要闻背景简述
最近，在特斯拉2024年度股东大会上，埃隆·马斯克谈到了困扰特斯拉全自动驾驶（FSD）的一个重大问题，随着FSD系统的不断完善，判断哪种AI模型更好变得越来越困难。
所有模型在简单路况下都表现良好，但某些路口的交通状况极为复杂，当需要人为干预的情况在行驶数千英里后才出现一次时，如何快速评估新模型的性能成为一个难题。
马斯克承认这些不同的AI模型并不会完美地解决所有问题。一个模型解决了问题A，但可能会导致问题B。国际清洁能源研究机构Cleantechnica的电动车专家Zachary Shahan把这称为“跷跷板问题”。
那么，特斯拉FSD面临的“跷跷板问题”本质是什么，又如何解决呢？
以下是王煜全要闻评论：
前一阵特斯拉召开了2024年的股东大会，马斯克在会上做了演讲，他承认了一些现实面临的问题，其中一个问题最值得大家关注，就是FSD在不断进化过程当中感受到了一些阻力。
这个阻力被叫做“跷跷板问题”，比如说自动驾驶想解决某个问题，结果解决这个问题的时候带来另一个问题，要把另一个问题解决了，又带来第三个问题，就是说解决问题同时会带来新问题，这就意味着无穷无尽了。
这就是自动驾驶现在最头疼的事，马斯克也明确提出来这个新问题的原因还在于数据量不足。
之前马斯克其实就呼吁过，只不过现在终于看到问题所在了。当年呼吁什么呢？FSD的试运营版本出来以后就已经有大量人在使用了，而且这个时候都会把数据上传回来，当时就已经有上百万辆车每天在路面上跑，每天都积累里程数据，数据量积累得非常非常大。
但是马斯克的感慨就是，依然碰不到罕见问题。什么叫罕见问题？就是不常见的问题。
简单说，我认为今天所谓的“跷跷板问题”，其实就是马斯克当初讲的，因为碰不到各种罕见场景，训练量不足，造成驾驶能力不能充分发挥的一个体现而已。
那怎么办？让更多的车去路上跑吗？那当然是不现实的。罕见场景可能很多是重大交通事故，想碰上也不容易。
而且希望能够经常碰到也不现实，因为本来重大交通事故就是罕见的，如果都很常见，那交通系统就出问题了，也就是说，在现实当中解决这个问题是不可能的。
那有没有解呢？其实是有的，马斯克也提到了一个解，叫做虚拟路测。我们早早就提出，自动驾驶提升水平要靠虚拟路测。因为虚拟路测能够把罕见场景变得常见，甚至能够复刻出多个版本的罕见场景。
比如举例来讲，冬天早晨突然霜冻，地面上结了薄薄的一层冰，这种时候就特别容易出事故，这是一个罕见场景。然后还可以叠加下小雪，视线受阻了，那就是雪上加霜。
那所有的叠加场景的基础是什么？是对环境的高度仿真。
之前英伟达做了很多这样的工作，就是用仿真数据，把数据集提供给自动驾驶企业，自动驾驶企业就可以在仿真环境里完成对自动驾驶系统的训练。
一方面来说，通过虚拟路测使自动驾驶水平提升已经是有共识的了，是可以做到的。但最重要的另一方面是，它会使得这些罕见场景变得常见化，因为可以设计一些场景，或者说数字化地还原罕见场景，然后用车进去训练。
当然，这个数字化还原的核心就是要和真实的环境是一模一样的。一旦和真实环境是一模一样的，那么你的车在虚拟场景里面行驶和真实车的行驶其实是没区别的。
为什么这么说呢？因为人工智能大脑不能直接感知到环境，而是通过感受器、传感器，感知到环境的数据，大脑只是对数据做分析，然后给结论、给判断。
这和我们人的大脑一样，人的大脑并不能看到外部世界，而是通过眼睛看的，眼睛干的事就是采集外部数据传给大脑，大脑做处理。
一旦你采集的数据和真实的是一样的，人工智能在虚拟数据里做训练，就等同于在真实世界里做训练，是一模一样的。
尤其是英伟达他们的软硬件水平提升以后，仿真能力是越来越强的。最近斯坦福教授李飞飞也离职创业了，就是做3D智能的公司。所以3D智能未来越来越重要，自动驾驶的高仿真环境需要的也是足够逼真的3D环境。
那么3D环境的构建靠什么？其实主要是靠游戏引擎。游戏引擎一开始是给游戏开发用的，现在游戏环境已经栩栩如生，跟真实环境越来越像了，后来用在电影里，就不用拍了，其实是制造出来的东西，甚至每一束光都和真实的是一样的。
他们叫光追技术，就是一束光打出去，在什么地方折射反射，造成整个环境是怎么样的，全是算出来的，跟踪每一束光做计算，基本可以看成真实场景。
所以，在虚拟场景里去做自动驾驶训练是完全没有问题的，这个技术已经有了。
现在问题就是，我们的产业界对这个问题，和用技术找到问题的解这方面的思考不够深入。
不得不说，这方面还是马斯克、特斯拉更前瞻一点。中国整个电动车产业生态是领先的，但是在自动驾驶这个领域我们明显缺乏前瞻性。
虽然生态都在我们这，但是没有构建起统一的通用的标准。尤其是虚拟路测是需要有标准的，数据用什么样的数据格式、定义很多东西怎么定义、接口怎么接等等。对于这些问题，我们相对来说思考都是不足的。
简单说，就是自动驾驶碰到了一个问题，是我们几年前就指出来的，直接在现实环境里训练的样本，尤其是罕见场景的样本是不够的，所以必须引入虚拟路测。
那虚拟路测最好的情况应该是全产业协同，大家一起来规范标准，大家一起来定义接口，大家一起来协作，你来贡献数据，我来贡献算法，他来贡献计算等等，最后统一来完成。
那这方面中国是有最大的优势的，因为整个产业生态都在中国，我们的生态最健全。但是中国现在也面临另一个问题，就是产业生态发展需要引领，而不只是政策支持，需要有领军企业前瞻性地看到未来的问题，然后引领大家一起去探索问题，去解决问题，从而使得产业能够进步。
从引领的角度上讲，特斯拉其实还是领先一些。虽然我们的电动车全面领先了，但是千万不要骄傲自满。而是要看到已经上了一个台阶了，现在想上另一个台阶，就要学会引领，学会领军，这样才能是真正的产业强者，才能把我们的产业向全世界输出，这是中国企业家需要学习的。
另外，因业务发展需求，创新地图希望在北京招聘两名新媒体主笔，如果你有相关经验，而且对最新的科技趋势感兴趣，欢迎把简历发送到我们的邮箱：talent@innovationmap.cn。
以上就是今天的内容，更多详细的产业分析和底层逻辑，我会在科技特训营里分享，欢迎关注全球风口微信号，报名加入。
王煜全要闻评论，我们明天见。
我们还整理了一份“fast company：从OpenAI离职的11个关键人物”清单，请你扫描下方二维码加入微信群，你就会获得这份清单。
清单每天更新，所以请跟上全球风口的节奏；如果想要所有行业清单，扫码加入科技特训营，分分钟尽在掌握！
【科技特训营】全新的会员订阅制线上书院模式，全年50次“在线直播课程+私享群互动”，你随时可以加入、我持续保持更新！一起互动，伴随成长！让我们为未来五年做好准备，一起探讨把握机遇，决胜未来！
【回放地址】
【哨科技特训营第四季】
1. 前哨科技特训营直播课程第四季（2024年）共50讲+，除此之外还有5节加餐+公开课。
2. 每讲承诺为1小时视频内容，实际平均时长为2小时。
3. 每周四晚八点准时直播，会员在一年学习期内可无限次观看回放。
4. 新入会员，在一年学习期内可以无限次回看之前所有视频课程。
5. 优先获取全球科技产业一线游学、访问机会，接触科技/产业专家，获取最新、最前沿的趋势洞察，人脉链接
6. 本课程为虚拟内容服务，年费订阅服务制。一经订阅概不退款，线下活动需另行支付差旅成本，请您理解。
热门跟贴