特斯拉首席执行官埃隆·马斯克近日表示，该公司的人工智能训练不再受到算力的限制。这一消息意味着，一直以来困扰特斯拉自动驾驶技术发展的原因之一已经消失。
自动驾驶技术是当今业界面临的最具挑战性和重要性的问题之一。相比人类驾驶员，自动驾驶可以显著提高安全性，并每年拯救数以万计的生命；同时，还可以减少驾驶时间，释放数十亿小时的生产力，并带来巨大的经济价值。
由于这些问题的存在，业界通常会给予致力于解决这一难题的公司更多宽容度。然而，在过去几年里，特斯拉开始向用户销售“完全自动驾驶（FSD）”套件，并承诺每年都将实现自动化驾驶功能，但多次推迟了这一目标。
尽管如此，特斯拉还是给出了看似合理的解释。例如，在过去，特斯拉的自动驾驶系统并非由神经网络控制车辆。直到最近发布的FSDBetav12版本中引入了基于神经网络的车辆控制系统后才有所改变。此外，另一个限制因素是算力不足，这影响了神经网络的训练效率。为了弥补算力不足的问题，特斯拉投入了大量资金购买英伟达的计算设备，并搭建新的超级计算机集群用于训练神经网络。
然而，现在看来，特斯拉似乎已经解决了算力瓶颈的问题。几个月前，特斯拉还一直在抱怨受算力制约的局限。因此，“神经网络控制和充足算力被视为实现完全自动驾驶的最后两块拼图”的说法仍然有道理。
如果特斯拉的技术路线正确，并且现在所有功能都由神经网络控制，并且具备充足的算力进行训练，则我们应该能够看到真正可靠的自动驾驶系统的进展。
尽管如此，特斯拉仍需公布具体数据来证明其FSD系统是否符合预期并真正实现了无需监督的自动化驾驶水平。否则，该公司将不得不承认无法达到L4或L5级别的自动驾驶水平。
