fsd是物理ai吗

机器人真正的周期可能已经到来了，兄弟们，特斯拉官宣的 fsd 登录咱们这里，也就是物理 ai， 今天涨得最好的就是机器人跟着无人驾驶还有自动驾驶这些我周末的时候已经说了，物理 ai 就是 咱们的风口你知道吧？ 也提前一个月讲了吧，机器人适合埋伏。我感觉啊，机器人无人驾驶物理 ai 的 真正的周期真的要来了呀。

你敢信吗？二零二六年第一天，一个普通特斯拉车主完成了一项震撼全球的壮举，从洛杉矶开到南卡罗莱纳州，全程两千七百三十二英里，耗时两天二十小时， 人类接管次数零。这不是科幻电影，而是特斯拉 fsdv 十四点二刚刚创造的历史。车主 david moss 坐在驾驶座上，整整六十八个小时，手没碰过方向盘，脚没踩过刹车，就这么看着 ai 自己开车穿过繁忙的洛杉矶街道， 汇入洲际高速，在德克萨斯暴雨中稳住车身，最后停在海滩边。前特斯拉 ai 总监 carpathi 兴奋高呼，这是端到端神经网络的胜利， 这是软件二点零在物理世界的完全接管！马斯克也激动转发，酷！十年前许下的 coast to coast 的 诺言终于实现了。要知道这条路线有多复杂， 二十四个周，天气多变，交通拥挤，夜间驾驶，甚至连自动充电都没让系统掉链子。貌似评价说，整个过程中从未出现过一次险情，即使在人类驾驶员中，这也实属罕见。回到二零一六年，马斯克豪言壮语， 到二零一七年底，特斯拉将能从洛杉矶自动驾驶到纽约，全程你碰一下方向盘都算我输。结果呢？二零一七年过去了，二零二零年过去了， 甚至到二零二四年，这个承诺成了永远的明年。转折点出现在 fsdv 十二，特斯拉彻底抛弃了传统代码逻辑，转向端到端神经网络， 简单说，就是让 ai 像人类一样，直接通过看视频学会开车，而不是工程师一行行写代码，告诉他红灯停绿灯行。更绝的是 v 十四点二连导航和路径规划都整合进了神经网络。 现在的 fsd 不 再是看着地图开车，而是像本地人一样，能根据眼前路况实时理解该怎么走。 这意味着什么？不需要昂贵的激光雷达，不需要高精度地图，仅凭摄像头和算力 ai 真的 可以处理从繁华都市到荒凉公路的几乎所有场景。当然，一次成功不等于系统完美，但他有力回应了纯视觉方案无法实现长途全自动的质疑。 那个曾经被嘲笑为科幻小说的未来，确实已经把轮胎压在了现实的沥青路上。也许我们还要等上几个版本，等到硬件五点零的普及， 才能真正放心在车里睡大觉。但看着那辆横跨大陆的 model 三，你不得不承认，自动驾驶的起点真的降临了。从此，方向盘会不会只是车上的一个装饰品？这个问题留给时间来回答。

这港股的物理呀，真是彻底疯狂，我买的时候还跌了十几个点，还好拿住了，现在每天不断的减利润， 涨多少我减多少，兄弟们千万别来这，这个位置非常的高啊，这物理不光带动的这种虚拟的 ai 大 模型，同时自动驾驶 f、 s、 d 以及人形机器人也不断在带动，那么下一个机会是什么呢？

特斯拉 fsd v 十四是第一个通过物理图灵测试的 ai 系统。 在一九五零年，图灵就提出了著名的图灵测试，用来判断一台机器是否能够在对话之中骗过人类，让人啊误以为它也是人。 而现在英伟达的机器人负责人 jim fang 提出了一个更加激进的概念，叫做物理的图灵测试。 那么不同于文字聊天，物理的图灵测试关注的是一个 ai 在 现实世界之中的行为是否已经和人类无法区分。 简单地说，如果你亲身体验了一次 ai 的 工作，却分不清到底是人还是机器完成的，那他就通过了这项测试。 那么 jim fei 就 认为特斯拉的 fsd v 十四是第一个通过物理图灵测试的 ai 系统。 原因非常简单，当您坐在车里，被他一路安全的自然的送回家时，那么您已经就无法判断方向盘后面的到底是人类的司机，还是一个神经网络。 那么为什么这个测试如此之重要呢？因为在 jim fang 看来，想通过物理图灵测试，那么聚深智能必须同时解决四个几乎不可能的难题。 第一就是空间的理解能力，也就是在三维的真实的空间之中，精准的判断物体的位置、距离和运动的状态。 第二就是精细操作的能力，比如清洗酒杯时，既不能把酒杯打碎，也不能洗不干净。 第三就是现实世界的语境的理解，知道什么是垃圾，什么是暂时放在桌子上的文件。第四就是物理的 api， 也就是让一句你去做饭吧，就像是电脑里的打印文件一样，能够直接执行， 那么在自动驾驶上，真犯就指出特斯拉已经从传统的手写规则，比如红灯就停，全面转向端到端的神经网络， 车辆不再依赖大量的人为的设定，而是通过数十亿小时的人类的驾驶视频进行学习，逐渐的模仿人类的驾驶习惯。 这也是为什么现在的 fsd 会像人一样在路口探头去观察，会轻会自然的变道，然后平顺的刹车，而不像早期的机器人那样僵硬机械。 这些细微的人类式的行为是手写代码几乎所无法复制的。 那么真贩曾形容这种体验为，一开始你会觉得非常的魔幻，然后他变得就习以为常了，最后就像是智能手机一样，一旦拿走你就会感觉到不是。 而这背后是一个规模惊人的数据引擎。特斯拉的 fsd 车队已经累计行驶了近七十亿英里，也就是一百亿多的公里啊，其中有超过二十五亿英里发生在城市道路。 城市的驾驶的数据尤其宝贵，因为这里充满了行人、红绿灯、无保护的左转等高度复杂的场景。 更关键的是，这些数据几乎是免费获得的，用户付费使用 fsd， 而特斯拉则利用这些真实世界的数据，持续的再去训练神经网络系统，越来越聪明，车主也不断的获得更新的回报。 那么相比之下， vivo 等自动驾驶公司依赖高精地图和昂贵的传感器，单车成本高达十万元美金以上。 而特斯拉的路线则更加接近于人类，在学开车，在开车，也就是只用摄像头在真实的道路之中不断的学习，这让他在规模和成本上具备着巨大的优势。 当然了， fsd 还没有到达完美的程度，这个事故依然有可能会发生，但正如同人类驾驶一样，绝对的零风险本身就不存在。 那么可以确定的是，我们正在接近一个临界点，当 ai 的 物理行为不再显得像机器人，而只是像一个老司机的时候， 也许哪一天真正的自动驾驶才算正式的到来。那么在这里我想说一下，无监督版本的自动驾驶肯定会在 v 十四这个版本之内被解决，这是第一个判断，第二个判断就是二零二六年，也就是明天。那么 前自动驾驶和后自动驾驶的时代的分水岭就是二零二六年，大家持续关注，也值得期待这个二零二六年。

你可能无法相信，特斯拉车主使用 fsd 自动驾驶零接管，跑了四千四百公里，引爆全球科技圈，获得马斯克点赞。而特斯拉 fsd 也成为首个通过了英伟达物理图灵测试的 ai。 就 在元旦前夕，一位名叫 david moss 的 特斯拉车主驾驶他的特斯拉 model 三从洛杉矶出发，一路向东直达南卡罗莱纳州， 全程两千七百三十二英里，大约是四千四百公里，用时两天二十小时。期间充电， fsd 直接自动驾驶，开进特斯拉超级充电桩的车位，无需任何接管。而最让人惊讶的是，它全程使用了 fsd 自动驾驶，全程零干预、零接管， 甚至后台数据显示，这辆车创造了连续一万零六百三十八英里零接管的特斯拉。 从西海岸的繁华都市，到中部的广袤平原，再到东海岸的海滨，整个美国大陆的复杂路况，高速城市拥堵、乡村小路、恶劣天气， fsd 全包了， 车主戴维只需要坐享其成，刷手机休息甚至睡觉。马斯克本人也在 x 上点赞了这项成就，直呼这是自动驾驶的重大突破。 更劲爆的是，英伟达高管亲自发声。特斯拉 fsdv 十四是全球第一个通过了物理图灵测试的 ai。 什么是物理图灵测试？ 简单说就是 ai 在 物理世界里的表现，已经让人分不清是机器还是人类在开车。一般的自动驾驶技术很容易发现自动驾驶的端倪，因为总是犹豫不决，不像人类正常驾驶。 而特斯拉的 fsd 却让英伟达的 ai 系统发现不了，以为这是经验丰富的老司机在开车，这让英伟达的高管们非常震惊，特斯拉的 fsd 已经进化到了如此恐怖的程度。 而马斯克表示，二零二六年无监督的 fsd 自动驾驶将大规模落地，到时候我们开车将彻底解放双手，路上的时间变成生产力时间，或者是单纯的享受时间，真是太疯狂了。

特斯拉九大城市极品自驾测试技师特斯拉这回是彻底不装了，特斯拉在他的社会招聘网站产品研发创新中心 公开了九十个职位点进去，其中在天津、成都、重庆、苏州、广州、武汉、北京、深圳、上海九个城市，极品自驾测试技师，也就是阿达斯测试操作员啊，都是实车测试啊，不搞机箱 ai 测试啊！招聘岗位属于研发自动驾驶 autopilot 加速推进当前以及未来所有的 autopilot 的 功能，在通往完全自动驾驶道路上的整车及测试工作。大家都知道阿大子测试操作员将负责识别各软件迭代版本中功能改进和性能退化功能。而 而且阿达斯也是 fsg 落地的最后一道安全防线，也是 fsg 上市前必要的公路测试阶段，所以岗位要求灵活，出差至全国各地，在公共道路测试跑道和验证场地对车辆进行实地测试， 想找工作的车友自己到特斯拉社会招聘网站看起来。另外还极品数据标注图像、视频以及 数据准确的数据是训练神经网络的基础，也是特斯拉 ai 的 真实标准。另外更重磅的就是极品数据标注主管，他将领导一支数据标注团队，负责三 d 图像数据的标注工作，用于神经网络训练 还没完呢，接下来还极品自家场地测试专员，也就是阿达斯测试工程师。工作目标，在监管合规的基础上， 基于当地市场开发新功能，测试特斯拉的主动安全功能，进而来帮助推动特斯拉的自动驾驶技术。要求也是灵活前往国内国际各地，在封闭测试场地内 展开车辆测试。很明显了，以上这些代表 f 四 g 非常近了，因为阿特兹测试是 f 四 g 进入新市场的准生证。简单来说， f 四 g 决定的车子能出名的开多远，而阿特兹测试决定的车子在遇到危险的时候 能不能安全的停下来？特斯拉之所以在澳洲拍了的自动驾驶，也就是国内的 t a d 部门下招聘阿拉斯测试专研，就是为了通过大量的场地实车极限测试，把主动安全这条路 底线守死，从而为 f c d 在 中国市场和规范安全迭代铺平道路。那么八月份，你们给我等着！ what's up peace！

你敢信吗？在生死的零点五秒里，科技成了最后的防线。就在不久前，美国新墨西哥州五十四号公路上，一场本该无人生还的车祸，被特斯拉 f s d。 改写了结局。车主 leakflip 开着 cyber truck， 时速七十五公里， 对面一辆皮卡突然逆行超车，迎面而来的只有刺眼的远光灯和不到一秒的反应时间。两车相对时速超过两百公里， 但人类从看见到踩刹车，至少要零点五到一秒。在这个速度下一秒车已经冲出去六十米。按物理定律，下一秒本该是金属撕裂和无法挽回的结局。就在这一刻， fsd 迅速介入。它没有恐惧，没有神经延迟， 摄像头每秒疯狂捕捉画面，神经网络在毫秒间完成无数次路径推演。他不仅躲开了迎面而来的死神，还精准计算了右侧护栏的距离，多一厘米撞墙，少一厘米正面对撞。那一刻， f s d 向一名顶级外科医生在高速公路上完成了一次精准手术，后视镜被撞飞了，但人活下来了。 事后有人说，这我也能躲。车主 pay for 的 说了句实话，视频是高清的，但我当时肉眼看到的并非如此。只有智盲的白光。 不是人类没判断力，而是某些瞬间感知和反应真的会被环境压到极限。而 ai 存在的意义，就是做人类感官的延伸。根据最新数据，开启 fsd 的 特斯拉每六百三十六万英里才发生一次事故，这安全性已经是普通驾驶员的九倍。 科技的本质从不是为了炫技，而是当人类在物理极限面前无能为力时，代码和算力成了我们最后的防弹衣。

今天又是物理 ai 逆势大涨的一天，那我还是坚持我的观点，就是认为物理 ai 未来最重要的三个方向就是 ai 眼镜、自动驾驶和机器人。然后特别巧的是我昨天刚发完视频说的这个自动驾驶的一个战略地位，还有 robo taxi 的 最新进展。然后今天呢，特 特斯拉 f s d 的 消息就来了，这个消息一催化，整个自动驾驶板块就直线拉升。然后很多人在讨论就是这个 f s d 它究竟能达到一个什么程度级别的一个驾驶，但是我想说它的价值根本不在于它在我们这能用的多好， 或者说能让多少车主感觉到很满意。我觉得它真正意义是在于，就像今天在股票市场里头给无人驾驶板块催化一样，它给我们中国的无人驾驶和物理 ai 产业注入了技术上的一个催化。 就像当年那个特斯拉刚进入中国市场的时候，很多人以为他是来抢蛋糕或者干嘛的，其实他也带来了一整套最先进的技术标准、生产工艺啊，还有商业模式。然后呢，我们的本土车企也是在这种学习中和特斯拉的对标中快速成长，全面崛起， 现在走到了世界的前沿。那我觉得呢， f s d 进来以后也是同样的道理，这很大程度是一场良性的一个技术竞争，它可能会倒逼我们国内的自动驾驶相关厂商加速技术上的迭代。然后在这种对标中呢，让我们把技术做得更扎实，更可靠， 然后让我们整个中国的自动驾驶的产业链在这种对标啊，学习啊竞争中迎来全面的一个技术升级，然后今天机器人板块也是大涨，但是我这里要分享一个观点，就是我觉得机器人最大的痛点从来都不是 目前市场上炒这些硬件，确实在他机器人大规模量产之后，这些硬件是最赚钱的，但是目前机器人最大的痛点是应用场景还有数据，就大家一定要明白， 就是物理 ai 用的数据和我们现在大模型用的一些文本啊，结构化啊数据完全就是两回事，因为大模型可以收集互联网上所有的文字信息， 但是物理 ai 需要的是我们真实世界里头针对某个特定业务场景的我们人类的操作数据，就比如说在厨房做饭啊，然后在办公室整理文件啊， 或者是在工厂组装零件快递分解，他需要的是这种数据，然后每一个的动作细节，逼真度、准确度，这种都是非常稀缺的高质量数据。这些数据的量级呢？比起通用大模型那些文本数据量级就很小很小了。 那为什么自动驾驶比这个机器人的落地快这么多？就是因为他有天然的数据采集优势，你像路上跑的每辆车，他有摄像头，他都是一个移动的数据也就越多， 观察到路边行人还有人类驾驶行为的数据也就越多。那另一方面也就说明你车辆的基数越大的厂商在自动驾驶这个赛道，它的优势就越明显。但机器人的不一样了，它没有那么多的这个移动终端来帮它采集数据了，因为我们不会刻意的去拍我们平时在干嘛，尤其是工作的时候， 那如果是为了这些数据专门去拍，不仅它的成本很高，而且具有一定的刻意或者是很别扭的成分，这样的数据是不如真实自然状态下的数据好的。然后这时候呢，就可以引出我们的 ai 眼镜了，如果 ai 眼镜能够大规模普及， 那 ai 眼镜是有摄像头的，我们戴上 ai 眼镜就相当于是在自然生活中不停地收集我们真实的丰富的 第一视角的一些操作数据，然后为机器人提供这些源源不断的一个最真实的数据集。而且呢，分布在各行各业的不同人呢，会收集不同类型的工作数据，打造不同的业务场景，然后拿这些数据来训练机器人的物理 ai 模型，就能让它更快地学会人类的各种动作， 学会人类工作的各种业务场景，然后呢，更好地适应真实世界。这个是 ai 眼镜儿的一个战略价值。 并且呢，据我了解，已经有厂商在这么做了，我之前就发视频说过，有些厂商推出的 ai 眼镜就有一个这种采集数据赚金币的模式，就是让用户在日常生活中戴着 ai 眼镜，然后录制这个第一视角的视频，然后上传以后就能获得金币提现。那这些数据呢，都会直接用于聚生智能机器人的训练。所以说 ai 眼镜和人形机器人其实不是两个孤立的赛道，它们同属于物理 ai， 并且很有可能是绑定在一条产业链上的。 ai 眼镜就是机器人的眼睛，还有数据入口，而机器人就是 ai 眼镜数据价值的一个最终落地场景。当然我说只是 ai 眼镜的一部分应用啊， 作为一个智能终端还是很有想象力的。然后至于自动驾驶呢？它本质上就是一个在驾驶这个特定场景下已经普通的一个轮式机器人，因为它解决了这个数据采集的最大难题，所以它会比这种通用的人型机器人更早的 大规模的商业化落地。 ok， 以上仅代表我的个人观点，不构成任何投资建议，欢迎大家交流讨论，关注我，给你分享更多核心观点。

欢迎回到沙果频道，今天是五月十八号，今天的主要内容涉及到 f s t。 的 更新，特斯拉的芯片研发、兴建、制造和塞米卡车，以及投资人警告 ospec 不要成为 ai 时代的 freestyle。 那今天的内容比较多，建议您呢？先订阅、点赞和收藏，我们马上开始。我们先来说 fsd， 这边，特斯拉的 fsd 为十四点三点三开始推送，那搭载了二零二六年的春季更新就 spring update。 马斯克用了一个词来形容，这一次的更新是炸裂。 那这个版本到底改了什么呢？它包括实际的智能召唤，最高的速度从每小时六英里提升到八英里，提速百分之三十三。 ai 变音器和运行时用 mlir 重写的那反应的时间提升了差不多百分之二十。 强化学习升级，加上视觉编码器的改进，对低能见度小动物、紧急车辆、学校、巴士等这个场景的处理会更加的好。驾驶员的监控系统也明显的放松。那马斯克自己也补了一句，他说凡人的提醒变少了。 那新增另外的一个功能就是屏幕实时显示 f s d 无干预行驶的距离和最长的连胜记录。那不介入，呃，如果不介入呢，就一直累积，那介入就归零。 春季的更新部分还带了一个黑谷的语音助手，那个性化的宠物模式，行车记录仪，遥测等等。那几个脑，呃，几个早期拿到推送的人的反馈都相对来讲比较一致。 holmas 呢？他说他连续每天用 fsd 在 十四点三点三上跑了四十一点三英里，没有干预。他是这么说的，他说他是第一个真正精炼的十四点三版本，那第一个在打磨度上超过了十四点二点二点五的这个版本 车。他说车在看不到山顶的时候会自动微降，每小时一英里，那遇到颠簸的路面会轻微的减速，那旁边车道的车偏移过来的时候呢，会瞬间的反应。他说连我自己都开不了，这么顺滑，反应这么快。 另一个博主 zack 呢，他做了六次的驾驶六小时的测试，他提到 f s d 在 停车场检测到墙后面有闯停车标志的行人时候呢，做了反应， 那时候他自己还没有看到整个版本没有任何的抖动。在疯狂 max 的 模式下边呢，起步零到两英里，速度比十四点三点二要顺滑的多。 macp 呢，跑了七十英里，百分之九十五是在疯狂 max 的 模式下边，没有任何的问题。他说 这是我用过最好的 fsd 版本，当然也还有不完美的地方。德文阿尔森，他在测试中就发现十四点三点三仍然还会在高速公路上站着，左车道不让， 而且有一次在停车时倒车的时候很慢啊，撞上了路沿。他说这是他用 fsd 以来从来没有碰到过的情况。 所以说整体来看，这个版本是把十四点三系列的快反应时间和新的架构跟十四点二点二点五的这种精炼感和到了一起。 那个连胜计数器的设计也比较聪明，就是把驾驶行为游戏化，让用户只在真正需要的时候才进入提高数据级的信噪比。 f s d 这边说完，我们来说说芯片。特斯拉在印度的班加罗尔搭建了一个完整的 ai 硬件定制芯片的设计中心，它可不是招几个软件的工程师，而是搭搭了一支从概念到流片的完整的 v l s i 团队， 前端逻辑设计、 soc 验证，物理设计，后端布局、 dft 的 可测试性设计，全链条覆盖。那为什么是在班加罗尔呢？因为这座城市的 vlsi 的 人才密度是全球最高的， 像高通、英特尔、 amd、 博通都在这里边有大型的中心。特斯拉选这里不只是省钱，还有呢，就是绕过美国硅谷的人才竞争，在全球范围内找足够密度的专业人才快速扩编。 那这个中心和美国的团队形成了一个二十四小时不间断的日不落开发节奏。美国白天设计，印度接力到流片的这个周期。 十一号的时候撒狗说过，特斯拉在韩国招聘公益的工程师，挖三星和 sk 海力士的人，那韩国是制造端，那搬家罗尔是设计端，两者加在一起，那特斯拉的自研体系芯片体系里面呢，正在从美国主导切换到全球分布式。 当然设计研发制造的核心还是在美国本土。 ai 五的已经流片了，现在冲刺的是 ai 六和 d 九三，那班加罗尔的团队就是为这个加速度来做准备的 芯片。说完我们来说说 spacex 这边。 spacex 在 肯尼迪航天中心的罗普斯路这个区域里面建造 k 格贝那这是一栋大约一百一十六米高的一个垂直集成和组装工厂， 工作面积差不多有八十一点五万平方英尺，有二十四个工作单元，起重能力是四百每吨，可以同时容纳多艘完整的 starship 飞船和操纵的助推器。 目标是今年的八月左右完工。那给嘎贝呢？他不是造零部件的地方，他是一个总装线，就是把新建工厂生产的这个不锈钢的桶段和这个仓段堆叠成完整的火箭，那做系统集成测试，翻新复用后再次准备发射。 那猛禽的发动机是在德州的麦格雷格或者是加州的货商制造，那运到给嘎贝来安装。 马斯克的长期目标是每年生产最多一万艘 starship， 那 换算下来就是大约每天二十七艘。 二四年，全球所有的国家所有的火箭加起来总共发射了大约两百六十次。那 star spacex 一 家的目标产能是当前全球发射能力的将近四十倍。 当然这个数字是长期的愿景，不是一个短期的承诺了。那更现实的阶段性目标是先做到每年数百到一千艘，但戈加贝的这个规模已经是按照最终的才能来设计了。 spacex 自己的说法是太空的暴力工业化，把火箭从手工制品变成工业品。下面我们再来说说塞米这边，特斯拉塞米官方账号公布了一组二零二五年的运营的数据， 他说整个三米车队全年的可用利率超过了百分之九十五，百分之七十五的服务访问在二十四小时内可以完成。 那这两个数字放在行业背景里边看一看呢，就会非常的有一个对比性了，就是传统的柴油重卡的卡车，优秀的水平通常是在百分之九十到百分之九十四。那百分之九十五以上意味着每辆车一年只停不到十八天， 那包括所有的计划维修和突发的故障，那电动卡车的结构相对来讲就简单很多，他没有机油，没有 def 尿素，那没有复杂的排放系统，那预测预测性的维护，再加上远程的诊断，让故障处理会更加的快， 但理论上应该更可靠，和实际运营数据证明了更可靠，这是两码事。那今天这这组数据呢，就是后者。 物流公司其实最怕的就是把车停在停车场里面，因为那是不挣钱的，那每辆重卡每天停机的这个成本可能几百到上千美元，百分之九十五可利用力，加上二十四小时内就可以修好，直接降低总的拥有成本。那大客户看的就是这个。 那下面我们再补一条 spacex 的 数据，二零二六年至今，全球送入轨道的总质量差不多有九百六十九点六吨， 其中 spacex 一 家就贡献了约八百四十一吨，占到百分之八十六点七。全球其余所有的国家所有的公司加起来差不多是一百二十八点六吨，占到百分之十三点三，一家公司占了全球入轨质量的接近九层。 罗文巴伦上周在 cnbc 的 一个节目里边做了一个比较长的专访，那巴伦是 spacex 的 长期投资者，他呢给了几组数字， 就是 starlink 的 价值最高十四万亿美元， spacex 的 整体价值在十万亿到三十万亿或者是更高， 他本人呢，准备 i p o 中呢，再认购十亿美元。他不会赌。 spacex 和特斯拉合并 terfabs 能大幅的节省芯片的成本，芯片需求是当前的五十倍。阿伦他是这么说的，他说永远不要跟一个有超能力且永不放弃的人对赌， 那这些数字是投资人的比较乐观的预期，也不是分析师的共识。但是巴伦管理的数百亿美元的基金，他的判断有着实际仓位在背后。 投资人说完，我们来说说 ai 行业。这边，查马斯帕里哈皮蒂亚，他公开警告 i s o p g 说他有可能会成为 ai 时代的 freestyle 的 风险。 这个 friendster 呢，是二零零二年左右最早爆火的社交网络，比 myspace 和 facebook 其实都要早，用户量是暴增，但是基础设施没有跟上， 福气扛不住，扩展性差，很快就被更能规模化的竞争对手超越，那现在基本上已经没人记得了 那查马斯的意思，意思其实很明确，就是 ansovitch 可能在模型能力上是有优势的，但是如果算力和电力约束解决不了，那这个优势其实撑不了多久。 他在测试 cloud 的 时候呢，让他做一个股票筛选的分析， cloud 拒绝执行同样的任务， greek、 gemini、 gpt 都能完成，那说白了就是 ai 竞争的胜负手已经从谁模型更好转向了谁能拿到更多更便宜更稳定的算力。 基础设施决定了生死， anstop 如果太保守，那无论是技术策略还是商业策略上的，那窗口期会变得很短。 肯格里芬，他是 ct 道的创始人，他在斯坦福领导力研究所的一场对话里边讲了一段话，他说 ai 工具在最近几个月发生了阶跃式的进步，比九个月前要强大的多， 以前需要金融硕士或博士团队花几个周甚至几个月的时间去完成一些高难度的分析，那现在 ai 代理几个小时就能搞定？这不是中层白领的工作，是极高技能的工作。 他说自己每天回家后是相当的沮丧，因为亲眼看到了 ai 对 社会的冲击。阿斯克呢，转发了这段视频，并配上了一句，一年、两年，三年后 ai 会在哪里？ 就在傻狗录这一期视频的时候，正好有一个朋友打电话过来，他讲到了他的困惑。那傻狗给他的建议是说非常诚恳的建议就是他把他的闲散资金一定要投资在 ai 的 这一波 快速发展的这一波浪潮里面，一定要投入进去。无论是说你去买相关的上下游的产业链，或者是说去买相关的 e、 t、 f 或者是个股，但是这个动作你必须做，因为十年之后你再回过头来来看， 因为从现在开始，其实不仅仅是今年了，是说我们靠个人的工资，靠房地产，再让自己的资产增值，或者是说我们能够跑赢通胀，这个概率已经很低很低了，你的资产不缩水就已经很不错了，或者是不缩水很大就已经很不错了。 所以说呢，是说，呃，这也是给每一个看我的视频的，不管是说在中国的观众，还是说在海外的观众，其实呢，其实很多人已经在动作了三个，只是给那些没有动作的人一个建议，是说你 能你自己的风险的承受能力不一样，但是这个动作一定要去做，那就是说在 ai 的 这波红利里边，你要去投资相应的上下游的企业，一定要去做这件事，而且放在那边不要动。 那最后说几条短信，那第一个呢，是新建的十二飞又推迟了，那发射的窗口更新为五月二十号，也就是美国东部时间的周三下午的六点半， 同一天还有特斯拉的 model s， model x 的 签名版的交付活动。那社区的态度其实比较务实，那就是准备好了再发射，那多等几天其实没有关系， 那还有呢，就是 robax 的 tracker 呢，数据呢，小幅的增长，就是总的车队呢，已经追踪到了六百七十八辆，无监督是三十九辆，弯曲有五百五十七辆，仍然占为主导，但都是呃，有人的，有监督版的 奥斯汀一百零四辆，那达拉斯和休斯顿有五到六辆，也就刚刚起步。好了。以上就是今天的资讯，所有的观点仅代表我自己，尤其是在投资建议方面。那不许走误喷或者是出门左转，我是傻狗，喜欢就点赞转发订阅，那明天同一时间，我们继续深挖。

最近特斯拉在国内密集招聘智驾测试港，核心是 fsd 入华，最后落地期，最快在今年三季度实现商用，也是物理 ai 在 车端的最强应用。特斯拉的完全自动驾驶对于我们来讲影响几何呢？ 我将从多维度来解析，整理不易，大家记得点赞加收藏。首先就是感知层纯视觉核心，最确定的方向， fsd 纯视觉路线全靠高清摄像头，龙头是联创电子、欧飞光。 其次决策层预控制器加 p c b 加操作系统 f s d 是 物理 ai 在 车端的最强落地，端到端神经网络，懂路况物理规则实施决策，倒逼国内车企加速城市 noa 加端到端算法研发，带动全产业链技术升级。龙头有中科创达 德赛希威、深蓝电路。再次到执行层，线控制底盘是物理 ai 的 十五角， f s d l 四级荣誉要求，线控制动加线控转向无方向盘的 robot tikc。 必备的龙头有伯特利、 浙江市保。还有地图和数据合规。 f s d 需要厘米级高清地图加数据，托米，国内资质企业独家供应。龙头有四维图形 生幸福。最后利好车联网和座舱。特斯拉在华有两百万以上的保有量， f s d 订阅费三点二万一年或者六点八万买断软件收入将成为新的增长点。 a 股这家公司从硬件加工转向硬件加软件加数据服务。龙头有君胜电子、 长信科技。一句话来总结就是，特斯拉 f s d 入华是物理 ai 车端落地的里程碑，短期定好感知层、决策层、执行层的核心龙头，中期看订单与业绩兑现，长期倒逼国内智驾技术升级迫使国产替代加速。

欢迎回到沙果频道。那今天是三月二十八日，那今天呢？先说一件事，这个信号的意义其实超过很多产品发布会的事。呃，就是呢，华盛顿邮报今天头版标题是马斯克有一个计划，要让人类劳动彻底过时， 亿万富翁们正纷纷加入。那我们先说一下华盛顿邮报，那长期是被视为左翼的主流媒体，那过去很多次的报道，马斯克都带着批评或者是质疑的语气， 那今天他们是在说特斯拉是物理 ai 时代的最大赢家？那这件事本身就值得我们停下来好好的来说一说。 那荷兰的特斯拉日历今天突然全部都清空了，那所有 fsd 的 体验活动只排到四月十号之后，一片空白，这意味着什么？傻狗一会儿来说。 还有 webb 的 丹艾弗斯今天说 terra fab 是 特斯拉和 spacex 合并的第一步，时间节点二零二七年。那卡石预测呢？呃，预测市场也同步给出了百分之三十的概率一年内合并。 还有 sam 奥特曼这个老小子今天干了一件让傻狗觉得又蠢又很好笑的事。那建建议您呢，先订阅点赞和收藏，我们马上开始。 好，我们先来说华盛顿邮报这篇报道，那这家媒体是谁？我们先把它说清楚。那华盛顿邮报呢？他不是一般的媒体，是美国最具影响力的主流报纸之一。那政治立场上呢？是长期偏左左的，有些时候让人很难以接受 过去几年对马斯克的报道，无论是从收购推特到豆制，然后基调式批评和质疑，都不是正面的。那所以说今天这篇头版出现， 其实不只是一篇报道，应该是一个信号，当批评者开始用正面框架去描述这件事，那说明这个趋势已经超过了某个临界点，是一些应该是主流趋势的一个转变。 那报导的核心是来自于。呃， fortune， 我 们的首席策略师沙伊伯勒尔， 他是这么说的，他讲 fiorico ai is the largest total addressable market in mankind history。 那 翻译成中文呢？应该是说就是物理 ai 是 人类历史上最大的总的潜在市场。 这个呃， addressable， 那 我不知道是不是有更好的翻译的方法。那他认为特斯拉正在把自己定位成这场革命的最大赢家。那为什么特斯拉会是最大的赢家？ 因为特斯拉有一个其他公司没有的东西。 fsd 的 神经网络，这个网络已经在数十亿英里的真实道路里被反复验证过。那现在这套神经网络可以直接赋用在 optimus 的 啊， optimus 人形机器人上， 那实现移动性和机器人学的统一，那其他公司要做物理 ai， 那 需要从零开始积累现实的世界数据， 特斯拉不需要。那这个数据飞轮就是一个非常宽的护城河，是其他公司花多少钱都买不来的时间优势。 伯乐尔说了一个很值得停一下的判断，是什么呢？就是当奥特曼斯的成本降到比人工更便宜的水平，特斯拉就不再是一家汽车公司，而是物理 ai 的 基础设施平台， 整个估值逻辑会被彻底重构，那这已经不是现象的增长，会是一个跃迁马斯克的终极蓝图里。呃，终极蓝图的报道里也写了，是说数十亿台机器人加入 robot taxi 网络加太阳能， 带来资源无限贫困，消除工作变成可选项的风雨时代。当然报导也没有回避。另一面就是传统汽车业务正在萎缩，那机器人新业务短期还不足以完全去填补这个缺口， 那就业替代也是非常真实的，而且是持续性的失业。不是呢，一次性的冲击。那蓝领体力劳动岗位呢？面临结构性的冲击，那报导的基调是长期红利值得我们面对这些短期的代价，但代价也是真实存在的。 这个张力，撒狗觉得不应该被忽略。那华盛顿犹抱在说特斯拉是物理 ai 的 最大赢家，那今天还有一个人在说同样的话，而且还给出了更加具体的时间节点 来说 webb 布什和特斯拉 spacex 的 合并。但 f 四今天又再次重申，他说特斯拉的 altform 评级和六百美元的目标价，但今天的这条重点不是价格，是它的一个判断。 他说 terra fab 是 特斯拉和 spacex 走向合并的第一步，那时间节点很可能是在二零二七年。 那关于 terafab， 嗯，撒狗之前做过比较详细的专题，今天我们就不去重复了。今天要说的是合并这件事本身。那合并的本质是什么？其实不只是两家公司的财务合并，那撒狗之前也就讨论过 啊，是一个非常完整的物理 ai 的 生态闭环，特斯拉负责地面芯片机器人 robaxy 储能， 那 spacex 呢？负责轨道 starlink 通信，轨道数据中心火星运输。那合并之后呢，会形成一个从地面到轨道的完整的算力和基础设施网络，那这个组合是没有任何其他公司可能复制的， 那这才是真正意义上的无法逾越的护城河。但 f 四的判断是， terra fab 把这两家公司的协同推到了一个新的深度， 深到合并变成了顺理成章的下一步。那卡石预测市场今天的数字是一年内特斯拉和 spacex 合并的概率百分之三十。 那这个数字的含义的说一下，那百分之三十的预测市场里是一个不低的概率，那它意味着这件事相当真实的可能。发可能性的发生已经不是科幻，不是遥远的猜测，而是市场在认真定价的一个选项。 那更值得注意的是，时间窗口一年内意味着二零二七年初，那丹尼斯说的也可能是在二零二七年，卡什给的也是在一年内的百分之三十。 两个独立的来源指向同一个时间窗口。那傻狗不是在说合并一定会发生，而是在讲现在市场对这件事的定价已经从科幻变成了可能性。 特斯拉和 spacex 在 地面和轨道的同时布局欧洲那边 fsd 的 时间窗口已经进入了最后的倒计时。那接下来我们来说荷兰四月十号的节点又有了新的动向。先说一个变化， 就是荷兰所有的 fsd red alone 体验活动只排期到了四月十号，那之后日历上呢，是一片空白。 right along 是 什么？我们来先解释一下，因为它不只是一个体验活动，是监管流程的重要组成部分。那特斯拉在阿姆斯特丹呃，路特丹、海牙阿英霍恩让用户真实体验 f s d 在 荷兰路况下的表现。 自行车载机时速三十英里限速区。那同时要向监管机构展示安全性和可信性 数据，直接用于审批。那为什么是四月十号？因为特斯拉和荷兰车辆管理局 rdw 合作，欧洲法规所需的所有文件都已经提交。那之前呢，傻狗做过详细的介绍，那 rdw 给出的预期审批决定日期就是四月十号， 那路透社也报导了这个节点。那审批通过之后，那 ride along 呢，就不再必要了，因为 f s d 会直接推送给荷兰的特斯拉车主。那变成日常可用的功能啊，这就是日历清空的原因。 那荷兰批准的战略意义也就在这里。那 rdw 是 特斯拉在欧洲的主要形式批准机构，那荷兰的批准呢？往往成为其他欧洲国家的认可的基础。那之前呢，撒狗也去详细介绍过， 那四月十号之前是测试和演示，那四月十号之后就是商业化的部署。下面来说说 sam 奥特曼今天干的一件事， 就是国二和救狗的这个故事。嗯，这是在澳大利亚的一个故事。那撒狗之前呢，专门做过一期节目。那这里就不重复那些细节了。那今天要说的是 sam 奥特曼，他今天发了一条帖子啊，内容大概是 这周我开过的最酷的会议就是 po 用 chat gpt 和其他大模行为他的狗 rose 制作了 mrna 疫苗方案。方案真了不起。 那听起来好像是 chat gpt 是 主角，然后在保罗自己的原体里，人家写得清清楚楚。 chat gpt 和 gemini 负责的是前期的规划教育写文件， guirk 负责的是最核心的部分，那最终的疫苗序列的设计，把七个确认目标转化成为真正能送去实验室合成的序列，最终设计由 guirk 三验证。 也就是说 sam 拿着 guarco 做的最重要的工作，说了一句 chat g gdp 真他妈厉害，然后等着点赞。 x freeze 账号直接说了，他说 guarco 才是实际做序列设计的，而且现在 gpt 的 新版本因为安全过滤太严，根本无法完成这类生物技术设计任务，会直接拒绝 保罗的工作，如果换到今天的 gpt 来做，很可能关键步骤就被卡死。那马斯克的回应是，确实才刚刚开始。 那山姆奥特曼不是不知道这件事是怎么发生的，他是在选择性的看到了 chad 的 gpt， 然后选择性的没有看到 guirk。 这叫什么？这叫呃往自己脸上贴金，但是贴错了地方。 其实借着山姆奥特曼这件事呢，傻狗是想多说两句，那从这里可以看到是说对于同样一个资讯， 你选择性的摘取中间的一些呃片面的新闻进行报道，或者是说呃选择对自己有利的方式进行报道， 那其实呢，这是，嗯，这是当下碰到的最大最大的问题之一。说到换到我们来讲的是多，我们更希望的是每个人都去看啊，这个资讯的源头的这种方式很多，然后基于这个权威再去给出自己的判断。 这也是傻狗在收集每一条资讯之后，都会去把这条资讯的源头，同时这条资讯相关的一些内容都会把它梳理出来，然后 尽量去选择完整的。也不能是说傻狗完全就是对的，只不过呢，是多希望更完整的去还原整个事件，然后再给出傻狗自己的一些。呃，这个点评也好，意见也好，这样的是多方便我的观众，更加的是多客相对客观的去判断一件事情， 因为在当下短视频洗脑的时代，要获得一件事的真实的信息其实是挺难的。那我们为了防止被洗脑，订阅傻狗的频道。好了，不给自己做广告了。我们接下来回到正题， 那特斯拉的 robot taxi 降低了年龄的门槛，那特斯拉 robot taxi 的 最低的乘车年龄从十三岁降到了八岁。那规则先说清楚，就是八岁以下完全禁止。 那八到十七岁必须全程有家长或者是授权的成人陪同，那下单必须要满十八岁，那儿童的安全座椅要由成人自备安装。那涉及未成年人事故的特斯拉，呃，那未未成年人事故，特斯拉会主动 报告给有关部门，但这个变化政策变化的真实的含义是说它不是一个规则的调整啊。这是一个宣告。傻狗认为那早期的 robax 限制，嗯，十八岁以下，那为了降低初期的风险， 那是在说我们还不够确定。现在降到了八岁加成人陪同，是在说系统已经足够多的真实的路测，有信心服务更广泛的人群。 那特斯拉高管带着八岁的侄子乘坐 robot taxi， 然后公开宣称这是史上最年轻的 robot taxi 乘客。那这不是偶然的公关动作，这是用实际行动来告诉市场，技术已经成熟到可以带小朋友乘坐了， 那家庭是巨大的潜在用户群，那父母带孩子上学，参加活动，短途出行，那这些场景的频次也会极高，降低年龄门槛，也是在打开一个非常庞大的市场。 那微软的数字也放在这里作为一个参考，那微软是，呃，每周付费的 robax 的 行程， 二三年八月是每周一万次，二四年八月每周十万次，二六年的二月每周四十万次，二六年的三月每周五十万次，那估计年化的营收约五亿美元。 那这组数字的含义我们要正面的去要给评，给一个评价是说威某证明了 robax 的 需求是真实的，那每周五十万次确实不是一个特别小的数字，那正这是一个正在爆发的市场，那特斯拉面对的也是一个真实的强劲的竞争，竞争对手至少在初期是这样的 啊。那也是正因为这个压力呢，特斯拉才需要快速的扩张到十八个城市，降低年龄的门槛，那加速 seven cap 的 量产，那这场竞争是真实的。而且撒狗觉得马斯克好像从来不 在意啊。竞争对手多与少，到底强与不强，那可能是源于自己的自信，那很多时候你包括他去开源，嗯，电动车最初的一些专利，包括他自己也也是说现在申请专利只是为了防止一些流氓，流氓抢注的一些这个这些公司。 那所以说呢，感觉到说的马斯克经常会说，你来呀，你来跟我玩啊，然后又把他们远远的抛在了身后，那种回头回眸一笑的感觉，我觉得马斯克可能特别享受的这个过程。那接下来来说几条短讯， spacex 申请 fccaws 杠三的频谱竞标。那背景连接我们先来交代清楚，那这次 fcc 拍卖的频谱呢？正是之前呢 xstar 归还或者是被收回的部分。 spacex 在 竞标这一批的频频谱，那目前属于申请不完整，需要在四月八号之前补交。 那我，呃啥？我看到的资料是说目前有十四十九家在申请竞标，那在 fcc 拍卖中啊，刚才就是补交材料啊，这是。呃，很常见，这个不是问题，如果 aws 杠三的这个平普竞标能够成功，那其实又会补充了斯坦林克整个的平普家族的资源。 那斯坦林克最新的数据是说，在轨的卫星有一万零一百三十九颗，那用户约为一千一百万，每天新增约两万的用户，一百五十三个国家和地区可用， 每天两万新用户，一个月就是六十万。呃，没有任何重大的事件的推动，那这是自然增长的速度，那基础设施规模到了这个量级，那增长本身也会形成的惯性。 那来说一下今天的市场，也就是说美股昨晚的收盘，特斯拉呢？呃，收盘跌了百分之二点七六，暴收于三百六十一点八三美元，那成交额是两百二十五亿美元，那是全全美股成交额第二名。那成交量呢？比昨天增加了百分之七点五， 但今天特斯拉跌的。特斯拉跌不是重点，那重点是整个科技股都在跌。那麦美塔呢？本周单周跌了百分之十一，这是他二五年十月以来最大的单周跌幅。那原因可能是输掉了那场具有里程碑意义的官司，就是美国社交媒体层面案， 那法院裁定麦塔存在引诱用户沉迷的行为，谷歌同案裁决。那本周呢？跌了百分之九，微软本周跌了百分之六点五七，那距离历史高点已经回撤了近百分之三十四，英伟达和亚马逊跌幅接近百分之三， 特斯拉跌幅不到百分之二十，这里边跌的最少的，当然特斯拉之前跌幅也在跌，那其他人没有他跌的那么多， 苹果是唯一首度上涨的。那其实说到这里呢，傻狗想说一句，投资的是，当然傻狗也不是专职去做投资的，只是分享一些自己的想法。 那科技股整体在跌，那这个背景其实很重要，也不是特斯拉出了什么问题，或者是整个呃板块出了什么问题，那是因为最近的是说呃地缘政治和战争的问题，那在整个投资逻辑上，我我认为是说是没有变。呃就是 robax 还在涨， 呃阿布特马斯审那个量产也在推进， f s d 欧洲的审批啊，刚前面也在介绍了，也在逐渐的推进，四月十号可能就会有一个呃重大的这种里程碑，那 spacex i p o 也在准备，那所有的逻逻辑都没有变，那变的就是市场情绪，也和一些呃外部的一些情况， 那这个时候呢，石多想提醒的是说就是投资组合其实要合理，那不是把所有的筹码都压在同一个地方，那其实很多时候呃在视频下面留言，很多呃观众朋友在问，呃撒狗自己的投资组合，当然 我我我是偏保守的，那撒狗除了去拿了英美达和特斯拉的正股之外呢，石多会有像 v o 的， 像类似这样的 e t f， 同时还有 定期存款，可能很多人也许都想不到这种定期的存款，呃，还有一些，嗯，长期来看的是都非常保守的一些超过三十年的基金，所以说这一轮的呃下跌对傻狗的整个的投资的影响并不是特别的大， 但不管怎么样的说，就是呃，每个人有每个人的投资的逻辑和投资的组合，那其实呢，是有些人可能更激进一些，但是他搞的理念，呃，这撒狗的理念是相对来讲会比较保守，而且呢，说的我是坚决不去做杠杆的，也不去做空， 或者说做多。傻狗是长期看好美股，那不会因为情绪变化而对自己的投资的逻辑会做一些什么大的调整。以上不构成任何任何的投资建议，那傻狗也不是理财顾问，那只是傻狗把自己的投资逻辑呢跟我的观众进行一个交流。 那以上就是今天的资讯和解读，那所有的观点仅代表我自己，不习者勿喷，或者是出门左转，我是傻狗，喜欢就点赞转发订阅，那下一期我们继续深挖。那最后还是提醒一句，那关于傻狗的投资逻辑不构成任何任何的投资建议，请各位谨慎。

这就是怎样的驾驶体验，会给出满血的 fsb 已经接近一个生命体，甚至有时候开车比生命体还合理。如此高的评价。一段特斯拉的试驾视频，他比主驾上的人类更先听到救护车的鸣笛声，做出主动避让的反应。哎，这怎么哦？幺二零来了，靠边停车！ 幺二零，靠边停车。也许会有人说，因为在他的老家遇到救护车不靠边停是四百刀起，但本着人文关怀的设定，特斯拉真的把高阶智驾做出了温度。在察觉到路况上有一位坐着轮椅行动不便的老人时，他给出的反应是先自助减速，紧接着 停车思考，而后向一位有礼貌的人类司机开始倒行退让。并为局限在智驾面对障碍物只会停车和绕行的刻板印象里，特斯拉给出了第三种答案， v 十四版本拟人化的驾驶行为，但它不再像按固定规则执行的机器，而是更像一个经验丰富的老司机。它可以让上班走在通行的路上，解决化妆、护肤、吃饭等问题， 也可以让无法自己开车的老人去自己想去的地方。就算外边暴雨能见度非常低， f s d 也可以在道路上保持一百零八上下的时速，甚至进行安全的超车行为。并且在 ai 五芯片出来之后，算力又提升了好几倍。本就被英伟大科学家称为通过了物理图 测试的 fsg， 不 敢想象又会强大到何种地步。所以也不怪马斯克真把特斯拉概念车里的方向盘删掉啊。

马斯克亲自揭秘了特斯拉纯视觉方案的一个杀手锏，那就是 ai 光子技术重建技术啊，左侧是人眼感知的画面，那么右侧就是在这项技术加之下的画面，明显看到啊，这个右侧他是非常的清晰的， 那么这个其实也不算什么揭秘啊，只是说很多人可能是第一次知道啊，那么这个技术呢，其实在几年前就开始用了，现在应该说是大幅度加强了啊， 那么他解决的这个问题啊，就是纯视觉的 f s 地主，他在面对极强的光线和极弱的光线时，他的一个视觉能力，因为很多人都认为啊，纯视觉他没有激光雷达，那么这样的话，晚上可能看不清了，那在白天正好面对强光时，可能会被晃瞎眼，所以呢，就不太靠谱啊，还是啊，激光雷达他可以直接触摸到比较靠谱啊， 这个说法呢，其实本身他没有错啊，因为摄像头他确实只是在被动的接收这个光子啊，他不能够主动出击，但问题是啊，大家不要低估摄像头的能力啊，更不要低估纯视觉大魔性的能力。 那我来给大家简单的说一下，首先大家要知道啊，车载摄像头，当然呢，也包括我们日常使用的这个数码相机啊，那么他生成一个图像的过程是怎样的？ 首先呢，光子穿过镜头啊，打到这个 cmos 上，那么 cmos 上呢，它每个像素啊，都是一个光电二极管吧，它呢通过这个光电效应来积累电赫，那么电赫的电压信号通过魔术转换器啊，读出数字值， 那么接下来的话，就是到了这个 i s p 处理器登场的时候了啊， i s p 呢，它会做这么一件事啊，那么第一个就是颜色差值，因为 cmos 啊，它的表面这个彩色滤光片呢，它是每一个像素只对应一个颜色滤光片啊， 那所以说物理上你只能够知道一个像素它对应的这个颜色的光子数，而差值的这个意思啊，就说通过特定算法来猜啊，其他两种颜色， 它呢就是根据周围像素的这个光子数来预测的啊，那么这个叫做差值不全，那么最终这个像素呢，就具备了 rgb 三个颜色值，从而呢，最终就可以得到一个彩色图像啊，但是这个图像还没法看啊，还存在大量的问题，需要优化，那所以啊，接下来 s p 呢，还会进行白平衡处理，来确保这个 cmos 的 现行数据啊， 转化为人眼的一个非限性感知，避免暗不太暗，亮不太亮啊。然后呢，再进行这个 tommy 品啊，用于这个压缩动态范围，那么最后呢，就是进行锐化，增强边缘对比度。 那么这一系列操作下来，你就得到了一张 g pack 格式的图像啊，这个看上去非常的漂亮。说到这里呢，很多人可能就以为啊，特斯拉的这个纯视觉，它是依靠这张图像来进行训练的啊，那如果说是这样的话，那么 f s d 它确实可能存在晚上看不清，白天被幻影的情况啊， 因为这个经过 i s p 处理后的画面，它已经是丢失了太多细节了，从微深，也就说每个像素它可以记录的这个灰度范围来看， 那么它呢，已经从比如说十二比特啊，压缩到了一般是八比特这里啊，即便是 h d r 画面其实也不够用啊。而特斯拉的纯视觉，它的大模型呢，它训练的素材，其实呢就是这个原始图像数据啊，也 也就是传说中的这个弱格式。那么弱格式的画面呢，它是没有经过 i s p 处理的，它所包含的是 cmos， 它所捕捉到的这个最原始的光电信号。那如果说把 cmos 看作是一个光子计数器的话，那么弱格式就是光子分布图， 那么其中每一个像素呢，都对应一个颜色通道啊，这个呢，就是它上面堆的那个拜尔滤震的滤光片的颜色。那么用这些数据做训练，那么最大的优势啊，就是它的这个细节保留是最为完整的动态范围啊，非常的高啊， 多的范围呢，就是说这个最亮和最暗的一个比值啊，那么这个亮度跨度越大，那么我们能够看到的这个细节就越丰富，因为极亮和极暗区域的这个全部光的信息啊，都得以保留了吗？那么所以说无论是炫光还是阴影呢，都能够看清楚， 像是特斯拉，他用的这个索尼摄像头啊，可以提供十二比特的原始数据啊，那么和巴比特相比的话，那可是差的非常大，巴比特是四千零九十六个回度，那么量化的经济程度就大幅度提升了。 而特斯拉的 f c 呢，它就是基于这种原始数据来进行训练的。那有人可能会问啊，原始数据它只是单通道色彩，它没有这个 s p， 它是怎么恢复成彩色画面的呢？这里需要注意的是啊，它的训练和推理呢，都不需要差值啊，也就说这个恢复成彩色，它本身呢就不是基于这个彩色画面去训练的， 而是直接基于这个单通道数据来训练的啊。而由于拜尔之内的这个 r g g b 排布呢，它是一个固定模式啊，那么所以说神经网络它的算法中呢，它就可以基于这种固定的排布啊，来解读出相应的这个颜色和语义信息。那么这个呢，它是一个隐式的查询过程啊， 马克他发布的这个图呢，他是一个可视化渲染啊，专门用于演示用的。当然呢，他的这个颜色啊，也是神经网络直接处理出来的啊，那么所以说看上去有点偏色，所以呢，左侧代表人眼啊，或者说这个摄像头的 s p 给到了一个常规画面，他呢是已经被强光给亮瞎了。 而右侧这个画面呢，其实呢，就是大模型基于细节度极高的原始数据猜出来的一个画面啊，那所以说特斯拉的 fsd 啊，它实际上是基于这个原始的弱格式数据啊，进行训练和推移。那么从这些原始的光子基数中啊来提取特征，重建场景，它本质呢，实际上是一种计算成像计 算机中的 m g， 它呢可以从不完整的或说受损的这个光子数据中啊，来概率性重建出最可能的事件模型啊。 那么这里要注意的是，他的训练素材呢，其实并不是单帧画面啊，而是连续帧，那么这个一方面可以利用时间连续性啊，来把多帧的光子技术啊累计起来啊，提高这个新到比， 那么另一方面的话，他可以估算这个运动向量深度和占用高台。所以说特斯拉纯视觉方案的这个视力啊，他其实是要远超人眼的判别能力的啊。 那么通过原始光子技术啊，来提供这个高细节加上大模型后期的这种训练啊，那么他呢，在强光和弱光下都可以获得非常不错的观赏能力。马克这个贴文啊，就是强调这个强光问题嘛，因为此前很多人就质疑啊，这个 f s d 摄像头，他被刺眼的这个阳光给亮瞎的时候啊，能不能用？ 其实呢，所谓的这个强光环境啊，一般就是白天啊，这种摄像头他正对阳光啊，玻璃或者一些这种高反射率物体的情况，他 除了可以通过大模型猜出被遮挡的部分是什么之外，那他还可以通过多相机融合来交叉验证啊，因为一个摄像头被遮挡，那么其他的摄像头他可能是没有被遮挡的啊，那么他们也有可能是能够拍到那个地方的。不过这里的另外一个问题是啊，他在弱光环境下到底能不能看清楚，因为弱光时啊，周围都是黑的吗？那么所有摄像头可能都看不太清 这里呢？我们要说的是，其实现代相机里的这个 c m s， 它的感光能力是要超出人眼的范围的，人眼对于光线的感知自然呢，就是可见光范围大约是四百到七百纳米波长的光，而 c m s 它的这个固有波长感知范围呢，其实大约是在三百到一千一百纳米， 向上可以延伸到大约三百五十到四百纳米这一部分镜子外光，那么向下可以延伸到七百到一千一百纳米的近红外光啊， 注意这个最高限速啊，就是一千一百纳米了，因为主流的这个硅基项目中啊，硅的能量代谢大约就是一点一二电子伏特，那么这个能量它所对应的波长大约就是一千一百纳米啊，波长比这个更长的光，它的能量不足以啊，把这个电子给踢出来，就无法产生光电效应啊。 那所以说对于红外波段呢，这个感知理论上限就是一千一百纳米，在这个其中啊，三百五十到四百纳米的光呢，其实经过镜头上的这个玻璃后啊，就会大幅度衰减了，作用其实并不是特别大，因为呢，它也只比人眼的这个范围超出了五十纳米而已嘛。而关键是在于这个七百到一千一百纳米这个近红外波段啊， 因为这个不断它的感知能力啊，就直接决定了它的夜视能力，那么超过七万纳米的话，人眼是无法感知的，那么此时人眼感觉周围是黑的啊，但是呢， cms 它是可以感知的，那所以说相机呢，它可以看到周围的画面啊， 那么在特斯拉的摄像头上，它呢是有一个滤镜的，这个滤镜啊，它主要是有两个功能啊，那么一个是它具备抗眩光能力啊，可以缓解车灯和这个光的过曝。那么另一个呢，就是这个滤镜，它其实呢会过滤掉一部分波长太长的光啊， 防止啊这个红色通道过于饱和，而只保留七百到九百纳米这一部分的近红外啊，而就是比人眼多出的这个七百到九百纳米这个波段，就可以让摄像头啊看到更多人眼察觉不到的信息， 而且如前所述啊，它是基于连续针进行的计算了，那么这样再叠加多针光子累积，就可以数倍收集光子啊，就可以大幅度压低照射，提高视觉观察能力。这里我们顺便说一下啊， 其实呢，特斯拉最早期啊，它从这个 h w 二点零时代，它的这个 c m 滤光片呢，是 r c c 啊，也就说只有一个红色，那么其余三个都是颗粒透明的啊， 那么这个呢，就是为了增加这个近光量，增大动态范围。但是呢，导致的问题啊，就是车机上人眼所看到的那个画面呢，它就比较的假了，不够真实，偏色非常严重。那么所以呢，在这个 h w 二点五时代呢，就切换成了 r c c b， 增加了一个蓝色通道啊， 那 h w 三点零应该说还是 r c c b 啊，但是呢， h w 四之后呢，就切换回了这个正常的 r g g b， 那 所以说四点零一年的车机啊，它看到的画面呢，就比较的真实，但是呢，目前有推测时啊，在 h w 五点零中啊，那么它有可能会再次用回这个 r c c c 啊， 这样的话，它可以大幅度提高性道比和动能范围，因为五点零下 f s d， 它的能力上限是要大幅度超越四点零的，那么所以说在这个光子技术上，它必须要有较大的物理荣誉啊， 但是呢，如果说切换回 rcc 的 话，那么这个意味着特斯拉它需要跑一个专用神经网络啊，来给这个画面插值，让它能够恢复到人眼所能够适应的这个色彩上啊，也就是说啊，用一个 newer rsp 来代替传统的硬件 rsp 啊，因为传统 sp 啊，它是无法准确地由这个 rcc 来恢复颜色的。当然呢，这个只是猜测啊，并没有证实。 所以综合来说啊，纯视觉支架在应对强光和弱光这些极端场景时啊，那么它肯定比人眼看到的效果是更好的，但是呢，它是否能够彻底碾压掉激光雷达，它的存在价值呢？其实呢，更多的是取决于算力啊， 那么这里的算力啊，并不是说这个车载芯片的算力啊，而是去训练这个可以进行光子技术重建的 fsd 的 算力。特斯拉呢，它作为全球畅销车企，那么它积累的数据量那是不用多说了啊，肯定是够用的。 而关键就是啊，基于这些海量数据，把大模型的这个能力给建立起来，让他呢能够通过对于这些原始的弱数据处理来重建一个更为精准的世界模型。最后呢，我们来简单说一下，特斯拉这个光子技术重建方案背后，他有一个计算问题啊，由于他用到的是弱数据，那么一般是十二比特， 但是呢，特斯拉的这个 ai 芯片，它上面的这个 mac 单元啊，通常是八比特硬件，那所以呢，它是无法直接处理这些十二比特的弱数据的。那么所以啊，特斯拉还为此专门开发了一套技术方案啊，那就是它可以把这个高位宽的弱数据啊，直接投喂给这个 ai 芯片进行计算。 具体来说啊，就是先把这个弱数据通过四个二乘以二的卷积合拆分成四个小积合，那么这四个小积合呢，就是根据四个通道和高低位呢进行排列组合的啊， 高低位的意思啊，就说比如这个十二个比特啊，他可以拆分成两部分，那么一部分呢是高位，一部分呢是低位啊，那么这个高位部分呢是八个比特啊，低位部分呢是四个比特，然后呢再补四个零凑成巴比特，那么这样的话就是两个巴比特了吗？那么这一步完成之后，那么再进行精柴啊，就是通过两个一乘以二的小卷一盒， 把刚才的四个集合再拆成八个子集啊，那每一个呢都是对应一个颜色通道的，然后啊，就可以在这个巴比特的麦克阵列中直接去跑计算了啊， 那么最终得出的这个结果啊，那么高八位左移四位让出位置啊，再加上这个低四位啊，就拼装回了这个原始的十二比特精度的这个速度，那所以呢，他的这个策略呢，就可以在巴比特的麦克电路里跑出这个十二比特，甚至是十六比特的这个弱数据啊， 就不需要就开发新的硬件，他这个呢有一个专门的专利啊，那么网上也有其他的这个专业的解读，大家有兴趣可以去看一下。说实话呢，我看完之后啊，我觉得特斯拉这个企业呢，它还确实是有两把刷子啊，那虽然说我特别讨厌特吹，但是呢，这一次啊，我还真得吹一把， 因为呢，同样的情况下，这个国产新能源，他可能就直接换更强大的算力芯片，根本就没有向后兼容的可能性啊， 而目前来说的话，特斯拉的这个 h w 三点零和四点零的这个麦克单元都是巴比特设计，那所以说特斯拉呢，它是通过算法 让现有硬件甚至是老硬件直接可以处理十二比特的弱数据啊，当然呢，这个三点零啊，因为贷宽太小，那么所以说它只能够运行 f s c 的 一个蒸馏板啊，但是呢，四点零啊，它目前是可以满血运行的，甚至啊，还有一点点的欲度啊， 要知道三点零啊，它只有一百四十四 tops， 那 么四点零呢，其实啊，也只有大约五百 tops 啊，那么这个跟国产新能源动辄一两千 tops 这个算力比起来，确实是比较的寒酸，但是呢，它目前确实是可以跑无间谍的 fsd 的。 当然呢， h w 五点零， 也就是这个 ai 五啊，它也会提升到两千 tops 啊，可以呢，把本身就远超人类的这个 a i 五啊，它也会提升到两千 tops 啊，可以呢，把本身就远超人类的这个 h w 四点零的能力啊，推向一个几乎完美的境界，那么这个就非常期待了，我是大刘，感谢观看。

这到底是 ai 还是真人司机？最近有个博主分享了他跟特斯拉车载 ai grok 闲聊的经历，整个过程流畅的像在和副驾上的朋友聊天，没有一点机械感。你那个什么，帮我在目前导航去公司的这个过程中找一家星巴克，我要买点喝的。 然后去完公司之后，我想去那个有一个电影叫爱乐之城，他那能跳舞什么啦啦啦什么这那的，那个电影的那个地叫啥我也不知道，反正你自己找吧，帮我开始全自动导航。 好嘞，先加个最近的星巴克，地址是三四二三号波莫纳大道，在波莫纳偏路八分钟行吗？然后公司之后，好嘞， 星巴克加好了三四二三号波木纳大道，波木纳是买完喝的，接着去公司，暗月之城那个跳舞店是格力菲斯天门台，我这就搜好全自动导航过去。行， 早在八月，马斯克就放过狠话，他说 fsdv 十四会是继二零二三年 v 十二之后，特斯拉自动驾驶系统有史以来第二大的升级，并直言这个版本会让人觉得它是有生命的。现在看来，这不仅仅是感觉，而是系统在物理图灵测试中的一次真实亮相。 就在几天前，英伟达机器人部门主管在亲眼看到自家特斯拉一路自主护送自己回家后大受震撼，认定特斯拉 f s d v 十四是首个通过物理图灵测试的 ai。 也就是说，这个 ai 在 真实世界的驾驶表现，自然到让人分不清是人还是 ai 在 开车。 那么这种活过来的体验到底是怎么做到的？核心在于多模态融合，车不止在看，也在听和思考。它能同时理解摄像头捕捉的视觉画面，你的语音指令在结合地图和车辆状态等信息去理解你的意图，然后像一个有经验的司机那样去执行。所以，当车主在麦当劳点餐时，车 会自动停下，等他完成支付。这不是偶然的听懂或看到，而是系统综合理解了在点餐处的场景、可能的停留时间，以及驾驶员动作后做出的合理判断。 同样，他之所以能理解先去星巴克，再去公司，最后去爱悦之城取景地这种复杂要求，也是因为集成了 rock 强大的自然语言处理能力，能将口语化的指令分解为可执行的导航任务。 f s d。 这次升级的本质是从过去你告诉我做什么的被动执行，转向了我理解你想做什么的主动协同他让自动驾驶系统不仅变得更聪明，更重要的是开始尝试和我们进行一种更接近人类伙伴的新阶段。

好的企业应当不卑不亢，实事求是。在北京车展上，当一位特斯拉车主抛出一个明显带有火药味的问题，询问特斯拉 f s d 与小鹏 v l a 相比如何？何小鹏坦率地回应道， 由于 fsd 的 满血版尚未接入国内市场，确实很难直接比较，但他肯定，目前国内几家头部车企都具备相应实力。他还强调，这样的对比本身并不公平，因为 fsd 在 进步，国内车企也在进步，大家正共同争夺全球市场份额。 不回避、不贬损、不吹嘘，看得到别人的进步，也信得过自己的实力，这才是中国制造走向世界时应有的底气与风度。

去年年底，特斯拉刚刚更新完 fsd v 十四的版本，就惊艳了所有人，更有消息传出，这套系统今年有望落地中国。这不禁让我想起了钱驴记穷的那个典故啊，钱无驴，有好事者传载已录，最后结果呢，应该大家都有所了解啊， 且不说法规这块特斯拉能不能研究明白，就是复杂路况也够他喝一壶的了。而且呢，在中国市场，最近大新闻可不少， 大家现在都在规划上世界模型，智驾已经来到了另外一个高度，可以说各家的私化体验完全不输特斯拉。就在昨晚， 智捷与蒙蒙塔深度携手，重磅推出了 i m a d c 塔，而这一套智驾系统很有可能要进阶到行业的天花板。为什么这么说呢？这套系统是基于雷神高算力芯片平台开发的全新一代辅助驾驶大模型，也是直接面向 l 四级自动驾驶的基座模型，从某种程度上算得上是 l 四到 l 二的降维赋能，对比之前 算是跨代际的提升。这季 c t o。 介绍啊， i m a d z 塔大模型参数量提升了三到四倍，性能上线最多提升二十倍。并且呢，在车端大算力平台的技术上，还能通过云端的世界模型完全强化学习，使实至名归的物理 ai 正式上车。在汽车智能化的下半场，实际上， ai 实力决定了汽车能力的高度， 除了在中国市场内卷外，自己携手蒙蒙坦还走出了一条出海之路，把中国 ai、 中国智驾带到了海外。一个是全球顶级智驾方案商，服务多家豪华品牌。另一个是深度共创的整车大厂，有完整工程化验证体系， 别的是实验室厉害，他们是量产既领先，出海既能用。现在这套方案已经搭载到自己 im， 也就是 l 六的海外版等全球战略车型上，并且成功实现全球五大洲覆盖， 包括泰国、墨西哥、英国、澳大利亚、尼泊尔、埃及等十六个国家，在各地复杂路况中做到了真正的开箱技能用。从阿联酋到突尼斯，从挪威到新西兰，一路落地， 一路交付，毫不夸张的说，这是中国自驾第一个真正量产级出海的国际化方案。再重复一遍，不是简单的试水啊，而是就像一只重装合成铝一样，呈箭直的向外输出。从技术领先到全球落地，从中国方案到世界标准，自己与蒙蒙塔已经为中国 ai 全球开花翻开了历史性的第一页。

别幻想了，满血版 fsd 永远不会来。这两天 fsd 入华吵得沸沸扬扬，但是我还是要泼一盆冷水，你们以为的那个满血版永远不会来的，未来能出现的一定是非常有我们特色的。 fsd 现在叫监管版，以后可能换个名字， 但核心不变，一定要被管。这个基调从一开始就没变过。其实我们说说 iphone 就 知道了，从当年联通合约期开始一直到今天， iphone 在 中国一直都是阉割版， 绝大部分功能都能用，剩下的没有也无妨。特斯拉 f s d 也注定走这条路必须符合我们的特色。为什么满血版不可能来？有三个核心障碍。第一， 纯视觉和涉密信息的矛盾根本无解。特斯拉纯视觉要求车看到一切才能判断，但涉密单位的监管红线是不能看，看了也不能泄露。有人可能会说，那让系统提前规避不就行了？比如绕开敏感区。 但问题来了，想要提前规避，系统就必须先知道哪些地方是敏感区域，包括他们的坐标、边界范围，甚至建筑外观。你拿着这个清单去规避，这个清单本身已经是 泄密的了，所以这条路根本走不通。你看无人机新规就明白了，无人机被强制装上电子围栏，敏感区域自动进飞，北京都是全区域进飞的。这是硬性合规设计，不是靠算法绕过去的。 纯视觉要是没法做硬件及定向屏蔽，那监管部门就不可能给满血版开绿灯。第二，路况太复杂，算力跟不上。咱们的路况比美国复杂太多了，电动车乱串，行人横穿，小摊贩占道，人开车只需要注意前方，而纯视觉要保证安全，必须得保证前后左右 同时处理六十路甚至六百路的信息流。偏偏英伟达 h 两百芯片采购叫停了，高密度算力都不够了，还谈什么满血？第三，平替才是终局。 从互联网到 ai 到芯片，无一例外，特斯拉中国早晚能训练出适合本地路况的 f s d， 但肯定是平替版。这个逻辑咱们在互联网时代就见的太多了，国外有 youtube， 我 们有优酷， ai 大 模型拆的 g p t 虽然强，但我们有 deepsea 豆包，包括芯片， 英伟达被限制，我们也在搞深腾海光。从软件到硬件，从互联网到 ai， 平替从来不是低端的代名词，而是供应链安全和本土化设备的必然选择。 f s d 进中国走的也是这条路，不是不能做，是必须做成中国版。另外，我斗胆预测一下，智驾的未来一定不是单车满血，而是车车足亡。我举个例子吧，苹果有一个产品叫 l tag， 如果你的钥匙装上 l tag 突然丢了，那么全球十几部 iphone 都会帮忙帮你找，只要任何一部 iphone 经过你钥匙附近，就会偷偷把位置传给你，这个就叫重包网络。所以未来智驾也可以这样，每台特斯拉变成移动 l tag， 支持广播，自己看到了什么，下一步要干什么，那后车收到信息就等于多了双眼睛，安全性翻倍，但是里面关键在于数据只能被自驾芯片独 取，谁也拿不走，合规又安全。而这个场景的实现，则需要我们监管部门出具更加详细的一个规则，那所有自驾厂商都按这个规则去走，所以无人机新规和 airtech 告诉我， 合规可以硬性设计设备可以组网干活，再加上摩尔定律，算力每十八到二十四个月会翻一翻今天我们觉得遥不可及的车车组网算力门槛， 可能用不了五年就变得很平常了。从马车到燃油车，从燃油车到电车，再到下一代出行工具，每一次跨越诞生前都被当做笑话。所以未来能超越特斯拉的，一定不是另一台特斯拉，他长什么样我们完全想象不到，但他一定会来，这才是自家真正的方向。我是一步到位，一点看法，感谢观看。

物理生态的致命的时刻真的要来了。上周吧，黄仁勋在 c e s 科技春晚上发布了全球首款开源的微喇自动驾驶推理模型阿帕玛。这个呀，是世界上第一款会思考有推理逻辑的自动驾驶 ai， 它不仅仅是一个自动驾驶模型呀，它还能够使用这个自然语言来解释自己的思考过程，也就是啊，使用人类的思维，比如啊，他会告诉你 左前方有行人尝试迈步，待结合这个地面湿滑，我决定啊，将提前减速，并且微调方向这些等等。提到自动驾驶吧，大家第一反应肯定就是特斯拉的 f s d， 而英伟达这次亮相了这个自动驾驶模型啊，就相当于来布局了 ai 这个赛道， 直接与这个特斯拉的 fsd 竞争。我分析了呀，二者最明显的区别就在于啊，这个特斯拉的这个 fsd 是 完全封闭了系统，而英伟达走了这个开源路线呢，就类似于大家熟悉的 os 和安卓的关系。 很多人看到了英伟达布局自动驾驶这个赛道呀，就开始担心，特斯拉的 fsd 可能会丢失掉自动驾驶领域的龙头的地位骨架呢，会不会走坏？其实吧，我觉得这种担忧啊，是完全是多虑了，我的第一反应啊，就是说极度兴奋， 是对物理 ai 大 规模落地的吃惊，我认为吧，这个就是未来投资布局的新的方向。过去一段时间啊，我总是提起这个特斯拉和英伟达，看好他们的 ai， 而目前呢，他们又在布局啊，就是这个未来最有可能爆发的物理 ai 赛道。这里吧，就有一个非常好的预期，我觉得未来的这个物理 ai 啊，这块蛋糕太大了，足够容落下这两家超级巨头。 最后呢，大家都能够吃到红利挣到钱，并非是你死我活的灵活不易，就这个长期趋势来看呢，自动驾驶与 ai 人形机器人 一定是 ai 落地现实世界的终极形态，有着非常大的增长潜力。而这个英伟达呀和特斯拉正在全力压住这一赛道，这就是我心中啊，首选他们的原因。