卡帕西谈神经网络以及幽灵刹车
简单来说，卡帕西认为，特斯拉幽灵刹车的源头是毫米波雷达和摄像头对物体识别产生冲突，导致系统发出错误指令。
对此，特斯拉将"锅"甩给毫米波雷达。今年5月，特斯拉在发布FSD Beta v9版本时，同步取消了北美地区全系产品搭载的毫米波雷达，转向纯视觉路线，使用"Tesla Vision"视觉系统，通过不同位置布局的摄像头实现三维图像感知。
事与愿违，特斯拉切换纯视觉路线后，幽灵刹车的现象不减反增。根据部分车主描述，可能只是路上飘过的塑料袋或者前车行驶中的阴影，自己驾驶车辆都会幽灵刹车。
上述现象表明摄像头使用场景存在限制。和人眼类似，摄像头受天气、强弱光影响较大，但在智能化程度上远不及人眼。据峰瑞资本合伙人杨永成介绍，车载自动驾驶摄像头基本都是固定焦距、固定FOV、固定光圈、固定位置安装的，完全不具备人眼的自动化和灵活性。
杨永成表示，车头前方就配有远、中、近距离的视觉成像模式，除了成本方面考量，要实现人眼通用化设计，必然使用大量电机、机械运动、控制部件。而汽车使用场景复杂，包括高低温、震动、运动等，要求摄像头无故障运行时间长。
这也是为何车辆在感知系统中，会在主传感器摄像头之后加上辅助系统毫米波雷达。毫米波本质上是电磁波，可直接测距和测速，其主流频段集中在24GHz（用于15-30米中短距离感知）和77GHz（用于100-200米长距离感知）。
不过，特斯拉如今的自断双臂的做法，在纯视觉感知算法未迭代到理想状态下，显然有些仓促。就像特斯拉2016年和Mobileye的分手，在很长一段时间内，特斯拉Autopilot和ADAS饱受诟病，迭代后的体验不升反降。
幽灵刹车何时能解决?
一向乐观的马斯克在面对幽灵刹车问题时，也变得谨慎起来。
日前，马斯克在推特上表示，FSD最新测试版本已推出，但用户应该对该系统更谨慎。
根据特斯拉FSD Beta 10.9更新日志，特斯拉"通过改进对能见度尽头的物体的速度估计，减少了交叉物体的错误减速"，"通过更好地建模合并点和位于可见性边缘的重影对象，改进合并控制的平滑度"。
至于何时能解决幽灵刹车的问题，甚至马斯克本人也不能确定。
关于FSD的迭代，马斯克表示，他在《总体规划第二部分》已提到，特斯拉大概需要60亿英里的自主里程，才能使自动驾驶系统获得全球监管机构的批准。
截止今年二季度，特斯拉FSD测试版车队有效行驶里程为3500万英里。简单换算，已完成马斯克目标值的0.58%。
马斯克的逻辑通过大量边际案例，通过特斯拉深度神经网络实现机器学习。通过神经网络对原始图像进行处理，将目标物体的边界"抠"出来，最后对数据进行比对和纠正，完成机器的图像的识别。这个过程就像教小朋友识图，告诉机器该物体是人、车还是路牌等信息（专业术语为监督学习，Supervised Learning）。
同时，为了加速机器的"文化水平"，特斯拉还推出"影子模式"，让车辆的自动驾驶系统出于开启状态，传感器探测车辆行驶道路周围的数据。驾驶操作仍由人来完成，机器不参与驾驶。但在人的驾驶过程中，机器会学习人的驾驶操作，从而达到对自动驾驶系统的优化。
边际案例基于大量道路数据抓取，其实，其实，道路上行驶的每一辆特斯拉都可以看作是其测试车辆，车辆配有的摄像头不断抓取道路信息，再回传至中心服务器。
不过，特斯拉现阶段面临更严重的一个问题--中国对特斯拉使用场景的限制。出于数据安全性考量，不少事业单位和特殊路段已明令禁止特斯拉的驶入和通过，意味着特斯拉在面对中国特有场景（匝道、城市外卖车、快递三轮车）时，能否有效识别需打个问号。
