馬斯克在回復一位網(wǎng)友討論特斯拉FSD與英偉達Alpamayo的差距的帖子時稱：“要實現(xiàn)安全、無人監(jiān)督的自動駕駛，大約需要100億英里的訓練數(shù)據(jù)?，F(xiàn)實中的長尾問題超級復雜。”

　　該網(wǎng)友在帖子中寫道：“對于許多人來說，區(qū)分演示和產(chǎn)品是很困難的，這是可以理解的。在技術方面，一些產(chǎn)品的演示效果很好，已經(jīng)接近最終的生產(chǎn)就緒狀態(tài)。對其他人來說，演示和產(chǎn)品之間的差距是巨大的。非工程師往往低估了跨越這一鴻溝所需的過程。

　　有些問題比他們的演示所顯示的要困難得多，‘全自動駕駛’就是其中之一。使用FSD，從引人注目的演示到成品的過渡是非常困難的。問題空間是由一組有效的無界邊緣情況定義的，而進展則是由打磨長尾決定的。

　　這就是為什么，鑒于我的背景，我很容易忽視NVIDIA的Alpamayo平臺。有些人認為我的觀點是傲慢的。我不同意。

　　你必須了解特斯拉為了接近最終目標所經(jīng)歷的整個過程。這需要數(shù)年持續(xù)不斷的努力。即使從FSD v12的架構(gòu)重置開始，也需要大量的工作來系統(tǒng)地、逐次迭代地減少長尾問題，如今已發(fā)展到v14。

　　如今，F(xiàn)SD（監(jiān)督版）每天的行駛里程超過1400萬英里，奧斯汀約有35輛自動駕駛出租車在運營，舊金山灣區(qū)約有140輛。每一天，這些車輛都在積累實際行駛里程，并遇到罕見但高價值的極端情況，這些情況直接推動了模型的改進。

　　認為可以通過模擬和有限的道路測試就能‘趕上’這個問題的想法在我看來極其天真。這不是一個演示問題。這是一個規(guī)模、數(shù)據(jù)和迭代的問題——而特斯拉已經(jīng)在這條路上走得很遠，其他公司才剛剛起步?！?/p>