🐯虎嗅•最新收集於 9m
Tesla FSD 為何仍然領先
💡Tesla FSD 的優勢可能來自雲端級訓練與軟體最佳化，而非最大車端晶片。
⚡ 30-Second TL;DR
有什麼變化
FSD V12 將城市駕駛堆疊中大部分的規則式模組，改為以人類駕駛軌跡訓練的端到端神經網路。
為什麼重要
對自動駕駛開發者而言，文章再次說明模型品質取決於完整的訓練與部署堆疊，而非車端 TOPS 等紙面數字。文章也暗示，若缺乏相當規模的資料、模擬環境與雲端訓練能力，其他公司可能難以縮小效能差距。
下一步行動
評測你的自動駕駛模型時，應同時測量端到端延遲、困難案例恢復能力與編譯器效率，不要只比較車端 TOPS。
誰應關注：Researchers & Academics
關鍵要點
- •FSD V12 將城市駕駛堆疊中大部分的規則式模組，改為以人類駕駛軌跡訓練的端到端神經網路。
- •V13 將系統從駕駛輔助延伸至完整行程，包括從停車狀態啟動、倒車出庫，以及自主停車。
- •據稱 V14.3 透過重寫 AI 編譯器與執行時環境，將反應時間縮短 20%，並提升感知與複雜場景處理能力。
- •Tesla 主要依賴攝影機，並透過強化學習將安全行為融入模型，而非大量依靠執行時規則兜底。
- •文章認為 Tesla 的主要護城河是雲端級訓練基礎設施，估計截至 2026 年 6 月已達約 28 萬張 H100 等效 GPU。
📰
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： 虎嗅 ↗
每週 AI 簡報
每週一封，可隨時退訂。