| 发布于: | 雪球 | 回复：15 | 喜欢：0 |
在v12全面AI化后，FSD的能力改进过程，从过去的离散分段函数，变成了如今连续可导函数。过去是拍脑袋预估，现在变成了一个可优化、可预测的微积分问题。
基于the scaling law，想象一个f(x)，输入不同的“训练数据量”，不同的“训练算力”，不同的“神经网络数量”，不同的“模型参数大小”，就可以估算出一个大差不差的“无接管里程数”，这就是特斯拉内部在v12时代的新评估方法。这个方法是连续可导的，如果想要提升能力，需要额外多少数据、需要额外多少算力等等，都是可以大致预测的。基于这个原理，特斯拉的工程师可以非常方便的预测未来3-6个月模型的大致表现。
我理解人们被马斯克伤害很深，过去的每一次预测都失败了。但这其实也是必要的试错过程，没有人知道FSD的正确方案是什么。马斯克需要从失败中理解：手写代码是行不通的，模块化的AI方案也是行不通的。但是我坚持我的观点：这一次相对保守的人是马斯克，内部工程师比马斯克更乐观。
我上次发了一个短文，专门聊了一下我对特斯拉的所有分析结论。很多人想要我给出推导过程、依据、数据。我没有给，一个是因为解释的工作量太大，还有一个是之前写过很多硬核分析的也没啥流量，没人理我的话就没什么意思[狗头]
每一次时代的风口来了，更多的可能是大家一起摸着石头过河吧。等10-20年后大家有更清晰的认知和理解了，可能也就没有机会了。另外，如果这个法则失效，那么微软、谷歌、英伟达、脸书、特斯拉等等全部会腰斩，无数投资机构会接连倒闭。想到这里，看着我这三瓜俩枣，我倒是没有那么担心了。
这里有个问题，或者说是不确定：scaling law是怎么来的，属于经验公式么。如果是的话，怕有过了某个未知的临界点失效的可能。不像摩尔定律，那个临界点是明确有理论支撑的。
他多虑了，所谓嘴炮圆不了是伪命题，因为嘴炮不是拿来圆的，而是用更大的嘴炮来填充的。
而无人驾驶若比作可导函数，也不是f(x)，而是F（X1, X2,......,Xn)，其中n=无穷大，因此未来可以实施的无人驾驶必然是有条件的，或者说须创造一个屏蔽大部分Xn的运行环境。而这方面丰田已经推出了e-Palette，目前已实现低速（时速30公里以内）无人驾驶，并在北京奥运会上投入运营。另外丰田编织之城中基于互联互通技术的无人驾驶专用通道，屏蔽了人工驾驶汽车的不可测因素。如果看懂丰田务实的无人驾驶方案，就会懂得特斯拉robottaxi妥妥的无厘头嘴炮，也并未搞清楚无人驾驶的局限性或者说前提基本假设——需要屏蔽人为性（人工驾驶）这一不可测（无穷可能性）因素，即自动驾驶车辆不能与人工驾驶车辆同道路通行，否则无人驾驶汽车将因无法理解和知晓人工司机的意图而发生事故隐患。
所以我乐观啊。我比较喜欢的事情就是用信息差和别人打赌，然后装成咬牙一博的样子。想象一下玩德扑的时候，手里拿着nuts，对手也拿了大牌。那种演自己没牌的感觉，不是很有意思吗[斜眼]
说得很好，自动驾驶优化从离散分段变为连续可导，优化空间就打开了。OPENAI也是一样的思路。接下来就是堆算力，堆数据，自动驾驶方面数据谁也堆不过特斯拉，其他车企未来也没有超越的可能性了。