不過說「開車」已經不準確，因為這回是新版FSD全程給馬斯克「代駕」，45分鐘裡他本人只上手干預了一次。
也就是鋼鐵俠親自上陣，搞了一場自動駕駛路測。
坐標加州Palo Alto，從特斯拉新工程總部出發，中途曾用谷歌地圖搜索扎克伯格家地址並導航。
馬斯克搭乘一輛老款Model S，硬體還是基於HW3的版本，但軟體已經是未正式發布的新版FSD V12。
儘管畫質不到480p，但這場𝕏平台上的直播，已吸引超1000萬人在線圍觀。
之所以備受矚目，倒不全是大傢伙吃瓜「馬扎籠鬥」的熱情太高，主要在於FSD V12被稱為特斯拉自動駕駛最重要的一次升級：實現了完全端到端（End-to-end）方案，輸入一端是圖像，輸出一端是對汽車的控制指令，中間完全由神經網絡處理。
馬斯克自己的說法要更咋呼一點：光子進，行為出，和人類一樣。
試駕過程中，馬斯克多次表示現在的系統沒有一行規則和條件判斷代碼，不需要高清網際網路地圖。
比如，在經過路邊一位騎行者時，馬斯克就強調「沒有任何代碼聲明要給騎自行車的人讓行，沒有等待x秒之類的東西，只有(神經)網絡。」
This is all net, baby, nothing but net.
知名科技博主Robert Scoble表示：世界從今晚開始改變。
十年後，人們將把這一時刻定義為機器人的首次公開演示，機器人僅通過看視頻就學會在現實世界中移動。
這是軟體構建方式的範式轉換。
馬斯克也回復他：準確的。
同樣令人驚訝的是，所需的推理計算功率只需要100W。
45分鐘路程僅一次干預
為了凸顯真實性，馬斯克從地圖上隨機選擇了目的地。
行駛沒一會兒，汽車來到了一條兩邊全部立滿紅色柱子的施工區域，對於這一「反常」路況，車輛順暢通過：
在本次路程的第一個紅燈之處，Model S完美停住。
等待左轉燈綠起之後，它便通過無保護左轉（UPL）非常流暢地駛入左邊的另一條馬路。
這是自動駕駛領域中一個比較難的場景，要考慮到地面引導標、左側行人、前方車輛等情況，馬斯克表示：
看直播可能看不太清楚，但車輛行駛得很平穩。
大約5分鐘時，車輛又碰上一片減速帶，Model S順利完成自動減速。與此同時，一輛自行車在右側飛速前進，但絲毫不會對它造成影響。
也禁住了環島的考驗。只見在這樣的環形交叉路口，Model S先等前方的兩輛白色汽車通過之後，便立刻轉彎進入：
大約10分鐘之後，車輛載著馬斯克到達了今天的第一個目的地，接著再前往下一個隨機地點。
期間汽車路過史丹福大學，人群變得多起來，Model S毫無壓力，並禮讓了行人：
由於直播逐漸進入晚尖峰時段，馬斯克也吐槽車開的有一點慢。
但一切都按照預期發生，直到19分左右，馬斯克進行了第一次干預，也是全程的唯一一次。
當時，想要直行的車輛在路口已經等了很久紅燈，而在對面信號燈剛剛轉為左轉狀態時，Model S竟突然跟著啟動。
不過馬斯克和旁坐的工程師反應迅速，連忙干預製止。
險情結束，老馬也直言：
這就是FSD v12還未真正公開發布的原因。
後面剩餘的25分鐘路程都順利結束，直播還展示了FSD的靠邊停車功能等等。
而在整個直播過程中，馬斯克反覆強調得最多的一點就是：
無論是最開始遇到的紅色立柱、減速帶，還是後面遇到的騎行路人、環島路口，FSD系統都不是靠任何一行控制代碼來完成決策的。
相反，FSD只是看了非常多的視頻，然後完成了訓練，得到了一個神經網絡。
（特斯拉Autopilot的決策從2020年開始由編程邏輯轉為視頻訓練的神經網絡，在FSD v12之前，v11版本控制堆棧中有超過30萬行C++代碼。）
像19分鐘的那次闖紅燈行為，馬斯克就告訴觀眾，解決方案本質就是再多餵更多交通信號燈的視頻，尤其是左轉燈的，然後就會起作用。
當然，胡亂投入大量視頻是不夠的，來自優秀人類駕駛員的高質量數據才是訓練特斯拉Autopilot實現FSD的關鍵。
大量平庸的數據並不能改善駕駛，數據管理實際上相當困難。我們有相當多的軟體去控制系統究竟選擇什麼數據、訓練什麼數據。
除了不靠任何代碼完成決策，馬斯克還強調：
FSD V12不用時刻聯網就能完成一切。
當然，如果有干預行為發生，系統會將它記錄下來並發回特斯拉進行分析。
由於決策全部在本地進行，特斯拉FSD用8個攝影頭以每秒36幀的速度進行拍攝，但系統的計算速度其實可以更快，達到每秒50幀，只可惜相機的速度已經到頭了。
不聯網進行決策也意味著地圖也不用隨時更新，用馬斯克的話來說：
系統只需要坐標，就會自行找到位置。
另外值得注意的是，本次測試FSD V12的Model S安裝的還是HW3。
在HW3上解決L5級自動駕駛之前，特斯拉可能不會在HW4車輛之上啟用FSD。這意味著HW4的FSD訪問權限可能推遲到2025年。
一萬張英偉達H100周一上線
作為知名的時間管理大師，馬斯克試駕途中還抽空語音連線了一個網絡討論會。
在這裡他回答的問題和透露的重點內容有：
為什麼改用端到端方案，優勢在哪？
馬斯克認為「人類就是這樣運作的」，人類用眼睛和生物神經網絡開車，自動駕駛用攝影機和數字神經網絡開車是正確的通用解決方案。
雖然神經網絡缺乏可解釋性，相應的司機也經常說不清楚如何做的決策，只是憑經驗。
乘客在做人類司機的計程車時，也無法準確知道司機在想什麼。而特斯拉屏幕上顯示的畫面，就是自動駕駛系統在「想什麼」的一個近似。
高端GPU將繼續短缺，世界進入強算力依賴階段。
馬斯克透露AI訓練主要還是用的英偉達硬體，特斯拉Dojo超算作為輔助，今年花了約20億美元在訓練上面（大部分是硬體資產）。
我認為未來全人類80%-90%的算力都會用在神經網絡上。
AI訓練需要把算力集中在一個地方，避免數據傳輸頻寬的瓶頸，也會帶來很大的電力負擔。
馬斯克在這裡還開了一個玩笑：Transformer架構的神經網絡需要越來越多的硬體Transformer。
比GPU更缺的是高速連接設備。
面對「擁有5000張H100是什麼感覺？」的提問，馬斯克表示：說少了。
包含1萬張英偉達H100的新算力集群，正在24/7加急準備中，周一（也就是今天）上線。
而且不像很多公司聲稱「擁有」算力其實是租的雲端運算服務，特斯拉就是真的買了1萬張GPU自己搭系統。
在這樣的大規模集群中，設備之間的網絡連接非常關鍵，英偉達InfiniBand交換機可能會比GPU本身更缺。
……
直播結束後，特斯拉AI基礎設施主管Tim Zaman進一步透露，即將上線的算力集群擁有200PB的熱緩存，比訓練大模型的系統多幾個數量級。
也是一個讓很多從業者覺得不可思議的地方，比如GitHub前CEO。
Tim Zaman表示嘗試了很多雲端運算供應商，但沒有一個足夠好，聘請了存儲系統架構師來開發AI專用的分布式文件系統。
最後，回到此次直播測試。
不少網友不吝惜自己的讚美之詞，並希望能夠早日試駕一把。
還有網友調侃：
看起來FSD已經準備好迎接挑戰了，那麼，不來試一把亞洲的終極boss之戰嗎？
be like this（手動狗頭）：
值得一提的是，這把直播除了秀特斯拉新版FSD，也是𝕏直播功能的一場壓力測試。
至於最終也沒打上的「馬扎大戰」，似乎已經不那麼重要了。
馬斯克給自己打的圓場是「小扎在這片地區有8000多房產，要是真找到他了我就去挑戰」。
