作者 |三少爺

編輯 |祥威

最近，特斯拉向在美用戶推送了版本號(hào)為V12.1.2 Beta的端到端FSD，版本推送后，海外的特斯拉車(chē)主和視頻博主上傳了一些測(cè)試視頻，測(cè)評(píng)視頻本身沒(méi)有太多好說(shuō)的，真正值得關(guān)注的是「端到端」。

自馬斯克首秀基于端到端的FSD以來(lái)，自動(dòng)駕駛行業(yè)的從業(yè)者以及消費(fèi)者群體中，有很多人對(duì)端到端的自動(dòng)駕駛解決方案表現(xiàn)出了極大的討論熱情。小鵬、小米汽車(chē)等已經(jīng)開(kāi)卷「端到端」技術(shù)。

那么，到底應(yīng)該怎么理解特斯拉FSD的端到端呢？

一、理解FSD的端到端

我們可以通過(guò)結(jié)構(gòu)、形式、原理、開(kāi)發(fā)范式幾個(gè)不同的剖面，理解特斯拉FSD的端到端大模型。

結(jié)構(gòu)上，主流的自動(dòng)駕駛系統(tǒng)會(huì)采取分模塊方案，將AD系統(tǒng)按照感知、規(guī)劃和控制進(jìn)行劃分，先對(duì)周?chē)膭?dòng)靜態(tài)交通參與者和路網(wǎng)結(jié)構(gòu)進(jìn)行準(zhǔn)確感知，再規(guī)劃自車(chē)的行車(chē)軌跡，最后通過(guò)執(zhí)行機(jī)構(gòu)對(duì)車(chē)輛進(jìn)行閉環(huán)控制。

在分模塊方案中，模塊與模塊之間仿照人類(lèi)的認(rèn)知步驟，設(shè)計(jì)了清晰的接口和界面。

而特斯拉FSD的端到端大模型，則消除了自動(dòng)駕駛系統(tǒng)的感知和定位、決策和規(guī)劃、控制和執(zhí)行之間的斷面，將三大模塊合在一起，形成了一個(gè)大的神經(jīng)網(wǎng)絡(luò)。

（圖片來(lái)自網(wǎng)絡(luò)）

形式上，分模塊方案的軟件采取人工編碼和神經(jīng)網(wǎng)絡(luò)相結(jié)合的形式，且人工編碼存在較高的占比，尤其是規(guī)控環(huán)節(jié)，大部分車(chē)企還依賴規(guī)則驅(qū)動(dòng)、傳統(tǒng)算法和手工編碼。

相比之下，特斯拉FSD的端到端方案采用全棧神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，直接輸入傳感器數(shù)據(jù)，輸出轉(zhuǎn)向、制動(dòng)和加速信號(hào)，全程沒(méi)有任何編碼。

當(dāng)然，技術(shù)的深海里隱藏著很多秘密，F(xiàn)SD端到端的全棧神經(jīng)網(wǎng)絡(luò)也許只是一種營(yíng)銷(xiāo)上的說(shuō)法，并不一定整個(gè)自動(dòng)駕駛軟件里不存在任何代碼。

畢竟，馬斯克在自動(dòng)駕駛方面向來(lái)嘴 都比較大，去年第一次展示端到端FSD時(shí)就宣稱(chēng)消除了所有代碼（30多萬(wàn)行），但他旁邊的助手（聽(tīng)口音是那位印度裔的自動(dòng)駕駛部門(mén)負(fù)責(zé)人Ashok Elluswamy）提醒道，F(xiàn)SD里頭還埋著3000多行C++代碼呢！

（圖片來(lái)自網(wǎng)絡(luò)）

從原理層面看，端到端大模型是對(duì)海量駕駛視頻片段的壓縮。

最近，前特斯拉自動(dòng)駕駛部門(mén)負(fù)責(zé)人Andrej Karpathy做了一期LLM的科普視頻，AK表示，本質(zhì)上，基于大語(yǔ)言模型LLM的生成式GPT是將互聯(lián)網(wǎng)級(jí)別TB或PB級(jí)的數(shù)據(jù)壓縮到了GB級(jí)別的參數(shù)文件里。

類(lèi)比一下，也可以認(rèn)為特斯拉端到端的FSD是將上千萬(wàn)個(gè)視頻片段里包含的人類(lèi)駕駛知識(shí)壓縮到了端到端神經(jīng)網(wǎng)絡(luò)的參數(shù)里。

或許，我們可以從人類(lèi)自身得到更加貼近的類(lèi)比。

想想我們的一生，吹過(guò)那么多的風(fēng)，淋過(guò)那么多的雨，品嘗過(guò)一次次的歡笑、淚水、幸福、痛苦，經(jīng)歷過(guò)一個(gè)又一個(gè)難眠的夜晚，人生的經(jīng)驗(yàn)不也在一次次的經(jīng)歷中被升華、提煉，并最終刻入了腦袋的神經(jīng)元和突觸里了嗎？

在開(kāi)發(fā)范式上，全棧神經(jīng)網(wǎng)絡(luò)化的FSD是軟件2.0時(shí)代的產(chǎn)物，完全基于數(shù)據(jù)驅(qū)動(dòng)。

即，在神經(jīng)網(wǎng)絡(luò)層數(shù)、結(jié)構(gòu)、權(quán)重、參數(shù)、激活函數(shù)、損失函數(shù)固定下來(lái)后，訓(xùn)練數(shù)據(jù)（質(zhì)量和規(guī)模）便成了決定端到端神經(jīng)網(wǎng)絡(luò)性能表現(xiàn)的唯一因素。

分模塊方案介于軟件1.0和2.0之間，除卻采用神經(jīng)網(wǎng)絡(luò)的那部分，采用人工編碼的另一部分依然依賴于設(shè)計(jì)規(guī)則的優(yōu)劣和傳統(tǒng)算法的性能。

到這里，想必大家對(duì)端到端已經(jīng)有了一定的概念。接下來(lái)，同樣結(jié)合結(jié)構(gòu)、形式、原理，開(kāi)發(fā)范式，談一談它的優(yōu)缺點(diǎn)。

二、端到端的優(yōu)缺點(diǎn)

特斯拉推翻了用在分模塊方案下的開(kāi)發(fā)、仿真、測(cè)試、迭代手段，重構(gòu)了工具鏈，收集并整理了大量訓(xùn)練視頻片段，付出了巨大的沉沒(méi)成本，新增投入了巨大的資源。那么，以逐利為天性的資本家的卓越代表馬斯克，到底看上了端到端的什么優(yōu)點(diǎn)？

（圖片來(lái)自廣汽研究院）

我們可以借用廣汽研究院這張PPT，它很好地總結(jié)了端到端大模型相較于分模塊方案的優(yōu)缺點(diǎn)。

優(yōu)點(diǎn)有三：

• 具備更高的技術(shù)上界；

• 數(shù)據(jù)驅(qū)動(dòng)解決復(fù)雜長(zhǎng)尾問(wèn)題；

• 消除嚴(yán)重的模塊累計(jì)誤差；

缺點(diǎn)有二：

• 缺乏可解釋性；

• 需要海量的高質(zhì)量數(shù)據(jù)。

「具備更高的技術(shù)上界」是因?yàn)榭梢赃M(jìn)行整體優(yōu)化。端到端的一體化結(jié)構(gòu)方便進(jìn)行聯(lián)合優(yōu)化、尋求整體最優(yōu)解。

端到端大模型能夠服務(wù)于整體目標(biāo)、實(shí)現(xiàn)全局最優(yōu)，和它的全棧神經(jīng)網(wǎng)絡(luò)形式息息相關(guān)。一個(gè)大一統(tǒng)的感知、預(yù)測(cè)、規(guī)劃和控制網(wǎng)絡(luò)，可以使用鏈?zhǔn)椒▌t無(wú)障礙地從輸出層（橫縱向控制）向輸入層（傳感器）逐層反向傳播誤差，以最小化整體損失函數(shù)為目標(biāo)，更加準(zhǔn)確地更新每個(gè)網(wǎng)絡(luò)層中的參數(shù)。

這顯然是分模塊自動(dòng)駕駛方案無(wú)法實(shí)現(xiàn)的，在分模塊方案里，模塊與模塊之間存在「梯度斷開(kāi)」現(xiàn)象。

看看下面這張圖就知道了，想一層層地反向傳播，必須保證中間鏈條不能斷，只要神經(jīng)網(wǎng)絡(luò)中間有一層出現(xiàn)了中斷，反向傳播就只能望河興嘆了。

（圖片來(lái)自網(wǎng)絡(luò)）

「消除嚴(yán)重的模塊累計(jì)誤差」同樣來(lái)自于全棧神經(jīng)網(wǎng)絡(luò)的貢獻(xiàn)。

大家可以把具備多層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)的前向傳播理解為進(jìn)行多次函數(shù)計(jì)算，上一層和下一層之間能否傳遞全量信息是運(yùn)算是否準(zhǔn)確的關(guān)鍵。

對(duì)于分模塊方案來(lái)說(shuō)，模塊和模塊之間無(wú)法傳遞全量信息，導(dǎo)致了「累計(jì)誤差」，相較之下，全棧神經(jīng)網(wǎng)絡(luò)上下層之間可以傳遞全量信息，從而消除了模塊累計(jì)誤差。

「數(shù)據(jù)驅(qū)動(dòng)解決復(fù)雜長(zhǎng)尾問(wèn)題」這個(gè)表述可能會(huì)讓很多人蒙圈，畢竟，建立數(shù)據(jù)閉環(huán)，以數(shù)據(jù)驅(qū)動(dòng)覆蓋更多的corner case，是過(guò)去一兩年里國(guó)內(nèi)車(chē)企的宣傳重點(diǎn)。其實(shí)沒(méi)有矛盾，本土車(chē)企著力宣傳的BEV、Transformer、占用網(wǎng)絡(luò)面向的是基于數(shù)據(jù)驅(qū)動(dòng)的感知，但在規(guī)控層面，大部分車(chē)企還是基于規(guī)則。

和感知一樣，規(guī)控同樣面臨長(zhǎng)尾問(wèn)題。

基于規(guī)則和數(shù)據(jù)驅(qū)動(dòng)都是解決復(fù)雜長(zhǎng)尾問(wèn)題的方式。算法、算力、數(shù)據(jù)是驅(qū)動(dòng)人工智能發(fā)展的三要素，在這個(gè)框架下，可以認(rèn)為Rule based是「算法驅(qū)動(dòng)」，端到端大模型是「數(shù)據(jù)驅(qū)動(dòng)」。

與其針對(duì)層出不窮的復(fù)雜長(zhǎng)尾問(wèn)題，手工編碼規(guī)控策略，不如設(shè)計(jì)規(guī)控神經(jīng)網(wǎng)絡(luò)，通過(guò)長(zhǎng)尾場(chǎng)景下的訓(xùn)練數(shù)據(jù)更新模型參數(shù)，從理論上來(lái)說(shuō)這是更加一勞永逸的做法。

端到端「缺乏可解釋性」確實(shí)是客觀存在的缺點(diǎn)。不過(guò)，不只是FSD端到端，互聯(lián)網(wǎng)巨頭正在搞的GPT和生成式AI的可解釋性也非常差，科學(xué)家到現(xiàn)在也沒(méi)有研究明白大模型突現(xiàn)的行為和涌現(xiàn)的能力到底來(lái)自哪兒。

GPT和端到端FSD遵循的都是大算力+海量數(shù)據(jù)的暴力美學(xué)，能力來(lái)源和機(jī)制目前還難以精確地解答。

不過(guò)，雖然解釋性差，互聯(lián)網(wǎng)巨頭們還是頭也不回地加碼大模型賽道，消費(fèi)者們也把它們用出了花。很多事情要知其然知其所以然，端到端和生成式大模型的機(jī)制，也許科學(xué)家們會(huì)在未來(lái)給出解答。

「需要海量的高質(zhì)量數(shù)據(jù)」與其說(shuō)是一個(gè)缺點(diǎn)，倒不如說(shuō)是門(mén)檻。

在自動(dòng)駕駛技術(shù)的世界，訓(xùn)練算力、數(shù)據(jù)、AI人才、資金都需要門(mén)檻，而在這些要素中，數(shù)據(jù)是最重要的。

Andrej Karpathy曾經(jīng)在一次訪談中表示過(guò)，特斯拉自動(dòng)駕駛部門(mén)將3/4的精力用在采集、清洗、分類(lèi)、標(biāo)注高質(zhì)量的數(shù)據(jù)上面，只有1/4的工作用于算法探索和模型創(chuàng)建，這種精力分配，足以說(shuō)明數(shù)據(jù)在特斯拉自動(dòng)駕駛技術(shù)棧中的地位。

尤其是端到端這種完全數(shù)據(jù)驅(qū)動(dòng)的大模型，數(shù)據(jù)的規(guī)模和質(zhì)量比參數(shù)量更能決定模型本身的表現(xiàn)。

三、端到端的訓(xùn)練投入

2023年7月的特斯拉Q2財(cái)報(bào)電話會(huì)議上，馬斯克曾經(jīng)介紹過(guò)端到端FSD的訓(xùn)練規(guī)模：

「特斯拉花了大約一個(gè)季度的時(shí)間完成了1000萬(wàn)個(gè)視頻片段的訓(xùn)練。訓(xùn)練了100萬(wàn)個(gè)視頻case，勉強(qiáng)可以工作；200萬(wàn)個(gè)，稍好一些；300萬(wàn)個(gè)，就會(huì)感到Wow；到了1000萬(wàn)個(gè)，它的表現(xiàn)就變得難以置信了?！?/span>

訓(xùn)練視頻片段當(dāng)然不會(huì)止步于1000萬(wàn)。

事實(shí)上，訓(xùn)練工作是一直源源不斷進(jìn)行的，特斯拉一方面繼續(xù)收集高質(zhì)量的視頻片段，一方面繼續(xù)加大訓(xùn)練算力的投入，以提高訓(xùn)練效率、縮短訓(xùn)練時(shí)間。

2023年的特斯拉投資者日上，馬斯克公開(kāi)表示，到2025年底，特斯拉會(huì)將訓(xùn)練算力推高到100E。和國(guó)內(nèi)廠商1-2E（華為最近的公開(kāi)數(shù)據(jù)為2.8E）的訓(xùn)練算力相比，100E是一個(gè)相當(dāng)驚人的數(shù)字。

最近這段時(shí)間，Dojo負(fù)責(zé)人離職，大概率會(huì)影響「道場(chǎng)」的部署，而且，那么多廠商在搶英偉達(dá)的A100/H100，特斯拉未必能如愿買(mǎi)到那么多芯片，所以，特斯拉的訓(xùn)練算力能推高到什么程度，也許比馬斯克的預(yù)言稍微保守一些（在自動(dòng)駕駛上，馬斯克的預(yù)言一向是夸張的）。

即便如此，相比國(guó)內(nèi)廠商，特斯拉的訓(xùn)練算力依然高出一個(gè)數(shù)量級(jí)，這也是為何特斯拉可以訓(xùn)練端到端大模型，而國(guó)內(nèi)車(chē)企還停留在「預(yù)研」階段的緣故。

以上講了端到端和分模塊方案的區(qū)別、端到端的優(yōu)缺點(diǎn)和門(mén)檻，再說(shuō)回視頻表現(xiàn)，如果不知道FSD采用了端到端，想必本土頭部車(chē)企會(huì)把特斯拉打得找不著東了，或者像少年閏土那樣眼里閃著光，將特斯拉當(dāng)成叉子下的猹一樣扎去了。但是一旦冠以了端到端的名義，很多人就像中年的閏土見(jiàn)到魯迅那樣恭恭敬敬地喊起老爺來(lái)了。

其實(shí)大可不必，筆者看了幾個(gè)測(cè)試視頻，端到端FSD并沒(méi)有在體驗(yàn)上超出國(guó)內(nèi)頭部車(chē)企，結(jié)合與幾位行業(yè)內(nèi)人士的交流，大家一致認(rèn)為特斯拉目前并沒(méi)有從實(shí)踐上證明端到端真的100%確定是一個(gè)值得追隨的路線。

而且，正如前文提到的，端到端的可解釋性差，萬(wàn)一也存在天花板呢，目前篤定端到端路線會(huì)超過(guò)分模塊方案還早了一點(diǎn)。

大模型也是這樣，周鴻祎最近不還說(shuō)原以為是個(gè)原子彈，現(xiàn)在才發(fā)現(xiàn)是個(gè)茶葉蛋嘛！

最穩(wěn)妥的方式是一邊預(yù)研，一邊觀察看看FSD一年內(nèi)的表現(xiàn)和進(jìn)展，也可以在特斯拉即將舉行的AI Day上研究一下端到端大模型的技術(shù)細(xì)節(jié)。

不過(guò)，在2023年第四季度財(cái)報(bào)電話會(huì)議上，預(yù)測(cè)特斯拉將在今年第一季度舉辦AI Day的分析師問(wèn)馬斯克，可不可以對(duì)AI Day抱有期待時(shí)，老馬直接表示：「我們發(fā)現(xiàn)，特斯拉舉辦AI Day以后，友商們會(huì)一幀幀地觀摩我們的PPT，所以我們必須小心謹(jǐn)慎地披露我們的秘籍?！?/span>

現(xiàn)在就盼著馬斯克不要那么小氣吧！

返回第一電動(dòng)網(wǎng)首頁(yè) >