看完特斯拉的AI Day以后，最大的感慨就是特斯拉的技術是真的很牛，不管在車輛、芯片，甚至是服務器層面，將來更是會擴展到機器人方向，特斯拉是一名的全能型選手。

雖然我覺得技術很厲害，但我有一種隱隱的擔心，擔心的是這種技術路線，目前似乎在國內走不通，因為和中國的國家安全碰到一起了。

圖1 央視觀點，也是政府的聲音

跟大家分享一下我自己看完的一些理解：

一、其實我們一直誤解了特斯拉

看完特斯拉的AI Day，我第一個感覺是，長久以來因為特斯拉在賣汽車，所以我們一直以為這只是一家汽車制造公司，但實際上它是一家人工智能公司或者更多元化的。光是把車的造出不算啥，但是造了一臺配置8個攝像頭（1280×960 12-Bit HDR 36Hz），能把道路上的圖像數據輸入進單個神經網絡中，再整合成 3D 環境感知（Vector Space）的車，這可就太牛了。

可以理解為特斯拉是把自動駕駛完全按照構建生物的方式來做的，是真的有眼睛、有神經、有大腦，再通過不同的數據輸入，創建不同的執行結果，用于不同的功能和目的。這不是一輛自己會動的車，而是一臺按人的邏輯在開車的智能系統。

圖2 特斯拉的本質邏輯是把所有的道路攝像頭的信息轉化成AI的輸入感知

這里導入了RNN（Recurrent Neural Network循環神經網絡），它根據“人的認知是基于過往的經驗和記憶”的觀點，通過記憶來處理任意時序的輸入序列，來預測接下來即將發生的事情。如下圖所示，特斯拉車輛跑過的路，可以通過攝像頭對于環境認知，不斷更新周邊環境行程下面，能讓特斯拉汽車在行駛過程中實時繪制地圖，通過結合多個車輛經過同一地點的繪制，就可以得到一個完整的地圖。所以實際上，特斯拉的自動駕駛功能，就是一個實時地圖測繪過程，把行駛過程中的道路信息反映到車輛的大腦里面，當然也會發給特斯拉的云后臺，特別是后續推出Dojo超級計算機之后。名義上超級計算機是為自動駕駛賦能，實際上有了這些數據，自動駕駛的天花板在哪里，我們難以想象。

圖3 特斯拉的RNN網絡和呈現的環境

這套系統是基于HydraNets多任務學習，基于不同攝像頭的視覺內容進行識別，獨立調節微任務（物體識別、交通燈識別和道路線識別），高效預測并做特征標注。隨著特斯拉芯片的擴展，能做的就不僅僅自動駕駛相關的任務。

圖4 特斯拉的HydraNets多任務學習

我對這個發布會的理解是，特斯拉真的做到了可以實時生成地圖，然后在自己的服務器和車輛構建整合之后，形成城市和地區的地圖。

圖5 特斯拉的系統架構

二、特斯拉仿真技術的玩法

特斯拉自動駕駛場景模擬系統包括五個部分：

（1）Accurate sensor simulation：進行感知模擬，把前方車輛實際感知的數據進行數據模擬；

（2）Photorealistic Rendering：基于圖像進行實時模擬，通過視覺神經網絡對潛在情況進行預測；

（3）Diverse Actors & Locations ：加入極端的道路情況；

（4）Scalable Scenario Generation：把數據疊加在之前收集的數據之上，提高數據真實性和圖像的成熟度；

（5）Scenario Reconstruction：將預測情景和真實情境結合；

車上安裝的Autopilot硬件，非常高效地支撐整個計算的完善。

基于汽車上的Autopilot和后面支持的AI后臺，通過對一個城市圍繞道路展開信息的收集，特斯拉有能力構建一個非常完整的信息庫。

這些技術，就是特斯拉有別于其他傳統賣車的企業的地方，它有能力把中國認為的國家安全信息完整地抽取出來，至于怎么用，我們是不清楚的。

說到底，你沒辦法把特斯拉單純當作一家傳統汽車企業對待。它的能力是包含了IT、AI技術、大數據和云后臺，甚至在這個過程中它完成了地圖的構建。最讓人感到驚訝的是，特斯拉可以把車輛自動駕駛的技術用于構架人。

反過來OTA一下，把機器人能分析的語音、視覺單獨開個任務，這車在算力足夠的條件下，不就是可以當人來處理任務么。你沒辦法確認在HydraNets多任務學習下，這車在行駛過程中能做到什么你想象不到的事情。

圖從AI層面來看，機器人和車輛的界限模糊了。

---

小結：我想說的是，特斯拉當前的狀態，其實是非常受中國監管層忌諱的，這不是單純工信部能管理的事情，將來一定涉及國家利益的層面。

因為我們沒辦法探知和約束特斯拉是否能利用在中國的這么多車能干什么。可能面臨的最大挑戰是，我們買車的時候買得很開心，但所有對國家來說重要的信息都泄露完了。在這些方面空白的認識和寬泛的可能性，也是恐懼的來源。