马斯克：自动驾驶最难的是建立向量空间，特斯拉FSD或年底达到L4
阿尔法公社
重度帮助创业者的天使投资基金
━━━━━━
阿尔法公社说：麻省理工AI研究员Lex Fridman与马斯克进行了一场2小时以上的深度对话，谈了第一性原理怎么应用到先进制造（例如火箭），特斯拉的自动驾驶路线和进度，特斯拉机器人等话题。由于采访者本身也是自动驾驶和AI领域的研究者，问的问题相当深入，值得相关领域的创业者和从业者参考。
近日，Youtube知名科技UP主，麻省理工AI研究员Lex Fridman与马斯克进行了一场2小时以上的深度对话，从SpaceX的载人飞船，一口气聊到特斯拉面临的自动驾驶工程难题，机器人，以及马斯克知名的第一性思考原则。
▲Lex Fridman与马斯克
Lex Fridman本身作为技术行内人，问的问题非深入。本文选取了他们对谈中关于先进技术产品制造，自动驾驶技术，机器人等部分的内容，这些部分信息浓度极高：
1、何时实现L4级的FSD？2022年就有希望。
2、特斯拉自动驾驶软件中神经网络数量不断增加，基础代码正在快速减少，让自动驾驶越来越近。
3、人形机器人的价值是让机器人去做一些人类不愿意做的工作。
量产先进的技术产品，比设计它更难
Lex Fridman：你知道有许多专家、记者和一般的公众，都对可重复使用的火箭表示怀疑。而你自己认为这是一个非空集，虽然成功比较困难，但还是全身心地投入，作为一名工程师、团队的一份子去负责推进这个项目，将其完成。你的力量来源是什么？
马斯克：我只是知道自己思考问题的方式。对我来说，这是一件很重要的事情，我们应该继续做下去，否则就会失败。我不需要什么力量来源。
Lex Fridman：所以放弃不是你的性格？
马斯克：放弃这两个字不在我的字典里，管他乐观还是悲观，都滚蛋，干就完了！
Lex Fridman：你能不能试着描述下你思考问题的方式？比如不同的工程和设计问题？是否有一个系统的过程？你已经说过了思考的第一性原理，但是否有一个过程？
马斯克：物理学是基础，我见过很多违反法律的人，但还没有见过可以违反物理学的人。如果是技术问题，你只需要确保自己没有违反物理学。第一性原理是分析，我认为分析可以应用于任何生活中所出现的事情。实际上，我们可以把一些事情归结为最基本的原则。物理学有些基础知识，比如能量守恒定律，如果你违反了物理学，这件事就不可能完成。
另一个方法是在极限中思考问题，如果你在思考一件事情的同时，把它扩展到一个非常大的范畴或一个非常小的范畴，事情会发生什么变化？
Lex Fridman：在火箭的制造中也是如此？
马斯克：是的，以制造为例，我认为这是一个被严重低估的问题。把一个先进的技术产品量产，比设计这款产品更难。假设你想弄清楚为什么这个零件或产品很贵？是因为我们在做一些蠢事吗？还是因为我们的产量太低？
所以你想，如果每年的产量是一百万台呢？那还贵吗？这就是我的激进之处，把事情考虑到极限。如果一年一百万台还是很贵，那么数量就不是你的东西贵的原因，根本问题出在设计上。
Lex Fridman：然后你就可以专注于降低设计的复杂性。
马斯克：是的，这样一来必须改变设计，改变零部件，从根本解决价格问题。这在火箭领域很常见，因为产量相对较低，所以一个常见的借口是：“火箭价格很昂贵，是因为我们产量低。如果（我们）是在汽车或消费电子领域，成本就不会这么高了。”
我心里想的是，如果现在每年生产一百万支火箭，那火箭单价还会这么贵吗？如果答案是肯定的，那么规模经济就不是问题了。
Lex Fridman：你是否将其纳入制造业或供应链中？当你考虑资源和原料时，会不会把这些因素放到第一性原理分析？比如供应链如何运作？
马斯克：正是如此，举一个在极限中思考问题的例子，这一方法对制造所有产品来说都很适用。如果你看一下火箭的原材料，你会发现原料有铝、钢、钛合金、特种合金、铜等。
每个部件的组成元素的重量是多少，原材料价值是多少？在不改变原材料的情况下，以上几个问题为火箭的成本设定了渐近极限。在原材料不变时，你把比例看作一个神奇的数字，在不断计算后，把原子排列成最终的形状，这将是你产品的最低成本。实际上产品成本的高低在于如何将原子放到所需的形状中。
Lex Fridman：我想先讲一段故事，我经常和Jim Keller聊天，他曾经与你共事过。
马斯克：Jim在特斯拉做得很好。
Lex Fridman：所以我想他也受到了你的启发，思考问题的方式应该和你相似。同样，其他在特斯拉和SpaceX工作的人也具备同样的思维。他们都学会了这种思维方式，而且非常明显。
Jim曾跟我说过，Tesla Bot的成本可能不高。当时我们有过争论，我不相信他说的，规模量产的成本不可能低。目前为止，我已经与学术界和仿真机器人领域的专家进行了多次沟通，他们研发仿人机器人和动力机器人的成本高昂。Jim则持有不同观点，他说：“第一性原理就是降低制造成本。”我想你就是这样做的，你已经在特斯拉汽车和各种先前被视为复杂的系统上做了同样的思考。你的原话是：“我们现在如何把它简化？”
马斯克：是的，我认为如果某企业善于制造，那基本上也可以大批量制造。产品的制造成本渐进式地接近其原材料价值，再加上你需要取得的任何知识产权。这是一件非常困难的事情，但对任何东西来说都是可能的。因此一个产品在最初设计时，经常发生的情况是，人们从他们熟悉的工具、部件和方法开始，然后试图用他们现有的工具和方法制造这个产品。
另一种思考方式是尝试想象完美产品或技术，不管它是什么。然后想：“原子怎样才能完美地排列？让我们试着找出如何获得这种形状的物品”。
Lex Fridman：在开始认真思考前，这种方式听起来其实有点儿“瑞克和莫蒂”（美国科幻喜剧动画片）式的荒谬。如果大家按照以前的思考方式做事经常受挫，那么真的应该用这种方式来思考。
马斯克：常见的思考方式其实是一种惯性功能。人们更倾向于使用他们熟悉的工具和方法，导致做出的东西不太可能是完美产品。所以这就是为什么要从两个方向来考虑问题：第一，可以用我们的工具建造什么；第二，理论上的完美产品是什么样的？
因为你学习得越多，对完美产品的定义也会改变。在此之前，你实际上不知道完美的产品会是什么样的，但你可以制造一个近似于完美的产品。具备了以上两个思考方向，你应该会想：“现在我们需要创造什么工具、方法、材料才能让原子变成需要的形状？”
这种思考方式很有效，但很少人这么想。
建立向量空间是自动驾驶最难的部分
Lex Fridman：特斯拉的Autopilot在过去六年中取得了令人难以置信的成就，因为我清楚地知道这其中充满了挑战。
我当时在麻省理工工作，同时我也有许多在DARPA工作的朋友，所以非常理解计算机视觉的困难。因此，当我第一次驾驶最初基于Mobileye自动驾驶系统的特斯拉汽车时，我持有一种怀疑态度。我认为这辆车不可能做到自主保持车道，并为驾驶员创造一种舒适的驾驶体验。
马斯克：其实车道保持很容易做到。
Lex Fridman：但其实最初Mobileye给特斯拉的原型方案并不能解决这个问题。
马斯克：我们必须在Mobileye方案的基础上编写大量的代码，Mobileye的方案并不是我们推向市场的自动驾驶方案。
Lex Fridman：这其实就是Autopilot发展过程中的插曲——你做事的方式。你习惯以一种全新的方式解决问题，这其实是我所见过的最大胆的决定，你在软件和硬件上，都做了一套全新的自动驾驶方案。
我可能最关心和最喜欢的是Andrej Karpathy所领导的工作——数据集的选择、数据引擎过程、神经网络架构、在实际生活中网络测试、验证的方式。与计算机视觉的图像网模型相比，这就像现实世界的人工智能。
马斯克：Andrej很了不起，他显然发挥了重要作用。其实我们也有很多非常有才华的人在推动这项工作，Ashock实际上是自动驾驶工程的负责人，Andrej是人工智能项目的负责人。
不夸张地说，特斯拉Autopilot的AI团队聚集了世界上最顶尖的一群人。所以特斯拉的自动驾驶软件才能不断取得进展。
Lex Fridman：在Autopilot发展的5-6年中，你对自动驾驶有哪些见解？
马斯克：一开始，我就知道让汽车自动驾驶是一件极其困难的事情，但在项目推进的过程中，我发现这比我想象的还要困难。要让车辆自动驾驶的基础就是重现人类的驾驶方式——人类眼睛感知并用神经网络处理信息，最终完成驾驶行为。
而特斯拉的FSD软件就是这样设计的，基本上是利用视觉算法和神经网络做到自动驾驶。因此，为了部署FSD，我们需要将视觉算法和神经网络以数字的形式重建起来，摄像头有性能上的提升，同时神经网络在芯片之中。很明显，这种方式能够实现完全自动驾驶能力。并且，这是唯一的解决方案，我不相信还有其他解决方案。
Lex Fridman：但问题是要把哪些类人的感知能力编码到机器当中？当人类在开车时都会注意哪些方面？比如机器要知道一个开启的车门是怎样的，这就是感知能力。系统必须首先解决感知问题，才能进一步控制、规划汽车。你必须把驾驶中涉及的内容研究透彻，这其中还有很多不同的边缘情况。
马斯克：我认为难点并不在于控制逻辑。
Lex Fridman：你认为在整个问题中，什么才是最困难的部分？
马斯克：最困难的应该是建立一个准确的向量空间，因为需要太多的软件，以及大量的代码。摄像头感知图像之后形成数字信号，需要将数字信号映射到向量空间中，最终可以识别汽车、人、车道线、曲线和红绿灯等。一旦建立起了准确的向量空间，控制车辆就会变得像玩游戏一样简单，就像是玩GTA、赛博朋克等游戏一样。建立准确的向量空间虽然很难，但并不是不可逾越的。
Lex Fridman：是的，人类自身的感知系统将光子映射到头脑中的向量空间是一件不可思议的事情，但大部分人都没有意识到。
马斯克：其实现在你的大脑正在处理大量的数据，为你呈现了一副非常清晰的图像。就好像我们环顾四周时，你会看到五彩缤纷的颜色，但实际上这些颜色是你眼睛的视锥细胞传递给大脑的。这种细胞能接受光刺激，能将光能转换为神经冲动，故亦称光感受器。
你的眼睛会给看到的东西“上色”。但你并没有意识到这个过程。你的大脑在对眼睛的视觉信号进行大量的后期处理。这很不可思议，但其实人的大脑在处理一些数据的时候，也会忘记一些事情，所以记忆力也许是人类大脑最薄弱的地方。我们的记忆力是有限的，大脑在接收信息的同时也会遗忘，所以它最后处理完的信息其实要比大脑接收的信息要少。
因此，你的大脑在试图创建一个向量空间，当你在开车的时候，可以思考下你的大脑在有意识地想什么。
特斯拉的汽车用摄像头来充当眼睛，完成自动驾驶。这和人类开车的方式一样，人的眼睛就相当于两个摄像头。虽然开车时用视力观察周围的环境方式不错，但人们会分心，思考一些东西、发短信、吵架或是调电台。
人在往前后左右观察的时候，实际上就是在刷新大脑的向量空间，大脑试图提炼出相关的向量空间，这些空间基本上是固定位置的和正在移动的物体，然后大脑把这些内容编辑成最少量的信息。这些信息是你开车时的必要信息。
Lex Fridman：大脑能自动编辑向量空间，或者进一步压缩成概念之类的东西。人类的大脑有时超越了向量空间，变成概念空间，你看到的东西不再是空间上的某种表现，它就像一个你应该知道的概念。
如果在学校区域，你会记得这是一个概念，这很奇怪。虽然当时没有看到学生，但你心里会想：要小心开车，当心学生。
马斯克：你需要建立向量空间，然后对这些空间进行实际预测。
比如当你开车时，前面有一辆卡车，还有一些孩子准备过马路，当你距离卡车较近的时候，卡车挡住了你的视线，你看不到那些小孩了。这时，你心里想的是这些孩子现在在什么位置，需要提前预测一下（位置）。
Lex Fridman：对计算机视觉来说，识别移动的物体，比如这个物体被一棵树遮挡后又重新出现，这种连贯的追踪是非常难的。
马斯克：这就是我们正在做事情——“客体永久性”，这有点像人类的神经网， 当一个人从幼儿阶段长大时，有一个提升自我认知的时间点，机器也是如此。
如果你把玩具或其他东西藏在背后，然后再拿出来给一个婴儿看，对那个婴儿来说，每次你把东西拿出来，这个东西都是第一次出现的，对婴儿们来说都是新事物。他/她们可以整天玩藏猫猫。但之后，婴儿长大获得了“客体永久性”，他们意识到这个东西其实一直都存在，并没有消失，只是被人藏在身后了。
Lex Fridman：有时我希望我们永远不要获得“客体永久性”。
马斯克：是的。汽车神经网络的一个重要的发展是记忆，跨越时间和空间的记忆。实际上人类的大脑不能掌控记忆的多少，你想记住的越多，就会耗费更多的代价。
所以如果你想长时间记住太多的东西的话，到后期很多记忆就会变得比较陈旧，并且你还需要再记住一些新的东西。
比如说，一段5秒钟的记忆——你把车停在红灯前，行人在绿灯亮起时过马路。但如果你再次经过路口时，因为一些原因你可能看不清行人，但你依然需要记住马路边上可能会有行人，并且他们可能要过马路之类的事情。所以即使这超过了你的时间记忆，也不能超过你的空间记忆。
Lex Fridman：所以获取数据来学习你所说的所有概念是一个迭代的过程。
马斯克：对，但我们可能会换个名字。
Lex Fridman：好吧，我相信这会和《瑞克和莫蒂》一样精彩。
马斯克：我们的团队在车里设计神经网络很多次了，超疯狂的。
Lex Fridman：所以每次有一个新版本，你都会把它重命名为更荒谬或更难忘和美丽的东西吗？啊不对，不能说是荒谬。
马斯克：目前操纵汽车的神经网络的完整阵列有非常多的层级，这是非常复杂的，所以我们没有采用这种方式。
我们采用简单的神经网络，基本上就是在一个摄像机的一帧图像上进行识别，然后试着把它们结合在一起。我们有自己的C语言编译器。因此，为了获得最大的性能，我们也在不断优化我们的C语言编译器的最大效率。
事实上，我们最近在C语言编译器上做了一个新的REV命令，它将直接编译到我们的Autopilot自动驾驶硬件上。
Lex Fridman：你想要用你自己的编译器编译所有的东西吗?
马斯克：对，有各种各样的计算。
Lex Fridman：那就是说也包括CPU、GPU这些基本的东西吗？所以你自己也参与到编译代码中了？
马斯克：对，我们还安排了很多人参与其中。
这涉及到很多的硬核的软件工程，所以我们也在FSD计算机上做了大量的计算，并且我们需要在有限的计算能力下尽可能地达到每秒最高的帧数。
特斯拉团队有很多非常有能力的软件工程师，他们也在致力于提高我们的计算效率。
Lex Fridman：你想要达到像电子游戏一样多的高帧率的话就需要全分辨率，高帧率，低延迟。
马斯克：对，除了上述几点，还需要低抖动。现在我们要做的事情之一就是不需要通过图像信号处理器对图像进行后处理。
比如一般的相机为了让照片看起来更漂亮，需要做很多后处理。但我们不关心图片是否漂亮，我们只想要数据，所以我们的相机收集的只是原始的光子计数。
所以我们的系统在电脑上看到的图像实际上比人们通常看到的要多得多。人眼看到差不多光线的两个点，实际上光子数量可能相差很多。这意味着我们的相机在黑暗中也能看得很清楚，因为它能探测到光子数的微小差异。
由于去掉了图片的后处理过程，我们的延迟提升了13毫秒。其中每个摄像头大概是节省了1.5或者1.6毫秒，8个摄像头加起来就节省了13毫秒。
我们如何统计延迟？包括景象进入摄像头，摄像头数据进入多种神经网络，进入基于C语言和少量C++写的程序，再到自动驾驶系统给出驾驶指令，并将指令发给电驱动执行单元，以实现加速、制动或者转向操作。
一些控制器的工作频率在10Hz（每100ms工作一次），所以这时候已经产生了100毫秒的延迟。所以我们想要升级电驱动系统的控制器，让它以100Hz或者更高的频率进行工作（每10毫秒工作一次），这样就能减少整个系统的反应延迟。
注：马斯克表示，延迟问题可测量和预测，不是那么难。真正难的是一个名为“抖动”的现象，抖动用于描述数据传输延迟的变化程度。抖动越高，整个系统的延迟问题就会被大幅放大，这时候系统就不知所措了。
马斯克没有介绍特斯拉是如何解决抖动的，但他表示Autopilot或者FSD系统最终的驾驶表现，比007詹姆斯邦德开车还厉害。
今年底将实现L4
未来车辆可以识别声音
Lex Fridman：回顾过去的6年，同时面向未来，基于你目前的理解，你认为解决FSD这个问题难度如何？你认为特斯拉汽车在什么时候会达到L4级的FSD？
马斯克：我认为自动驾驶看上去非常有可能，可能会在2022年实现。
Lex Fridman：那么是通过什么样的方式实现的呢？是通过目前的FSD beta版本吗？这一版本会变得越来越好并最终超越目前的水平实现更高的自动化吗？
马斯克：是的，任何关注特斯拉FSD beta的人都可以看到目前车辆的接管比例正在不断下降。极端情况下，司机也可以介入让车辆远离一些危险的情况。目前每一百万英里的司机干预正在急剧下降，看起来在2022年就能够实现自动驾驶，FSD的事故发生比例会小于一般人。
对于此，我们不必向监管机构证明这一点，我们只需要一个相应的标准来证明FSD的表现比一般人更好。我觉得自动驾驶的安全性将至少会高于人类两倍或者三倍，受到损伤的可能性也会低于人类两倍或者三倍，自动驾驶将会是更好的一种方式。
Lex Fridman：所以目前特斯拉推出了FSD 10.6版本，10.7版本也已经在路上了，也许11.0版本也会在不远的将来出现。
马斯克：是的，实际上我们非常希望在2021年推出11.0版本，但是11.0版本有很多基础的神经网络架构需要重写，此外还在创建向量空间上有一些基本改进。
Lex Fridman：也就是说FSD 11.0版本将会有很多质的飞跃，11也是一个非常酷的数字。
马斯克：FSD 11.0真的会有很多基本的改进，神经网络的变化将会带来更多性能的提升。在一开始可能会有很多问题，但这是很有益的。
就像我们在利用阿尔法软件那样，基本上需要处理一大堆C，C++代码，用神经网络代替部分C++代码，Andrej Karpathy非常强调这一点。这就像神经网络逐步“吃掉”传统的软件，随着时间的推移，传统的软件将会越来越少，而神经网络会越来越多。
最终呈现的结果仍然是软件，但更多是通过神经网络来实现的，基于启发式算法少了。这是一个很大的改进。
Lex Fridman：所以你想要一直增加神经网络。
马斯克：但这甚至不是所有的神经网络，就像一个改变游戏规则的人，但是必须利用大量C、C++组成一个神经网络。
神经网络通过少量的数据来识别：这是一条车道线；这是一个可行驶空间；这是一辆车；这是一辆自行车或其他的障碍物。神经网络必须向C、C++代码输出正确的向量。
对于我们已经完成的，我觉得我们做得很好，使它的增长速度达到了局部的最大值，这是了不起的事情。另一方面，我们对神经网络的训练也进行了很大的调整，需对原始图像进行训练，得到最终的图像信息。
Lex Fridman：所以这是一种降低复杂性的方法，降低了整个过程的复杂度。
马斯克：是的，所以代码数量也会有所减少。
Lex Fridman：这很迷人。所以，特斯拉目前正在通过所有传感器的加入来降低难度。
马斯克：主要依托于摄像头。
Lex Fridman：和人类一样，但我们也通过耳朵听声音。
马斯克：是的，实际上我们还要将声音融入其中，需要听救护车的警报声或者消防车的声音，再或者有人对你大喊大叫，所以也需要一些音频。
老实说，提出这些想法非常容易，但实施起来非常困难。就像提出去月球是最简单的一部分，而到达月球是最难的部分。
整个过程中在软件和硬件层面都存在很多核心的工程问题，需要对很多代码进行调整，减少延迟，如果我们不这样做，系统就不会工作。
而这就是工程师们主要的工作内容，他们就像你认识的那些无名英雄，他们对项目的成功至关重要。
Lex Fridman：对于我来说，外面在发生什么事情，安德烈在做什么事情，这都让我超级令人兴奋。软件的基础架构等一切都在用数据引擎进行，整个过程像一个艺术品。
马斯克：它的规模之大难以令人相信。我们编写了这些所有的用于培训和标签的定制软件，并且进行标定，标定是必不可少的，因为，当你处理像环绕视频的时候很难，从头开始标记环绕视频是非常困难的。
一个人需要花费很长时间比如几个小时来标记一个视频剪辑，或者做一个标定，而软件只需要对视频剪辑应用进行大量的计算，进行预先分配和猜测环绕视频中发生的所有事情。
Lex Fridman：还有就是需要纠正它们。
马斯克：是的，然后人类所要做的就是调整，比如调整不正确的地方。这就像把生产力提升了100倍或更多。
特斯拉人形机器人可以成为人类的伴侣？
Lex Fridman：你说特斯拉机器人将会在工厂有作用。我认为人形机器人对所有机器人爱好者都是难以置信的。我认为类人机器人、双足机器人所展示的优雅运动真是太酷了。我们已经谈论了比较类似的所有想法，其中一些你已经谈到过了，如特斯拉FSD其实只是另一种机器人问题。
我非常关心人类和机器人的互动能够展示出了如此人性化的一面，你认为机器人应该在工厂内工作？还是说在任何一个地方比如家里，成为朋友或者助理之类的？
马斯克：我认为可能性是无穷无尽的，这并不完全符合特斯拉加速可持续能源的主要任务方向，但制造人形机器人，是我们可以为这个世界做的一些非常有趣的事情，能够以很多形式为世界带来帮助。
我认为未来有很多工作，如果没有报酬，人们就不会去做，比如说洗碗，你整天都在洗碗的话，就会很烦躁，就算你真的很喜欢洗碗，你愿意每天洗八个小时吗？
再比如说那些危险的工作，这些工作既危险又无聊，还存在重复性压力伤害。
我认为这些工作就是人形机器人能够发挥最大价值的地方，我们目标就是让机器人去做一些人类不愿意做的工作。
Lex Fridman：你是否想象过未来世界上有数以亿计的特斯拉机器人，在世界各地做不同的工作，执行不同的任务。
马斯克：我还没有真正思考过这个问题，但我想可能会有类似的事情发生。
Lex Fridman：我可以问一个疯狂的问题吗？目前特斯拉的保有量加速增加，已经接近200万辆，他们中有很多都具备FSD（马斯克：我想我们已经超过了200万辆），你认为特斯拉机器人的数量是否会超过特斯拉汽车的数量？
马斯克：我认为这个问题很有趣，通常情况下我会思考非常遥远的事情，但我确实没有思考过特斯拉机器人的未来。
我称这些机器人为optimus Subprime，因为他不像一个巨大的可以变形的机器人，但他应该是一个通用的帮助机器人。我认为特斯拉经常和现实世界进行互动，我们开发自动驾驶，同时定制很多硬件，硬核软件，让它们高效运行和节能。
如果你有一个拥有10000台计算的巨大服务器机房，那么做神经网络并不复杂，但现在把它提炼出来让其在一个低功耗的人形机器人计算机或汽车上运行，这实际上非常困难，有很多复杂的软件工作要做。
因此，我们用神经网络解决汽车导航的问题，而汽车又有点像有四个轮子的机器人，如果把它延伸放到一个有手臂和腿的机器人中，比较困难的两点是既要让机器人足够智能，又要让其以一种明智的方式和环境交互。
要达成这一切，既需要现实世界的AI，又需要非常擅长制造。特斯拉非常擅长制造，又有AI，所以让人形机器人工作意味着开发与汽车不同的定制电机和传感器。
我认为我们在开发先进的电动机和电子电力方面有最好的专业知识，都可以用于人形机器人的应用。
Lex Fridman：有一些东西对我们很有吸引力，但不一定能够吸引到所有的人。世界上被巨大的孤独包围，很多人都想要更多的陪伴，与其他人的友谊等，在奥斯汀，有很多人养狗。似乎还有一个巨大的机会让机器人减少世界上的孤独感，帮助人们相互联系，在某种程度上狗就可以实现这个目标。你是否考虑过特斯拉机器人在这一点发挥作用？还是认为特斯拉机器人应该发挥特定的任务，不与人交往？
马斯克：老实说，我并没有从陪伴的角度考虑过，但我认为它实际上最终会成为一个非常好的伴侣。它可以个性化发展，随着时间的发展，他可能会发展出一种独特的个性，而不是所有的机器人都一样。
而这种个性可能会变得和拥有者匹配，或者成为人类的同伴、另一半。
我觉得这很有趣，就像一个我很喜欢的日语短语：wabi-sabi，细微的瑕疵，使某些东西变得特别，机器人个性的细微缺陷，或许会让它成为一个不可思议的伙伴，基本上就像R2D2、C-3PO（《星球大战》电影中的两个机器人）之类的东西。
Lex Fridman：从机器人的角度来看，我认为有一些缺陷的特性非常好，在一般的家庭环境中，有一些缺陷非常可爱，你可能会爱上这些缺陷。但这与自动驾驶非常不同，自动驾驶在一个高风险的环境中，你不能搞砸。因此在家用机器人更有趣。
马斯克：是的，事实上，如果你想象R2D2、C-3PO，他们就有很多类似的缺陷和不完美的地方，他们会为了愚蠢的事情互相争论。
Lex Fridman：他们真的擅长做任何事情吗？我不确定。
马斯克：但他们肯定为故事增加了一些古怪的元素，他们会犯错误。这只是让人们对他们的可爱产生共鸣。所以我认为特斯拉机器人也可能会发生这样的事。
我们有信心制造出来他们，但是我不确定确切的时间表是什么，我们可能会在2022年底或类似的时间拥有一个原型。
Lex Fridman：它可以与特斯拉汽车相连，这一定非常酷。
马斯克：是的，它将使用自动驾驶推理计算机 ，我们为了Model S/Y/3/X这四款车做了很多训练，在识别现实世界事物方面的技术可以直接给机器人用。不过也有很多需要定制的执行器和传感器有待开发。
Lex Fridman：我们的年轻人想要做一些大事的话，你会给他们什么建议？
马斯克：尝试做一些有用的事，做对你同胞、对世界有用的事情。随时思考你贡献的比你消耗的多吗？要努力为社会作出积极的贡献，我认为这就是目标。
不要为了成为领导者或者其他什么而试图成为领导，很多时候，成为领导者的人却是不想成为领导者的人。
如果你过着有用的生活，那就是美好的生活，值得过的生活。就像我说的，我会鼓励人们使用物理和心理工具，并将它们运用到生活中，这是最好的工具。
Lex Fridman：当你想到教育和自我教育时，你有什么建议？如何变得有用，产生更多积极影响？
马斯克：我鼓励人们阅读大量书籍，尽可能多的吸收信息。你至少对知识景观有一个大致的了解，尝试了解很多东西，因为你可能不知道自己感兴趣的是什么。广泛的探索，和不同的人交谈，了解各行各业，喜欢什么职业就去做。
尽可能的多学习，寻找意义。多阅读和尝试，找到和你的才能相匹配的事情去做。
本文授权转载自车东西。
关于阿尔法公社
阿尔法公社（Alpha Startup Fund）是中国领先的早期投资基金，由曾带领公司在纳斯达克上市的许四清和前创新工场联合管理合伙人蒋亚萌在2015年共同创立。
阿尔法公社基金的三大特点是系统化投资、社交化创业者社区运营和重度产业资源加速成长。专注在半导体、企业服务软件、人工智能应用、物联网技术、金融科技等科技创新领域进行早期投资。目前已经在天使轮投资了包括白山云科技、领创集团(Advance Intelligence Group)、Zenlayer、帷幄科技、所思科技等为数众多的优秀项目。
阿尔法公社获得36氪“2017年度最受创业者欢迎天使投资机构Top20”、“2019年中国企业服务领域最受LP欢迎早期投资机构”、“2019年中国企业服务领域最具发现力投资机构TOP10”以及“2020中国最受创业者欢迎早期投资机构TOP50”、“2021年度中国最受LP认可早期投资机构TOP30”、“2021年中国最受创业者欢迎早期机构TOP50”、“2021年中国跨境出海领域投资机构TOP10”等奖项；获得钛媒体“2020 EDGE TOP50投资机构”；还获得母基金研究中心“2018年中国早期基金最佳回报TOP30”、“2019中国早期基金最佳回报TOP30”，以及母基金周刊“2020中国投资机构软实力GP100科技力Top10”等奖项。
创始合伙人许四清获得2020年“福布斯中国创投人100”、投中“2019年中国最佳早期投资人TOP50”，以及36氪“2018年中国企业服务领域投资人TOP10”、“2019企业服务领域投资人TOP20”等奖项。创始合伙人蒋亚萌获得2019及2021年“福布斯中国创投人100”、36氪“2019年中国中生代投资人TOP50”大奖。