IT之家 3 月 26 日消息，特斯拉 CEO 埃隆・马斯克近日表示，特斯拉的人工智能训练“不再受算力限制”，意味着该公司此前用来解释自动驾驶技术迟迟无法兑现的理由之一已经消失。
自动驾驶技术是极具挑战性和重要性的难题，相较于人类驾驶员，自动驾驶能够显著提升安全性，每年挽救成千上万的生命；同时还能减少驾驶时间，释放数十亿小时的生产力，创造巨大的经济价值。
通常情况下，业界会给予致力于解决这一难题的公司更多宽容度。然而，特斯拉自 2016 年以来便开始向用户销售“完全自动驾驶（FSD）”套件，并且自 2019 年起每年都承诺即将实现自动驾驶，却屡次跳票。
对此，特斯拉也给出了一些看似合理的解释，例如，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 FSD Beta v12 版本，特斯拉才引入了基于神经网络的车辆控制系统。
另一个制约特斯拉自动驾驶的因素是算力不足，这影响了神经网络的训练效率。特斯拉曾寄望于 Dojo 超级计算机项目解决这一问题，但该项目进度严重滞后。为了弥补算力不足，特斯拉投入了数十亿美元购买英伟达的计算设备，搭建新的超级计算机集群用于训练神经网络。。
马斯克此次宣布特斯拉“不再受算力限制”，表明该公司近期可能增加了大量计算能力。几个月前，特斯拉还一直在抱怨受算力瓶颈的制约。
IT之家注意到，在 FSD 支持者眼中，神经网络控制和充足算力一直被视为实现完全自动驾驶的最后两块拼图。理论上，这种说法也合乎逻辑。如果特斯拉的技术路线正确，那么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，我们应该会看到自动驾驶技术的飞速进步。
由于特斯拉已经扫清了算力瓶颈，那么接下来就需要拿出实质性的进展。特斯拉需要公布清晰的数据，展示其 FSD 系统如何兑现承诺，真正成为不受监督的自动驾驶系统。否则，特斯拉就将不得不承认其无法实现 L4 或 L5 级自动驾驶水平。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。