特斯拉FSDBeta北美全面公测，未来五年见证人类社会巨变？

　　11月24日，特斯拉正式向北美所有购买了FSD的用户，推送FSDBeta功能。
　　这意味着从EarlyAccess内测，再到驾驶员评分内测，FSDBeta终于向所有用户敞开大门，只要申请就能用当然前提是你得买选装包，现在是15000美元（10。7万元）。
　　历经763天之后，FSDBeta依然没能摆脱beta的后缀，但总算是从内测走向了公测。马斯克本人则将公测本身，称为特斯拉Autopilot以及AI团队重要的里程碑。
　　这次推送之后，特斯拉依然在智能驾驶商业化保持着领先虽然FSDBeta公测比预想中来得更晚，但其仍然是全球首个大范围推送的全场景领航辅助驾驶功能。
　　业内朋友跟我们详谈的时候，甚至直言特斯拉依然领先国内一代。
　　那么，2022年的特斯拉FSDBeta究竟领先在哪里？和之前的大版本有何不同，以至于特斯拉决定向整个北美推送？国内车企真的落后了吗？
　　我们今天和几位业内资深人士好好聊一下。
　　一、从内测到公测
　　想要聊清楚FSDBeta公测的意义，我们得从内测开始。
　　2020年10月22日，FSDBeta正式向EarlyAccess用户推送。
　　先带大家回忆一下，2020年10月份，蔚来还在用两块2。5T的EyeQ4、小鹏还在用30T的Xavier，华为虽然已经有了400T的MDC600，但一台量产车都没有。
　　而功能上，我们当时抢先体验到的，还是国内各家的高速领航，也就是NOA类功能，用户端还都是2021年才开始推送。
　　换句话说，当时的特斯拉，相当于用T1。5级别的传感器（8颗1280x960的摄像头）、T1级别的芯片（144T的Autopilot硬件3。0），做出了T0级别的功能。
　　然后，马斯克用长达两年的用户内测再次证明，从0到1和从1到100，有时候同样困难。
　　困难的实际体现，当然是铺天盖地的FSD翻车场景。
　　事实上FSDBeta头几个版本除了极其炫酷的人机交互，实际效果只能算是比较初级即使是包容度极高的EarlyAccess用户，前期也是无可奈何。
　　无保护左转，曾经FSDBeta的难点场景
　　一些典型的能力边界，包括但不限于经常陷入无限等待的无保护左转；突如其来的接管预警；以及一直到V9才有所好转的环岛，等等。
　　V10遗留BUG之一：渲染显示不完全
　　FSDBeta的产能爬坡之艰难，甚至让马斯克在2021年7月不得不公开承认，自动驾驶比我当初想象的难得多。
　　但一年之后，马斯克似乎已经迈过了FSD的产能地狱。
　　今年8月22日，马斯克在推特上公布了自己个人的年度KPI：SpaceX星船轨道测试，以及FSDBeta大范围推送。
　　另一件事，是年初柏林工厂开业的时候，马斯克表示今年特斯拉会寻求FSD进入欧洲的方法。
　　这意味着特斯拉已经非常接近FSD的商业化起点，唯一的问题是，为什么FSD这一路走来这么坎坷，让我们等了这么久？
　　要知道，8月22号距离FSDBeta内测开始，已经过去整整670天。当时马斯克面临的已经是追赶，甚至反超。
　　首先是硬件层面，无论是英伟达还是高通，都拿出了远超FSDChip的算力；索尼、三星、安森美更是把车规级摄像头的规格推到了800万级别。
　　其次，在商业应用层面，我们已经在国内体验到了小鹏和华为的城市领航功能，距离商业推送也就几个月的时间。
　　难道FSD做错了什么，以至于被追上了？
　　二、不破不立的领先？
　　其实，FSDBeta缓慢的进度，早在2020年1月就有所预兆。
　　2020年1月31日，特斯拉首次公开了Autopilot神经网络眼中的世界。马斯克当时表示，Autopilot正在经历从零开始的重写。
　　到了2020年8月，FSDBeta内测前夕，他再一次强调了重写：FSD将会迎来巨大飞跃，因为这是一种架构层面的重写，而不是渐进式调整。
　　当时马斯克对于重写的原因，只是轻描淡写地提了一嘴：神经网络会吸收越来越多的功能。
　　这句话足以解释两年来FSDBeta的慢，以及上周开始全面公测的快。
　　回到2021年10月，FSDBeta又一个关键词，开始浮出水面：singlestack单堆栈。它是FSD从城市走向全场景的关键一步，甚至可以说是20年1月重写的重要目标。
　　是的，从V11版本开始，FSDBeta应该叫全场景智能驾驶，而不是单纯的城市领航。
　　虽然V11在发版前夕被紧急叫停，然后延迟到12月，但我们还是可以先看看releasenote发布日志里面，最关键的一段：
　　在高速公路上启用FSDBeta。这统一了高速和非高速路段的视觉和规划堆栈，并取代了已有四年多历史的传统高速堆栈。传统的高速堆栈仅依赖于几个单独工作的摄像头和单帧网络，曾经被设置为处理简单的、专注于车道的操作。
　　单堆栈，首先是FSDBeta可以被称为全场景的原因。
　　早在2021年10月，马斯克已经提到了V11将会是第一个单堆栈的FSDBeta版本当时V10才更新到10。3，V11说着说着就过了一年多。
　　单堆栈的意思，是单一的神经网络，最终在FSD软件中占据绝对主导地位另一方面，大量C代码将会被删除。
　　马斯克将这样的重写定义为吞噬，先进的神经网络吞噬陈旧的C代码onestacktorulethemall。
　　或者说得更直白一点，单堆栈意味着一个完整的人造司机，掌握所有道路驾驶技能，而不是单独功能，比如AEB、ACC、ALC等功能叠加而来。
　　他同时表示，由于旧的神经网络依然没有调用全环绕摄像头视角，所以牵一发而动全身，我们几乎要重新做所有训练这也解释了FSDBeta的慢。
　　回到上一段的问题，FSD被超越了吗？
　　从时间表上看并没有因为直到截稿，FSDBeta就是全球首个大面积推送的全场景辅助驾驶系统。
　　而速度的背后，则是两年多以来，FSDBeta破而后立的重写，以及统一堆栈。
　　三、领先蔚来小鹏华为一代？
　　产品落地的速度领先，就意味着技术领先？
　　对于某车企自动驾驶负责人陈天来说，是的。他大概给我们划定了一个范围：做得好的中国企业，和特斯拉还差一代，这个必须得承认。
　　谁做得好？他的名单里面有蔚来、小鹏，以及华为。
　　一代的差距，他的解释是你可以认为现在大家做的是特斯拉上一代的NOA架构。
　　换句话说，距离特斯拉V11更新日志里面那句统一了高速和非高速路段的视觉和规划堆栈，他认为中国新造车头部企业还差一代。
　　特斯拉自己迈过这个坎花了接近3年（从2020年1月到2022年12月V11可能推送），那么蔚小华是不是还要等3年？
　　如果跟特斯拉这个全开的比的话，乐观来说一年，一年到一年出头多一点点。
　　为什么陈天认为我们能缩小追赶的时间？两个关键词：数据，以及非独享技术。
　　今年特斯拉的AIDay依然高深而绚丽，但几个关键技术名词，比如occupancynetwork，并非特斯拉独创，而是沿袭自深度学习学术界成果。
　　而另一个关键词数据，则反映了FSD定价带来的问题。
　　陈天给我们提了个概念：有效数据。
　　数据转化率来自于车型，比如比如1万辆里面选了只有1000辆，那另外9000辆就和FSD没关系；也来自于算力，比如Xavier的车是不足以做太多数据处理的，Orin车型才是有效的，Mobileye基本上就靠边站了。
　　另外，影响数据优势的还包括数据颗粒度等等，最终是数据的效率和数据的绝对量，决定自动驾驶的成功，而不是宣发、落地。
　　他认为特斯拉目前最核心的领先，就在于数据效率它已经形成了快速的迭代能力，数据规模足够大，所以目前为止依然保持着先发优势。
　　陈天用边际效应分析FSD的步步领先：
　　比如说一开始FSD用户是1000人，目标是（功能）从1增长到10，那前面从1到8的过程靠1000人就够了。然后需要再放5000人进来，加速从8到10的过程。
　　最终，陈天认为这次全量推送，让特斯拉可以以更大的数据规模，加速数据往下一个量级推进的过程。
　　我们最后问：你觉得目前中国有哪家上了自动驾驶的牌桌？
　　陈天的答案是：蔚来、小鹏、华为都在牌桌上，理想勉强够得上吧。
　　四、冲向自动驾驶
　　陈天以外，另一家车企的自动驾驶负责人吕光给我们传来了不一样的声音。
　　他认为FSDBeta全量推送并不是那么具有标志性，更应该是辅助驾驶的进一步发布，对于全自动驾驶是否更近了这个问题来说没有区别。
　　他表示在技术上来看，11月16日Cruise宣布扩展在三藩市无人驾驶运营时间和范围这件事，更应该是与自动驾驶成熟度直接相关的事件。
　　但他同样肯定了特斯拉的进步无论是CruiseWaymo取得的成就（无人化技术深度、成熟度），或是Tesla的进展（泛化高阶自动驾驶能力），都说明全自动驾驶不远了。
　　我们追问不远究竟有多近，吕光的答案是接下来5年，我们将一起见证人类发展史上最深刻的变化之一。
　　简单点说就是：冲向自动驾驶！
　　在陈天的眼中，冲这个字也是成立的，因为自动驾驶技术上通往成熟的路，已经修好了。接下来应该让更多数据在路上跑起来。
　　至于自动驾驶最终的成熟，陈天认为目前只到了10的阶段，因为自动驾驶并不只是自动驾驶，它还包括商业、伦理、保险等等领域。
　　截止到发稿，特斯拉的市值已经从9月19日的过万亿美元，跌到了5730亿美元，跌幅接近一半。
　　除了大盘原因以外，9月份以来FSDBetaV11的连续跳票，也是原因之一可能听起来空泛，但人类对自动驾驶的憧憬，甚至占了特斯拉股价的半壁江山。
　　现在FSDBeta正式开启公测，而且一上来就是一个大洲，这是否意味着Beta后缀即将取消，马斯克跳票多年的自动驾驶梦即将实现？
　　更重要的是，自动驾驶商业时代，是否即将来临？
　　我们下个版本见。
　　P。S。：本文采访对象均已匿名。