Re: [新聞] 【美國盤前異動】特斯拉升逾4%,大摩上調其目標價至400美元
https://www.ptt.cc/bbs/Gossiping/M.1693830978.A.C03.html
9/4 就在八卦版講過
8/17 相對低點進去買call https://i.imgur.com/hV3Ykav.jpg

有在follow tesla都
知道啦,只不過新聞喜歡亂寫 一堆後知後覺的 看不懂tesla在幹嘛
傳統自動駕駛
基本分為三大模塊
https://i.imgur.com/poTtq9f.png

感知 決策規劃 執行
其
中感知不管是純視覺還是融合感知 都會用AI對圖像物體進行識別和標註
從圖像中
分離出人和車還有道路邊緣障礙物這些東西 然後將標注後的結果發到
決策模塊, 決策模塊根據感知模塊發送的標註結果, 在人類設置的規則框架下給出
決策. 這裡的人類設置的規則, 例如紅燈停 綠燈行, 人是高危險群體要讓行
直
行車道不能轉彎, 等等基本規則, 之後進行決策 然後給到執行模塊, 控制車輛
因為感知模塊給的結果對於決策模塊非常重要,如果不能準確識別出物體,自動駕駛
就
會出事, 這也是大家在爭論到底要純視覺還是光達比較安全, 爭來爭去.
而特斯拉的fsd v12 使用的端到端方法
強大之處, 他沒有感知模塊, 甚至沒
有任何一個模塊, 在感知層面上 他不再識別
相機拍到的畫面上的訊息, 也
不再進行標注, 他看的是畫面上的像素點, 他看的是這些
像素點運行的規律,
把這些像素點訊息直接輸入到神經網路
神經網路擁有數以億計的真實行車影
片,數以億計的學習經驗
就好像stable diffusion一樣, 把畫師所畫出來的
精美圖片通通餵給AI建立模型
神經網路會根據現在看到的像素運行方式和學習到的模型進行比對, 直接給到執
行模塊
特斯拉fsd 過去擁有30萬行代碼, v12則是0
這個端到端的自動駕駛學
習方式, 未來就需要各個國家的特斯拉車提供拍攝到的畫面進行
學習, 未來
可能會產生中國模型 印度模型 台灣模型 美國模型
甚至模型與模型之間有
可能可以融合
而這樣的方式也不是所有車企都有辦法, 首先你要有算力, 所
以特斯拉購買了nvda
1萬塊英偉達h100. 和自行研發的AI訓練晶片dojo
特斯
拉在28日啟動的10,000顆H100 GPU叢集,會協助訓練全自動輔助駕駛(FSD)系統。
H
100 GPU的運算效能是前一代A100的五倍快,可加快特斯拉訓練FSD的速度、訓
練成果也
會比過去更優秀。不過,H100 GPU非常昂貴,單顆要價近40,000美元
。
由於輝達無法追上市場對GPU的需求,特斯拉只能斥資10多億美元打造自家
超級電腦「
Dojo」。Dojo使用公司高度最佳化的客製晶片,明(2024)年有望
成為全球最強大的超級電
腦之一。這款超級電腦也會訓練特斯拉的車隊並處
理這些車隊傳回的資料。特斯拉執行長
馬斯克(Elon Musk) 7月曾表示,「老
實說,若輝達交出足夠GPU,我們也許不需要Dojo。
」
而所謂的魯莽駕駛問題, 特斯拉2年前就想到了, 在先前版本中, 車子就可以為
駕駛員開
車
方式評分, 只丟入評分90分以上的資料即可
相當於你不會
把垃圾畫師的作品丟到ai裡面去建模型一樣
所以自動駕駛要成功
1. 算力
2. 行車數據
以上兩點特斯拉都擁有
所以fsd v12 就是自動駕駛的CHATGPT時
刻
也是為什麼特斯拉故意留在lv2的原因 他其實是為了在開放道路搜集數據
強化自駕AI
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.241.33.115 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1694444700.A.9D2.html
※ 編輯: LimYoHwan (111.241.33.115 臺灣), 09/11/2023 23:06:02
※ 編輯: LimYoHwan (111.241.33.115 臺灣), 09/11/2023 23:06:27
噓
09/11 23:07,
2年前
, 1F
09/11 23:07, 1F
推
09/11 23:07,
2年前
, 2F
09/11 23:07, 2F
→
09/11 23:11,
2年前
, 3F
09/11 23:11, 3F
推
09/11 23:12,
2年前
, 4F
09/11 23:12, 4F
→
09/11 23:13,
2年前
, 5F
09/11 23:13, 5F
→
09/11 23:13,
2年前
, 6F
09/11 23:13, 6F
推
09/11 23:14,
2年前
, 7F
09/11 23:14, 7F
→
09/11 23:15,
2年前
, 8F
09/11 23:15, 8F
→
09/11 23:15,
2年前
, 9F
09/11 23:15, 9F
→
09/11 23:21,
2年前
, 10F
09/11 23:21, 10F
推
09/11 23:21,
2年前
, 11F
09/11 23:21, 11F
推
09/11 23:21,
2年前
, 12F
09/11 23:21, 12F
→
09/11 23:22,
2年前
, 13F
09/11 23:22, 13F
推
09/11 23:23,
2年前
, 14F
09/11 23:23, 14F
→
09/11 23:23,
2年前
, 15F
09/11 23:23, 15F
→
09/11 23:24,
2年前
, 16F
09/11 23:24, 16F
→
09/11 23:25,
2年前
, 17F
09/11 23:25, 17F
→
09/11 23:25,
2年前
, 18F
09/11 23:25, 18F
推
09/11 23:25,
2年前
, 19F
09/11 23:25, 19F
→
09/11 23:26,
2年前
, 20F
09/11 23:26, 20F
推
09/11 23:27,
2年前
, 21F
09/11 23:27, 21F
推
09/11 23:34,
2年前
, 22F
09/11 23:34, 22F
推
09/11 23:38,
2年前
, 23F
09/11 23:38, 23F
推
09/11 23:46,
2年前
, 24F
09/11 23:46, 24F
推
09/11 23:49,
2年前
, 25F
09/11 23:49, 25F
推
09/11 23:52,
2年前
, 26F
09/11 23:52, 26F
推
09/11 23:58,
2年前
, 27F
09/11 23:58, 27F
推
09/12 00:01,
2年前
, 28F
09/12 00:01, 28F
推
09/12 00:03,
2年前
, 29F
09/12 00:03, 29F
→
09/12 00:03,
2年前
, 30F
09/12 00:03, 30F
→
09/12 00:11,
2年前
, 31F
09/12 00:11, 31F
→
09/12 00:11,
2年前
, 32F
09/12 00:11, 32F
→
09/12 00:12,
2年前
, 33F
09/12 00:12, 33F
→
09/12 00:14,
2年前
, 34F
09/12 00:14, 34F
→
09/12 00:15,
2年前
, 35F
09/12 00:15, 35F
→
09/12 00:15,
2年前
, 36F
09/12 00:15, 36F
推
09/12 00:22,
2年前
, 37F
09/12 00:22, 37F
噓
09/12 00:25,
2年前
, 38F
09/12 00:25, 38F
推
09/12 00:27,
2年前
, 39F
09/12 00:27, 39F
推
09/12 02:12,
2年前
, 40F
09/12 02:12, 40F
推
09/12 02:44,
2年前
, 41F
09/12 02:44, 41F
推
09/12 02:52,
2年前
, 42F
09/12 02:52, 42F
→
09/12 02:52,
2年前
, 43F
09/12 02:52, 43F
→
09/12 02:52,
2年前
, 44F
09/12 02:52, 44F
→
09/12 02:54,
2年前
, 45F
09/12 02:54, 45F
推
09/12 06:50,
2年前
, 46F
09/12 06:50, 46F
推
09/12 07:53,
2年前
, 47F
09/12 07:53, 47F
推
09/12 09:43,
2年前
, 48F
09/12 09:43, 48F
推
09/12 10:00,
2年前
, 49F
09/12 10:00, 49F
→
09/12 10:00,
2年前
, 50F
09/12 10:00, 50F
推
09/12 13:13,
2年前
, 51F
09/12 13:13, 51F
討論串 (同標題文章)
完整討論串 (本文為第 3 之 3 篇):