一個幽靈，一個名為FSD的幽靈在中國游蕩。

沒錯，馬斯克豪賭自動駕駛，和特斯拉FSD即將入華的消息不斷刷屏，這成為汽車行業(yè)討論度最高的話題之一。

在之前的深度文章《“第一性原理”正在殺死特斯拉》中，筆者認為特斯拉FSD永遠都達不到L4級別的自動駕駛，此言一出引發(fā)了巨大爭議，本文收獲了上百條留言。經(jīng)過與讀者的切磋討論，和對相關概念進行深入學習后，筆者還是堅持原有的觀點：別太高估FSD了，無人駕駛永遠都不可能達到。

 

這里先簡單科普一下自動駕駛等級。

零級，代表完全沒有自動化，就是人開車。

一級，是指計算機在某些時候、某種程度上可以給人提供一些輔助性的幫助。這個級別已經(jīng)實現(xiàn)了，像自動剎車、車道保持、停靠輔助系統(tǒng)現(xiàn)在已經(jīng)大面積應用了。

二級，是有的時候汽車可以自己開，但是要求人一直盯著。特斯拉和國內(nèi)許多廠商已經(jīng)做到了這個級別。這就是高速NOA和城市NOA，在空曠的高速公路，或者特定路段，人可以暫時讓車自己開一會兒。但總有很多人違反規(guī)定，不盯著車，干脆放手不管了，結果出了事都是駕駛員的責任，而不是廠商的。

三級，是說人可以不盯著了，就讓車自己開。但是如果車向你發(fā)出信號，你要隨時接管駕駛。

四級，是指在某些環(huán)境和條件下，實現(xiàn)自動駕駛，人去睡覺都沒問題。

五級，是完全的自動駕駛，不論什么天氣和路況人都不用管車。

特斯拉FSD的原理是什么？

2017年，谷歌的八位科學家發(fā)布了一個名為Transformer的人工智能深度學習模型。

這一大模型具有革命性意義，全球科技巨頭，紛紛推出了自家基于Transformer的大模型，如Google的BERT，微軟的Turing-NLG，英偉達的Megatron、國內(nèi)華為的盤古、阿里的M6、百度的文心一言等大模型都是基于Transformer來構建。

不同于傳統(tǒng)的人工智能模型，Transformer具有以下典型特征：

首先，只要參數(shù)足夠多，訓練達到一定的積累，你就可以做一些事情。比如AlphaGo下圍棋可以戰(zhàn)勝人類頂級選手。

其次，只要模型大到一定程度，就會涌現(xiàn)出一些讓人意想不到的神奇功能。比如AlphaZero不按人類套路下圍棋。

最后，因為開悟和涌現(xiàn)，AI現(xiàn)在已經(jīng)獲得了包括推理、類比、少樣本學習等等思考能力。

而在自動駕駛領域，特斯拉也基于此發(fā)布了純視覺自動駕駛FSD。從原理上講，基于Transformer的FSD可以模擬人類的駕駛行為，根據(jù)喂養(yǎng)的數(shù)據(jù)進行深度學習，一旦學習成功，F(xiàn)SD就是一個老司機。

那么特斯拉是如何利用Transformer進行訓練的呢？

 

要知道，想要自動駕駛水平高，就要經(jīng)歷各種可能的情況，尤其是那些老司機一輩子都難遇到幾次的特殊情況，比如路面積雪的夜里，接近路口時是黃燈，對向車開著大燈晃你，這時突然有人橫穿馬路，這種情況下，駕駛員做怎么樣的動作才安全。這需要在相同場景下反復訓練。

但是這種情況可遇不可求，那怎么辦？

特斯拉的做法是利用自動生成路上駕駛的視頻。同樣一個路口，它可以訓練各種方向轉(zhuǎn)彎，各種可能發(fā)生的情況……這些自動生成的視頻已經(jīng)是最近兩年特斯拉提升自動駕駛水平90%的駕駛經(jīng)驗來源了。

換句話說，特斯拉開始大規(guī)模利用人工智能，早就不依賴于真實路面的訓練經(jīng)驗來提升自動駕駛了。

而且更夸張的是，在最新發(fā)布的FSD V12版本里，工程師把之前30多萬行定義駕駛規(guī)則的代碼刪除了，要怎么開車，已經(jīng)不強烈依賴于“紅燈停綠燈行”這類可以用程序表述的指令了。FSD V12版本的駕駛策略幾乎都是通過駕駛視頻習得的，而且這些視頻絕大多數(shù)都是自動生成的。

總結來說，基于Transformer的FSD可以模擬人類的駕駛行為，進行深度學習，所以許多激進的觀點認為，只要數(shù)據(jù)量足夠大，喂養(yǎng)的時間足夠長，F(xiàn)SD將來就能淘汰人類駕駛員，徹底實現(xiàn)無人駕駛。

Transformer的底牌與命門

為什么筆者反對如此激進的觀點，理由主要有兩個：

第一個理由，F(xiàn)SD作為基于Transformer的大模型的技術方案，是在模擬人腦，作為神經(jīng)網(wǎng)絡，它在本質(zhì)上不可能超越人腦。

前面我們簡單講了基于Transformer的FSD能開悟，能涌現(xiàn)等神奇的功能。但是要看透FSD的邊界，我們依舊要進一步理解：Transformer跟人腦到底如何對比？它有什么限制？有沒有它不擅長的東西？

在這里，我們必須提及一位人工智能大牛——史蒂芬·沃爾夫勒姆。

 

史蒂芬·沃爾夫勒姆是何許人也？他研究開發(fā)神經(jīng)網(wǎng)絡已經(jīng)四十多年了，他早在1983年就自己編程研究過神經(jīng)網(wǎng)絡，OpenAI CEO山姆·奧特曼曾說：“史蒂芬·沃爾夫勒姆是他見過的最牛的人工智能專家。”

史蒂芬·沃爾夫勒姆用一個小例子，指出了Transformer的底牌與命門。

他用ChatGPT做了個最簡單的計算題：1231×434523+323×34636 等于多少？

ChatGPT給出的結果是546106021。但如果你用計算器算，那么答案是546085241。

這到底是怎么回事？答案很簡單，ChatGPT是Transformer基于人類大腦開發(fā)的語言模型，它是用人的語言訓練出來的，它的思維很像人的大腦——人腦本身不太擅長算這種數(shù)學題的，這樣的計算題，普通人都要用計算器。

為什么會這樣？沃爾夫勒姆認為核心邏輯是下面這張圖。

 

大圈代表的是一切計算，科學家認為，自然界中所有現(xiàn)象都理解成計算，因為底層都是物理定律，其中絕大多數(shù)計算過于復雜，超出了人腦的理解范疇，以至于我們連方程都寫不全，不管是用大腦還是用計算機都不能處理，但我們知道那也是計算。

其中的兩個小圈，一個是神經(jīng)計算，簡單來說，神經(jīng)計算善于發(fā)現(xiàn)事物的規(guī)律，但是對數(shù)學問題的處理能力有限。人類的大腦和包括ChatGPT與FSD在內(nèi)的所有AI，都屬于神經(jīng)計算。

實際上，人工智能模擬的神經(jīng)計算的底層邏輯還是數(shù)學，從原理上來講，就是大模型模擬人腦，將構成大腦的神經(jīng)元抽象為數(shù)學模型，這就是神經(jīng)網(wǎng)絡的根本出發(fā)點。

另一個是形式邏輯，其實就是數(shù)學，特點是精確推理，無論有多復雜，只要有方程有算法，就能算出來。

可見，兩個小圈遠遠不能覆蓋整個大圈，人類科學技術進步的歷史，就是擴大兩個小圈的歷史。

沃爾夫勒姆有一個深刻的洞見，那就是雖然基于Transformer的大模型比人腦知道的更多，反應更快，但是作為神經(jīng)網(wǎng)絡，它在本質(zhì)上不可能超越人腦。

他進一步解釋說，ChatGPT模擬了人腦的語言系統(tǒng)，這只能說明人腦的語言系統(tǒng)并不厲害。沒錯，ChatGPT證明了，語言系統(tǒng)是個簡單系統(tǒng)，模仿人類寫一篇大家讀得下去的文章，不是一個難事。

但是如果需要一篇真正意義上的好文章，ChatGPT就寫不出來了，這需要調(diào)動作者自己的原創(chuàng)思想或者清奇的角度，ChatGPT最多成為一個強大的輔助工具。

沃爾夫勒姆讓我們認識到了Transformer的根本局限性：神經(jīng)網(wǎng)絡的計算范圍是有邊界的，人工智能再強大，也不可能跳出神經(jīng)計算和形式邏輯去和客觀世界接觸。

沒錯，人類社會中的任何事情，科學研究也好，寫出有靈魂的作品也好，開車也好，終究還是要需要人直接和客觀世界接觸，需要調(diào)用外部工具和外部信息。

從這個意義上講，人工智能不可能取代人，而是一件強大的工具。

第二個理由，人工智能永遠需要人工干預。

了解完Transformer的邊界之后，從原理上講，今天幾乎所有的人工智能產(chǎn)品都是復讀，先要有各種知識和信息，ChatGPT和FSD才能工作。你給ChatGPT提供高質(zhì)量的數(shù)據(jù)，它就會產(chǎn)生一個高質(zhì)量的語言模型，然后給出高質(zhì)量的答案，寫出高質(zhì)量的文章。

相反，你用垃圾數(shù)據(jù)訓練它，它就只能輸出垃圾。

我們還是以ChatGPT舉例，熟悉大模型的人都知道，ChatGPT背后是有人工干預的，例如ChatGPT平臺上那些帶有仇恨的言論已經(jīng)被刪除了。

但是，ChatGPT是一個本身有一萬億參數(shù)的大模型，人類只能通過輸出結果進行修改，換句話說，這個巨大的語言模型就像是一個黑盒子，你無法搞清楚里面那些模型參數(shù)的含義。

所以，行業(yè)內(nèi)有一句玩笑話：有多少人工，就有多少智能。

FSD也是如此，哪些駕駛數(shù)據(jù)是合格的駕駛數(shù)據(jù)？輸出后的結果，哪些能用，哪些不能用？都需要大量的人工進行調(diào)整，更為致命的是，這個世界上任何老司機都不可能保證自己不發(fā)生意外。所以，從理論上來說，100%完美的駕駛數(shù)據(jù)是不存在的。

沒錯，F(xiàn)SD作為一個模擬人類開車的技術方案，永遠都做不到100%的準確度，因為人做不到，對駕駛來說，即便99.9999%的判斷準確率也不夠，因為一旦判斷錯誤就可能是一條人命。任何政府要推動這樣激進的立法，阻力很大。

更進一步說，算法再強大，也不可能窮盡所有意外，真實的路面上會有各種意外。

早先，谷歌在訓練自動駕駛技術時，遇到過各種各樣奇怪的情況。這些東西是無法用數(shù)學模型預測的。即便是老司機，注意力不集中，也可能發(fā)生意外。

比如有幾個小孩在高速公路上在玩青蛙。

又比如一個殘疾人坐著電動輪椅，在路中間追逐一只鴨子。鴨子繞圈跑，她也繞著圈追。那你說像這種情況你能一下子就準確預測這些人的行動路線嗎？

此外，特斯拉的純視覺方案采用的是二維的攝像頭技術，而不是三維的激光雷達，這就意味著如果在下雪或者下雨，攝像頭就可能對周圍物體有重大誤判。

所以，再強大的自動駕駛，永遠都需要人在一旁待命，需要隨時接管。

 

如今，在FSD的開發(fā)過程中，特斯拉積累了超過90億英里使用里程，這是全球最大的自動駕駛數(shù)據(jù)來源；為了利用這些數(shù)據(jù)，特斯拉不斷擴充其超算集群，到處挖頂級AI工程師，自研算法、芯片和大算力GPU。即便如此，至少目前還是沒能讓大模型解決這些問題。

這其實就是FSD的一條硬邊界，舉例來說，你如果有一臺制冷機，可以將溫度降低。如果你有一個超大功率的制冷機，溫度降低得會快得多，但是用再多、再大的制冷機也不可能將溫度降到絕對零度以下，因為那是物理學的一條邊界。

尾聲

基于這樣的原理解讀，我們至少能得出以下三個結論：

第一，根據(jù)技術原理和法律法規(guī)，特斯拉FSD最多成為L3級別的自動駕駛，但它將是一個超級強大的輔助人類進行駕駛的工具，它的意義是最大限度地輔助人類駕駛。

第二，特斯拉粉絲不要失望，客觀來說，F(xiàn)SD代表著目前最前沿的人工智能駕駛方案，中國廠商在這條賽道上仍舊處于跟隨的狀態(tài)，以特斯拉的技術實力、品牌效應和營銷能力，F(xiàn)SD一旦入華，大概率會成為中國智能駕駛行業(yè)的一條新鯰魚，會加速中國自動駕駛產(chǎn)業(yè)和人工智能產(chǎn)業(yè)的發(fā)展，對汽車產(chǎn)業(yè)來說，這將大大利好小鵬、問界等主打智能駕駛的車企。

 

第三，受限于技術條件，早些年產(chǎn)業(yè)界暢想的類似于蘋果、安卓那樣的汽車生態(tài)，幾乎不可能實現(xiàn)。

這里稍微解釋一下，早些年，產(chǎn)業(yè)界認為，當L4級別的自動駕駛實現(xiàn)后，智能座艙才有更多商業(yè)化空間——比如智能交通出行服務商。在2020年，理想汽車的李想就在一次公開演講中透露了兩種可行的商業(yè)模式：第一種是賣車送司機，自動駕駛當服務來收。第二種是賣司機送車，車當服務費來收。

感興趣的讀者可參考《我們在為問界吶喊“遙遙領先”時，特斯拉卻正蛻變?yōu)橐粋€全新的物種》

所以，汽車生態(tài)的盡頭就是FSD付費訂閱，這其實大大壓縮了想象空間，這可能將推動特斯拉以及其它汽車企業(yè)的估值回歸傳統(tǒng)汽車業(yè)，而不是互聯(lián)網(wǎng)科技產(chǎn)業(yè)。