特斯拉FSD只是輔助駕駛的GPT-3時刻，不是L4
端到端讓FSD一年內連升數版，但45分鐘接管一次和Waymo的10萬公里一次關鍵接管差約1000倍。L2要的是最優接管率，不是越低越好。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
輔助駕駛已到產品中期，無人駕駛還在Pre-A
孟醒用產品階段而不是融資輪次來切：國內自動駕駛公司大多2016、2017年成立，跑了8年，融資輪次可能已經很靠後，但產品階段還處在Pre-A和A輪。輔助駕駛已經是產品中期，無人駕駛還沒有一個上限閉環、可有收入、大規模推出的產品。判斷依據是用戶量級——真正每天坐無人駕駛車、坐過超過一百次的人，相比網約車產品少得多得多。所以這個行業的信息基本只在業內人士之間通氣，外界聽到的評論很多是二手信息，追到根源那個人可能根本沒體驗過。
— 孟醒V12換架構沒掉分，本身就是了不起
孟醒開得最多的是V12上線前最後一個非端到端版本11.3.6，以及上線後的12.3。他的個人判斷和網上很多觀點不一樣：12.3跟V11最後一個版本其實差不太多。但從技術角度，V12換了一個純新架構，表現沒有下滑、保持一致甚至略有提升，這已經極度了不起——因為大家通常期待換架構要有十倍提升才算成功。12.3的特點是應對力強，遇到場景不會假裝沒看見，但成功率不高，高峰期高速匯車車流密時基本100%失敗；反過來很多不預期能開啟的場景它也能開啟，比如後院、攔牛場。
— 孟醒L2的接管率不是越低越好，存在最優值
這是全篇最反常識的一條。孟醒跟不少同時做L2和L4的產品負責人、創始人討論過，比較認同的觀點是：在L2實現極高駕駛能力（基本是L5）之前，存在一個最優接管率，不是過高也不是過低。原因是人機共駕的安全由兩個能力共同保障——車的自動駕駛能力，和人介入兜底的能力。接管里程提升的過程中，人的兜底能力反而下降：如果開三趟高速從沒接管過，人一定不會再雙手雙腳眼睛全程盯著路。所以淨能力不一定上升。最優是多少沒人知道，有人說50公里，有人說100公里，有人說5000公里。L4則是完全另一個體系，絕對要做到最好、完全不接管，因為不假設有人兜底。
— 孟醒L1到L5的命名把能力和責任攪在一起
這套命名由美國公路管理局提出，數字越小需要人的參與度越高，L5完全不需要人參與。但它其實說了兩件事：責任和能力。L4的意思是有限環境下完全不需要人參與，出了事不是人的責任而是系統的責任；同時它隱含了車具備在大多數情況下開得安全的能力。問題在於大家拿出來說的時候把這兩件事混了——車企宣傳L2、L3說的是能力，但定義的時候定義的是責任，而責任一般應該由法規來定義。所以車企可以說我具備L4能力，但以L2產品形式推出、符合L2法規，出了事責任在駕駛員。L2和L3責任都是駕駛員，L4責任是平臺方。
— 孟醒V12是輔助駕駛的GPT-3時刻，不是ChatGPT時刻
孟醒明確說V12還不是自動駕駛的ChatGPT時刻，如果一定要類比，更像輔助駕駛裡的GPT-3時刻。GPT-3時刻的含義是：把模型scale到一定規模後開始湧現一些能力，且沒有後撤，湧現了以前沒預想到的能力，同時確認這條路是正道可以繼續。V12確實湧現了新能力——比如看似不該壓線的地方突然壓線但效率更高，比如停車場裡自動調整避障，這些都沒預先設置過、甚至沒專門訓練過，是埋在歷史數據裡自然習得的。但它還不是那個一下推出來、出圈、所有人都能用、口碑都說很好的產品。
— 孟醒FSD團隊只有300人出頭，靠不完美換速度
截至今年五月底，特斯拉FSD整個團隊只有300人出頭，這是FSD歷史上最大的時刻，相當長一段時間小於兩百人。孟醒給出兩個原因：一是馬斯克的管理風格，希望工作前路大、少數人少官僚，老闆的需求和執行力可以直接傳到最下層，架構非常扁平；二是接受不完美，到12.4版本之前高速和低速還是兩個版本，很多做了一半的工程因為人手不夠就先停了。這跟早期Facebook的Ship Fast & Break Things是一個模式——允許不完美，但做事要快。特斯拉一定有錢可以召一萬人，它選擇不這麼做。
— 孟醒復刻FSD第一代版本要十幾億到三十億美金
孟醒拆解了做成今天FSD樣子需要的元素：團隊、訓練基礎設施、數據採集。他認為人不是成本最高的，最貴的是訓練基礎設施——顯卡、數據中心。特斯拉做到12.3之前可能是基於1萬張H100的規模，1萬張H100對應約3億美金投入，他估算算一半，即1億多美金在數據中心上。加上數據採集成本（前提是你已經有這麼多車在外面採數據），第一代版本大概是十幾億到三十億美金規模的投入，分攤在幾年過程中。如果特斯拉花10塊錢，復刻它一般花3到4塊錢是正常比例。
— 孟醒國內幾乎全員跟進，但兜底規則比特斯拉重
一線新勢力、蔚小理、華為、Momenta等幾乎都在跟進端到端，有些已有具體上線計劃甚至已上線，每家從組織架構和人員梯隊上都做了調整。但孟醒判斷國內公司的端到端跟特斯拉有一點區別：核心模塊類似，但國內公司相對更穩妥，會加一些規則兜底的模塊，比特斯拉加得重一些，不太會把這塊完全交給用戶兜底。另外中國低速場景比美國複雜非常非常多，不做端到端可能壓根達不到可上線的產品，所以對國內公司這變成了必然，投入可能更堅決。代際差上，特斯拉今年推出，大家可能落後一兩年，但特斯拉沒停，很難比。
— 孟醒原話 · 已逐字校驗
過去有一個笑話 在我們這個行業裡面 一直說無人駕駛 什麼時候實現 然後這個答案 永遠是五年之後 五年之後又是五年之後 然後永遠好像實現不了 但其實到2020年實現了 Waymo已經公開 給大家打車的一個時間點 至少是進行式了 它已經不是 未來式的一個工作
過去行業裡有個笑話，一直說無人駕駛什麼時候實現，答案永遠是五年之後，五年之後又是五年之後，好像永遠實現不了。但其實到2020年就實現了，Waymo已經公開給大家打車，至少是進行式了，已經不是未來式的工作。
孟醒14:13
45分鐘出現一次接管 這到底算不算過關這個產品體驗對吧 就是對於大家來講其實沒有平凡標準的 很多人其實無從去認為 那確實也是 比如對於純無人駕駛來講 就是對於做L4的人來講 45分鐘一次接管 這簡直是不可接受的一件事情 就是太差了 不是說能不能接受的問題 這是完全不可接受的一件事 但對輔助駕駛來講 其實這可能就是屬於代表了當時的水平
45分鐘出現一次接管，這到底算不算過關？對大家來講其實沒有評判標準，很多人無從判斷。對做L4的人來講，45分鐘一次接管簡直不可接受，太差了，不是能不能接受的問題，是完全不可接受。但對輔助駕駛來講，這可能就代表了當時的水平。
孟醒23:19
其實作為L2 直到它實現了極高極高的 車的駕駛能力之前 極高極高基本上是我們意義上的L5 這就是跟人類駕駛是什麼一樣 之前其實它是有一個最優接管率的 這個最優接管率不是過高也不是過低
作為L2，在實現極高極高的駕駛能力之前——極高極高基本就是我們意義上的L5，跟人類駕駛一樣——其實存在一個最優接管率，不是過高也不是過低。
孟醒30:22
但是你想啊 什麼樣人一直要盯著這個自動駕駛系統 然後猜他能不能解決一個問題 且在解決不得的時候還要去接管 這個在我們行業裡面的就叫安全測試員 這個測試員是我們要付錢給他 是一個其實蠻辛苦的工作
但你想想，什麼樣的人要一直盯著自動駕駛系統，猜它能不能解決一個問題，且在它解決不了的時候還要去接管？這在行業裡就叫安全測試員，是我們付錢給他的，是一份蠻辛苦的工作。
孟醒37:24
GPT3時刻是什麼呢 GPT3時刻是說 我把模型scale到 就是擴量到一定大之後 它開始所謂我們叫 湧現的一些能力 而且它沒有後撤 它湧現了一些 我以前沒有預想到的能力 且我認為這條路是正道 可以繼續
GPT-3時刻是什麼？是把模型scale到一定大之後，開始湧現一些能力，而且沒有後撤，湧現了我以前沒預想到的能力，並且我認為這條路是正道、可以繼續。
孟醒53:32
但我覺得一年提升比如十倍 我覺得這個我可能看不到 12.3太遠了 你都還沒開始去呢 所以不知道12.3是什麼 這個也無法評價
但我覺得一年提升十倍，這個我可能看不到。
孟醒1:12:41
其實我們需要看到證據的 你投入這麼多 能投入一個億 大概能看到一個什麼樣的結果 投入五個億能看到一個什麼樣的結果 我覺得這個是我今天看到大家有點缺失的一個過程 就覺得這是一個好方向 特斯拉光買機器 把三個億美金先投進去了 然後人反正就趕緊去 我們至少得追上 大家這麼去幹
其實我們需要看到證據：投入一個億大概能看到什麼結果，投入五個億能看到什麼結果。這是今天我看到大家有點缺失的過程——覺得這是個好方向，特斯拉光買機器先投了三個億美金，人就趕緊去追，大家這麼幹。
孟醒1:15:43
數字與實體
| FSD團隊人數（截至今年五月底） | 300人出頭 | 54:11 |
| 特斯拉訓練算力（12.3之前） | 1萬張H100 | 1:17:32 |
| 1萬張H100對應投入 | 約3億美金 | 1:17:32 |
| 復刻FSD第一代版本投入估算 | 十幾億到三十億美金 | 1:17:32 |
| 復刻FSD相對特斯拉的成本比例 | 特斯拉花10塊錢，復刻花3到4塊錢 | 1:17:32 |
| Waymo三番室內關鍵接管里程 | 約10萬公里一次 | 27:19 |
| Waymo鳳凰城關鍵接管里程 | 約30萬公里一次 | 27:19 |
| FSD 12.5通用場景接管率 | 300到500英里或公里 | 27:19 |
| 特斯拉FSD北美滲透率 | 個位數百分比 | 1:29:54 |
| FSD訂閱價格（降價後） | 99美金 | 1:29:54 |
術語
- MPI / MPCI接管里程 / 關鍵接管里程
- 兩次接管之間行駛的里程，MPCI只統計不接管就會撞的關鍵接管。
- BEV + Transformer鳥瞰視角加Transformer
- 把多傳感器融合到鳥瞰視角，並用Transformer做時序跟蹤的感知架構。
- VLM視覺語言模型
- 多模態大模型，理想用它做系統2式的判斷，但端上跑有約一秒延遲。
- Remote Assist遠程協助
- L4車輛遇到自己處理不了的場景（如交警攔停）時向遠程人類請求指令。
- garbage in garbage out垃圾進垃圾出
- 數據質量決定模型質量，數據清洗和處理能力比模型本身更重要。
收聽指南
做自動駕駛或輔助駕駛的工程師、產品負責人，以及關注特斯拉FSD和端到端路線的投資人與創業者。
開頭約8分鐘的中美創業經歷對比，與自動駕駛主線關係不大。