10月25日，特斯拉AI负责人阿肖克·埃卢斯瓦米（Ashok Elluswamy）在X上发布长文，揭秘了特斯拉FSD的技术方法论，信息量非常大。

简单来说，特斯拉正在用「端到端」的神经网络，把自动驾驶这件事变成一个纯粹的AI问题，而不是一个需要无数工程师写规则的工程学问题。

他们认为，行业主流的把感知、预测、规划拆开做的「模块化」老路子不仅笨重，而且天花板明显，端到端AI模型才是自动驾驶正解。

稿件重点如下：

• 核心路线之争：为什么必须是「端到端」？

  行业主流方案是“感知、预测、规划”三件套，各模块独立工作再拼起来，特斯拉认为斯拉认为这种方式接口复杂、难以优化。而「端到端」AI模型直接“看”到像素，“吐出”驾驶指令，一步到位，整个系统可以被整体优化。这不仅是为了解决驾驶问题，更是为了在AI的「苦涩教训」面前，站在可规模化扩展的正确一侧。

• AI如何处理“人性”难题？

  现实驾驶充满了“是碾过水坑，还是借道逆行”这样的「迷你电车难题」。这种需要权衡利弊的微妙决策，很难用代码写死，但通过学习海量的人类驾驶数据，AI能潜移默化地学会符合人类价值观的驾驶策略。

• AI能读懂“弦外之音”

  FSD能分清「一群想要过马路的鸡」和「一群只想在路边闲逛的鹅」，从而做出不同决策。这种对“潜在意图”的理解，在模块化系统里很难传递，但端到端模型可以在其“潜在空间”里轻松理解和处理。

• 数据洪流淹没「维度诅咒」

  FSD每秒要处理来自摄像头、地图、音频等高达20亿个输入信息，并瞬间决策，压缩成2个指令（转向和加速）。解决这个难题的唯一武器，就是特斯拉车队每天产生的、相当于500年驾驶时长的「数据尼亚加拉大瀑布」，通过智能筛选，用最精华的数据喂养AI。

• “大力出奇迹”的效果：预判你的预判

  海量数据训练出了惊人的泛化能力。在一个雨天路滑的案例中，FSD在事故发生前5秒就开始减速，因为它预判到前车失控后会「撞墙反弹」回到自己车道。这种对「二阶效应」的提前预判，是传统方案难以企及的。

• 打开AI“黑箱”的两把钥匙

  为了解决端到端模型难以调试和解释的问题，特斯拉让模型在输出驾驶指令的同时，也输出可供理解的“中间结果”。文中提到了两招：

  1. 视觉重建：利用「生成式高斯泼溅」技术，在220毫秒内，根据摄像头视频实时生成周围环境的动态3D模型，让工程师能“看见”AI眼中的世界。

  2. 语言解释：训练AI用自然语言来解释自己的行为。一个小型化的语言推理模型，其实已经在FSD v14.x版本中运行了。

• 最难的挑战是“评估”

  模型跑分再高也没用，真实世界的评测才是最难的。为此，特斯拉开发了一个「神经世界模拟器」。这个模拟器本身也是一个强大的AI，能实时生成以假乱真的虚拟世界。它不仅能复现历史数据，还能创造各种极端的事故场景，对FSD进行“地狱模式”的压力测试。本质上，特斯拉为FSD造了一个超现实的“驾驶游戏”，让它在里面7x24小时不间断地“打怪升级”。

• 这套技术栈的终极目标：一套AI，通吃所有

  这套方法论不仅适用于汽车，还能无缝迁移到特斯拉的「擎天柱」人形机器人上。文章展示了模拟器已经可以生成擎天柱在工厂里导航的画面，证明了其技术的通用性，最终目标是解决现实世界的通用人工智能问题。

附注：Ashok Elluswamy是特斯拉的AI软件副总裁，负责特斯拉的人工智能业务。他于2024年晋升至现职，此前曾任自动驾驶软件总监。自2022年起，他直接向马斯克汇报工作，曾参与特斯拉自动驾驶系统的早期开发。

原文如下：

【特斯拉的自动驾驶方法】

本周，我有幸在国际计算机视觉大会（International Conference of Computer Vision）上，代表@Tesla_AI团队展示了我们近期的部分工作成果。在这篇演讲的精简版中，我们将探讨特斯拉解决自动驾驶问题所采用方法的一些核心要点。