🇨🇳cnBeta (Full RSS)•較早收集於 73m
馬斯克：無人監管自動駕駛車輛今年將在全美普及
💡特斯拉自動駕駛擴展策略的重大更新，對 AI 研究人員與機器人開發者至關重要。
⚡ 30-Second TL;DR
有什麼變化
無人監管自動駕駛車輛已在德州運行
為什麼重要
此次擴張標誌著 L4/L5 自動駕駛系統商業化的重大加速，將對監管與安全框架產生深遠影響。
下一步行動
查看最新的 Tesla FSD v12 發布說明，以了解其端到端視覺模型的架構轉變。
誰應關注：Researchers & Academics
關鍵要點
- •無人監管自動駕駛車輛已在德州運行
- •預計 2024 年下半年在全美大範圍普及
- •標誌著自動駕駛部署的重要里程碑
🧠 深度解析
Web-grounded analysis with 24 cited sources.
🔑 增強重點摘要
- •特斯拉執行長馬斯克於2026年5月重申，預計無人監管的全自動駕駛車輛將在2026年底前於美國廣泛運行，並計劃在約十多個州推出Robotaxi服務。
- •截至2026年5月，特斯拉FSD（受監督版）的全球車隊累計行駛里程已突破100億英里，其中城市駕駛里程達37億英里，顯示其在真實世界數據累積方面的巨大規模。
- •美國國家公路交通安全管理局（NHTSA）已將對特斯拉FSD系統的調查升級至工程分析層級，涵蓋約320萬輛車，原因是多起涉及交通違規和事故的報告，這可能導致強制召回。
- •特斯拉FSD V14版本在2025年底成功完成了一次橫跨美國大陸的「零接管」自動駕駛，行程超過2700英里，展示了其在複雜長途駕駛中接近L4級別的能力。
- •特斯拉近期發布的FSD V14.3.3更新，將其「智慧召喚」（Smart Summon）功能的速度提升了33%，並將消費版FSD、商用Robotaxi與智慧召喚功能整合至同一套神經網路架構。
📊 競品分析▸ Show
特斯拉FSD與主要競爭對手比較
| 特性/公司 | 特斯拉 FSD (Full Self-Driving) | Waymo (Google) | NVIDIA Alpamayo | 華為 ADS (Autonomous Driving System) |
|---|---|---|---|---|
| 自動駕駛等級 | L2+ (受監督)，目標 L4/L5 Robotaxi | L4/L5 (無人駕駛計程車) | L2+ (輔助駕駛)，目標 L4 | L2+ (高階輔助駕駛)，目標 L4 |
| 感測器方案 | 純視覺 (8個攝影機)，無雷達/光達 | 多感測器融合 (光達、雷達、攝影機) | 純視覺 | 多感測器融合 (光達、雷達、攝影機) |
| 核心架構 | 端到端神經網路 ("Photon In, Control Out") | 模組化與端到端結合 | 端到端視覺-語言-動作 (VLA) 模型 | 端到端大模型 |
| 部署模式 | 消費者選配/訂閱，Robotaxi 測試與初期部署 | Robotaxi 服務 (部分城市商業化運營) | 開源AI平台，供車廠整合 | 與車廠合作 (如問界)，提供高階輔助駕駛 |
| 優勢 | 海量真實世界數據、快速迭代、成本效益高、端到端架構 | 安全性高、已實現L4/L5商業化運營、豐富的測試經驗 | 開源生態、強大AI算力支持、加速行業發展 | 本土化適應性強、高精地圖結合、快速市場佔有 |
| 挑戰 | 監管審查、純視覺在極端條件下可靠性、名稱誤導爭議 | 部署成本高、擴展性受限、地理圍欄限制 | 仍處於平台階段，需車廠整合、缺乏真實世界數據累積 | 數據出境監管、與國際標準接軌 |
🛠️ 技術深入
- 核心架構轉變：自FSD V12版本起，特斯拉已徹底轉向「端到端」神經網路架構，即「Photon In，Control Out」，將從攝影機像素輸入到車輛控制輸出的全過程由單一網路完成，取代了傳統的「感知—規劃—控制」模組化系統，並將約30萬行自動駕駛相關程式碼壓縮至約3000行。
- 多模態大模型：FSD已演變為多模態大模型系統，輸入包括七路高解析度攝影機影片、車輛自身運動資訊、導航與音訊訊號。
- 輸出與決策：系統輸出涵蓋語義分割、佔用網格、3D高斯特徵、語言表達以及最終的控制動作。FSD V14引入了視覺-語言-動作（VLA）框架，使模型具備「解釋」與「思考」的能力，能進行邏輯推理，例如在施工場景中結合上下文推論出繞行路徑。
- 感測器策略：特斯拉堅持純視覺方案，僅依靠8個高精度攝影機捕捉360度視野，並透過「HydraNets」等複合神經網路處理多種駕駛任務，如物體檢測、交通燈識別和車道預測。
- 數據驅動閉環：特斯拉利用其龐大車隊（截至2026年5月已累積超過100億英里駕駛數據）持續回傳長尾場景數據，透過自動化數據引擎篩選異常接管、預測偏差或突發障礙物，形成「數據-模型-驗證」的閉環生態系統，實現模型的持續優化。
- 硬體平台：FSD運行於特斯拉自研的硬體平台，包括HW3.0和最新的HW4.0（AI4）。HW4.0相較HW3.0算力提升約5倍（預估約720 TOPS），為更複雜的模型和功能提供強大支持。
🔮 前景展望AI analysis grounded in cited sources
特斯拉將加速推動Robotaxi服務的商業化部署。
儘管面臨監管挑戰，特斯拉FSD V14已展現L4級別的駕駛能力，且馬斯克持續強調Robotaxi的戰略重要性，並計劃在2026年覆蓋多個城市。
自動駕駛技術的監管審查將持續加劇，尤其針對純視覺方案的安全性。
美國NHTSA已將對FSD的調查升級至工程分析，並對其純視覺策略在複雜情境下的可靠性提出質疑，這將促使更嚴格的安全標準和潛在的召回。
端到端AI模型將成為自動駕駛技術的主流發展方向。
特斯拉FSD V12-V14的成功迭代，以及NVIDIA等競爭對手也推出基於VLA的端到端模型，驗證了該架構在處理複雜駕駛場景方面的潛力。
⏳ 時間線
2014-10
特斯拉推出Autopilot 1.0，搭載Mobileye視覺演算法與HW1.0硬體。
2016-07
特斯拉結束與Mobileye的合作，開始自主研發自動駕駛演算法。
2019-04
特斯拉推出HW3.0硬體平台，搭載自研FSD晶片，實現硬體全面自研。
2023-12
特斯拉正式推出FSD Beta V12，這是首個實現端到端AI自動駕駛的系統。
2025-12
特斯拉FSD V14完成一次橫跨美國大陸的「零接管」自動駕駛測試。
2026-03
美國NHTSA將對特斯拉FSD系統的調查升級至工程分析層級。
2026-05
特斯拉FSD（受監督版）全球車隊累計行駛里程突破100億英里。
2026-05
特斯拉發布FSD V14.3.3更新，提升智慧召喚功能速度。
📎 來源 (24)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： cnBeta (Full RSS) ↗