•
自動駕駛，變現最快的AI應用
4月28日下午，特斯拉CEO馬斯克到訪中國，爭取推動FSD全自動駕駛在中國落地。
自動駕駛，重新進入大家的視野，重歸AI的主流討論之中。
進入未來的AI 30年，AI+機器人是核心載體。
而自動駕駛，將是人工智慧的應用領域裡，最有價值的賽道之一，也是目前最快變現的賽道。
單一用戶客單價8,000美元的FSD，秒殺當下所有AI應用，特斯拉率先拿到了AI賽道最有價值的船票。
特斯拉迎來了奔向星辰大海的轉折點時刻，像極了兩年前的英偉達。自動駕駛，或成為第一個人工智慧殺手級應用程式。
人工智慧出圈變現全面落地
1956年，人工智慧概念首次提出。
但歷經66年發育，直到2022年11月， OpenAI推出全新的對話式AI工具ChatGPT，人工智慧的落地才實現現象級突破。
隨著人工智慧技術的不斷進步，其在世界各地的影響越來越廣泛和深刻。
AI被視為推動生產力和生產效率革命式升級換代的關鍵因素，AI應用正加速擴散，滲透到辦公室、設計、傳媒、法律、遊戲、教育、汽車等多個領域。
基於擴散模型的AI電商設計圖、基於大語言模型的對話式AI解決方案等熱門B端產品率先出圈變現，C端應用也湧現了一批AI搜尋對話、圖像生成等APP產品。
人們沉浸於生成式AI技術帶來的巨大改變，同時也對時代科技的快速發展產生FOMO情緒，恐懼因新科技的誕生而失去現有平台產品或錯失機會。
然而與第一輪電腦視覺帶動的人工智慧浪潮類似的是，AI的技術躍升並未達到無所不能的地步，市場宣傳與落地應用依然存在較大的認知差距。
儘管生成式AI在生成文字、圖像及視訊方面已經取得顯著進步，但其與人類的互動仍局限於內容的輸入與輸出，尚未能直接幫助人類在現實生活中採取行動，虛擬與物理世界的界限還未直接打通。
但自動駕駛的逐步成熟，特別是特斯拉FSD V12的發布，預期自動駕駛將是人工智慧殺手級應用，引領整個人工智慧應用的全面落地。
自動駕駛兩大主流技術路線
自動駕駛，也稱為智慧駕駛或無人駕駛，是指利用先進的感測器、控制器、執行器等設備和系統，融合現代通訊與網路技術，實現車輛的智慧控制。
自動駕駛車輛能夠幫助人們進行駕駛，甚至在沒有人類駕駛員的情況下，自動感知環境、做出決策並執行駕駛任務。
從定義來看，自動駕駛可以分為不同等級，權責劃分是關鍵維度之一。
國際汽車工程師學會將智慧駕駛/駕駛自動化劃分為L0至L5共6個等級。
其中L3是一個分水嶺，L3以上等級始稱“自動駕駛”，人類駕駛員與智能駕駛系統的關係為“人輔助系統”或“由系統獨立駕駛”，而L3以下為“系統輔助人”，從權責的角度意味著L3及以上等級的系統通常需要為行駛過程的安全負責。
而權責劃分的不同，又會進一步帶來設計運作範圍與功能完整性穩健層面的差異。
駕駛技術的發展是將人類駕駛替換為機器駕駛的過程，因此可以拿人類駕車作類比，自動駕駛技術分為感知層、決策層和執行層三大核心環節。
感知層指對於環境的場景理解能力。例如障礙物的類型、道路標誌及標線、行車車輛的偵測、交通資訊等資料的分類。
目前有兩種主流技術路線，一種是以特斯拉為代表的以攝影機為主導的純視覺方案；另一種是以Google、華為、百度為代表的多感測器融合方案。
依融合階段不同分為前融合和後融合。前融合指的是把所有感測器的數據作為整體進行識別，後融合指的是將不同感測器識別後的結果進行整合。
決策層是依據駕駛場景、駕駛需求進行任務決策，規劃出車輛的路徑和對應的車身控制訊號。分為任務決策、軌跡規劃、追蹤控制和執行控制四個階段。在決策的過程中需要綜合考慮安全性、舒適性和到達速度。
執行層指的是將控制訊號傳送給執行器，執行器執行的過程。執行器有轉向、油門、煞車、燈光檔位等。
由於電動車執行器執行較線性，便於控制，因此比燃油車更適合作為自動駕駛汽車使用。為了實現更精確的執行能力，線控轉向、線控煞車、線控油門等技術不斷發展。
人工智慧從輔助工具到主導者
主流的自動駕駛系統採用分模組設計，包括感知、決策、控制三個模組，各任務內部採用各自的演算法模型，由演算法工程師為自動駕駛系統建立規則。
2023年11月，特斯拉開始向員工推出FSD V12版本，與前期版本不同，FSD V12完全改變了技術路線，重新訓練為基於神經網路的智慧駕駛演算法。
而特斯拉FSD V12只有神經網絡，在搭建框架時不再基於過去的模組化設計，由一套神經網路處理所有輸入訊號，並且輸出駕駛決策。
FSD V12是第一個端對端的AI自動駕駛系統。端到端的智慧駕駛方案將傳統方案中感知、規劃、執行等多個模型變成融合大模型，實現直接輸入感測器資料到輸出轉向、煞車等駕駛指令的突破。
一方面減少感知、決策等中間模組的訓練過程，有效集中模型訓練資源；避免產生資料多層次傳輸所導致的誤差；同時也不存在各子模組目標與總系統目標有偏差的情況，確保效益最大化。
FSD V12將城市街道的駕駛堆疊升級為單一端對端的神經網絡，FSD V12更是將幾乎所有的子任務都交由神經網路處理，將人工編程的C++控製程式碼從V11的30萬行大幅減少到僅3000行，實現了真正意義上的「完全端到端」自動駕駛。
從依據接收到的環境訊號，系統透過預設規則來決定駕駛操作的方式，轉變為在訓練時輸入人類駕駛數據，系統在深入學習並理解人類的駕駛習慣後，在實際駕駛環境中根據輸入的環境資訊自主地做出駕駛決策,完成從規則驅動到數據驅動。
傳統AI模型主要處理抽象訊息，而缺乏對物理世界深入的理解和互動能力。自動駕駛技術的發展推動了數據驅動方法的應用，這不僅要求模型能夠理解數據，還必須能夠在物理世界中進行準確的預測和決策。
這種需求催生了新型智慧模型的誕生，它們能夠模擬現實世界的物理規律，實現對環境的深刻洞察和即時反應，這標誌著人工智慧正從「數據驅動」到「物理驅動」的智慧化階段演進。
FSD依賴攝影機的純視覺系統，結合神經網路進行影像處理與解釋，實現精確的環境辨識。
同時FSD使用自動標註系統，透過大規模數據收集和處理最佳化演算法，採用4D數據標註技術，而特斯拉擁有龐大的車隊數據，為其演算法訓練提供了豐富的資源，這將加速FSD的模型成熟與智慧化級別，預期最早成功實現人工智慧在駕駛領域的替代。
隨著自動駕駛技術逐步達到L3級及以上，人們對人工智慧的認知將得到進一步的衝擊。
人工智慧的角色將從輔助工具轉變為主導者，這將是人類對智慧科技理解的另一個重大轉變。
自動駕駛驅動人工智慧應用爆發的引擎
隨著特斯拉FSD V12技術的推進，預計將激發其他新能源汽車製造商加速開發端到端的AI自動駕駛系統，這將進一步推動人工智慧技術在工業領域的廣泛應用。
自動駕駛技術融合了多種AI子領域，包括但不限於機器學習、電腦視覺、感測器融合、路徑規劃和控制等。自動駕駛技術作為人工智慧（AI）應用的集大成者，正逐步將科幻小說中的場景轉變為現實。
隨著技術的成熟和法規的完善，自動駕駛不僅在改變我們的出行方式，更在推動AI技術的商業化和普及化。
隨著技術的不斷進步和法規的逐步完善，自動駕駛預計將在未來十年內實現廣泛應用。屆時，AI技術將在交通領域以外，如醫療、製造業、服務業等領域發揮更大的作用。
因此，我們預期自動駕駛將成為人工智慧的殺手級應用。 (奇偶工作室)