特斯拉FSD V13震撼发布，今年4个月内股价翻倍 |【经纬低调研究】|spacex|人驾驶出租车|埃隆_马斯克|特斯拉fsdv13|知名企业|自动驾驶|黄仁勋

最近这几天，特斯拉继续屡创新高，总市值达到了1.25万亿美元。

另一方面，一年磨一剑，特斯拉史上最强FSD版本V13.2开始测试，向测试用户推送，如果一切顺利，预计在今年圣诞节前，将会大规模推送给配备了特斯拉HW 4.0硬件的车型。

按照特斯拉工程师的说法，新版本的结构，用上了与自家火箭发动机同源的工程迭代技术。特斯拉自动驾驶工程师Arek Sredzki指出，此次更新的改进是巨大的，FSD V13是完全重写的，“V13 的构建，与SpaceX为星际飞船设计的猛禽Raptor引擎V3，非常相似。”

结构越来越趋于高效和简洁

而特斯拉AI团队成员Yun-Ta Tsai指出，FSD V13“可能是我们四年前踏上‘光子计数’之旅以来最大的一次重写”。他还强调，FSD V13 是特斯拉数据、视觉、编译器、系统、固件、UI、QA、PM 等多个团队合作的结晶。

马斯克则直接发Twitter指出，FSD V13的能力是上一代的5-10倍。

FSD V13将有哪些新变化？

从FSD V13.2更新的简介内容来看，最直观的变化就是，用上了“从车位到车位”的一键式出发模式。相比于之前必须先设好导航，开上道路才可以使用FSD，这次更新离Robotaxi又近了一步。

现在，你只需要选择好目的地，然后在车库中启动FSD，就可以实现到目的地的全自动驾驶了。

特斯拉FSD V13可以直接从车位中启动，视频中前方和左侧都有汽车挡路，而FSD选择了先倒车，再开出车位

当然，由于特斯拉FSD V13在训练量、算力等方面有明显的提升，因此当下的V13.2版本，还是一个面向HW4.0硬件车型的更新。

FSD V13版本的更新介绍

由于还处于测试推送阶段，车东西通过对大量测试案例进行研究，更具象地总结了FSD V13.2主要带来的13个主要更新点：

1、支持从停车状态启动FSD（车位到车位）：

车辆现在可以在停放状态下启动FSD，只需设置目的地并按住新的“启动FSD”按钮，车辆将自动切换到行驶或倒车状态。从实际的效果来看，特斯拉FSD从V13版本也算是正式加入了当下主流的“车位到车位”大军。

FSD V13.2启动

2、增强的纯视觉倒车功能（三档无缝切换）：

FSD现在可以自主倒车，并能在停车、行驶和倒车之间无缝切换，甚至可以执行三点掉头。

配备FSD V13.2的车辆丝滑穿梭在小路

3、增强的纯视觉自动停车：

到达目的地后，FSD会自动寻找并停入附近的停车位。从视频中来看，车辆从FSD切换到自主入库十分流畅。

FSD V13.2的自动泊入车位

4、质量更高的全分辨率HW4.0平台ISP（图像处理器）视频输入：

FSD V13.2首次使用了基于HW4.0平台的ISP（图像处理器），以更高的分辨率和每秒36帧的速度提供更好的图像质量，从而提高识别准确性。

5、适用于所有道路的速度配置：

新版本为城市街道和高速公路引入了新的速度配置，包括新的“急速模式”，不再限制于 50mph（80km/h）以上的道路。

6、原生基于HW4.0硬件的输入和神经网络架构：

HW4.0的硬件特性优化了FSD的AI模型运行速度，减少了约束并提高了优化。

7、云端5倍训练计算能力提升：

特斯拉在德克萨斯州的超级计算机集群“Cortex” 现已上线，专门用于FSD训练，云端训练计算能力提升了5倍。

8、实现更快的本地端侧决策制定：

FSD V13在图像处理方面进行了重构，决策速度提高了2倍。

FSD V13.2快速决策自主汇入路口

9、允许更多音频输入数据收集提升感知：

车辆可以收集并分享10秒的音频片段，以帮助未来识别紧急车辆的声音。

10、为日后分析从而对摄像头可见性检测的提升：

车辆将在行驶结束时提示可见性问题，并在出现问题时保存摄像头图像供后续分析。

11、基于端到端的更好的碰撞避免：

AI模型的改进使得FSD在碰撞避免方面表现更佳，尤其是在红灯事件中的T型碰撞。

FSD V13.2自主决策通过路口

12、支持Robotaxi车队通信：

FSD V13支持使用HW4.0硬件的车辆进行车队动态导航，确保一旦部署Robotaxi网络可以高效运行。

13、更安全的交通控制器改进：

重新设计的交通控制器提高了对周围车辆和物体的跟踪精度。在更新页面的下边，特斯拉还对FSD V13的未来更新进行了预告，包括即将推出的改进包括对模型规模和上下文长度的三倍扩展，增加音频输入以更好地应对紧急车辆，并改进导航的奖励预测。

此外，还将优化对虚假刹车和停车场慢速驾驶的处理，支持多种目的地选项，如靠边停靠、停车位、车道或车库。同时，将实现地图和导航输入的高效表示，并改善对摄像头遮挡的处理能力。

马斯克10万颗H100的超级计算机集群上线

我们知道，自动驾驶的发展离不开算力，特别是在V12版本融入AI大模型的训练之后，算力更成为重中之重。

今年，特斯拉在德州超级工厂，已经部署了一个2.9万颗英伟达H100的计算集群，并且提前就开始进行训练，到10月底这个训练集群达到了5万颗。与此同时，马斯克最近在另一家公司xAI，建造了全球最强大的AI超级计算机，由10万个英伟达H100 GPU构成。

最令市场震惊的是，全部安装仅花了122天，而这种规模的安装，通常需要4年时间。这让黄仁勋都很惊讶，在最近一次播客访谈中，黄仁勋说：“如此规模的GPU集群，往往需要三年的规划与设计周期，再加上一年的建设时间，才能投入使用。”

而如今，整个数据中心建成上线仅用了122天，而从服务器硬件安装到开始训练，只花了19天时间，创下行业内迄今为止最快的速度。“马斯克对工程、建筑、大型系统和资源调配的理解独一无二，这简直令人难以置信。”黄仁勋说。

当然，这也令微软、OpenAI和其他竞争对手都非常着急。

在今年10月一个阳光明媚的日子，一架螺旋桨飞机，在美国田纳西州孟菲斯市中心附近，一座被翠绿草坪环绕的宏伟工业建筑上空盘旋，机上的乘客纷纷记录下该设施的影像资料。

此次飞行实则是一次秘密侦察行动，来自竞争对手，他们甚至动用了热成像设备，以观察数据中心的冷却系统是怎么设计的。因为马斯克远远超越了同行，将原本需要4年的建设周期，缩短至122天。

马斯克将这栋原本是家用电器制造工厂，改造成了数据中心，内部有世界上规模最大的超级计算机集群。这些竞争对手在空中观察到，马斯克利用卡车运送了多台燃气涡轮机至现场，为设施提供电力支持，他们努力探寻，马斯克的团队是如何设计数据中心散热的解决方案。

将如此庞大的GPU集群，整合到一台超级计算机中绝非易事，因为服务器需要消耗巨额的电力，且连接芯片的网络设备也面临着严重的带宽瓶颈，这就好像要让5万个乐器在同时协调地演奏。

此前，马斯克原本寄希望于与甲骨文合作，但甲骨文的高管向马斯克坦言，他们难以按照马斯克所期望的速度完成建设任务。甲骨文高管指出的难点包括，马斯克所选中的大楼电力供应不足，无法满足他计划安装的芯片数量所需的能源。

但马斯克很快就对甲骨文高管的反对意见感到失望与沮丧。最终，他决定抛开甲骨文，独立开发孟菲斯数据中心。马斯克在社交媒体上写道：“甲骨文无疑是一家伟大的公司……但是，当我们的命运取决于成为迄今为止最快的公司时，我们必须亲自掌舵，而非仅仅作为乘客坐在后座！”

据Information报道，马斯克之所以能这么迅速建成数据中心，部分归因于他省略了几个关键步骤。例如，他在尚未从电网获取足够电力以运行的情况下，便启动了建设。然而，这种打破常规、从第一性原理思考的做法，正是马斯克屡试不爽的策略。

例如，在特斯拉，马斯克曾在一个停车场为Model 3汽车搭建了一条生产线，从而绕过了在加州扩建汽车厂所需的繁琐许可流程。在SpaceX，他不断催促工程师精简火箭上他认为不必要的部件，或采用非太空专用设计的更廉价部件。

所以，虽然xAI与特斯拉是独立的两家公司，但他们都属于“马斯克生态”。特斯拉与xAI的合作一直很紧密，马斯克就曾说过，特斯拉从xAI的工程师那里，学习到了很多大模型技术，而这加速了FSD的实现。

如今，玩人工智能的门槛，已经变得非常高，一年如果没有100亿美元的投入，根本就挤不进世界最前列。特斯拉如今拥有全球700多万辆电动车，作为前端的数据收集器，拥有最多的自动驾驶场景数据；而随着孟菲斯数据中心的启用，特斯拉将成为全球拥有最大算力集群的公司之一。数据和算力都是世界Top，接下来就看Scaling Law能否在自动驾驶领域重现。