馬斯克承認HW3判無監督FSD死刑

💡特斯拉HW3失敗揭視覺AI自動駕駛極限，對開發者關鍵（28字）

⚡ 30-Second TL;DR

有什麼變化

HW3記憶體頻寬僅HW4的八分之一，無法無監督FSD

為什麼重要

侵蝕特斯拉信譽與FSD估值支柱，引發訴訟與HW3二手貶值。投資者信心從自動駕駛轉向電動車銷售。純視覺AI策略面臨多感測器競爭壓力。

下一步行動

對照Waymo多感測器數據，基準測試視覺專屬自動駕駛模型硬體缺口。

誰應關注：Developers & AI Engineers

AI-generated analysis for this event.

•特斯拉已開始針對受影響的HW3車主推出『FSD 轉移計畫』，允許車主將購買的FSD軟體授權轉移至新購置的HW4或HW5車輛，但此舉被視為變相強迫換車以獲取完整功能。
•業界分析指出，HW3晶片（FSD Computer 1.0）採用三星14nm製程，其神經網路處理器（NPU）架構在處理複雜的端到端（End-to-End）神經網路模型時，確實面臨嚴重的記憶體頻寬瓶頸，導致推理延遲過高。
•特斯拉目前正加速開發FSD Computer 2.0（即HW5），預計將採用台積電更先進的製程，旨在解決HW4在未來更高解析度感測器輸入下可能出現的運算瓶頸。

📊 競品分析▸ Show

特性/指標	Tesla FSD (HW3/HW4)	Waymo Driver	Mobileye SuperVision
感測器方案	純視覺 (Camera-only)	多感測器融合 (LiDAR+Radar+Cam)	視覺為主+雷達
運算平台	自研 FSD Chip	自研第五/六代硬體	EyeQ6 High
商業模式	消費者買斷/訂閱	Robotaxi 營運服務	車廠供應商 (Tier 1)
驗證里程	數十億英里 (影子模式)	數千萬英里 (無人駕駛)	數百萬英里 (量產車)

HW3 (FSD Computer 1.0): 搭載兩顆自研晶片，總算力約 144 TOPS，記憶體頻寬約 68 GB/s，受限於早期設計，無法有效支援大規模 Transformer 模型。
HW4 (FSD Computer 2.0): 算力提升至約 500-700 TOPS，記憶體頻寬顯著增加，支援更高解析度的鏡頭輸入，並改善了散熱設計。
瓶頸分析: 端到端神經網路需要將大量影像特徵即時載入記憶體進行推理，HW3 的 SRAM 容量與頻寬無法滿足高頻率的權重更新需求，導致幀率下降。

特斯拉將面臨大規模集體訴訟風險

由於馬斯克曾多次公開承諾HW3硬體具備實現全自動駕駛的能力，硬體無法升級將導致消費者權益受損，引發法律糾紛。

特斯拉將調整FSD軟體發布策略

為應對硬體限制，特斯拉將被迫開發針對舊硬體的『Lite』版本，導致軟體功能分歧，增加維護成本。

2019-04

特斯拉正式推出搭載HW3的FSD電腦，馬斯克宣稱其具備實現完全自動駕駛的算力。

2023-01

特斯拉開始在新款車型中導入HW4硬體，感測器解析度與運算能力大幅提升。

2024-03

特斯拉向北美用戶推送FSD V12，正式引入端到端神經網路架構，對硬體算力要求激增。

2026-02

馬斯克在財報會議中首次公開承認HW3硬體在處理複雜自動駕駛任務時存在記憶體頻寬瓶頸。

AI 週報

閱讀本週精選 AI 大事摘要 →

同主題

探索 #autonomous-driving

同產品

更多關於 tesla-fsd-(hw3)

同來源