8.0
深览指数
科技Bestblogs·硅谷101··AI 生成
让人类交出方向盘：特斯拉 FSD 十三年的冒险、争议与进化
本文是特斯拉 FSD 发展史最详实的中文记录之一，深度还原了十三年间从依赖 Mobileye 到自研 AI 芯片、从简单感知到 BEV+占用网络的算法跃迁。不同于外部报道的线性叙事，文章通过大量前员工访谈，揭示了马斯克第一性原理驱动的极致成本控制，与硬件、软件团队之间因算力、传感器配置产生的激烈内部冲突。适合对自动驾驶技术史或特斯拉内部决策逻辑感兴趣的专业读者，能获得大量一手细节和事件时间线。原文 ↗
核心观点
- ▍特斯拉 FSD 的核心成功路径是从供应商依赖（Mobileye）转向全栈自研（AI 芯片），从而获得算力、成本和迭代速度的绝对控制权。
- ▍FSD 的感知能力经历了从 2D 图像识别到 3D BEV 鸟瞰空间，再到占用网络（Occupancy Network）的四次关键迭代，实现了从‘看见’到‘理解’周围环境的跨越。
- 01特斯拉与 Mobileye 合作时，Mobileye 提供的是黑盒方案，芯片与算法绑定，且限制 Tesla 使用自家研发的视觉算法，导致双方关系破裂。
- 02在英伟达过渡期后，特斯拉借助 Jim Keller 团队于 2019 年推出了自研的 AI3 芯片，其有效算力利用率可达 80%，远超通用芯片的 50%。
- 03感知算法迭代包括：神经网络重构（替代传统 CV 算法）、HydraNet 多任务模型共享骨干网、将连续视频帧作为时序输入、以及引入 BEV 空间融合。
- 04移除雷达后，特斯拉的占用网络将 3D 空间划分为体素（Voxel），通过自动标注系统生成海量真值数据进行训练，无需识别具体物体即可实现避障。
- 05文章提及，马斯克坚持第一性原理和极致成本控制，例如在 HW4.0 研发中，为了节约成本而砍掉某个摄像头，导致软件团队抱怨存在视觉盲区，双方产生激烈冲突。
反方 / 局限
- — 文章通过工程师之口暗示，马斯克对成本和简化的极致追求（如砍摄像头），在某些情况下对系统安全性和鲁棒性构成了潜在风险。
- — 虽然自研芯片算力利用率高，但新的芯片刚设计好，软件团队就已耗尽所有算力，暗示算力需求与硬件迭代之间存在永恒的矛盾与追赶关系。
特斯拉 FSDMobileye英伟达Jim Keller埃隆·马斯克HydraNetBEV (鸟瞰图)Occupancy Network (占用网络)AI 芯片 (AI3/HW3, HW4)硅谷 101
3 分钟 · 5 卡片 · 14 资料
读原文 →