| 发布于: | 雪球 | 回复：15 | 喜欢：2 |
The Biden administration is preparing to roll out the toughest-ever limits on pollution from the nation’s cars and light trucks after making changes likely to mollify some automakers.
Emissions limits set to be finalized by the Environmental Protection Agency within days would propel electric vehicle sales well beyond current levels. The EPA has projected that to meet proposed mandates, electric models would need to make up roughly two-thirds of car and light truck sales in 2032 — up from less than a tenth last year.
老巴又要出货了[捂脸]$比亚迪(SZ002594)$ $比亚迪股份(01211)$
这一段值得收藏学习[很赞]，感谢Andy 分享，转起[抱拳]
$特斯拉(TSLA)$FSD v12应该是一次智能驾驶理念大升级，系统结构也发生了变化：
技术上最大的变化是采用了“端到端模型”而放弃了基于规则的算法。实际体验的显著变化是“更像人类”、驾驶流畅、人车博弈场景等观感上的体验的确有提升。
我们知道过去自动驾驶领域的规划控制部分一直是基于规则算法的，包括L4公司以及FSD 以前的版本，需要写大量的代码来解决不同场景的车辆控制问题，但到了一定程度之后发现模型进步很慢，因为corner case茫茫多，且不同规则之间互相影响导致有些场景解决好了，又出现问题
那“端到端”就是通过transformer直接丢入数据进行大参量模型的训练，相应的模型提升方式变成了：发现corner case→收集更多针对该场景的数据→模型训练，到这里才正式形成了数据闭环（这就可以理解过去为什么“遥遥领先公司”数据没那么多，但因为有很大的写规则算法的团队，23年的智驾效果就很快超过了xp）但目前相当一部分人对于“端到端”自动驾驶模型的错误认知是，模型输入各种传感器信息（图像、雷达，mems传感器等等），直接输出各种规控指令，是一个单一的大参数量的神经网络大模型。但实际上目前的FSD v12的感知和规控还是分立的模块，如下图是2023CVPR最佳论文UniAD所展示的模型结构，感知被分为BEV特征构建、目标检测、地图特征提取、轨迹预测和占位网络，这些子任务网路通过transformer模型的中间层参数链接在一起，依然是一个复杂的人工结构。
后面还分析了，自动驾驶面临的问题，对系统成熟的预判。[很赞]#新能源汽车# #智能驾驶# $比亚迪(SZ002594)$
$特斯拉(TSLA)$ 今年剩下只有惊喜了。
几乎已经成共识，这才是对大部分投资者来说可怕的地方，长期价值投资者除外，几年以后后视镜看这个headwind算个啥。$特斯拉(TSLA)$
登哥明年还能在吗？登哥不喜欢老马，但是似乎对电动车不错；川皇跟老马关系还好，但是对电动车不感冒。
关于FSD，端到端模型FSD v12上车：$特斯拉(TSLA)$
技术上最大的变化是采用了“端到端模型”而放弃了基于规则的算法，实际的体验，从推特和油管零星的视频评测中，看到v12相比v11带来的显著变化是“更像人类”、驾驶流畅、人车博弈场景等观感上的体验的确有提升。让大家畅想真正的L3是不是越来越近了。
3.13推上有人收到了FSD v12.3 的发布，elon也表示这是一个大的进步
那“端到端”具体是什么？建议大家阅读CVPR 2023最佳论文，UniAD。总结来说，FSD v12的最大变化在于规控端去掉了基于规则的算法思路，而选择神经网络，但和感知还是分立的模块。
我们知道过去自动驾驶领域的规划控制部分一直是基于规则算法的，包括L4公司以及FSD 以前的版本，需要写大量的代码来解决不同场景的车辆控制问题，但到了一定程度之后发现模型进步很慢，因为corner case茫茫多，且不同规则之间互相影响导致有些场景解决好了，又出现问题
那“端到端”就是通过transformer直接丢入数据进行大参量模型的训练，相应的模型提升方式变成了：发现corner case→收集更多针对该场景的数据→模型训练，到这里才正式形成了数据闭环（这就可以理解过去为什么“遥遥领先公司”数据没那么多，但因为有很大的写规则算法的团队，23年的智驾效果就很快超过了xp）
但目前相当一部分人对于“端到端”自动驾驶模型的错误认知是，模型输入各种传感器信息（图像、雷达，mems传感器等等），直接输出各种规控指令，是一个单一的大参数量的神经网络大模型。但实际上目前的FSD v12的感知和规控还是分立的模块，如下图是2023CVPR最佳论文UniAD所展示的模型结构，感知被分为BEV特征构建、目标检测、地图特征提取、轨迹预测和占位网络，这些子任务网路通过transformer模型的中间层参数链接在一起，依然是一个复杂的人工结构（过去2年的Tesla并没有如21/22年那样在AI Day上展示模型结构，笔者猜测是接近UniAD论文展示的结构）
但不得不承认，FSD beta从v9到v12，分别实现了感知和规控算法的“神经网络化”/“端到端”化，这个变化在感知端效果的提升更为明显，已经得到了验证。所以从v12开始FSD只要持续丢入高质量数据和使用更大的参数模型，体验的提升就是可以预期的吗？
笔者认为实际速度可能没有大家想象的那么快，首先是推动模型进步的几个核心因素：
高质量的人类优秀司机驾驶数据，而且要针对出问题的corner case场景
更大参数量的模型，like GPT-2到GPT-4的过程
更好的模型工具（感知端Tesla找到了BEV和occupancy）
如何理解这几个因素？
1. 收集高质量的corner case的数据速度没那么快，因为本身这个case就是“corner”的；
2. 更大参数量的模型？目前v12大概是1亿参数，相比目前动辄百亿参数的LLM还是小了很多，但车端芯片又面临性能瓶颈（HW4.0 500Tops），这也让FSD研发中多了一个限制，Elon在前几天MS TMT conference上也提到了这一点；
3. 更好的模型结构和工具？FSD目前已经是自动驾驶领域最领先的公司，从学界/业界寻找工具创新的能力也是很强的（硅谷人才确实多）。比如OpenAI发布的Sora和Tesla 23年CVPR上展示的能力，也给了大家两个方面的启发：
1）仿真数据生成，来提升数据收集的效率问题，因为过去基于GPU渲染的仿真数据不work，而类sora的模型可能会解决这个问题（如更多样化的物理世界仿真）
2）提升感知模型的理解能力，比如对物体估计的预测更准确，以及识别目标的物理属性（like，纸箱子和石头的破坏程度是完全不一样的）
因此，笔者认为FSD v12距离足够好的体验、让用户愿意为之支付1.2万美元、甚至实现真正的L3，都还有相当长的路要走。虽然期待Tesla在自动驾驶领域的突破，只是这个突破可能不会来的那么快（GPT-2 到GPT-3.5 花了2年时间）。以及传闻FSD v12在24Q2/Q3落地中国，期待一下FSD和“遥遥领先”的实际能力对比！
总之，Elon毫无疑问是全球最牛逼的CEO之一，自动驾驶是未来最好的赛道之一，坐拥最领先自动驾驶技术的特斯拉也是全球最贵车企。但当卖车业务和FSD的上下行周期错配，会如何影响其股价和估值体系？拭目以待，也欢迎更多人与我讨论。
拜登太老了，特朗普的政策更符合美国国情，搞电动车是搞不过中国的反而会毁了美国原有的汽车产业，美国并不是缺油国家相反是世界最大的产油国，搞电车根本就是南辕北辙