最近這幾天，特斯拉繼續屢創新高，總市值達到了1.25萬億美元。

另一方面，一年磨一劍，特斯拉史上最強FSD版本V13.2開始測試，向測試使用者推送，如果一切順利，預計在今年聖誕節前，將會大規模推送給配備了特斯拉HW 4.0硬體的車型。

按照特斯拉工程師的說法，新版本的結構，用上了與自家火箭發動機同源的工程迭代技術。特斯拉自動駕駛工程師Arek Sredzki指出，此次更新的改進是巨大的，FSD V13是完全重寫的，“V13 的構建，與SpaceX為星際飛船設計的猛禽Raptor引擎V3，非常相似。”

結構越來越趨於高效和簡潔

而特斯拉AI團隊成員Yun-Ta Tsai指出，FSD V13“可能是我們四年前踏上‘光子計數’之旅以來最大的一次重寫”。他還強調，FSD V13 是特斯拉資料、視覺、編譯器、系統、韌體、UI、QA、PM 等多個團隊合作的結晶。

馬斯克則直接發Twitter指出，FSD V13的能力是上一代的5-10倍。

FSD V13將有哪些新變化？

從FSD V13.2更新的簡介內容來看，最直觀的變化就是，用上了“從車位到車位”的一鍵式出發模式。相比於之前必須先設好導航，開上道路才可以使用FSD，這次更新離Robotaxi又近了一步。

現在，你只需要選擇好目的地，然後在車庫中啟動FSD，就可以實現到目的地的全自動駕駛了。

特斯拉FSD V13可以直接從車位中啟動，影片中前方和左側都有汽車擋路，而FSD選擇了先倒車，再開出車位

當然，由於特斯拉FSD V13在訓練量、算力等方面有明顯的提升，因此當下的V13.2版本，還是一個面向HW4.0硬體車型的更新。

FSD V13版本的更新介紹

由於還處於測試推送階段，車東西透過對大量測試案例進行研究，更具象地總結了FSD V13.2主要帶來的13個主要更新點：

1、支援從停車狀態啟動FSD（車位到車位）：

車輛現在可以在停放狀態下啟動FSD，只需設定目的地並按住新的“啟動FSD”按鈕，車輛將自動切換到行駛或倒車狀態。從實際的效果來看，特斯拉FSD從V13版本也算是正式加入了當下主流的“車位到車位”大軍。

FSD V13.2啟動

2、增強的純視覺倒車功能（三檔無縫切換）：

FSD現在可以自主倒車，並能在停車、行駛和倒車之間無縫切換，甚至可以執行三點掉頭。

配備FSD V13.2的車輛絲滑穿梭在小路

3、增強的純視覺自動停車：

到達目的地後，FSD會自動尋找並停入附近的停車位。從影片中來看，車輛從FSD切換到自主入庫十分流暢。

FSD V13.2的自動泊入車位

4、質量更高的全解析度HW4.0平臺ISP（影像處理器）影片輸入：

FSD V13.2首次使用了基於HW4.0平臺的ISP（影像處理器），以更高的解析度和每秒36幀的速度提供更好的影像質量，從而提高識別準確性。

5、適用於所有道路的速度配置：

新版本為城市街道和高速公路引入了新的速度配置，包括新的“急速模式”，不再限制於 50mph（80km/h）以上的道路。

6、原生基於HW4.0硬體的輸入和神經網路架構：

HW4.0的硬體特性優化了FSD的AI模型執行速度，減少了約束並提高了最佳化。

7、雲端5倍訓練計算能力提升：

特斯拉在德克薩斯州的超級計算機叢集“Cortex” 現已上線，專門用於FSD訓練，雲端訓練計算能力提升了5倍。

8、實現更快的本地端側決策制定：

FSD V13在影像處理方面進行了重構，決策速度提高了2倍。

FSD V13.2快速決策自主匯入路口

9、允許更多音訊輸入資料收集提升感知：

車輛可以收集並分享10秒的音訊片段，以幫助未來識別緊急車輛的聲音。

10、為日後分析從而對攝像頭可見性檢測的提升：

車輛將在行駛結束時提示可見性問題，並在出現問題時儲存攝像頭影像供後續分析。

11、基於端到端的更好的碰撞避免：

AI模型的改進使得FSD在碰撞避免方面表現更佳，尤其是在紅燈事件中的T型碰撞。

FSD V13.2自主決策透過路口

12、支援Robotaxi車隊通訊：

FSD V13支援使用HW4.0硬體的車輛進行車隊動態導航，確保一旦部署Robotaxi網路可以高效執行。

13、更安全的交通控制器改進：

重新設計的交通控制器提高了對周圍車輛和物體的跟蹤精度。在更新頁面的下邊，特斯拉還對FSD V13的未來更新進行了預告，包括即將推出的改進包括對模型規模和上下文長度的三倍擴充套件，增加音訊輸入以更好地應對緊急車輛，並改進導航的獎勵預測。

此外，還將最佳化對虛假剎車和停車場慢速駕駛的處理，支援多種目的地選項，如靠邊停靠、停車位、車道或車庫。同時，將實現地圖和導航輸入的高效表示，並改善對攝像頭遮擋的處理能力。

馬斯克10萬顆H100的超級計算機叢集上線

我們知道，自動駕駛的發展離不開算力，特別是在V12版本融入AI大模型的訓練之後，算力更成為重中之重。

今年，特斯拉在德州超級工廠，已經部署了一個2.9萬顆英偉達H100的計算叢集，並且提前就開始進行訓練，到10月底這個訓練叢集達到了5萬顆。與此同時，馬斯克最近在另一家公司xAI，建造了全球最強大的AI超級計算機，由10萬個英偉達H100 GPU構成。

最令市場震驚的是，全部安裝僅花了122天，而這種規模的安裝，通常需要4年時間。這讓黃仁勳都很驚訝，在最近一次播客訪談中，黃仁勳說：“如此規模的GPU叢集，往往需要三年的規劃與設計週期，再加上一年的建設時間，才能投入使用。”

而如今，整個資料中心建成上線僅用了122天，而從伺服器硬體安裝到開始訓練，只花了19天時間，創下行業內迄今為止最快的速度。“馬斯克對工程、建築、大型系統和資源調配的理解獨一無二，這簡直令人難以置信。”黃仁勳說。

當然，這也令微軟、OpenAI和其他競爭對手都非常著急。

在今年10月一個陽光明媚的日子，一架螺旋槳飛機，在美國田納西州孟菲斯市中心附近，一座被翠綠草坪環繞的宏偉工業建築上空盤旋，機上的乘客紛紛記錄下該設施的影像資料。

此次飛行實則是一次秘密偵察行動，來自競爭對手，他們甚至動用了熱成像裝置，以觀察資料中心的冷卻系統是怎麼設計的。因為馬斯克遠遠超越了同行，將原本需要4年的建設週期，縮短至122天。

馬斯克將這棟原本是家用電器製造工廠，改造成了資料中心，內部有世界上規模最大的超級計算機叢集。這些競爭對手在空中觀察到，馬斯克利用卡車運送了多臺燃氣渦輪機至現場，為設施提供電力支援，他們努力探尋，馬斯克的團隊是如何設計資料中心散熱的解決方案。

將如此龐大的GPU叢集，整合到一臺超級計算機中絕非易事，因為伺服器需要消耗鉅額的電力，且連線晶片的網路裝置也面臨著嚴重的頻寬瓶頸，這就好像要讓5萬個樂器在同時協調地演奏。

此前，馬斯克原本寄希望於與甲骨文合作，但甲骨文的高管向馬斯克坦言，他們難以按照馬斯克所期望的速度完成建設任務。甲骨文高管指出的難點包括，馬斯克所選中的大樓電力供應不足，無法滿足他計劃安裝的晶片數量所需的能源。

但馬斯克很快就對甲骨文高管的反對意見感到失望與沮喪。最終，他決定拋開甲骨文，獨立開發孟菲斯資料中心。馬斯克在社交媒體上寫道：“甲骨文無疑是一家偉大的公司……但是，當我們的命運取決於成為迄今為止最快的公司時，我們必須親自掌舵，而非僅僅作為乘客坐在後座！”

據Information報道，馬斯克之所以能這麼迅速建成資料中心，部分歸因於他省略了幾個關鍵步驟。例如，他在尚未從電網獲取足夠電力以執行的情況下，便啟動了建設。然而，這種打破常規、從第一性原理思考的做法，正是馬斯克屢試不爽的策略。

例如，在特斯拉，馬斯克曾在一個停車場為Model 3汽車搭建了一條生產線，從而繞過了在加州擴建汽車廠所需的繁瑣許可流程。在SpaceX，他不斷催促工程師精簡火箭上他認為不必要的部件，或採用非太空專用設計的更廉價部件。

所以，雖然xAI與特斯拉是獨立的兩家公司，但他們都屬於“馬斯克生態”。特斯拉與xAI的合作一直很緊密，馬斯克就曾說過，特斯拉從xAI的工程師那裡，學習到了很多大模型技術，而這加速了FSD的實現。

如今，玩人工智慧的門檻，已經變得非常高，一年如果沒有100億美元的投入，根本就擠不進世界最前列。特斯拉如今擁有全球700多萬輛電動車，作為前端的資料收集器，擁有最多的自動駕駛場景資料；而隨著孟菲斯資料中心的啟用，特斯拉將成為全球擁有最大算力叢集的公司之一。資料和算力都是世界Top，接下來就看Scaling Law能否在自動駕駛領域重現。