孟醒谈特斯拉 FSD、端到端架构与无人驾驶

张小珺与孟醒讨论自动驾驶产业、特斯拉 FSD 的演进和端到端模型。孟醒曾在自动驾驶企业任职，也是相关领域投资人；他的体验和判断反映访谈时点。

孟醒回顾在中美学习、创业和投资的经历，也谈到从投资视角转向企业运营后，看问题的范围和细节发生变化。

他比较不同环境中的创业和工作经验，认为组织、市场和资源条件会影响企业的发展方式。

自动驾驶看起来容易理解：人们可以看到车是否行驶、体验是否顺畅。但背后的系统连接车辆、硬件、软件、数据、测试和法规。

他认为公众看到的单次演示很难代表完整能力，行业内部的人也未必了解竞争对手所有细节，信息不对称由此产生。

他区分面向驾驶员的辅助驾驶与在特定条件下提供无人驾驶服务的路线。两者在产品目标、责任和运营要求上有显著差别。

他谈到 Waymo 在凤凰城逐步运营的经历，并认为人们如果没有亲自体验，容易低估已经发生的渐进变化。

孟醒认为地理距离、公众印象和公司的推广策略都可能影响外界对服务的认识。他的解释是个人观察，不是公司内部证据。

他也举出国内无人驾驶服务逐渐扩大运营的例子，认为公众关注往往晚于实际试点，不能把多年迭代误看作一夜突破。

在他看来，辅助驾驶要把系统能力与人的监督体验结合，无人驾驶服务则要解决车辆自主处理、运营和安全保障等问题。

讨论转向 Tesla FSD。他体验过 V11.3.6、V12.3 和 V12.4 等版本，强调自己的评价来自有限的实际测试，而不是全量安全统计。

V12 引发关注的一点是端到端架构。孟醒说，在架构大幅变化后体验没有明显倒退，本身就具有工程意义，但不代表所有场景已经解决。

他回忆公开演示中出现接管，指出一次接管是否可接受取决于产品目标。驾驶辅助与无人驾驶服务不能使用同一个简单标准比较。

他认为 V12.3 能应对许多场景，但在部分复杂汇入和停车场等情况下仍出现失败或需要接管。这是他的体验，不是所有车辆的性能测量。

他也比较后续版本和公开宣传的提升幅度，提醒体验结果需要结合场景、测试方法和接管定义理解。

他解释为什么无人驾驶开发者与驾驶辅助开发者可能给同一表现不同评价：目标是无人接管时，对可靠性和异常处理的要求不同。

他讨论接管频率与驾驶员注意力之间的张力：系统使用越流畅，人可能越容易失去警觉；需要人的产品必须清楚设计监督和接管。

在他看来，辅助驾驶的目标是改善人机共同驾驶体验；无人驾驶服务则以特定区域内的出行服务和运营成本为目标。

谈到 L1–L5 分级，他强调应区分系统能力、运行条件和驾驶员的职责。等级本身不等于车辆在所有道路上都能自主运行。

自动驾驶等级涉及动态驾驶任务由谁负责，但具体法律责任还取决于适用法规和事实，不能仅凭等级标签作出法律结论。

他谈到 L4 系统在其设计运行范围内处理驾驶任务，并在遇到限制时使用适当的故障处理或远程协助。远程支持的实际方式因系统而异。

相比车内有驾驶员监督的产品，无人驾驶运营可能需要远程支持、车辆调度和不同的安全验证体系，工程问题并不完全相同。

主持人问 V12 为什么重新点燃业内热情。孟醒认为关键不仅是眼前的体验，而是模型架构切换后可能带来的长期改进空间。

传统架构常将感知、预测、规划和控制分开；端到端方向试图让更多环节通过数据和模型联合优化。不同公司对这个术语的边界并不一致。

他认为架构切换是一种风险：新系统即使长期潜力更大，也可能在初始阶段损失已有能力。需要用持续测试识别退化。

相比手工规则，数据驱动方法可能从大量示例中学习复杂行为，但仍需要覆盖罕见情形，并确保表现能够验证。

主持人问外界如何研究一个没有完全公开的系统。孟醒指出，公开演示、论文和试驾只能提供部分信息，对内部细节应保留不确定性。

他把 V12 类比为辅助驾驶发展中的早期重要时刻，而不是已经完成的终点。类比有助于表达潜力，不能预测实际能力或商业结果。

他回忆一些未专门预设的行为可能在数据驱动系统中出现，但强调这些多是驾驶体验中的偶然观察，还需要系统测试。

单次表现令人惊喜并不证明系统在类似情形下一贯可靠。评价还需要覆盖不同道路、天气和交通参与者。

两人讨论 Tesla 团队规模与历史变化。孟醒引用当时的信息并提出判断，团队人数和组织安排可能变化，不能当作当前数据。

他认为数据处理、模型训练、工程基础设施和验证都是关键投入。较小的模型团队不代表整个产品链条只需要少量人员。

技术演进话题转向鸟瞰视角表示和 Transformer。孟醒说这些方法帮助整合多摄像头信息、跨时间跟踪对象，并连接感知与预测。

他描述先把感知和预测合并，再把结果传给规划的方式。多个模块各自使用神经网络，不一定等于整个驾驶系统端到端训练。

如果中间输出是供人阅读的检测框或轨迹，模块之间的优化可能被切断；不同实现可以采用不同的中间表示和训练方法。

主持人追问 Tesla 的具体实现。孟醒承认公开资料无法让他确认全部内部细节，访谈中的架构比较包含推测。

两人转向传感器选择：摄像头提供丰富的图像信息，激光雷达和毫米波雷达则提供不同类型的信息。各方案都需要处理噪声、成本和失效场景。

孟醒转述 Tesla 偏重视觉路线的理由，并表示行业中对此存在不同看法。传感器是否更安全需要基于完整系统和实际证据评估。

他认为主动测距和雷达在部分距离、天气或可见性条件下可能补充视觉；每种传感器也有盲区和局限，不能保证消除风险。

讨论端到端是否适用于 L2 与 L4 时，他认为研究路线可以共享一些工具，但两类产品的安全目标、运营方式和兜底要求不同。

他讨论数据覆盖与罕见事件：大量驾驶数据有价值，但数量本身不等于覆盖所有危险情形，也不能替代安全验证。

摄像头数据可能更易从大规模车队或公开视频中获得；其他传感器的覆盖可能受车队配置与成本限制。数据采集仍须考虑授权和使用条件。

他认为 V12 的意义是展示架构改变后仍能保持体验，从而让团队愿意探索潜在上限。他所说的更高上限是技术判断，并未得到这次访谈证明。

成本方面，他讨论训练算力、数据系统、人员和测试投入。具体费用随公司、模型和训练规模变化，访谈中的估计不适用于所有项目。

他观察到中国多家企业开始探索端到端方向，但不同团队可能保留不同程度的规则和安全保护，不能把所有产品当成同一实现。

团队规模也可能随探索阶段变化。孟醒认为模型、数据与系统保障都需要人，但究竟多少人最合适无法仅从架构名称判断。

主持人比较不同车企对模型、视觉语言系统和验证工具的描述。孟醒认为公开术语不足以精确判断其内部技术差异。

将系统部署到不同国家还涉及本地道路、法规、数据安全和运营条件。跨地区复制需要本地数据与验证，而不只是移植软件。

访谈最后强调行业仍在持续迭代。用户应根据当时产品说明与当地规则理解其驾驶责任；历史访谈不代表产品的当前能力。