你有没有想过，为什么马斯克总在强调算力不够这件事？11月8日他在社交平台上和网友聊到特斯拉自动驾驶的技术挑战时，说出了一个细节：车载计算机每秒要处理1.5GB的视频流，却只能输出大约2KB的控制指令，还不能出任何错误。听起来像在开玩笑，但这句话其实点到了纯视觉自动驾驶的命门。
我查了下资料，这个问题背后其实是自动驾驶系统的核心逻辑。特斯拉的纯视觉方案放弃了雷达和超声波，全靠摄像头和神经网络判断环境。车上八个摄像头每秒会生成海量视频数据，系统必须在极短时间内从画面里识别出行人、路标、障碍物、红绿灯，然后在几毫秒内决定是刹车、转向还是继续前进。问题是，车载芯片的算力有限，空间、功耗、散热都受约束，数据又巨大，所以每一步都要压缩。马斯克说很难避免过度压缩，其实就是在讲：如果神经网络把视频压得太狠，丢掉了关键细节，比如那是一只狗还是塑料袋，决策就会出错。
目前特斯拉汽车使用的是AI4芯片，也叫HW4，理论算力大概在250TOPS左右，已经不算弱（数据来源：Not a Tesla App 2024年5月报道）。但特斯拉计划在2027年推出的AI5芯片，算力预计可达2000到2500TOPS，是现在的几十倍（数据来源：NextBigFuture 2025年6月报道）。这意味着未来的自动驾驶系统将能同时处理更多路况、更复杂的模型、更少的延迟。换句话说，AI5的出现也许能部分解锁纯视觉自动驾驶的潜能。
我想象了一下那台芯片在工作时的样子：车子行驶在夜路上，前方灯光反射在积水上，摄像头捕捉到复杂的光影。神经网络在瞬间判断出这是反光不是障碍，而推理芯片要在几毫秒里完成这一切。它得把几十帧视频、几百兆信息，压缩成一句话式的控制指令。想清楚这点你就知道，马斯克说的不是夸张，而是现实。特斯拉选择纯视觉路线，相当于走了条算力与算法的极限之路。没有激光雷达兜底，系统每一次判断都必须靠自己看懂世界。
这几年我一直关注特斯拉在AI芯片上的布局。它最早从英伟达的Drive PX平台转向自研芯片，再到AI3、AI4，甚至建立了Dojo超级计算机来训练模型（数据来源：IEEE Spectrum 2024年2月报道）。但马斯克现在的重点显然转向了推理而非训练。训练是把AI教会看世界，推理才是让它在车上活用。AI5的设计思路，就是让车内芯片能像人脑那样在复杂环境里实时反应，而不是依赖云端。这意味着特斯拉的方向是彻底本地化决策——车不靠远程控制，所有判断都在车内完成。
问题在于，即便AI5算力再强，自动驾驶依然不是单纯的算力问题。算法的鲁棒性、数据集的多样性、监管标准、安全验证，这些都需要同步解决。就算马斯克能在2027年让AI5上车，也不代表那时车子就能完全放开双手。美国加州到现在仍对全自动驾驶许可卡得很严，中国也在逐步试点自动驾驶出租车，但都在特定区域内运行。算力提升能解决延迟，却解不了信任。
我倒觉得，马斯克这次算力论的背后，更像是在给特斯拉的技术节奏定调：AI4是实用阶段，AI5是跨越阶段。纯视觉方案能不能最终跑通，不在于理论，而在于能否持续积累足够多的真实驾驶数据。现在特斯拉全球已有超过四百万辆车在上传行驶数据（数据来源：特斯拉官方2024年投资者报告），这些都是AI模型的训练素材。马斯克的底气，也许就来自这里——哪怕算法偶尔出错，庞大的数据池能让系统更快纠正。
回到那句1.5GB压成2KB的比喻，我越想越觉得它像是在说人类大脑。我们每秒接收的视觉信息远超想象，但最后做决定的只是几毫秒的神经冲动。区别在于，人类有直觉，机器没有。AI必须靠算力去弥补直觉的缺位。马斯克也许不是在炫技，而是在提醒：真正的难题不是算法，而是让一块硅片在极限时间里理解世界。
当一辆车能在几毫秒内完成你整个思考过程时，它还是工具吗？你还敢在这种车里边看剧边打哈欠吗？
全部评论 （0）