• 转发 @不是郑小康: 最近看了大量 X 和 YouTube 上的 FSD v12，主要是 Whole Mars Catalog、Edge Case 和 AI DRIVER 这三位。一句话总结，FSD v12 相比 v11 在一些基础体验上出现了难以理解的倒退，但依然是当之无愧的城市辅助驾驶领域的 ChatGPT 时刻。

以下是具体分析。

  • 对于即将达到导航目的地这个场景，FSD v12 第一个行为是学会了靠边贴近路沿停车，而不是 v11 那样停在路中间请求接管。后面 FSD 衍生出 3 种随机的行为：

1. FSD v12 会在抵达目的地前 50 - 100 米看到车位直接拐进去，然后驻车。

2. FSD v12 抵达了目的地但视野范围内没有停车位，系统会继续往前开，连续 4 个右转兜回来，在抵达目的地前找到一个车位停进去，然后驻车。

3. FSD v12 会在抵达目的地前 50 - 100 米，看到别的小巷子，提前拐进去——注意，这个时候 FSD 走的路线和导航是不一致的，导航就会继续不断更新路径规划——但 FSD 压根不按导航开，FSD 会绕着目的地周围转，直到找到车位停进去，然后驻车。

这三种行为，唯一的共性就是「人也是这么开的」。这种能力究竟是如何训练出来的，真的给系统看足够多「人类开车即将抵达目的地」的视频，模型就能抽象出这些逻辑吗？

  • 当前的 FSD v12 的系统后台跑着两套网络。有足够的证据表明，仪表上的可视化信息和高速上运行的 FSD，肯定不是 v12 驱动的，只有城市道路是 v12 驱动。

这一点非常奇特，因为我们看 22 年的特斯拉 AI Day，其实 HW 3.0 的算力已经用得很满了。

如果我们看仪表上的可视化信息，会发现 FSD 的感知性能其实出现了严重的倒退，各种检测、跳变都不符合 FSD v11 应该有的表现，更不可能是 v12，否则规控不会那么行云流水，说明感知的置信度是非常高的。

高速场景从表现看，应该就是 v11，Teslascope 说确实是 v11，特斯拉仍在对高速场景的 v12 进行测试，但未获官方证实。

即使不谈高速，在城市里特斯拉是如何实现 v12 和另一个仅用于可视化的 BEV 模型同时运行的？

  • 对于人类驾驶员肉眼不太好分辨的老旧减速带、烂路上看不太清的小凸起和一滩水渍，FSD v11 都当做不存在，FSD v12 的处理和人是一致的——尤其是水渍，人选择降低车速或打方向绕一下水渍，是因为不想把车搞脏，FSD v12 显然理解不到这一层，但也会这样做，Ta 只是学会了人的驾驶方式。
  • 相比 v11，FSD v12 的近身博弈能力取得了巨大的改进，美国也还是有那种没有交规、人车混行的场景，比如 Csatco 的停车场，FSD v12 需要大量通过和其他交通参与物的意图交互来进行路径规划，其实就是辅助驾驶最终极的场景，这一点上 v12 取得的进步是巨大的。

一个典型的场景是窄路错车，不局限于停车场，中国的国道省道县道乡道有大量双向共享，可临时借道的道路，如果恰好还有临停车，就非常依赖本车和其他车驾驶员的意图的交互。

A：你先走？
B：还是你先走。
A：好，那我先走。

这样的信息交互是仅通过观察车辆的启停来实现的，FSD v12 实现了，至少在 AI DRIVER 的测试中实现了一次。

此外，这类场景里的路口处，有时候对向驾驶员是不打灯的，人类驾驶员很多时候是根据对向车辆的车身姿态——甚至是前轮的转向角来意会对方接下来的驾驶轨迹的。FSD v12 也可以。

一句话，对于弱甚至是无交规、交通灯光信号的驾驶场景，FSD v12 的表现取得了巨大的进步。

还有类似和对向车辆共享的潮汐变道之类的，语义信息更丰富的交通场景，FSD v12 是 OK 的。

最重要的是，正如特斯拉规控负责人 Paril Jain 说的，特斯拉没有专门投入资源挨个解决这些场景，许多能力是 FSD v12 看了大量的视频无师自通的。

当然了，这也使得我们 3 个月前制作的 FSD v11 体验视频完全失去了意义。

  • 最意外的 bug：当你开在路上，整条路就你一辆车的时候，FSD v12 的速度设置就会崩溃，会时而加速，时而减速，难以总结其调整逻辑——我有一个猜测：人开车确实不会完全固定一个速度，除非开了定速巡航，难道这也是跟人学的？

没错，各种艰难复杂无法编程的场景，看起来 FSD v12 都学会了，但最简单的 0 障碍物的大直路，FSD v12 表现还不如 Autopilot。

  • AI DRIVER 做了一个实验，把车带到一个新的没绘制任何车道车位信息的小停车场，打开 FSD v12，然后——v12 会不断错过唯一的出口，不断转圈，你可以脑补一下，类似一个拉磨的驴。

当然，这可能难以称为一个 bug，只能说至少目前 FSD v12 并未真正获得一个人类和外界交互的能力。

  • 结论其实非常清晰，正如 ChatGPT 有幻觉、会胡言乱语、没有完全和人类对齐，但依然掩盖不了其展现出来的巨大潜力。FSD v12 太正义了，必须要 all in 端到端。

via 小特叔叔的微博