当然，也可以看到，虽然V12整体上在功能，体验，拟人性，甚至驾驶智慧上都有了长足的进步，但是由于有些策略更加激进，所以安全的接管也还是不少。随着FSD功能逐渐完善，性能逐渐提升，接下去很可能Tesla自动驾驶的最主要攻关难题就会变成对接管，特别是安全接管的持续打磨优化上了。
02
端到端的系统为什么是自动驾驶技术的未来？
尽管有瑕疵，以及会遇到一些系统无法完美处理的情况，但整体上来看，用户对V12的反馈是十分正面的。
Tesla FSD自从2020年10月推送用户以来，一直代表着自动驾驶技术的最前沿，问世之初这种不依赖激光雷达和高精地图，真正的哪里都能开的自动驾驶功能甚至对于行业内的从业者来说都有点匪夷所思。
接下来2021、2022两年，Tesla通过AI Day公布了大量FSD的技术方案，几乎是传道般带火了如今在量产自动驾驶行业里被大家奉为圭臬的数据闭环、共享主干的多头网络、BEV感知，乃至后续的占据网络Occupancy Network。
然而，虽然技术方案领先行业三年以上，但是V12前一直为大家诟病的是：虽然有持续不断的版本更新，每个版本都有详细的Release Note列举该版本更新的重要技术提升，然而用户对FSD的进步体感上却远不如大家预期的明显。
但到了V12阶段，这个状况改变。
V12号称从相机Photon In，最终决策控制Control Out，但是Release Note却只有短短的几行而已，其中最关键的一句还是V12去掉了FSD传家的30w行C++代码，转而用一个端到端的神经网络模型作为替代。
为什么转变为端到端模型的体系，去掉了大量的高质量代码，反而V12性能相比V11产生了巨大的飞跃呢，难道真如老马一贯的理念所说Best part is no part，实际上Best code is no code？
FSD V12版本将城市驾驶技术栈改为端到端训练的神经网络，从而替换掉30w行C++代码
相信很多人对神经网络的可解释性、可靠性一直存在怀疑。这无可厚非，毕竟神经网络具体如何工作是设计者也无法透彻了解的。
但事实是，自2012年Alexnet将基于人工神经网络的深度学习方法带入公众的焦点之后，渐渐地无论计算机视觉、自然语言处理，甚至AI作为一个整体，几乎全部令人兴奋的成果都来自于数据驱动的神经网络模型。
现如今基于数据驱动的大语言模型和以Diffusion Model、Sora为代表的生成式AI效果和能力有多么惊人相信我也无需加以赘述了。而针对神经网络可控性，安全性为中心人们也在不停地摸索一系列数据驱动的最佳实践方法。
因此稍微从宏观一点的视角就能发现，数据驱动的纯粹的端到端技术范式正在不断占领传统代码的生存空间。而这种新的技术范式的出现也成为了AI得以高速发展的关键，可能早晚你都要相信，根据Karpathy软件2.0的理论，是的，“Best code actually is no code”。