经有了较具体的轮廓。

　　上个月的讨论中，我们当时判断V12是由多个端到端子模型串联，而不是大一统，由一个模型包打天下，当时这样考虑第一是觉得技术达不到，第二是觉得增加了太多不可解释性，一旦有问题无法回溯；在今天的直播里，我更倾向于推翻以前的观点，这是一个完全统一的模型， Elon说从原来的30万行代码减少到几乎没有，不知道这里面有多少吹的成分，万事通博士的解读是还剩3000行，这点代码只能写个贪吃蛇，做规控完全不够。规控模块内的复杂单项任务就需要几万行。另一方面，直播里明确说了没有为减速带单独写程序，与此类同的描述还有给骑自行车的人让路，在停车线等待几秒等等，完全由摄像头观察，AI决策，这更证实了我的想法；

　　更深一层的是，有别于使用高精地图的方案，特斯拉之前把道路节点、红绿灯等信息高度提纯以后内化到模型中，类似于预写一个“经验”进去，而高精地图是预写数据进去，明显写“经验”成本更低，也更容易扩展。在V12版本中，这个写“经验”进去动作也取消了，改为由AI自主学习数据，自主决策该怎么做。比如一个环形路口，工程师没有写任何一条该如何处理该路况的规则，也没有类似之前traffic light的先验网络，而是AI看了若干不同环形路口的视频后，从中总结出了应该如何通过的方法，并在实践中逐步改进，这呈现的是一个AGI的状态。

　　结合最近非常火热的“小终端”塞“大模型”的线塞进手机，尽管直播中并没有说的很具体，但也给出了一些细节。比如，汽车是根据人类行为进行训练的，人类在停车线前完全停下来的比例不到1%，大多数情况下都有轻微的车速，半停，或者稍微移动一下，这就是说人类某些行为的正确率很低，而监管的要求是必须100%。这要求特斯拉要做大量的数据清洗工作，正如Elon所说，人类规范开车其实是罕见的例子，要把他们找出来提供给AI训练是非常复杂的，这有点像当今的大模型领域，Sam对于方总是很慷慨，但数据清洗、混合等细节则是不传之秘，一个字儿也不吐。

　　略跑题，其实我是想说， FSD的基石模型大概非常巨大，他在采集全世界的道路数据，考虑到视频本身蕴含的语义信息量，文本没法比拟。它运行在云端，日夜不停的进化。但今天的直播是在一辆HW3.0的车上，只有32G内存，elon说推理的功耗只有100W，这又说明车端模型本身并不大，但性能极好乐鱼(中国)体育。我理解HW3.0是FSD的硬件下限，因为4.0无法硬件升级，他必须保证海量的3.0车主能用上FSD，3.0必须能实现绝大部分功能和性能，这里又不知道多少PR 的成分，如果都没打折扣，说明特斯拉在蒸馏大模型的方法上有巨大突破，车端小模型节约算力，高频使用也可以覆盖模型遗忘等本身问题。当然也可以合理猜测，HW4.0的FSD会更好。

　　直播中又一条关于效率的信息，纯AI的版本比AI与手写规则结合的版本更快，电影每秒24帧，人眼已经察觉不到画面中断；而特斯拉视觉是每秒36帧，就像那个笑话：一个胖子试了N个体重秤，体重都是200斤，因为秤只能到200斤；elon说摄像头只能到36帧，所以他们就做到36帧，而他的端到端实际能跑到50帧上下。

　　最后还有一个更震撼一点的，FSD的运行环境不需要网络、不要导航地图，只要有个GPS位置能跑（此处应该是指极端工况，不是日常不用）；这条新的定义约等于宣判了蔚小理今年的大部分进展已经开始失效了，在今年国内的无图NOA大战中，大家的宣传的都是有个导航地图就能跑，这里隐含的含义是和人类驾驶员差不多，我们也是有个高德哪都能去。特斯拉当头一棒，让我想起遥远的十几年前，那时没有车载导航，更没百度高德，我的车里常备纸质地图，但绝大多数情况下都是靠路牌、经验乐鱼体育最新版、记忆在开车，和过去相比，其实现在的司机是退化的。当然那时也没网约车，打车靠招手，elon对于未来的robotaxi给出了很明确的方：现在的robotaxi全部基于位置，而特记出租车，还需要你发送一张自己的照片，AI驾驶员会根据体貌特征结合位置去找到你。

　　当然做到这个程度，robotaxi就是机器人了，他有相当高的智能，你看我都开始用“他”了。曾经的经典问题：假如有一辆在挡在前方正在卸货的卡车，是借道儿绕过去，还是一直等？过去通行的做法是把信息回传到后台，由后方操作员把车移走，因为车本身不能确定前方卡车要停多久，对于人类来说根本不需要思考，掰出来绕走就完了。

　　直播很无聊，但还是想把其中有价值的信息梳理一下。我参考了推主Treb的文字记录，他的文本已获得elon本人确认；在这之前，我们讨论了很多端到端以及世界模型的话题，直播后，有些疑惑已经得到解答，自动驾驶未来的形态，比如如何拓展到robotaxi和机器人，也已经有了较具体的轮廓。...